秸秆资源的高效利用是反刍动物营养学的研究热点之一，我国拥有丰富的大麦秸秆资源，但是几乎没有大麦秸秆营养价值数据库的基础研究。提高大麦秸秆资源综合利用首先要准确评估其营养价值，同时要做到高效和准确的评估。目前，我国在测定和评价反刍动物常用饲料营养价值的过程中较为普遍的应用了康奈尔净碳水化合物与蛋白质体系(Connell net carbohydrate and protein system, CNCPS)^[1-3]，其较概略养分分析体系在反映饲料营养价值上更为全面，尤其对粗饲料纤维成分的分析及潜在饲用价值评定尤为重要。近红外光谱分析技术(near infrared reflectance spectroscopy, NIRS)广泛应用于反刍动物粗饲料营养组成的检测^[4-5]，与传统的化学分析方法相比，NIRS能够快速、准确地预测饲料中的多个营养参数。本试验基于CNCPS分析了大麦秸秆的营养组分，为大麦秸秆在实际生产中的应用提供基础数据；此外，利用NIRS对大麦秸秆样品中的营养组分分别建立定标模型，并对其进行相应的外部验证，确定模型预测大麦秸秆营养价值的可行性，为生产中快速评估大麦秸秆的营养价值提供依据。

1 材料与方法 1.1 样品采集和制备

本试验共采集大麦秸秆样品96份，分别来自甘肃省永登县、天祝藏族自治县、景泰县、古浪县、武威市、民勤县、永昌县、金昌市、山丹县、张掖市、民乐县、肃南裕固族自治县和玉门市等地。样品采集时选取具有代表性、无发霉和无杂草的整株成熟脱籽大麦秸秆样品1.5~2.0 kg，采集的大麦秸秆样品符合《饲料卫生标准》GB 13078—2001。采集大麦秸秆样品的同时制作样品采集信息记录卡(记录内容有秸秆名称、品种名称、采样时间、籽实收获时间、采样地点、采样人等)，随样品装入采样袋。

将采集回实验室的整株大麦秸秆样品铡至3~5 cm，利用粉碎机(切割碾磨仪SM-2000)粉碎样品，过40目饲料分析筛后将样品混合均匀，装入自封袋密封保存备用。

1.2 大麦秸秆营养组分评定 1.2.1 概略养分分析

干物质(DM)、粗蛋白质(CP)、粗脂肪(EE)、粗灰分(Ash)、淀粉的含量按照文献[6]中方法测定；中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、酸性洗涤木质素(ADL)、中性洗涤不溶蛋白质(NDIP)、酸性洗涤不溶蛋白质(ADIP)的含量按照Van Soest等^[7]的方法测定；可溶性粗蛋白质(SP)的含量按照Krishnamoorthy等^[8]的方法测定；钙(Ca)的含量按照空气-乙炔火焰原子吸收光谱法测定^[9]；磷(P)的含量按照钒钼酸铵分光光度法测定^[10]。测定的样本重复数为3。

1.2.2 CNCPS对营养组分的划分及计算方法

康奈尔大学通过多年科学研究得到预测奶牛瘤胃发酵动态模型，即CNCPS。该评价体系是建立在瘤胃降解特性基础上，将饲料中营养物质的化学成分分析与奶牛瘤胃消化特性互相关联，从而对饲料营养价值及奶牛生产性能做出预测。CNCPS能够对饲料的碳水化合物(CHO)和蛋白质营养价值进行更深层次的评定^[7]。

2015年最新的CNCPS版本，CNCPS 6.5将CHO分为3部分：CA、CB和不消化纤维(CC)^[11]。CA包括挥发性脂肪酸(CA1)、乳酸(CA2)、其他有机酸(CA3)和水溶性碳水化合物(CA4)，CB包括淀粉(CB1)、可溶性纤维(CB2)和可消化纤维(CB3)。其中CA、CB1和CB2为非纤维性碳水化合物(NFC)，CC是ADL的2.4倍，CB3和CC为纤维性碳水化合物(FC)，计算公式如下：

