近紅外光譜技術(shù)在反芻動物營養(yǎng)中的應(yīng)用

史艷麗，郭 濤，代露茗，王 力，李 飛，劉保倉

（1.草地農(nóng)業(yè)生態(tài)系統(tǒng)國家重點實驗室 / 蘭州大學(xué)農(nóng)業(yè)農(nóng)村部草牧業(yè)創(chuàng)新重點實驗室 / 蘭州大學(xué)草地農(nóng)業(yè)科技學(xué)院,甘肅 蘭州 730020；2.阿克蘇泰昆飼料有限責(zé)任公司, 新疆 阿克蘇 842008）

20 世紀(jì)60 年代，美國的Norris 等[1]首次利用近紅外光譜技術(shù)分析谷物中的水分、蛋白質(zhì)、脂肪等成分的含量。隨著與化學(xué)計量學(xué)和計算機(jī)技術(shù)相結(jié)合的近紅外儀器的迅速發(fā)展，使近紅外光譜技術(shù)在食品、醫(yī)藥、畜牧等領(lǐng)域的應(yīng)用研究陸續(xù)展開[2-4]。近紅外光譜技術(shù)(near-infrared reflectance spectroscopy,NIRS)是一種根據(jù)樣品中有機(jī)分子含氫基團(tuán)在近紅外區(qū)有特異吸光度，結(jié)合偏最小二乘法(partial least square, PLS)、人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等機(jī)器學(xué)習(xí)構(gòu)建樣本光譜與濕化學(xué)分析值之間線性或非線性關(guān)系的預(yù)測模型，從而實現(xiàn)生物材料中養(yǎng)分含量的快速測定[5]；每種化合物中的氫鍵和其他分子鍵都有獨特的近紅外光譜[6]，如同指紋圖譜，為各個營養(yǎng)成分的定性和定量分析奠定了基礎(chǔ)。對于待測樣品，掃描其光譜，即可根據(jù)已建的NIR 預(yù)測模型得到其組成成分的含量或性質(zhì)參數(shù)[7]。與其他光譜技術(shù)相比，近紅外光譜波長(780～2 500 nm)范圍短，穿透能力強(qiáng)[8]，為各類生物材料提供了一種既無需復(fù)雜的樣品前處理，也不消耗化學(xué)試劑的快速分析方法；與實驗室濕化學(xué)分析方法相比，近紅外光譜技術(shù)分析樣品具有快速、便捷、低成本、無污染等優(yōu)點[9]。雖然近紅外光譜法很大程度取決于參考方法的準(zhǔn)確性和精密度，但其預(yù)測具有更好的重現(xiàn)性[8]。

目前，近紅外光譜技術(shù)已被廣泛應(yīng)用于畜牧業(yè)，除了用于飼料中干物質(zhì)(dry matter, DM)、粗蛋白(crude protein, CP)、粗 脂 肪(ether extract, EE)、中性洗滌纖維(neutral detergent fiber, NDF)、酸性洗滌纖維(acid detergent fiber, ADF)等常規(guī)營養(yǎng)成分含量的測定[10-11]，也用于飼料中礦物元素、淀粉、非蛋白氮以及霉菌毒素等的定量和定性分析[6,12-13]。此外，還可利用近紅外光譜技術(shù)結(jié)合體外和體內(nèi)動物代謝試驗，預(yù)測飼料在瘤胃的降解率、動物體內(nèi)的消化率以及舍飼和放牧家畜的采食量等[14-16]，在家畜的實時營養(yǎng)監(jiān)測中展現(xiàn)了廣闊的應(yīng)用前景。本文通過查閱歸納國內(nèi)外文獻(xiàn)資料，將近紅外光譜技術(shù)在反芻動物營養(yǎng)領(lǐng)域中的應(yīng)用現(xiàn)狀進(jìn)行綜述，以為本領(lǐng)域研究提供借鑒和參考。

