基于您提供的论文内容,我依次回答以下四个问题: --- **中文标题:** 利用近红外光谱(NIRS)预测青贮期全株玉米与象草的化学成分

《Advances in Agriculture》:Prediction of the Chemical Composition of Whole-Plant Corn and Elephant Grass at the Ensiling Point Using Near-Infrared Spectroscopy (NIRS)

【字体: 大 中 小 】 时间:2026年09月20日 来源:Advances in Agriculture 3.4

编辑推荐:

   近红外光谱(NIRS)是一种快速、无损且环境友好的技术,由于能够以最少的样品制备进行快速分析且不产生化学废物,已越来越多地用于饲料质量评估。本研究旨在评估利用NIRS预测青贮期全株玉米(*Zea mays* L.)和象草品种BRS Capia?u(*Cen

  


近红外光谱(NIRS)是一种快速、无损且环境友好的技术,由于能够以最少的样品制备进行快速分析且不产生化学废物,已越来越多地用于饲料质量评估。本研究旨在评估利用NIRS预测青贮期全株玉米(*Zea mays* L.)和象草品种BRS Capia?u(*Cenchrus purpureus*)化学成分的可行性。研究人员从巴西巴伊亚州的农场采集了每个物种各80份样品。预干燥样品采用参考湿化学方法分析,以测定干物质(DM)、水分、矿物质(MM)、 corrected for ash and protein的中性洗涤纤维(NDFap)、酸性洗涤纤维(ADF)、粗蛋白(CP)、乙醚提取物(EE)和酸性洗涤木质素(ADL)。样品通过NIRS进行扫描,并使用偏最小二乘(PLS)回归开发定标和验证模型。模型性能通过相关系数(R)、剩余预测偏差(RPD)和范围误差比(RER)进行评估。对于全株玉米,CP和NDFap的预测性能最佳,验证R值高达0.89,RPD值高于2.0,表明具有良好的预测能力。对于BRS Capia?u,水分和CP的结果最佳,验证R值高达0.70,RPD值高达1.5,表明预测性能有限至中等。两种饲料作物的纤维组分和EE,特别是BRS Capia?u的NDFap和EE,其预测性能较低(R < 0.66,RPD接近1.0)。总体而言,NIRS的预测性能因化学成分和饲料作物种类而异,全株玉米的预测结果优于BRS Capia?u。该技术显示出作为饲料评估快速分析工具的潜力;然而,其对纤维和脂质组分的准确性有限,需要改进定标策略和更具代表性的数据集。
**论文解读文章:**

**一、研究背景与问题**

在热带地区的动物生产系统中,饲草保存是至关重要的生产实践。由于降雨分布不均,导致放牧生物量供应不稳定,进而造成畜群营养缺乏。青贮作为一种成熟的饲草保存技术,能够在干旱期提供湿性饲草。然而,对于热带禾本科牧草,特别是非谷类禾草,其含水量和可溶性碳水化合物含量对青贮发酵成功与否至关重要。因此,基于牧草化学成分确定“青贮点”对于决策正确的青贮时机非常重要。

对于全株玉米而言,尽管不同杂交品种存在差异,但已有基于化学成分(如干物质、粗蛋白、非纤维性碳水化合物等)的综合性推荐方案来确定高质量青贮的制作时机。然而,对于象草等非谷类禾草,尤其是BRS Capia?u品种,其青贮收获期的推荐方案较为异质且不够精确。此外,采用参考方法(湿化学法)测定化学成分耗时长、成本高,且产生可能对环境造成风险的化学残留物。获取湿性饲草的化学成分数据需要4至6天,这可能因超过理想青贮收获时间而影响收获计划。

在此背景下,近红外光谱(NIRS)作为一种自1960年代起应用于农业科学等多个领域的分析技术,已被用于估测新鲜或保存饲草的化学成分。NIRS模型的构建依赖于涵盖广泛样本结果的数据库,以实现模型的定标和验证。在巴西半干旱条件下,关于全株玉米和BRS Capia?u青贮点化学成分的NIRS定标模型信息有限。因此,开发NIRS定标模型以估测全株玉米和BRS Capia?u青贮期的化学成分,可以支持在最佳收获期做出更精确的决策。本研究的目标是使用NIRS技术,开发用于预测全株玉米和BRS Capia?u在青贮点的化学成分(包括DM、水分、MM、CP、EE、NDF、NDFap、ADF和ADL)的定标模型。