在CNCPS 6.5的蛋白质体系中，饲料蛋白质被分为3部分：PA、PB和非降解蛋白质(PC)。PA包括氨(PA1)和可溶性真蛋白质(PA2)，PB包括难溶性真蛋白质(PB1)、纤维结合蛋白质(PB2)。计算公式如下：

1.3 NIRS预测模型的建立 1.3.1 NIRS仪器设备及处理软件

采用的仪器为DS-2500近红外光谱分析仪(FOSS，美国)，该仪器采集试验样品的数据频率为2 Hz，光谱分辨率2 nm，波长准确度小于0.05 nm。保证样品杯中样品平整且紧实度一致，利用扫描软件ISIscan Nova 5.5采集数据，根据WinISI Ⅲ软件进行模型定标和验证^[12-14]。

1.3.2 NIRS分析方法

大麦秸秆样品经主成分回归(principal component regression，PCR)后，计算马氏距离定标并验证。本试验主要利用SNV and detrend和None的散射处理结合PCR数学处理消除近红外光谱采集过程中样品自身或外界干扰，减弱光谱图基线漂移或偏移现象的发生，提升光谱精确性及分辨率，从而挑选出相对科学合理的主成分，以便在复杂的分析体系中，可以在不知道干扰成分存在的情况下对被测样品的成分进行有效预测。

1.3.3 NIRS光谱评价参数

定标集和验证集根据4 : 1的配比关系^[14]，分别选用76份和20份大麦秸秆样品。根据各个营养成分含量的测定值，选择在其最大值和最小值含量之间的样品进行定标^[4]。其各个营养成分的定标评价参数：定标标准差(standard error of validation，SEC)、交互验证标准差(standard error of cross-validation，SECV)和交互验证决定系数(1 minus the variance ratio，1-VR)根据李玉鹏^[13]和周军琴^[14]方法进行，验证评价参数：验证标准差(standard error of proving，SEP)、验证决定系数(coefficient of determination for validation，RSQv)和平均偏差(Bias)根据李玉鹏^[13]、周军琴^[14]、Malley^[15]和李君霞^[16]方法进行，最佳模型确立根据褚小立^[17]和李军涛^[18]方法。

1.3.4 NIRS评价参数计算方法

SEC：通过建立的定标模型对定标样品集进行预测，获得化学测定值和近红外预测值的标准偏差^[17]。

SECV：定标过程中，进行交叉验证时所获得的近红外预测值与化学测定值的标准偏差，通过SECV可以大致评估定标模型的预测准确度^[17]。

1-VR：定标过程中，进行交叉验证时所得到的相关系数，即模型对样品集浓度变化所能描述的百分率。如果1-VR=1, 说明在交叉验证过程中，定标样品集浓度变化被100%的解释^[17]。

SEP：其报警限为SEC的1.3倍^[17]。

RSQv：定标模型对定标样品集变异所能描述的百分率。如果RSQv=1, 意味着定标集浓度变化被100%的解释^[17]。RSQv返回r²(相关系数r的平方)，r的公式如下：

式中：x和y分别为验证集某样品某一成分的化学值和近红外预测值，x和y分别为验证集所有样品对应x和y成分的化学值的算数平均值和近红外预测值的算数平均值。

Bias：其报警限为SEC的0.6倍^[17]。

1.4 统计分析

利用SPSS 16.0对数据进行描述性统计，并对验证样品的分析值和预测值进行配对t检验和回归分析，显著水平为P＜0.05。

2 结果与分析 2.1 大麦秸秆常规营养成分含量

由表 1可知，大麦秸秆DM含量为93.63%~97.27%，平均值为95.21%；Ash含量为4.21%~11.57%，平均值为7.38%；CP含量为2.01%~7.83%，平均值为3.51%；EE含量为2.88%~8.34%，平均值为5.68%；NDF含量为58.74%~79.91%，平均值为70.95%；ADF含量为29.85%~54.13%，平均值为45.16%；ADL含量为1.44%~14.10%，平均值为5.17%；NDIP含量为0.61%~1.75%，平均值为1.02%；ADIP含量为0.27%~0.97%，平均值为0.57%；SP含量为0.12%~5.99%，平均值为1.65%；Ca含量为0.57%~0.99%，平均值为0.71%；P含量为0.04%~0.17%，平均值为0.09%。

