预测便成分,摄入量和营养消化能力在肉牛消费高料饮食使用近红外光谱的近红外光谱
Jenilee F Peters1,2, Mary L Swift2, Gregory B Penner1
1Department of Animal and Poultry Science, College of Agriculture and Bioresources, University of Saskatchewan, Saskatoon, Saskatchewan, CanadaS7N 5A8.
Translational animal science
|May 30, 2023
概括
近红外光谱 (NIRS) 能够有效地预测便营养成分,摄入量和肉类牛的消化能力. 这项技术提供了一种快速,非侵入性的方法,用于料养的反动物的营养管理.
科学领域:
- 动物科学动物科学
- 营养生物化学 营养生物化学
- 频谱学是一种光谱学.
背景情况:
- 准确评估营养摄入量和饮食消化能力对于优化肉牛生产至关重要,特别是在以料为基础的系统中.
- 确定便营养成分和消化能力的传统方法是劳动密集型和耗时的.
- 近红外光谱 (NIRS) 为农场分析提供了一个潜在的快速和成本效益的替代方案.
研究的目的:
- 开发和评估近红外光谱 (NIRS) 校准,用于预测便营养成分,饮食消化能力和食高料饮食的肉牛的营养摄入量.
- 整合来自消化性试验和放牧系统的光谱数据,以创建强大的预测模型.
- 评估NIRS预测的准确性,使用诸如交叉验证的确定系数 (R2cv) 和交叉验证的标准误差 (SECV) 等参数.
主要方法:
- 在三项总采集消化性研究中采集了母牛 (n=135) 和放牧试验中的公牛 (n=54) 的便样本.
- 使用FOSS DS2500扫描单色仪扫描干燥和磨碎的便样本.
- 应用数学处理 (趋势下降,散射校正) 和修改部分最小方程 (MPLS) 回归来开发预测方程.
主要成果:
- 对于便营养成分 (OM,N,aNDFom,ADF,ADL,nDF,Ca,P) 的预测精度很高 (R2cv:0.860.97),可以实现.
- 预测营养摄入量的NIRS模型显示出很好的准确性 (R2cv:0.590.91).
- 消化度校准 (DM,OM,aNDFom,N) 给出了R2cv值,范围从0.65到0.74.
结论:
- NIRS是预测便化学成分,消化能力和营养摄入量的可行工具,在肉牛中消耗高料饮食.
- 开发的校准证明了NIRS支持料养牛的营养管理和研究的潜力.
- 为了更广泛的应用,建议进行进一步的验证,特别是用于放牧牛的摄入预测.
