燕麦草成为反刍动物饲粮中重要的粗饲料之一[1]。燕麦为一年生草本植物[2]，既是传统饲草料又是粮食作物[3]。我国新疆燕麦草产量大、营养丰富、耐贫瘠、耐盐碱、耐旱、耐寒，被推广为优质牧草[4]。但我国的燕麦草人工草地栽培技术体系不够成熟[5]，各地燕麦草饲料的质量参差不齐。因此，燕麦草的营养成分检测已成为保障牧场燕麦草的营养成分、提高我国燕麦草饲料收储质量的重要检测环节之一。近红外光谱（NIRS）是一种光谱检测技术，利用含氢基团化学键（X-H）交联伸缩振动合频和不同级别的倍频信息[6-7]，具有操作快捷、损害小、不需进行预处理、有利于环境保护等优势，常被应用于石油、食品、医药等领域[8]。NIRS常用于测定燕麦草等牧草中养分，已利用该技术作为质量检测的标准方法[9-10]，实现快速预测燕麦草中养分含量。李军涛[11]利用NIRS技术评估小麦和玉米的营养价值，创建模型预测营养成分含量。刘强等[12]利用NIRS法测定燕麦草中粗蛋白和粗脂肪的含量。NIRS分析技术对检测设备各方面性能具有一定的要求，可能是解决数据可重复性差的方法之一。利用饲料营养成分之间的相关性，建立以营养成分为变量的回归方程、函数模型，对饲草料养分进行全面评估，是一种较为高效、便捷的营养成分评价方法[13]。该方法以部分营养成分含量数据为独立变量建立回归模型，分析饲草常规营养素含量，建立高效的拟合方程。燕麦草各养分间的相互关系很少通过建立线性回归方程进行预测。本文通过NIRS检测技术，测定全疆部分地区燕麦草常规营养指标，分析其关联性，运用数理统计方法建立有效的预测模型，并将获得的某项已知指标带入模型，实现对其他指标含量的快速、合理预测，为新疆地区燕麦草饲料养分的快速有效评价提供参考。1材料与方法1.1试验样品采集试验于2020年8月—10月，抽样采集新疆塔城地区、南疆阿克苏地区、呼图壁地区、西山地区等四大片区内具有代表性的规模化牧场燕麦草饲料样品（合计110份样品）。使用专用采样枪，对成捆燕麦草进行采样。采取的原始样品使用剪刀剪成1~2 cm，混合均匀，按四分法缩至300~500 g装袋密封，立即送往实验室进行检测。1.2营养成分检测采用近红外光谱法与常规法测定粗蛋白（CP）、粗灰分（Ash）、粗脂肪（EE）、中性洗涤纤维（NDF）、酸性洗涤纤维（ADF）、钙（Ca）、磷（P）和干物质（DM）等8项指标。样品由杭州康德权饲料有限公司提供的近红外快速品质分析仪进行检测，应用dairyone燕麦草近红外快速检测模型，光谱扫描，检测样品的8种营养指标。1.3数据统计与分析试验数据使用Excel 2019软件初步汇总，SPSS 22.0软件进行统计分析，采用曲线估计和一元线性回归分析法对燕麦草饲料养分进行回归分析，求出燕麦草营养指标间的相关性并进行曲线拟合，对结果进行t检验、F检验，选出最佳的拟合线性方程，建立已知营养指标于待测营养指标之间的回归模型：Y=aX+b，P0.05表示模型差异显著，P0.01表示差异极显著。2结果与分析2.1燕麦草常规营养成分含量（见表1）由表1可知，新疆4大地区的燕麦草营养成分含量分别为：DM含量88.70%~97.30%、CP含量5.03%~15.40%、ADF含量27.43%~54.49%、NDF含量40.26%~81.33%、Ca含量0.05%~0.94%、P含量0.05%~0.38%、K含量0.88%~3.29%、Ash含量4.98%~12.32%、EE含量1.31%~4.46%、Starch含量0.03%~2.81%。