**二、研究人员开展的研究与基本结论**

研究人员从巴西巴伊亚州不同地区的农场采集了全株玉米和BRS Capia?u各80份样品。样品采集基于各物种制作青贮的理想干物质含量(全株玉米为300 g kg?1,BRS Capia?u为240 g kg?1)。通过对样品进行参考湿化学分析测定其化学成分,并使用NIRS获取光谱数据。采用偏最小二乘(PLS)回归方法开发定标和验证模型,并通过相关系数(R)、均方根误差(RMSE)、剩余预测偏差(RPD)和范围误差比(RER)评估模型性能。研究结果表明,NIRS模型的预测性能因化学成分和牧草种类而异。对于全株玉米,CP和NDF的验证R值达到0.89,RPD值超过2.0,表现出良好的预测能力;而BRS Capia?u的模型性能普遍较低,特别是纤维和脂质组分,RPD值接近1.0,表明预测适用性有限。总体而言,NIRS作为快速分析工具在饲草评估方面显示出潜力,尤其对全株玉米效果较好,但需要改进定标策略和数据集以提高对纤维丰富热带饲草的预测准确性。

**三、主要关键技术方法**

本研究采用的主要关键技术方法包括:(1)使用近红外光谱仪(SpectraStar 2500 XL,Unity Scientific)在1100–2500 nm波长范围内获取预干燥样品的漫反射光谱,每个光谱为64次扫描的平均值;(2)采用MATLAB R2024a和ChemoStat V2软件进行数据处理和PLS回归模型开发;(3)使用Kennard–Stone算法将数据集按70%(n=56)和30%(n=24)划分为定标集和验证集;(4)评估了包括归一化、一阶和二阶导数、标准正态变量(SNV)变换在内的不同光谱预处理方法对模型性能的影响;(5)通过相关系数(R)、均方根误差(RMSE)、剩余预测偏差(RPD)和范围误差比(RER)等统计参数全面评估模型性能。样本采集自巴西巴伊亚州西南部和中部东部地区的多个城市(包括Itapetinga、Maiquinique、Potiraguá、Ruy Barbosa和Itaberaba),涵盖了不同管理实践和技术水平的生产系统。

**四、研究结果**

**(一)参考数据统计分析**

全株玉米在青贮点的化学成分平均值±标准差为:DM 312.8±9.8 g kg?1,MM 56.3±12.1 g kg?1,CP 69.8±14.3 g kg?1,NDFap 477.4±59.8 g kg?1,ADL 78.0±12.2 g kg?1。BRS Capia?u在青贮期的相应值为:DM 240.7±37.8 g kg?1,MM 89.7±19.2 g kg?1,CP 69.7±14.0 g kg?1,NDFap 692.7±44.9 g kg?1,ADL 99.1±23.7 g kg?1。BRS Capia?u在DM、ADL和纤维组分(NDF、NDFap、ADF)上表现出更大的变异性,反映了其田间管理、收获条件及成熟度的差异。

**(二)近红外光谱特征**

两种牧草的近红外光谱在1100至2500 nm范围内表现出与O─H、N─H和C─H键相关的特征性吸收带,但样品间存在谱带强度和重叠程度的差异。这种光谱重叠是复杂生物基质的典型特征,限制了一元解释的可能性,并验证了使用PLS回归等多变量定标方法的必要性。

**(三)PLS定标与验证模型性能**

对于全株玉米,验证阶段表现最佳的组分是CP(R=0.89;RPD=2.15)、NDF(R=0.89;RPD=2.10)和NDFap(R=0.85;RPD=1.78),表明这些模型可用于定量预测。DM(R=0.77;RPD=1.55)、MM(R=0.85;RPD=1.48)和ADF(R=0.83;RPD=1.54)表现出中等预测能力,可用于筛选目的。对于BRS Capia?u,最佳结果出现在MM(R=0.75)、水分(R=0.74)、DM(R=0.73)、CP(R=0.71)和ADL(R=0.68),但这些值对应的RPD均低于1.50,表明预测性能有限。特别是NDF(RPD=0.96)、NDFap(RPD=1.01)、ADF(RPD=1.08)和EE(RPD=1.07)的RPD值接近1.0,表明这些模型不适合用于可靠的定量预测。

