论文部分内容阅读
为了探讨以纤维为主的饲料化学成分预测糠麸糟渣、饼粕类饲料鸭TME和TMEn的可行性以及饲料分类对建立预测方程的可靠性的改进等问题。选用104只7周龄天府肉公鸭，体重为2.50±0.15kg，测定饲粮、饲料的DM、ADF、NDF、CP、CF、EE、GE、Ash、St、Su含量，用常规顶替法（替代比例15％-30％）测定12种饲料（饼粕类：豆粕、菜籽粕、花生粕、芝麻粕、葵花籽粕和棉籽粕；糠麸糟渣类：统糠、细米糠、小麦麸、啤酒糟、白酒糟、DDGS）的TME、TMEn，采用SPSS（11.0）对数据进行线性回归分析，探讨了饲料在分类和不分类情况下测定的指标与TME、TMEn实测值之间的回归关系。试验结果表明：以纤维指标为主的饲料成分预测饲料的BE是可行的。饲料分类建立的预测BE方程优于不分类所建方程。饲料不分类时，最佳一元方程预测因子是CF；最佳二元预测方程可靠性不及一元和三元；最佳三元预测方程是NDF、EE和Ash的结合。分类后糠麸糟渣类饲料TME最佳一元方程预测因子是ADF；最佳二元方程是NDF与Ash的结合；最佳三元方程是NDF、EE和Ash结合；最佳四元方程是Ash、GE、EE和NDF的结合。饼粕类饲料一元方程预测效果不佳，最佳二元方程是ADF与CP的结合；最佳三元方程可靠性不及二元和四元；最佳四元方程是ADF、GE、Ash和TS的结合。分类后糠麸糟渣类和饼粕类饲料TMEn最佳预测方程的纤维指标或纤维指标与其它成分的组合与TME的预测方程一致。综合考虑各种因素，本试验的最佳一元及多元预测BE模型如下： 1) TME=13.050**-0.238**CF （R2=0.859，RSD=0.243，饲料不分类，p＜0.01） 2) TME=15.978**-0.657**Ash+0.117**EE-0.068**NDF （R2=0.906，RSD=0.299，饲料不分类，p＜0.01） 3) TME=14.414**-0.217**ADF （R2=0.940，RSD=0.291，糠麸糟渣类，p＜0.01） 4) TME=18.526**-0.099**NDF-0.670**Ash （R2=0.998．RSD=0.071，糠麸糟渣类，p＜0.01） 5) TME=17.933**-0.678**Ash+0.031**EE-0.089**NDF （R2=0.998，RSD=0.078，糠麸糟渣类，p＜0.01） 6) TME=16.422**-0.661**Ash+0.078**GE+0.020**EE-0.090**NDF （R2=0.998，RSD=0.086，糠麸糟渣类，p＜0.01） 7) TME=7.519**+0.133**CP-0.396**ADF （R2=0.950，RSD=0.162，饼粕类，p＜0.01） 8) TME=-11.367**-0.236**ADF-2.443**Ash+2.036**GE+0.240**TS （R2=0.993，RSD=0.083，饼粕类，p＜0.01） 9) TMEn=12.450**-0.224**CF （R2=0.830，RSD=0.254，饲料不分类，p＜0.01）10)TMEn二1 5.234一0.660二Ash+0.123二EE一0.057”NDF （R，二0.89‘），尺50二0.311，饲料不分类，p（0.01）11)TMEn=1 4.079，，一0.211，，ADF（R，=0.939，I之SD=0.284，糠数糟渣类，p（0.01）12）TMEn=1 8.1 10“一0.613.，Ash一0.104，，NDF （R，=0.99‘7，I之SD=0.084，糠数糟渣类，p（0.01）13）TMEn=17.497，一0.621’‘Ash+0.032EE一0.094，，NDF （R，=0.997，RSD=0.094，糠数糟渣类，p（0.01）14）TMEn=16.280.，一0.607’.Ash+0.063GE+0.023EE一0.095’‘NDF （R，=0.997，!之SD二0.107，糠数糟渣类，p（0.01）15）TMEn=7.608二+0.145，.CP一0.395“ADF （I之，二0.953，RSo=0.1 59，饼粕类，p（0.01）16）TMEn=一9.106一2.068t.Ash+1.765，tGE+0.236，，TS一0.264.，Al)F （12，=0.992，RSD二0.088，饼粕类，p<0.01）