10.13557/j.cnki.issn1002-2813.2022.05.023.T001表1燕麦草常规营养成分含量项目最小值最大值均值标准偏差变异系数DM88.7097.3092.331.832CP5.0315.408.341.7521ADF27.4354.4940.034.9612NDF40.2681.3359.606.8512CA0.050.940.380.1231K0.883.291.910.4222P0.050.380.240.0519Ash4.9812.327.671.4519EE1.314.462.190.4722Starch0.032.811.330.7153%变异系数除DM外，其余各项指标均高于10%，说明新疆各地区燕麦草的养分含量在一定程度上表现出差异性，各营养成分的含量变化幅度较为宽泛，样品数量较多，比较适合建立各营养指标之间的预测模型。2.2燕麦草各营养成分指标间的相关性分析（见表2、图1）由表2可知，110份燕麦草样品通过SPSS 26.0软件检测异常值的分析，其中26份样品数据存在误差，数值明显与其余检测数值发生偏离。存在检测值的偏离可能与燕麦草来自新疆不同地区及当地气候不同有关。由于检测值偏离在试验数据分析时会影响最终结果，影响模型的拟合。因此，将对24个样本数据予以剔除，对其余86个燕麦草的营养指标检测数据进行回归分析，进行各种曲线拟合。结果表明，ADF、NDF、DM之间存在线性关系，K与P二者之间存在线性关系，R20.500，表明该线性模型与样本数据之间具有较好的一致性。F检验中，P0.001，线性方程的回归结果较显著。t检验结果显示，NDF与ADF、ADF与DM、K与P，3个回归方程中的回归系数均达到显著水平（P0.001），其余变量对因变量影响程度则不明显，说明待检测指标能够根据因变量的变化通过回归系数的检验进行展现。10.13557/j.cnki.issn1002-2813.2022.05.023.T002表2燕麦草营养成分间的回归方程项目回归方程决定系数（R2）P值ADF/%DMY1=0.715NDF-2.7960.9190.001ADF/%DMY1=2.256DM-167.5830.6920.001K/%DMY2=6.087P0.8440.5360.001Mg/%DMY3=136.519CA+46.2440.2360.001DM/%Y4=79.03+0.081NDF+0.202ADF0.7000.001CP/%DMY5=21.639Mg+13.363P+5.218CA+0.181EE-0.76ADF+0.074Starch0.6130.001注：R2反映模型对因变量的预测效果。由表2可知，ADF、NDF、DM三者之间具有明显正比例关系（P0.001），可建立回归模型进行三者间推算。燕麦草中ADF含量（Y1）与NDF含量之间呈正相关性：Y1=0.715 NDF-2.796（R2=0.919，P0.001）；与DM之间也呈正比例关系：Y1=2.256 DM-167.583（R2=0.692，P0.001）；DM与NDF、ADF均成正比：Y4=79.03+0.081 NDF+0.202 ADF（R2=0.700，P0.001）；CP与Mg、P、CA、EE、ADF、Starch之间成正比：Y5=21.639 Mg+13.363 P+5.218 CA+0.181 EE-0.76 ADF+0.074 Starch+3.437（R2=0.613，P0.001）。当NDF与ADF互作时所建立的估测模型R2最高，对Mg、K、CP的预测效果不佳。燕麦草9个常规营养成分含量中NDF与ADF、ADF与DM的含量可通过所建立的回归模型进行估测计算，拟合效果见图1。