1 近紅外光譜技術(shù)在預(yù)測反芻動物飼料營養(yǎng)成分中的應(yīng)用

由于飼料原料短缺、成本走高，如何在滿足動物營養(yǎng)需求的同時提高養(yǎng)殖場的經(jīng)濟(jì)效益是當(dāng)前畜牧從業(yè)者面臨的一個嚴(yán)峻考驗。在實際生產(chǎn)中，需要快速評定生產(chǎn)過程中飼料的營養(yǎng)價值，以減少飼料原料的浪費和不合格飼料產(chǎn)品的數(shù)量，精準(zhǔn)合理配制日糧，以滿足動物的營養(yǎng)需求[17]。近幾年，有關(guān)機(jī)構(gòu)頒布了一系列有關(guān)飼料養(yǎng)分含量測定的近紅外光譜規(guī)程，包括行業(yè)標(biāo)準(zhǔn)《飼料的近紅外光譜分析應(yīng)用指南》、《魚粉和反芻動物精料補(bǔ)充料中肉骨粉快速定性檢測 近紅外反射光譜法 (NY/T 1423–2007)》、地方標(biāo)準(zhǔn)《飼料中粗灰分、鈣、總磷和氯化鈉快速測定的近紅外光譜法 (DB36/T 1127–2019)》、《飼料中氨基酸的測定 近紅外法 (DB43/T 1065–2015)》、《飼料中粗蛋白、粗脂肪、粗纖維、水分、鈣、總磷、粗灰分、水溶性氯化物、氨基酸的測定 近紅外光譜法 (DB21/T 2048–2012)》。

1.1 飼料中常規(guī)營養(yǎng)成分的預(yù)測

目前，近紅外光譜技術(shù)已從單一飼料原料的成分檢測發(fā)展到多種原料的混合物、配合飼料的營養(yǎng)成分預(yù)測(表1)。在單一飼料原料預(yù)測模型中，李軍濤[18]建立了玉米(Zea mays)和小麥(Triticum aestivum)中常規(guī)營養(yǎng)成分含量的NIR 預(yù)測模型。結(jié)果表明，不同地區(qū)來源的玉米和小麥中養(yǎng)分含量相差較大，玉米中水分、CP、EE、NDF、ADF 預(yù)測模型的驗證決 定 系 數(shù)(coefficient of determination for validation,RSQV)為0.85～0.95，驗證相對分析誤差(ratio of performance to deviation for validation, RPDV)為2.67～3.20，小麥中水分、CP、EE、ADF 預(yù)測模型的RSQV值為0.84～0.90，RPDV為2.51～3.16，NIRS 預(yù)測模型均可用于實際生產(chǎn)中的預(yù)測。研究者認(rèn)為小麥預(yù)測模型準(zhǔn)確性較低的一個原因是建模的樣本數(shù)量太少，只用了58 個樣本建模。楊金芬等[19]建立了301 份天然混合牧草中CP、NDF 和ADF 的NIR 預(yù)測模型，驗證決定系數(shù)R2V均高于0.90，RPDV均大于3.00，預(yù)測準(zhǔn)確性較高。Mentink 等[20]利用NIRS分析了110 份TMR 中的常規(guī)養(yǎng)分，CP、NDF、Starch的預(yù)測模型的R2＞ 0.85，EE 和非纖維碳水化合物模型的R2值分別為0.81和0.83，預(yù)測標(biāo)準(zhǔn)誤差較低。曹明月等[25]利用NIRS技術(shù)建立了奶牛全混合日糧 (total mixed ration, TMR)中DM、CP、EE、NDF、ADF、Starch、Total AA 的預(yù)測模型。其中，EE 模型只能用于粗略的篩選分析，Starch 模型預(yù)測效果差，不能用于實際預(yù)測，DM、CP、NDF、ADF、total AA含量的NIRS 模型預(yù)測準(zhǔn)確性較高，為實際生產(chǎn)中TMR 的快速測定提供了理論依據(jù)與技術(shù)支撐。郝勇等[21]基于3 種變量選擇方法對飼料光譜變量進(jìn)行選擇和優(yōu)化，結(jié)合偏最小二乘法建立了飼料中粗脂肪和粗纖維的NIR 定量預(yù)測模型，可用于實際生產(chǎn)的預(yù)測，且模型的穩(wěn)健性和準(zhǔn)確性較好。綜上所述，NIRS 在預(yù)測飼料養(yǎng)分含量方面已逐漸成熟且有良好的預(yù)測效果。

