排序方式: 共有6条查询结果,搜索用时 643 毫秒
1
1.
4.
5.
本研究旨在利用近红外光谱技术(near infrared reflectance spectroscopy, NIRS)建立油菜(Brassica napus)秸秆常规成分的近红外快速预测模型。从甘肃省、青海省与宁夏回族自治区共采集125份油菜秸秆,测定其干物质(dry matter,DM)、粗蛋白(crude protein, CP)、中性洗涤纤维(neutral detergent fiber, NDF)、酸性洗涤纤维(acid detergent fiber, ADF)、粗脂肪(ether extract, EE)、粗灰分(Ash)、中性洗涤不溶蛋白质(neutral detergent insoluble protein, NDIP)、酸性洗涤不溶蛋白质(acid detergent insoluble protein, ADIP)、酸性洗涤木质素(acid detergent lignin, ADL)、非蛋白氮(non-protein nitrogen,NPN)与可溶性蛋白(soluble protein, SP)。选取100份油菜秸秆样品作为定标集,另外25份作为验证集来评价NIRS预测模型。结果显示,1)油菜秸秆DM、CP、NDF、ADF、EE、Ash、NDIP、ADIP、ADL、NPN和SP的含量分别为93.62%、5.85%、 67.22%、 55.40%、 2.57%、 7.66%、 1.04%、 0.63%、 13.58%、 1.70%和2.89%。2)DM、 CP、 NDF、 EE、 Ash、NPN和SP的交互验证决定系数(1-VR) 0.9,外部验证决定系数(RQS≥0.84),构建模型可以用于日常分析。3)DM、CP、NDF、EE、Ash、NPN和SP的模型参数分别为Standard MSC 1,4,4,1、Weighted MSC 2,4,4,1、SNV 2,4,4,1、Standard MSC 1,4,4,1、SNV and Detrend 1,4,4,1、Weighted MSC 1,4,4,1,其余营养成分构建模型不太理想,需进一步完善。综上,通过交互验证与外部验证验证了油菜秸秆各营养成分校正模型的可利用性。 相似文献
6.
本试验旨在基于康奈尔净碳水化合物与蛋白质体系(CNCPS)建立大麦秸秆营养组分数据库,并利用近红外光谱分析技术(NIRS)建立其营养价值预测模型。试验采集甘肃省13个县市96份大麦秸秆样品,测定其干物质(DM)、粗灰分(Ash)、粗蛋白质(CP)、粗脂肪(EE)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)、酸性洗涤木质素(ADL)、中性洗涤不溶蛋白质(NDIP)、酸性洗涤不溶蛋白质(ADIP)、可溶性粗蛋白质(SP)、钙(Ca)和磷(P)含量,利用CNCPS 6.5计算各样品碳水化合物(CHO)和蛋白质营养组分。分别用76份和20份大麦秸秆样品作为定标集和验证集评价NIRS预测模型。结果显示:1)大麦秸秆DM、Ash、CP、EE、NDF、ADF、ADL、NDIP、ADIP、SP、Ca和P含量分别为95.21%、7.38%、3.51%、5.68%、70.95%、45.16%、5.17%、1.02%、0.57%、1.65%、0.71%和0.09%。2)大麦秸秆CNCPS CHO各组分CHO、非纤维性碳水化合物(NFC)、可溶性纤维(CB2)、可消化纤维(CB3)和不消化纤维(CC)含量分别为83.42%、12.47%、12.47%、58.55%和12.40%。大麦秸秆CNCPS蛋白质各组分可溶性真蛋白质(PA2)、难溶性真蛋白质(PB1)、纤维结合蛋白质(PB2)和非降解蛋白质(PC)含量分别为1.65%、1.23%、0.45%和0.57%。3)有机物(OM)、CP、NDF、ADF、CHO、NFC和CB2的交互验证决定系数(1-VR)0.8,验证决定系数(RSQv)≥0.84,这些模型可用于日常分析。OM、CP、NDF、ADF、CHO、NFC和CB2的模型参数分别为标准正常化和去散射二阶导数处理(SNV and detrend 2,4,4,1)、SNV and detrend 2,4,4,1;标准正常化和去散射一阶导数处理(SNV and detrend 1,4,4,1);无散射一阶导数处理(None 1,4,4,1);SNV and detrend 2,4,4,1;无散射二阶导数处理(None 2,4,4,1);None 2,4,4,1。而其余成分所建模型未达到实用水平,模型须进一步完善。总之,本研究为大麦秸秆在反刍动物饲粮中的应用提供基础的化学分析数据,并通过NIRS方法建立了主要营养成分的快速预测模型。 相似文献
1