“

作者：Ralph Ward，Cumberland Valley Analytical Services (CVAS), Waynesboro, PA

Mary Beth de Ondarza，Paradox Nutrition, LLC. West Chazy, NY

譯者：張寶藝1, 陳曉琳1, 葉丹妮（Danni Ye）2, 仇學軍1

1 北京豐尊百奧生物科技有限公司, CVAS飼料分析中國服務中心

2 Cumberland Valley Analytical Services (CVAS), Waynesboro, PA

”

因當今谷物價格的上漲及產業(yè)利潤空間的縮小，奶農需更好地理解和控制日糧營養(yǎng)成分的變化。因此，及時且精準的牧草/粗飼料檢測在降低飼喂成本和提高產奶量中所起的作用日益重要。同時，精準檢測也能讓奶農更密切地關注商品飼料中營養(yǎng)成分的變化，從而更加重視飼料品質的一致性。

準確度和精確度

目前有兩種檢測牧草及飼料的手段：濕化學分析和近紅外檢測（NIRS）。了解兩種檢測手段的差異性及適用性可幫助檢測者用最經濟的方式獲取最有效的數據信息。

濕化學分析法在飼料及牧草營養(yǎng)成分的檢測中是準確度最高的，它是使用化學試劑和適當加熱的方法將牧草降解為各類營養(yǎng)成分。例如：NDF（中性洗滌纖維）就是將牧草置于中性洗滌液中煮沸后不能溶解的纖維殘渣部分。在化學和加熱處理前后精準稱重，通過計算兩者之差即可估算某種營養(yǎng)成分的值。但是，濕化學分析法比較耗時，成本較高，技術要求更高。

近紅外分析是使用光譜分析儀通過紅外線照射樣品所反射的光譜來分析。每種營養(yǎng)成分因具備特定的分子結構（如碳、氮、氫鍵）而擁有獨特的反射特征。該方法需將試樣的反射系數與一系列相似樣品（經濕化學檢測成分已知）的反射系數進行比對。近紅外檢測與濕化學檢測相比更省時省力。但是，同時近紅外也有它的技術難點，需要建立復雜的定標模型，定期校準儀器及有效控制恒定品質，以此來保證結果的精準性。

近紅外分析是一種間接分析方法，是以化學分析所獲得的營養(yǎng)成分為參考的，它當然不會比直接的濕化學方法準確度更高。然而，作為一種分析手段，NIR通常比濕化學方法更快捷，精確度更高，可重復性也更高，可用來減少分析結果的變異性（表1）。

礦質元素不會反射近紅外光。因此，利用近紅外分析礦質元素含量實際是根據牧草中礦質元素與其他營養(yǎng)元素的特有關系而間接評估出來的。許多營養(yǎng)師也使用近紅外方法進行礦質元素分析，但是應多關注此結果可能存在的問題。如果奶牛出現了因礦質元素引發(fā)的問題，那就應盡量用濕化學分析法檢測礦質元素指標。

表1 近紅外與濕化學分析法檢測值的標準差比較 

建立近紅外定標模型

實驗室使用近紅外方法檢測就必須對飼料和牧草進行濕化學分析來完成定標。如果待測樣品在牧草類別、地理位置與生長環(huán)境等諸多方面的特征值都處在定標樣品的變異范圍內的話，則近紅外方法檢測結果一般都是很準確的。因此，需要將樣品準確分類，才能選擇使用最適合的近紅外方程。

某種特定營養(yǎng)成分的近紅外校正水平受許多因素影響，需要建立并形成近紅外反射光譜與待測營養(yǎng)成分之間的特征性對應關系。對于水分和大多數有機成分，近紅外分析法能達到很好的檢測效果。為了更好地建立預測模型，待測營養(yǎng)成分的檢測值需要覆蓋較廣的范圍，而且建立關聯模型時，用近紅外光譜測得的數據要和用化學分析方法測得的真實數據之間有較高的可重復性。原則上，營養(yǎng)成分數值的覆蓋范圍應是檢測誤差的10倍。

對于大部分植物種類，其蛋白質含量的覆蓋范圍較廣，其分析方法通常很精確，這就為建立極好的定標模型創(chuàng)造了條件。相反，苜蓿中淀粉含量的預測就沒有那么好，因為苜蓿本身所含的淀粉水平較低，淀粉檢測值就沒有那么精準。

如何鑒別定標的好與不好

不同實驗室間針對特定營養(yǎng)成分開發(fā)近紅外方程的定標水平有很大差異。近紅外營養(yǎng)成分定標的好壞是通過對大量定標樣品的測量值進行統(tǒng)計分析來實現的。表2顯示了Cumberland Valley Analytical Services（CVAS）實驗室對某些營養(yǎng)成分的定標值統(tǒng)計數據。表中展現了每一種粗飼料所用的定標樣品數量，營養(yǎng)成分檢測結果的平均值，預估的標準誤差。R平方是決定系數，反映因變量的全部變異能通過回歸關系被自變量解釋的比例。標準誤差越小，R平方即決定系數越大，結果越接近真實值。利用近紅外分析法預測營養(yǎng)成分值時R平方值至少應在0.95以上，若該值低于0.80則意味著此預測數據不夠準確。

蛋白質這個指標的濕化學方法分析結果一般可重復性高，且在大部分粗飼料中該指標值的區(qū)間范圍較大。在建立干草蛋白質指標的定標模型時，定標樣品群體樣本量很大，標準誤差小，R平方值大。因此該定標模型預測同類牧草蛋白質的準確性就高。

雖然建立面包渣淀粉方程時所用的定標樣品較少，但是淀粉指標值相對比較一致，因此預測效果也很好。標準誤差較低，R平方值較大。

另一方面，用于預測酒糟中嘔吐毒素的標準誤差比常見的嘔吐毒素的標準誤差較大，R平方值比其他傳統(tǒng)指標低很多。因此，利用近紅外檢測嘔吐毒素相對不太準確，檢測硝酸鹽值也存在類似問題。

營養(yǎng)成分及纖維分析

隨著先進定標體系及運算技術的發(fā)展，利用近紅外方法進行成分分析越來越被認可。近紅外牧草與飼料檢測協(xié)會發(fā)現，當用近紅外和濕化學兩種分析方法測得的蛋白質含量不一致時，再次進行濕化學方法檢測，有80%的樣品化學分析值與近紅外預測值相同。同樣，若換做檢測酸性洗滌纖維（ADF）和中性洗滌纖維（NDF）時，這個比例則降低至50%。

中性洗滌纖維消化率（NDFD）是通過利用奶牛瘤胃中的微生物進行體外消化試驗獲得的。NIRS近紅外分析法可用于NDFD的常規(guī)分析。預測青貯玉米30小時中性洗滌纖維消化率時的R平方值和標準誤差都在合理范圍內，因此用近紅外法分析NDFD是個不錯的選擇。不過，在重點要確定牧草品質和查找相關問題時，適當結合體外消化試驗的結果仍然不失為明智之舉。

表2  更可靠的營養(yǎng)成分預測（帶有高R平方值）