表1 近紅外光譜技術(shù)在預(yù)測飼料常規(guī)營養(yǎng)成分和微量元素中的應(yīng)用Table 1 Application of near-infrared spectroscopy in predicting conventional nutrients and trace elements in feed

1.2 飼料中元素的預(yù)測

礦物元素對反芻動物具有雙重作用，不僅是自身生長代謝所必需，也是瘤胃微生物增殖必不可少的營養(yǎng)素。因此，滿足反芻動物對礦物元素的需要，對提高飼料轉(zhuǎn)化率有重要作用[26]。礦物元素在近紅外區(qū)域沒有吸收帶，但由于礦物元素和有機(jī)成分之間具有一定的相關(guān)性，NIRS 可以通過其與有機(jī)分子的結(jié)合或形成鹽的形式來影響樣品中的氫鍵或其他分子鍵，從而間接測定礦物元素[23,27-28]。Johnson 等[22]利用漫反射紅外光譜法對水稻(Oryza sativa)秸稈和谷物中6 種常量元素和7 種微量元素的含量進(jìn)行評估，采用偏最小二乘回歸 (partial least squares regression, PLSR)建模方法確定了13 種元素的最佳建模光譜波段。研究結(jié)果表明，漫反射紅外光譜法能準(zhǔn)確預(yù)測水稻植株中7 種元素 (N、P、K,、Ca、Mg、Mn、Cu)的含量，R2P＞ 0.75，使用NIR 和MIR組合建模比NIR、MIR 單獨建模對N、K、P、Ca、Mg 模型性能的提高是明顯的，而NIR 單獨建模對Mn 和Cu 有最佳預(yù)測效果。因此，多源數(shù)據(jù)融合可能是提高模型預(yù)測性能的方式之一。

Miao 等[23]利用近紅外光譜法結(jié)合不同化學(xué)計量學(xué)分別建立了水稻樣品中鉻 (Cd)元素的NIR 預(yù)測模型。結(jié)果表明，通過后向區(qū)間偏最小二乘法(backward interval partial least squares, BiPLS)建 模 得到最佳預(yù)測模型，預(yù)測集的RMSEP和RP分別為0.21 和0.90。Ikoyi 和 Younge[7]研究了飼料的粉碎粒度和殘余水分含量對牧草中常量元素 (Ca、P、Mg、K、S、Na) NIR 預(yù)測模型精度的影響。將樣品粉碎粒度從1 mm 減少到0.5 mm，通過烘箱干燥去除樣品中殘留的自由水可以改進(jìn)模型的性能。以上結(jié)果表明適當(dāng)減小樣品顆粒大小和樣品水分含量可以改善礦物元素定標(biāo)模型的性能。因此，建議樣品在儲存前立即進(jìn)行干燥、粉碎和光譜的掃描。這是因為即使將樣品儲存在“密封”的容器中也可能會從環(huán)境中重新吸收水分，改變近紅外光譜儀的讀數(shù)。余恩[24]用NIRS 技術(shù)分析了不同地區(qū)種植的288 份棉籽粉中20 種無機(jī)元素的含量。結(jié)果表明，Mn 和Cr 的NIRS 預(yù)測模型的最好，R2P＞ 0.90,RPD＞ 3.00，可以替代傳統(tǒng)濕化學(xué)分析方法；K 的R2P＞ 0.80、RPD＞ 2.00，可用于實際預(yù)測；P、S 和Mg 的R2P 分別 為0.68、0.72、0.66，RPD值 分 別 為1.67、1.84、1.69，無法進(jìn)行精準(zhǔn)預(yù)測，但可用于大量樣品的篩選工作；Ca、Ni、Se 和Sr 模型的R2C 值較高，分別為0.86、0.82、0.81、0.81，而RPD值較低，均小于0.40，研究者認(rèn)為可通過增加具有代表性的樣本來提高模型的預(yù)測性能；Cu、Na、Fe、Zn、Al、B、Co、Cd、As 和Pb 等無機(jī)元素的模型性能差，R2C 和值均較低，不能用于實際生產(chǎn)中的測定。NIRS 預(yù)測礦物元素準(zhǔn)確性較常規(guī)養(yǎng)分低，一方面是由于礦物元素在飼料中含量很少，另一方面是由于生物體中的礦物元素除與有機(jī)物結(jié)合外，還有一部分是游離狀態(tài)，故NIRS 不能用于這部分礦物元素的檢測。