图1燕麦草ADF、NDF与DM含量拟合效果10.13557/j.cnki.issn1002-2813.2022.05.023.F1a1（a）燕麦草NDF与ADF的拟合结果10.13557/j.cnki.issn1002-2813.2022.05.023.F1a2（b）燕麦草DM与ADF的拟合结果2.3预测方程的验证（见表3）10.13557/j.cnki.issn1002-2813.2022.05.023.T003表3新疆某牧场燕麦草酸性洗涤纤维、干物质值因变量实测值变量预测值差值ADF/%DM39.43NDF37.741.69DM39.96-0.53DM/%92.00ADF、NDF91.580.42保障上述回归方程的准确性检验，选用新疆某规模化牧场燕麦草营养成分：DM为92.00%、CP为9.28%、ADF为39.43%、NDF为56.69%、Ca为0.40%、P为0.25%、Mg为0.09%、K为2.09%、Ash为7.52%、EE为2.40%、Starch为1.70%。3讨论试验采集全疆4个燕麦草种植地养分含量不均衡的110份燕麦草样品，利用回归方程对燕麦草养分进行相关性分析。结果表明，新疆地区燕麦草营养成分含量存在较大差异，其原因可能与新疆各地气候差异较大、收割成熟度不一致[14]、土壤土质[15]不同等存在一定关系。上述差异直接影响燕麦草的种植收割质量，对燕麦草营养成分含量造成较大影响，数学建模过程中会间接影响回归模型准确性。本次试验检测的燕麦草营养成分含量基本符合建立模型要求。红外光谱法因样品状态、颗粒细度和试验仪器等因素造成光谱信息的重合及背景干扰[16]。近红外光谱技术在牧草检测中的准确性存在局限性。储小立等[17]使用NIRS检测饲草料，为提高检测精度，需要对光谱数据进行平滑、微分、归一化和信号校正等预处理，需要优化光谱噪声、背景干扰、数据、光谱范围等其他因素影响。因此，本试验选用成熟的美国Dairyone饲草料检测系统，保障燕麦草饲料营养成分含量检测的准确性。ADF和NDF是重要的饲草料营养指标，快速检测饲草料中的NDF、ADF是目前提升饲草料检测的瓶颈[18]。燕麦草在我国尚无较为成熟的种植体系[19]。因此，燕麦草的营养成分已成为制约燕麦草饲料的重要因素之一。本试验样品采集自新疆四大燕麦草种植地区，地区之间相距较远，存在气候、土壤、水质等条件的不同，数据建模时出现影响数据拟合曲线的准确度。本试验研究发现，DM、ADF、NDF之间存在一定相关性；通过多元回归模型建立了DM、ADF、NDF的预测模型，准确度较高，可作为新疆地区部分燕麦草营养成分含量预测方程。徐明等[20]认为粗饲料中NDF与ADF的含量直接相关（P0.05）；与CP含量呈负相关（P0.05），所得结果与测试结果不符。马邵楠等[21]提出反刍家畜日粮中的CF，NDF，ADF含量均呈现显著正比例关系（P0.01）。刘玉琴等[22]对粗饲料中的Starch、NDF、ADF含量进行关联分析，发现三者之间具有相关关系。因方法、样本存在较大差异，故本试验与前人研究结果存在差异，预测到的模型数量以及准确度仍有待提升。经建立的模型验证，该模型仍存在些许不足，但总体上比传统湿化学法更省时间，由于燕麦草种类不同、种植环境不同可能会破坏营养指标之间的拟合相关性，从而影响预测值的准确性。与近红外光谱检测法相比，当不断对模型进行优化后，可提升模型精度，利用三者之间的关系，可实现相互含量测算。因此，利用回归方程模型测定营养指标时，可代替部分需使用湿化学法进行测定的指标，降低测定营养指标时受到试验设备的条件限制。使用本试验所求出的回归方程能够快速计算得出数值。4结论本试验通过建立数理模型对燕麦草10个养分含量之间的关联性进行了预测，ADF、NDF、DM具有显著正相关，可建立回归方程对三者含量进行估算。燕麦草中ADF含量（Y1）与NDF、DM含量之间呈正相关、与DM之间呈正相关；DM与NDF、ADF之间成正比；CP与Mg、P、Ca、EE、ADF、Starch含量呈正相关。