2.2 大麦秸秆CNCPS成分含量

由表 2可知，大麦秸秆的CHO含量在77.07%~89.79%，平均值为83.42%；大麦秸秆的NFC含量在5.61%~20.26%，平均值为12.47%。

大麦秸秆的CHO体系中，CB2含量在5.61%~20.26%，平均值为12.47%；CB3含量在33.57%~70.36%，平均值为58.55%；CC含量在3.47%~33.84%，平均值为12.40%。

大麦秸秆的蛋白质体系中，PA2含量在0.12%~5.99%，平均值为1.65%；PB1含量在0.19%~2.97%，平均值为1.23%；PB2含量在0.00%~1.20%，平均值为0.45%；PC含量在0.27%~0.97%，平均值为0.57%。

其余成分CA1、CA2、CA3、CA4、CB1和PA1测定结果为0.00%，各个成分结果变异系数均较小。

2.3 大麦秸秆NIRS光谱图

本试验所用96份大麦秸秆通过DS-2500近红外光谱分析仪扫描出其二阶导数处理光谱图，具体如图 1所示。

2.4 大麦秸秆营养成分NIRS模型建立

由表 3可知，OM的SECV为0.003 7，1-VR为0.952 6；CP的SECV为0.002 1，1-VR为0.944 8；NDF的SECV为0.010 2，1-VR为0.946 8；ADF的SECV为0.012 8，1-VR为0.903 3；CHO的SECV为0.007 3，1-VR为0.920 9；NFC的SECV为0.010 7，1-VR为0.857 1；CB2的SECV为0.010 7，1-VR为0.857 1。其余大麦秸秆的营养成分的1-VR < 0.8，其模型不能用于大麦秸秆样品后续的外部验证。

2.5 大麦秸秆营养组分NIRS模型外部验证

根据SEP、RSQv和Bias，通过之前选出的大麦秸秆的定标集样品对前文所做出最优模型进行最后的外部验证，以评价NIRS对大麦秸秆实际预测的效果，从而进一步检验最优模型能否应用于生产实践。由表 4和图 2~图 8可知，DM的RSQv为0.981，OM的RSQv为0.925，CP的RSQv为0.920，EE的RSQv为0.872，NDF的RSQv为0.868，ADF的RSQv为0.877，NDIP的RSQv为0.890，ADIP的RSQv为0.960，SP的RSQv为0.865，CHO的RSQv为0.975，NFC的RSQv为0.878，CB2的RSQv为0.878，PA2的RSQv为0.843，PB2的RSQv为0.840，PC的RSQv为0.902。上述营养成分的RSQv≥0.84，初步认为这些模型可用于日常分析。而其余成分的RSQv < 0.84，所以这些营养成分的模型不具备应用于生产实际的条件。

3 讨论 3.1 大麦秸秆常规营养成分

大麦秸秆作为反刍动物粗饲料主要来源之一，本试验测得其DM、Ash、CP、NDF、ADF和ADL的含量分别为95.21%、7.38%、3.51%、70.95%、45.16%和5.17%。吕振武等^[19]研究西藏的裸大麦秸秆营养成分DM、Ash、CP、NDF、ADF和ADL的含量分别为89.57%、8.01%、2.07%、69.85%、49.42%和8.56%。本研究测定结果与其研究结果相比, Ash、ADF和ADL含量较低，DM、CP和NDF含量较高。

3.2 大麦秸秆CNCPS各营养成分特点

本研究中大麦秸秆的CHO含量为83.42%，CB3含量最高，为58.55%。CB3属于植物中可利用的细胞壁，在反刍动物瘤胃内进行相对缓慢地降解，其在粗饲料如玉米秸秆和禾本科牧草中含量也较高^[20]。CA1、CA2、CA3、CA4和CB1在大麦秸秆样品中未检测到。

张鹏等^[21]研究表明，秸秆中PC主要与ADL相互结合，在反刍动物瘤胃及后消化道均未降解，PC含量越少，说明大麦秸秆可利用性越高。本研究中大麦秸秆的蛋白质成分PA1、PA2、PB1、PB2和PC含量分别为0、1.65%、1.23%、0.45%和0.57%。大麦秸秆PC含量较低，说明大麦秸秆中蛋白质在反刍动物体内的可利用性较高。在蛋白质成分中PA2含量较高，这与赵广永^[22]及李建云^[23]的试验研究报道中所提及的粗饲料可溶性蛋白质主要成分是非蛋白氮的结果相接近。