1.3 飼料摻假鑒別與定量分析

反芻動物由于其獨特的瘤胃，能利用飼料中的一些非蛋白氮合成菌體蛋白并消化吸收，節(jié)約一部分日糧蛋白質(zhì)[29]，但非蛋白氮含量過高會導(dǎo)致瘤胃氨中毒[30]，且有些非蛋白氮類物質(zhì)具有毒性，如三聚氰胺。因此，有必要對反芻動物飼料中非蛋白氮進(jìn)行定量和定性分析，而常規(guī)方法檢測這些物質(zhì)往往具有一定局限性。近紅外光譜技術(shù)在飼料摻假和定量分析方面的應(yīng)用如表2 所列。González-Martín等[31]利用近紅外光譜技術(shù)和遠(yuǎn)程反射光纖探針對苜蓿(Medicago sativa)中添加的尿素、雙縮脲和家禽排泄物進(jìn)行了分析。使用偏最小二乘算法判別分析 (discriminant analysis partial least squares, PLS-DA)建立了每種添加物的判別方程，對苜蓿中是否存在尿素、雙縮脲和家禽排泄物進(jìn)行分類和預(yù)測，預(yù)測準(zhǔn)確率分別為96.9%、100%、100%。用改良偏最小二乘法 (modified partial least squares, MPLS)結(jié)合光纖探針法建立了苜蓿中尿素、雙縮脲和家禽排泄物的定量NIRS 預(yù)測模型，3 種添加物模型的RSQ值分 別 為0.99、 0.99和0.93，SEP值 分 別 為0.28%、0.29%和2.08%，定性和定量NIRS 模型的預(yù)測準(zhǔn)確性較高，可用于實際測定。此外，使用光線探針可直接采集地面上的苜蓿樣品的近紅外光譜，快速、無污染、無需樣品制備，可用于苜蓿中尿素、雙縮脲和家禽排泄物的瞬時和同時測定。馮莉等[35]用NIRS 分析了奶牛精料補(bǔ)充料和奶牛濃縮料中的尿素含量，結(jié)果具有良好重現(xiàn)性。三聚氰胺事件表明，傳統(tǒng)的靶向檢測只能檢測出特定的摻假物和有害物，為了應(yīng)對飼料中摻假物種類的不斷變化，Shen 等[32]研究了一種基于近紅外光譜成像的局部異常檢測 (local anomaly detection, LAD)的非靶向檢測方法，用6 種非蛋白氮污染物和兩種近紅外光譜成像對非靶向LAD 法檢測和半定量污染物的性能進(jìn)行評價，，檢測限度低于0.01%，這表明非靶向檢測新策略在飼料安全檢測方面有從被動轉(zhuǎn)向主動的潛力。

