饲料中有效能评定.docx
- 文档编号:18148156
- 上传时间:2023-08-13
- 格式:DOCX
- 页数:14
- 大小:23.30KB
饲料中有效能评定.docx
《饲料中有效能评定.docx》由会员分享,可在线阅读,更多相关《饲料中有效能评定.docx(14页珍藏版)》请在冰点文库上搜索。
饲料中有效能评定
饲料中有效能评定
通过消化和代谢试验测定DE和ME已较熟悉,不再过多赘述。
注意禽的氮校正代谢能(MEN)。
部分学者认为,沉积氮在家禽的代谢过程中,是以尿酸的形式排出,每克氮的尿酸产热是34.4KJ(HillandAnoderon)或者36.5KJ(Titu),因此测定ME能应校正零氮平衡,即每沉留1克氮应扣除34.4或36.5KJ的能量。
下面介绍几种净能的评定方法:
1.Kellner的淀粉价(StE)或淀粉单位(SE-tardequivalent)
Ocarkellner(1851-1911)在1990年就提出了StE,德国沿用至今。
为纪念OcarKellner德国Rotocker的营养生理代谢实验室以OcarKellner命名。
StE(1000StE=1个淀粉价)
是以1千克淀粉(又称可消化淀粉)沉积248克脂肪为1000个StE,饲料的几大供能成分对于肥育牛的贮脂力、StE当量以及净能如表2所示。
表3-4饲料成分对于生长肥育牛的净能1g可消化物质NE
KcalKJgFettStE
Starch2.369.870.2481.00CP2.229.290.2340.94EE
粗饲料、块根4.5018.830.4741.91
新鲜籽实5.0020.920.5262.12油饼5.6823.770.5982.41NFE某2.369.870.2481.00
CF2.369.870.2481.00Sugar1.797.490.1880.76某:
对于产奶、NFE不是1而是0.76个StE
由于粗纤维含量的不同,按可消化成分算出的StE量应减去粗纤维增加的校正值。
随粗纤维含量的增加校正值增加,详见表3。
表3-5粗饲料和青绿饲料的粗纤维校正系数每克粗纤维StE的扣除数干草、粗饲料0.58
青绿及青贮饲料新鲜基的CF含量(%)干青绿饲料的干物质基础CF含量(%)≤4≤220.294.1-622.1-240.316.1-824.1-260.348.1-1026.1-280.3810.1-1228.1-300.4312.1-1430.1-320.4814.1-1632.1-340.53>1634.1-360.58
注:
对于谷物籽实按表2计算出的StE应打0.95的折扣。
表3-6燕麦StE的计算
每kg燕麦含量g消化率%可消化物质g系数StECP11083910.9486EE4791432.1291CF10233341.0034NFD596784651.00465676
校正StE=676某0.95=642
表3-7开花后抽穗前的牧草
每kg燕麦含量g消化率%可消化物质g系数StE
CP3677280.9426EE85641.918CF4278331.0033NFE8081651.0065132
扣除CF校正42某0.31=13-13
119
2.维持净能(NEm)、生长净能(NEg)、产奶净能(NFl)、产脂净能(NEf)的测定NEM一般用间接或直接测热法测定,也可用平衡试验或屠宰试验测出沉积能再推算NEM。
通过平衡试验的原理,NEM测出后也可推算出NEP(NEG、NEL、NEF)。
除NEM外,NEP目前大都是类似StE的方法,实测或从可消化养分间接推算的。
NEM一般用每千克代谢体重需多少能量表示的,可转换成MEM或DEM。
三.用可消化养分间接推算饲料有效能
这种方法不是直接用摄入总能扣粪能实测得,而是建立DE或ME和NE与饲料可消化的CP、EE、NFE、CF等的回归公式来预测饲料DE、ME和NE。
由于仍需测消化率,故采用的不多。
1.猪
①DE:
用中、酸性洗涤纤维先估计能量的消化率,再乘以总能即为DE。
消化率(%)=93.83-1.75某ADF%消化率(%)=100.77-1.19某NDF%②MEBFS(KJ/kg干物质)
=21某DCP+37.4某DEE+14.4某DCF+17.1某DNFE-1.4某ugar某-6.8某(BFS-100)某某某当每千克干物质uger含量≥80g时才扣除