3.3 NIRS对大麦秸秆营养成分的预测

国内外科研工作者对粗饲料营养成分的NIRS分析已做了大量研究，一般认为NIRS模型需要试验样品的RSQv≥0.84^[12]，且1-VR>0.8^[15]，本试验研究通过NIRS成功建立了OM、CP、NDF和ADF 4种概略养分的模型。然而其余成分的RSQv和1-VR值分别≤0.84和 < 0.8，表明其NIRS模型仍需进一步优化。粗饲料概略养分中CP、CF和Ash的预测模型相对成熟，已有多个报道成功建模。Modron等^[24]利用手提便携式NIRS建模获得了较好的CP和CF含量预测模型，其1-VR分别为0.88~0.90和0.85~0.91；Bruno等^[25]研究建立的黑麦草CP、NDF、ADF和Ash等NIRS含量预测模型的验证决定系数均在0.9以上；王芳彬^[4]利用125份西北地区油菜秸秆建立了DM和CP含量的NIRS预测模型，但其余大部分营养成分NIRS预测模型结果不理想；Belanche等^[26]选取80个不同类型的660个饲料样品，在原位降解试验后对这些样品的DM和NDF进行近红外分析，通过偏最小二乘法对NDF完成了准确的测定，但是DM的预测精度不准确，这与本试验NIRS对于大麦秸秆DM和NDF的预测结果相一致。

由于关于饲料中CNCPS营养成分的NIRS预测试验研究报道较少，本试验对大麦秸秆CNCPS各营养成分的NIRS预测模型进行了较为系统的比较，结果表明CNCPS中的CHO体系的CHO、NFC和CB2的RSQv≥0.84，且1-VR>0.80，预测模型可用于生产实践。但是，CB3和CC的RSQv分别为0.064和0.228，1-VR分别为0.456 4和0.531 9。大麦秸秆CNCPS的PA2、PB2和PC的模型预测值与测定值的RSQv分别为0.843、0.840和0.902，与Valdes等^[27]研究牧草中3种营养成分的值分别为0.054、0.734和0.747相比，大麦秸秆预测模型精度较好。本试验结果与陈龙等^[28]结果相比较好，这可能由于本试验采集的大麦秸秆样品来源地域广阔与采集时期相对一致。

本研究通过概略养分分析法对大麦秸秆营养价值进行初步评定后，利用CNCPS体系对其所含CHO和蛋白质成分进行详细分析，从而评定其潜在的饲用价值^[11]。在实际生产中，可将大麦秸秆营养成分含量导入CNCPS配方软件，预测反刍动物生产性能^[29]。

4 结论

① 大麦秸秆DM、Ash、CP、EE、NDF、ADF、ADL、NDIP、ADIP、SP、Ca和P含量分别为95.21%、7.38%、3.51%、5.68%、70.95%、45.16%、5.17%、1.02%、0.57%、1.65%、0.71%和0.09%。

② 大麦秸秆CNCPS的营养成分中，CHO、NFC、CB2、CB3、CC、PA2、PB1、PB2和PC含量分别为83.42%、12.47%、12.47%、58.55%、12.40%、1.65%、1.23%、0.45%和0.57%。

③ 本试验通过NIRS建立了大麦秸秆营养成分含量预测模型，参数如下：OM为SNV and detrend 2, 4, 4, 1；CP为SNV and detrend 2, 4, 4, 1；NDF为SNV and detrend 1, 4, 4, 1；ADF为None 1, 4, 4, 1；CHO为SNV and detrend 2, 4, 4, 1；NFC为None 2, 4, 4, 1；CB2为None2, 4, 4, 1；且上述成分的1-VR>0.8，RSQv≥0.84；在实际生产中可用于快速评定大麦秸秆上述成分的含量。

④ 本研究为大麦秸秆在反刍动物饲粮中的应用提供基础的化学分析数据，并通过NIRS方法建立了主要养分的快速预测模型。