表2 近紅外光譜技術(shù)在飼料摻假鑒別中的應(yīng)用Table 2 Application of near-infrared spectroscopy in feed adulteration identification

研究者普遍認(rèn)為，瘋牛病是由于動物采食了含有低水平動物源性蛋白的飼料[36]，飼料原料的可追溯性分析對飼料質(zhì)量和人類健康至關(guān)重要。有研究者通過比較豆粕、魚粉和肉骨粉的光譜特征，發(fā)現(xiàn)豆粕和動物蛋白粉光譜的最大差異位于與脂肪含量相關(guān)的吸收帶[6]，進(jìn)一步對光譜進(jìn)行主成分分析發(fā)現(xiàn)，在一些特定波段有更多的差異，這表明近紅外光譜法在飼料蛋白質(zhì)的定性或定量分析方面有較強(qiáng)的光譜基礎(chǔ)。在肉骨粉的檢測中，楊增玲等[37]利用NIRS 結(jié)合偏最小二乘回歸建立了225 個反芻動物精料補(bǔ)充中肉骨粉的定量分析模型。用獨立的外部驗證樣品進(jìn)行驗證 (r= 0.97，SEP= 1.76%，RPD=5.99)，預(yù)測準(zhǔn)確性較高。Perez-Marin 等[33]用317 份無肉骨粉的配合飼料和116 份有肉骨粉的配合飼料建立了NIRS 定性和定量模型，鑒別出了所有的摻假樣品，且肉骨粉含量的預(yù)測準(zhǔn)確性較高 (R2=0.94，SECV= 0.68%)。此外，利用NIRS 進(jìn)一步對未經(jīng)粉碎處理的完整配合飼料中的肉骨粉進(jìn)行檢測和定量分析，并且證明了模型在兩臺NIRS 儀器間的可傳遞性[34]。這些結(jié)果表明，NIRS 可用于商業(yè)飼料的摻假檢測，而無需前處理，在檢測速度和易于分析上有很大優(yōu)勢。在植物蛋白粉的摻假檢測中，Neves 等[38]利用NIRS 結(jié)合一類偏最小二乘法 (one class partial least squares, OC-PLS)和偏最小二乘判別分析 (PLS-DA)對植物蛋白粉中的摻假物質(zhì)進(jìn)行分析；用OC-PLS 模型對摻假物進(jìn)行鑒別，用PLS-DA模型對摻假物質(zhì)進(jìn)行分類。結(jié)果表明，該研究提出的方法可以用于摻假物質(zhì)占比10%～40%的樣品的分析，來驗證植物蛋白粉的真實性，并將摻假物質(zhì)分為大豆、乳清和小麥。以上研究結(jié)果均表明，NIRS 不僅能鑒別常見的摻假飼料并進(jìn)行定量分析，還能結(jié)合化學(xué)計量學(xué)和微型儀器對飼料中未來可能出現(xiàn)的摻假物進(jìn)行檢測。