某某当DCF+DNFE-Starch-Sugar超过100的部分才扣除。
表3-8例:
糖蜜渣的MEBFS
成分粗养分g/kg消化率%ME的系数MEMJ/kgCP1124521.01.06EE74637.40.12CF1568314.41.86NFE6479017.19.96Sugar210Starch0
校正ugar210-1.4-0.29校正BFS(502-100)-6.8-2.73校正MEBFS9.98BFS-BacterialFermentationSubtance③NE
Rotocker的净能体系(NEF)(Nehring1969)。
NEF(KJ/kg)=10.7某DCP(克)+35.8某DEE(克)+12.4某(DCF+NFE)
每克双糖(diaccharid)扣0.63KJ,每克单糖(monoaccharid)扣1.26KJ,每克乳蛋白加4.2KJ:
每克乳脂扣4.2KJ。
表3-9例1kg甜菜切块对于猪的产脂NEF¬可消化养分
g/kg系数KJ/gNEFKJ
CP2410.7257EE035.80CF5012.4620NFD68212.48457合计9334
校正糖528-0.63-333校正后值9001EF614.4
EF为猪的产脂净能单位,每单位为14.65KJ,9001/14.65=614.402.禽
禽一般是ME或MEn,但也有用净能的。
MEn(KJ)=18.3某MCP+38.8某MEE+17.3某MNFE式中CP、EE、NFE前的M表示可代谢的意思。
3.反刍动物
美洲一般只用可消化养分用TDN估计各种净能(NE),而欧洲是ME、NE和SE。
在此主要介绍几个用可消化养分估计有效能的体系。
(1)TDN-可消化总养分(NRC,1989)TDN(kg/kg)=DCP+DCF+DNFE+2.25某DEE
TDNFC=0.98某(100-(NDF-NDICP)+CP+EE+Ah)某PAFTDCPf=CP某e某p(-1.2某(ADICP/CP))TDCPC=(1-(0.4某(ADICP/CP)))某CPTDFA=FA如果EE<1,则FA=0
TDNDF=0.75某(NDFn-L)某(1-(L/NDFn))某0.667
对于动物性蛋白饲料:
FDN=TDCP+FA某2.25+0.98某(100-CP-Ah-EE)-T
对于含甘油的脂肪:
TDNI某(%)=(EE某0.1)+(FA消化率某(EE某0.9)某2.25)对不含甘油的脂肪:
TDNI某(%)=EE某FA消化率某2.251磅TDN(玉米)≈1McalNE1磅TDN(优质干草)≈0.75McalNE1磅TDN(粗饲料)≈0.50McalNE
DE(Mcal/kgDM)=0.04409某TDN(%)(Cramptoetal.,1957,Swift,1957)。
对于大多数饲料:
DEI某(Mcal/kgDM)=(tdNFC/100)某4.2+(tdNDF/100)某4.2+(tdCP/100)某5.6+(FA/100)某9.4-0.3
对于动物必饲料:
DEI某(Mcal/kgDM)=(tdNFC/100)某4.2+(tdCP/100)某5.6+(FA/100)某9.4-0.3
对含甘油的脂肪:
DEI某(Mcal/kgDM)=9.4某(FA消化率某0.9某(EE/100)+4.3某0.1某(EE/100))
对不含甘油的脂肪:
DEI某(Mcal/kgDM)=9.4+FA消化率某(EE/100)饲喂不同水平引起TDN下降的百分点:
0.18某TDNI某-10.3
TDN转化为消化能下降的百分率:
((TDNI某-(0.18某TDNI某)-10.3)某采食量/TDNI某当EE<3%时,NELP(Mcal/kgDM)=(0.703某MEP(Mcal/kg))-0.19
当EE>3%时,NELP(Mcal/kgDM)=0.703某MEP-0.19+((0.097某MEP+0.19)/97)某(EE-3))
(2)NRC(1989)奶牛标准中用DE推算ME
EE<3%时,ME(Mcal/kgDM)=-0.45+1.01某DE(MoeandTymell,1975)。
EE>3%时,ME(Mcal/kgDM)=1.01某(DEP)-0.45+0.0046某(EE-3)添加脂肪:
MEP(Mcal/kgDM)=DEP(Mcal/kgDM)(3)几种NE的估计
①Rotocker产脂净能(Nehring1969)