**(四)模型性能的判定依据**

根据Saeys等(2005)的标准,决定系数大于0.66–0.88的模型被认为具有可接受的预测性能。基于此标准,全株玉米的CP、NDF、NDFap、MM和DM在验证阶段表现出可接受到良好的预测能力。根据Viscarra Rossel等(2006)的RPD评估标准,RPD在1.5至2.0之间表示有限至中等的预测质量,高于2.0表示良好的预测性能。全株玉米的CP(RPD=2.15)和NDF(RPD=2.10)达到“良好”水平。根据Williams和Sobering(1996)的RER标准,RER值低于3表示预测性能差,3至10之间表示可接受到良好的预测能力,高于10表示优秀。本研究验证阶段RER值范围为3.07至9.17(全株玉米)和4.26至5.93(BRS Capia?u),没有模型达到“优秀”水平。

**(五)预测值与观测值的关系**

图2和图3展示了定标模型预测值与实测值之间的关系。预测性能较好的组分(如全株玉米的CP和NDF)其数据点沿1:1线分布较集中,而预测性能较差的组分(如BRS Capia?u的NDF、NDFap和EE)则表现出较大的分散性。这表明NIRS模型对某些化学成分的预测精度存在局限性,特别是对热带牧草中结构复杂的纤维组分。

**五、讨论总结**

本研究中全株玉米的DM含量处于适合青贮生产的推荐范围内,而BRS Capia?u表现出更大的变异性,反映了田间管理和收获条件的差异,这印证了热带饲草系统对更精确收获指标的需求。CP含量在两种饲草间相似,但氮组分差异可能影响发酵动态和养分利用率。纤维组分在BRS Capia?u中的变异性更大,与其对植物成熟度和环境变化的敏感性一致。ADL在BRS Capia?u中也表现出更高的变异性,而木质素是限制饲草消化率的主要因素。

从化学计量学角度看,BRS Capia?u参考数据较宽的范围理论上可能提高定标的稳健性,但过度异质性也可能降低模型稳定性。全株玉米CP的宽浓度范围(41.6–96.5 g kg?1)和较高变异系数(20.48%)可能促进了其较高的验证预测性能;相反,EE较窄的浓度范围和较低的光谱响应解释了其较低的预测精度。

与近期的一些NIRS研究相比,本研究的预测性能较低。这可能是由于热带饲草样品在田间条件下采集时的较大异质性、不同农场管理实践的差异,以及预测热带禾草纤维组分的复杂性。与在更受控实验条件下进行的研究不同,本研究有意纳入了来自不同地区、生产系统和收获条件的样品,以提高模型在实际条件下的适用性,但这可能降低了模型的整体精度。

纤维组分和EE预测效果不佳与其化学复杂性及与其他植物组分的相互作用有关。EE组分因其异质脂质组成而一直表现出低可预测性,降低了其在NIR区域的光谱特异性。尽管已观察到稳定的变异趋势,但尚不能满足精确定量的要求。

**六、研究结论**

NIRS结合PLS回归显示出预测青贮期全株玉米和BRS Capia?u化学成分的潜力,但预测性能因评估的组分和牧草种类而异。对于全株玉米,CP和NDF获得了最佳预测性能,而DM、MM、NDFap和ADF显示出中等预测能力。对于BRS Capia?u,DM、MM、水分、CP和ADL获得了最佳结果,但总体预测性能低于全株玉米。总体上,模型性能从差到良好不等,没有模型达到高度稳健NIRS定标所报告的优秀水平。因此,NIRS可以被视为一种用于青贮期饲草评估的有用且快速的工具,尤其适用于全株玉米,但为进一步推广应用于BRS Capia?u等热带饲草,需要改进定标数据集和模型稳健性。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号