2 近紅外光譜技術(shù)在預(yù)測飼糧瘤胃降解特性中的應(yīng)用

反芻動物原位培育法是測定飼糧瘤胃降解特性的最常用的方法，該方法耗時費力且需要大量瘺管動物試驗，因此需要一種更快速簡便的方法。多項研究表明，NIRS 在預(yù)測動物飼料的飼喂價值上有很大潛力[39-40]。Krieg 等[41]利用近紅外光譜評估了谷物蛋白和淀粉的瘤胃降解，R2為0.9，結(jié)果較為理想，在擴(kuò)充數(shù)據(jù)庫開發(fā)更穩(wěn)健的模型后可用于實際生產(chǎn)。Nordheim 等[42]利用NIRS 預(yù)測溫帶牧草和三葉草中中性洗滌纖維(NDF)的瘤胃降解特性，可消化NDF 外部驗證過程中的R2P 為0.92，RPD為3.4；NDF 降解速率常數(shù)的R2P 為0.51,RPD為1.7；初始瘤胃滯留時間的R2P 為0.02，RPD為1.0。結(jié)果表明，建立的NIRS 定標(biāo)模型對牧草中可消化NDF 部分預(yù)測準(zhǔn)確性較高，可用于實際生產(chǎn)；對NDF 降解速率常數(shù)的預(yù)測精度較低，而無法預(yù)測瘤胃滯留時間，主要原因是原位試驗時尼龍袋間隙過大，導(dǎo)致樣品顆粒損失而引起分析誤差。De Boever 等[43]研究發(fā)現(xiàn)，用NIRS 可較準(zhǔn)確地測定玉米青貯的瘤胃可發(fā)酵有機(jī)物、過瘤胃蛋白和淀粉比例。此外，通過66 種配合飼料飼喂奶牛和育肥牛的試驗得出，NIRS 在預(yù)測小腸可消化蛋白、瘤胃降解蛋白質(zhì)平衡以及過瘤胃蛋白在腸道的蛋白質(zhì)消化率和可發(fā)酵有機(jī)物時具有可接受的精度[44]。Foskolos 等[45]利用NIRS 預(yù)測了反芻動物常用飼料樣品的瘤胃降解參數(shù)和有效降解率。結(jié)果表明，DM、CP 和NDF 的有效降解率、快速可降解部分和慢速可降解部分的預(yù)測模型可用于實際生產(chǎn)中的篩選分析 (R2＞ 0.77，RPD為2.0～2.9)和定量分析 (R2＞ 0.84，RPD為3.1～4.7)，CP 和DM 降解速率的方程可用于篩選分析，NDF 降解速率的方程不能用于準(zhǔn)確預(yù)測，需要更大的數(shù)據(jù)庫建立NDF 降解特性模型。另外，Herrero 等[46]通過NIRS 預(yù)測牧草的體外產(chǎn)氣量來評估牧草的營養(yǎng)價值。結(jié)果表明，NIRS 可成功預(yù)測6～48 h 內(nèi)產(chǎn)生的氣體體積，R2為0.60～0.78，而3 h 和96 h 的產(chǎn)氣量和指數(shù)方程參數(shù)的預(yù)測結(jié)果較差。該研究只能預(yù)測特定時間的累計產(chǎn)氣量。在此基礎(chǔ)上，Herrero等[47]用NIRS 預(yù)測牧草產(chǎn)氣動力學(xué)模型的指數(shù)參數(shù)，監(jiān)測飼草的動態(tài)降解特性，但結(jié)果并不理想，只有漸近線參數(shù)得到了較好的預(yù)測效果。與飼料營養(yǎng)成分相比，NIRS 預(yù)測飼料瘤胃降解特性精度較低，可能是由于以上研究大多是基于偏最小二乘法建立的樣品光譜和化學(xué)參考值之間的多元線性模型，對于建立飼料瘤胃降解特性這樣的非線性模型會比較困難，用支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)等非線性建模方法可能會提高模型的性能。以上研究結(jié)果表明，NIRS 可以用于飼料瘤胃降解率的測定，從而減少瘺管動物試驗，增進(jìn)動物福利。