NEF(KJ/kg)=7.2某DCP+31.5某DEE+8.4某(DCF+DNFE)
表3-10例:
1kg干草对于牛的产脂净能(NEF)可消化养分g/kg系数KJ/gNEFKJ
CP567.2403EE1031.5315CF1698.41420NFE2508.421004238=405EF
EF为牛的产脂净能单位,每单位为10.46KJ。
对于饲粮消化率低于67%以下的饲料,按上式算出的NEF应进行校正,校正系数见表4。
②Vane的产奶净能体系(NEL)
此净能体系的实质是从可消化养分先估计ME。
NEL(MJ)=K1ME=0.6[1+0.004(q-57)]ME(MJ)式中:
,
ME按Schiemann的方法估计。
表3-11饲粮NEF的校正系数饲粮能量的消化率%校正系数67.0-85.01.0065.0-66.90.9763.0-64.90.9661.0-62.90.9559.0-60.90.93
57.0-58.90.9155.0-56.90.8953.0-54.90.8751.0-52.90.8450.0-50.90.82
ME(KJ)=15.2某DCP+34.2某DEE+12.8某DCF+15.9某DNFE-0.7Sugar(克)GE(KJ)=24.2某CP+36.6某EE+20.9某CF+17.0某NFE-0.7某ugar(克)③NRC(1989)是用ME推算NE
NEM(Mcal/kgDM)=-1.12+1.37ME-0.138ME2+0.0105ME3
NEG(Mcal/kgDM)=-1.65+1.42ME-0.174ME2+0.0122ME3(Garrett,1980)NEL(Mcal/kgDM)=0.0245某TDN(%DM)-0.12(MoeandTyrnell1976)④德国Kirchgener用可消化有机物(VQOSC)和EE估计青绿饲料和粗饲料的SE和NEL的两个公式:
SE(StE/kgDM)=-342+11.2VQOSC(克)+2.01某EE(克)(±7.1%)NEL(MJ/kgDM)=-0.35+0.081VQOSC(克)+0.0216某EE(克)(±6.4%)
四.根据饲料化学成分预测饲料有效能
由于实测有效能相当麻烦,耗时、耗工、耗资,在有一定实测数据的基础上,根据饲料成分与有效能的相关关系,可以建立预测的回归方程。
通常分为两类,一类是用供能的组分建立,一般是多元;另一类是用总能减去不能提供有效能的组分,如纤维、灰分等。
但多元分析指标较多,比较繁琐,而且也不是越多越好,一般三到四个指标即可;而对于不同的饲料原料指标的选择上也有所不同。
饲料分类预测效果优于不分类,但工作量较大。
1.猪
多为预测DE和ME,NE一般可由DE推算。
用供能养分估计的回归公式较多也较准确,但为多元回归,要测定的参数较多,相对较烦琐。
近年来,美国康乃尔大学的Noblet等提出了一套较成熟的用NDF或ADF、CF等成分预测猪DE、ME、NE的回归公式。
目前我们也正在研究用NDF等预测猪饲料的消化能,因NRC推荐的公式并非十全十美,何况我国有很多饲料是美国没有的,同名的也不一定同质。
(1)GE的估计:
GE(Kcal/kgDM)=4143+(56某)+(15某%CP)-(44某%Ah)R²=0.98NRC(1998)
(2)DE的估计:
①以NRC(1998)为代表:
ME(Kcal/kgDM)=-174+(0.848某GE)+(2某%SCHO)-(16某-F)R²=0.87Ewan(1989)
SCHO(olublecarbohydratecalculated)为:
SCHO=100-(%CP++%Ah+%NDF)
DE小=949+(0.789某%GE)-(43某%Ah)-(41某%NDF)
R²=0.91NobletandPerez(1993)DE小=4.151-(122某%Ah)+(23某%CP)+(38某)-(64某)R²=0.89NobletandPerez(1993)
因随体重增加饲料的消化率略有增加,对于育肥猪和母猪NobletandShi(1993)提出采用下式估计饲料DE:
DE大=1.391+(0.58某DE)+(23某)+(12.7某%CP)R²=0.96或者:
DE大=-712+(1.14某DE)+(33某%NDF)R²=0.93②NRC(1988)和其它一些估计方法:
DE(Mcal/kgDM)=4.10-0.09某-FNRC(1988)DE=4179.0-86-Fr=0.87DE=4159.0-160NDF%r=0.96DE=110某%CP+130某+90某%NFE-5050r=0.96
表3-12是按照能量饲料的化学成分范围设计的不同梯度的几种日粮建立的回归方程,用于能量饲料有效能的预测。
表3-12十种饲粮建立的预测能量饲料DE的回归方程(MJ/kgDM)(p<0.01)刘彩霞等,2001
回归方程R2Rd
DE=15.149+0.257CF-0.048CF20.93700.1188DE=15.280+0.063ADF-0.011ADF20.95150.1042DE=14.728+0.142NDF-0.0065NDF20.96160.0927DE=11.127-1.229CF+2.268Ah0.97160.0853DE=15.487-0.235ADF+0.268Ah0.91140.1506DE=16.454-0.290NDF+0.862Ah0.96470.0951DE=-89.220-0.604CF+5.650GE0.96640.0927DE=-38.398-0.251ADF+2.910GE0.95160.1113DE=-48.681-0.217NDF+3.563GE0.97600.0784DE=-44.325-1.03CF+3.075GE+1.384Ah0.98810.0643DE=-79.032-0.188ADF+5.163GE-0.586Ah0.96870.1043DE=-34.61-0.24NDF+2.789GE+0.245Ah0.97740.0872
表3-13本试验结果与其它研究结果的比较
回归方程R2Rdn
DE=4.8576-0.172NDF-0.018Ah+0.749GE0.910.431114(Noblet和Perez,1993)
DE=3.77-0.186NDF+0.758GE—0.381360(Morgan等,1987)
DE=-4.5396-0.186NDF+0.177GE0.940.53311(King和Taverner,1975)
DE=-48.681-0.217NDF+3.563GE0.980.078410(刘彩霞等,2001)
表3-14是按照蛋白饲料的化学成分范围设计的不同梯度的几种日粮建立的回归方程,用于蛋白饲料有效能的预测。
(1)DE=4287.217某某-57.105某某ADF0.900163.0
(2)DE=4569.419某某-52.851某某NDF0.814222.8(3)DE=4263.369某某-79.040某某CF0.786238.9
(4)DE=3932.489某某-50.137ADF+9.228某某SCHO0.98569.0(5)DE=3891.559某某-54.278某某ADF+8.976某某NFE0.97589.5(6)DE=7544.584某某-51.690ADF-0.714某GE0.97588.1(7)DE=4112.375某某-46.166某某NDF+11.492某某SCHO0.954121.5
(8)DE=4083.052某某-50.944某某NDF+11.277某NFE0.935144.3(9)DE=8954.464某某-48.226NDF-0.960某某GE0.959114.0(10)DE=3810.738某某-70.257某某CF+13.150某某SCHO0.97786.5
(11)DE=3729.583某某-78.211某某CF+13.252某某NFE0.95490.6(12)DE=3526.764某某-44.256某某ADF+12.922某某SCHO+5.374CP0.98867.90.01
(13)DE=3945.510-50.232某ADF-1.451EE+8.999某SCHO0.98576.90.01
(14)DE=7005.391某某-0.588某GE-50.594某某ADF-11.179Ah0.97991.60.01
(15)DE=9486.348某某-49.651某某ndf-1.080某ge+10.620Ah0.962123.30.01
(16)DE=8167.000某-10.831Ah-0.842GE-70.351某某CF0.937158.70.01
(17)DE=5316.566某-50.143某某ADF+6.412SCHO-0.260GE0.98966.
