饲料生产
奶牛粗饲料品质评价指标
|
RFV值越大，表明饲料的营养价值越高。RFV的优点是其参数预测模型是一种比较简单实用的经济模型，只需在实验室测定饲料的NDF、ADF和DM即可计算出某粗饲料的RFV值。RFV目前仍在美国粗饲料的管理、生产、流通和交易等各个领域广泛使用，牧草种子生产者也使用RFV反映品种的改良进展。RFV的缺点是只对粗饲料进行了简单的分级，没有考虑粗饲料中粗蛋白质含量的影响，无法利用其进行粗饲料的科学组合和合理搭配。 QI QI是由美国佛罗里达州饲草推广测试项目提出的，是指TDN随意采食量相对其维持需要的倍数。由于大多数粗饲料中可消化脂肪可以忽略不计，因此可以假定粗饲料中的TDN等同于可消化有机物质。计算QI用的是有机物质消化率(OMD)，而不是RFV中所用的干物质消化率，这是相对RFV有所改进的，其他所需的动物实验数据与RFV相同。QI既可进行粗饲料的评定，又可在电脑模型中预测家畜生产性能。 QI计算模型为：QI=TDN采食量(g/MW)/36其中，36是牛的TDN维持需要量(36g/MW)，MW=Wkg0.75(每kg代谢体重)。 TDN采食量计算公式为：TDN采食量(g/MW)=DMI(g/MW)×TDN(%DM)/100 TDN计算公式为：TDN(%DM)=OM(%DM)×OMD(%)/100 OMD的预测模型为：OMD(%)=32.2+0.49IVOMD (%) DMI的预测模型为：DMI(g/MW)=120.7-0.83NDF(%DM) QI是在RFV的基础上提出的，其与RFV相比不同的地方为：QI不以某一特定饲草的品质为参照点，而是以牛对能量的需求即TDN的维持需要为参照点;QI的基数设定为1.0，而RFV设定为100;QI使用代谢体重，RFV为体重指数;QI使用了体外有机物消化率预测OMD，RFV使用ADF。QI的预测模型根据佛罗里达州饲喂热带牧草的绵羊的试验数据推导而来。 RFQ Moore和Undersander于2002年首次提出用RFQ作为粗饲料品质的总指数来取代RFV和QI。在RFQ中，DMI(%BW)同RFV一样用占体重的百分数表示，而有效能则和QI一样，以TDN(%DM)表示。RFQ计算模型如下：RFQ=DMI(%BW)×TDN(%DM)/1.23。要确保RFQ预测模型的精确，必须首先建立精确的DMI预测模型。比较理想的DMI的预测模型建立非常复杂，应包括CP、ADF、NDF、体外消化率等多个指标。 DMI=-2.318+0.442CP-0.0100(CP)2-0.0638TDN+0.000922(TDN)2+0.180ADF-0.00196 (ADF)2-0.0529CP×ADF，R2=0.76。 TDN的预测模型为：TDN=0.954×(0.953NDS+IVDND F 13.1)。 其中NDS=100-NDF，所测定的NDS的真消化率系数为0.953，代谢粪中NDS的排出量为13.1%DM。IVD-NDF为NDF体外消化率。用实测值TDN对DDM进行回归R2=0.96，截距可以忽略，得出无截距回归的斜率为0.954。 与RFV相似，RFQ的变化范围为80～200，RFQ针对某种粗饲料的预测值，更接近实际情形。这主要是因为RFQ中预测DMI和TDN的模型是针对不同粗饲料而特别建立的，因而RFQ的预测模型更具灵活性，预测更接近实际。通过估测当粗饲料单独饲喂时TDN的采食量，还可以预测影响粗饲料采食量和消化率的精粗饲料间的组合效应。RFQ建立预测模型复杂，需分别研究不同地域特定牧草的预测模型，工作量大。 GI 模型的提出卢德勋在继承RFV基础上，提出了粗饲料评定指数GI。GI的特点是综合了影响粗饲料品质的蛋白质和难以消化的纤维物质两大主要指标及其有效能(在绵羊和育肥牛为ME，奶牛为NEL)，并引入动物对该种粗饲料的DMI，克服了现行粗饲料评定指标的单一性和脱离动物反应的片面性，全面、准确地反映粗饲料的实际饲用价值。 其计算公式为：GI(Mcal)=ME(Mcal/kg)×DMI(kg/d)×CP(%DM)/NDF(或ADL)(%DM) 其中，GI为粗饲料分级指数，单位为Mcal;ME为粗饲料代谢能，单位为Mcal/kg;DMI为粗饲料干物质随意采食量，单位为kg/d;CP(%DM)为粗蛋白质占干物质的百分比;NDF(%DM)为中性洗涤纤维占干物质的百分比;ADL(%DM)为酸性洗涤木质素占干物质的百分比。 |
上一篇：小麦型日粮在养猪生产中的应用
下一篇：怎样提高发酵饲料适口性