3 近紅外光譜技術(shù)在預(yù)測反芻動物體內(nèi)營養(yǎng)物質(zhì)消化代謝中的應(yīng)用

反芻動物飼料營養(yǎng)物質(zhì)消化率的測定方法主要有全收糞法、指示劑法、半體內(nèi)法和體外法，這些方法工作量大、成本高、試驗周期長[48]。目前，近紅外光譜技術(shù)以其快速、簡便的特點已被廣泛應(yīng)用于反芻動物營養(yǎng)物質(zhì)消化代謝研究中(表3)。如近紅外光譜技術(shù)結(jié)合內(nèi)源指示劑測定營養(yǎng)物質(zhì)消化率，Brogna 等[50]用NIRS 建立了糞便中不可消化NDF的預(yù)測模型，通過預(yù)測糞便中排出的不可消化NDF(uNDF)含量，可以獲得飼料實際在體內(nèi)消化的NDF的信息。結(jié)果表明，除去灰分的NDF (aNDFom)、240 h 體外不可消化NDF (uNDF 240)和240 h 的體外瘤胃aNDFom 消化率 (IVNDFD240)方程的R2分別為0.92、0.92 和0.90，RPD 值分別為2.80、2.57 和2.53，這些方程均具有較好的預(yù)測效果。Righi 等[51]也建立了飼喂TMR 奶牛的130 份糞便樣品的uNDF 240 含量預(yù)測模型，但模型的預(yù)測精度較低。有研究表明，反芻動物糞便的NIR 光譜不僅包含未消化飼糧的信息，還包含了飼糧在消化道的全過程和動物間變異的信息，用糞便近紅外光譜更能反映家畜的消化代謝情況。Boval 等[15]將糞便NIRS 應(yīng)用于奧爾牛的圍欄飼養(yǎng)試驗中，建立了熱帶牧草有機(jī)物消化率 (OMD)預(yù)測模型，SEC為0.021，R2為0.72，與飼料NIRS 模型預(yù)測OMD 相比，糞便NIRS 預(yù)測能力較高。Decruyenaere 等[52]用飼料NIR 光譜和糞便NIR 光譜分別或相結(jié)合的方式 (相減、串聯(lián))建立了放牧動物OMD 的預(yù)測模型，結(jié)果表明單獨用糞便NIR 或用飼料和糞便NIR 串聯(lián)的方式建模有最優(yōu)的預(yù)測效果，OMD 的交叉驗證標(biāo)準(zhǔn)誤 (standard error of cross-validation,SECV)為0.021，R2大 于0.80，進(jìn)一步證實糞便NIRS是管理放牧動物、提高其生產(chǎn)性能的一種有效工具。Mentink 等[20]利用NIRS結(jié)合原位試驗建立了TMR 干物質(zhì)和有機(jī)物消化率的預(yù)測模型，R2分別為0.85 和0.80。Decruyenaere等[53]用糞便NIRS 預(yù)測放牧奶牛體內(nèi)有機(jī)物消化率，并與2 種糞便氮指示劑 (FNI)法作了比較。結(jié)果表明，糞便NIRS 預(yù)測值和2 種FNI 估計值之間的偏差分別為0.08 和0.06，利用糞便NIRS 可以快速、簡便地測定放牧奶牛采食的牧草消化率。Decruyenaere等[54]評估了糞便NIRS 在預(yù)測反芻動物牧草有機(jī)物消化率的準(zhǔn)確性和重現(xiàn)性，通過校正參考方法誤差，SEP值可減小至0.015 5，且預(yù)測的魯棒性良好，證明糞便NIRS 可以精準(zhǔn)的預(yù)測OMD。以上研究結(jié)果均表明，NIRS 可以用于反芻動物營養(yǎng)物質(zhì)消化代謝情況的監(jiān)測，糞便NIRS 比飼草NIRS 提供更多的動物實際采食的信息。開發(fā)一個具有代表性且準(zhǔn)確性和穩(wěn)健性較高的放牧動物消化率預(yù)測模型，需要通過獲得大量體內(nèi)試驗獲得可靠和準(zhǔn)確的定標(biāo)參考值。

表3 近紅外光譜技術(shù)在營養(yǎng)物質(zhì)消化代謝情況和采食量中的應(yīng)用Table 3 Application of near-infrared spectroscopy in the determination of nutrient digestion and metabolism and feed intake of animals