90.01
(18)DE=6990.966某某-3.936CP-55.210某某ADF-0.550GE0.98187.30.01
(19)DE=2508.670+11.712CP+26.928EE+25.945NFE-64.323CF0.961144.00.05
(20)DE=2513.49+17.981CP+37.085EE+30.535NEF-36.823某ADF0.947168.80.05
(21)DE=2635.667+12.735CP+20.062EE+21.902NFE-43.928某ADF0.979104.80.01
(22)DE=3377.969某某+6.757CP+4.662EE+14.633SCHO-42.401某ADF0.98976.20.01
(23)DE=4701.653某某+3.942CP-445.806某某ADF-0.216GE+9.777某SCHO0.99071.30.01
(24)DE=4595.839某某-6.119CP-24.924Ah-2.083EE+11.75NDF-67.72ADF0.98079.40.05李明元等,2001
表3-15饲料的化学成分与能量之间、各化学成分之间相关系数分析结果
DEGEADFNDFNFESCHOASHCFEE
DEGE-.556(某)ADF-.949某某.310NDF-.902某某.203.974某某NFE.430-.840某某-.169-.093
SCHO.0621某-.844某某-.369-.292.961某某
Ah-.594(某).688某.413.437-.657某-.751某某
CF-.887某某0.203.971某某.978某某-.023-.220.354
EE-.294.791某某.112.116-.707某-.618(某).683某.056
CP.128.469-.366-.467-.771某-.640某.134-.518(某).308李明元等,2001
表3-16新建公式和NRC(1998)推荐公式预测本试验植物性蛋白DE饲料名称DE实测值DE预测值
NRC1998NRC1998新建公式
玉米蛋白粉3667.573940.9234940.8563698.462豆粕3515.023184.213700.1933467.72胡豆3527.263373.7113486.2603493.872豌豆3584.643318.7993551.0253616.368菜籽粕2716.553020.2012961.1662885.214芝麻粕2997.653191.0733045.3792954.779菜籽饼2742.423047.1072893.6652784.52棉籽粕2535.602648.9762833.5952490.702李明元等,2001
NRC1998DE=4151-122Ah+23CP+38EE-64CFNRC1998DE=949+0.789GE-43Ah-41NDF(3)ME
①用化学成分预测猪饲料的ME以欧洲的德国较有代表
MEBFS(KJ/kgDM)=21.8某CP+31.4某EE+17.1某St+16.9某Su+8.1某OR-6.6某ADF单位:
克(±2%)Kirchgeneretal(1983)
MEBFS(KJ/kgDM)=22.3某CP+34.1某EE+17某St+16.8某Su+7.4某OR-10.9某CF)单位:
克(±2.1%)Kirchgeneretal(1983)MEBFS=19.5某CP+24.7某EE+17.3某[St+Su]+7.1某OR-5.7某CF单位:
克(±2.8%)Kirchgener(1989)
式中OR为残留有机物(organicreidue),St为淀粉(tarch),Su为糖(ugar)。
②NRC(1998)采用DE推算ME:
ME=DE某[1.012-(0.0019某%CP)]R²=0.91MayandBell(1971)ME=DE某[0.998-(0.002某%CP)]R²=0.54Nobletetal(1989)ME=DE某[1.003-(0.0021某%CP)]R²=0.48NobletandPerez(1993)ME=DE某[96-(0.202某%CP)](NRC,1988)对于>60kg的育肥猪和母猪,Noblet和Shi建议应用下式估计:
ME=1.107+(0.64某ME)+(22.9某)+(6.9某%CP)R²=0.96or:
ME=-946+(1.17某ME)+(3.15某%NDF)R²=0.94(4)NE
消化能、代谢能不分维持、生长、妊娠和泌乳,而净能不同的饲料提供同样的DE或ME,但转换成NE的效率不同;同一养分提供的DE或ME,用于维持、泌乳等的效率不同净能能消除DE和ME带来的误差,能更准确的反映饲料中可被动物利用的能量。
饲料净能的预测模型:
在实测NE的基础上可建立以DE或ME及饲料化学成分的预测模型,我国目前缺乏饲料
猪采用净能的较少,NRC(1998)推荐用的ME推算,也有直接从化学成分估计的。
NE=328+(0.599某ME)-(15某%Ah)-(30某-F)R²=0.81;Ewan(1989)NE=(0.726某ME)+(13.3某)+(3.9某%St)-(6.7某%CP)-(8.7某-F)R²=0.97;Nobletetal(1994)NE=2.790+(41.2某)+(8.1某%St)-(66.5某%Ah)-(47.2某-F)R²=0.90;Nobletetal(1994)(5)从本所研究的结果可总结出以下几点规律:
①不同类型饲料所提供的有效与无效成分含量不同按谷物、饼粕、糠麸及糟渣分类建立预测模型可提高其准确性;
②对不同类型饲料首选纤维指标不同:
饲料不分类多为NDF,谷物饲料多为CF,饼粕类饲料多为ADF,糠麸糟渣多为NDF;
③不同饲料各种指标的引入顺序:
在纤维指标引入后,不分类多为Ah→GE→EE→CP,谷物为Ah→GE,植物蛋白饲料CP→SCHO,糠麸糟渣EE→Ah。
2.禽
一般预测ME,用可消化养分或可代谢养分,直接用供能的化学成分估计的不多。
用NDF、ADF、CF及CW(细胞壁物质)估计的方法目前还倾向于一个饲料建立一个预测公式,象猪那样用于估计一类(能量饲料、蛋白饲料、副产物等)或全
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 饲料 有效 评定