4 近紅外光譜技術(shù)在預(yù)測反芻家畜采食量中的應(yīng)用

反芻家畜采食量的測定方法有模擬采食法、差額法、指示劑法和三結(jié)合法(即食道瘺管法、兩級離體消化法和Cr2O3外源指示劑三結(jié)合的方法)等[55]。這些方法步驟繁瑣、需要專業(yè)人員操作、且容易產(chǎn)生野外分析和實驗室分析誤差。放牧動物由于選擇性采食，收集具有代表性的飼糧樣品具有很大挑戰(zhàn)性，而通過糞便近紅外光譜技術(shù)預(yù)測采食量只需收集糞便即可。目前，近紅外光譜技術(shù)以其快速、簡便、無需復(fù)雜的動物試驗等特點已成為預(yù)測反芻動物采食量的研究熱點(表3)。Decruyenaere 等[52]利用糞便NIRS 預(yù)測放牧家畜采食量時，交叉驗證標(biāo)準(zhǔn)誤差為4.51 g·kg-1BW0.75，與其他預(yù)測方法的誤差相近。通過分析二階導(dǎo)數(shù)處理之后的糞便光譜發(fā)現(xiàn)，當(dāng)某種飼草消化率高且采食量較多時，在1 730、2 310 和2 350 nm 等 與 脂 肪 相 關(guān) 波 長 處 的 吸 收 率 較高。Johnson 等[56]用糞便NIRS 預(yù)測肉牛自由采食量，試驗平均期DMI 和糞便收集期DMI 預(yù)測模型預(yù)測集的R2值分別為0.68 和0.69，與正構(gòu)烷烴技術(shù)預(yù)測DMI 的結(jié)果相當(dāng)[57-58]，且結(jié)果表明改進(jìn)的DMI預(yù)測方程可以替代正構(gòu)烷烴技術(shù)預(yù)測動物的DMI。Boval 等[15]通過圍欄飼養(yǎng)試驗，給克里奧爾閹牛飼喂從灌溉地收獲的新鮮草，用糞便NIR 和飼養(yǎng)試驗參考值建立了熱帶牧草有機(jī)物采食量的預(yù)測模型，SEC值和R2值分別為4.62 g·kg-1BW0.75和0.61，具有可接受的預(yù)測精度。結(jié)果還表明，通過將放牧動物圈養(yǎng)的圍欄飼養(yǎng)試驗比放牧試驗?zāi)芴峁└鼫?zhǔn)確的參考數(shù)據(jù)，來開發(fā)放牧動物DMI 的預(yù)測模型。Decruyenaere 等[53]用糞便近紅外光譜法 (fecal NIRS,FNIRS)、兩種比值法 (ratio method, RT)和3 種動物生 產(chǎn) 性 能 法 (animal production performance method,APM)分析了2 個放牧圍場的泌乳奶牛牧草的干物質(zhì)采食量 (DMI)，F(xiàn)NIRS 法和其他方法預(yù)測的DMI的相關(guān)系數(shù)在0.63～0.88，不同的估計方法，DMI 值范圍為11.9～16.4 kg·d-1，F(xiàn)NIRS 和APM預(yù)測值相似，RT 對補(bǔ)充放牧奶牛來說DMI 估計值偏大，所有預(yù)測方法的DMI 值的牛之間和放牧圍場之間的差異用變異系數(shù)表示為0.05～0.40，F(xiàn)NIRS 模型的SECV 值低于動物間和牧場間的差異，利用FNIRS可以快速、簡便地預(yù)測放牧奶牛的采食量。Lahart等[16]利用牛奶MIRS 和糞便NIRS 結(jié)合457 頭奶牛的DMI 數(shù)據(jù)，利用線性回歸和偏最小二乘回歸建立了DMI 預(yù)測方程。群內(nèi)驗證和跨群驗證的結(jié)果表明，MIRS 和NIRS 組合建立的方程有最佳的預(yù)測效果，可用于實際預(yù)測，與群內(nèi)驗證相比，跨群驗證更能評估預(yù)測方程的準(zhǔn)確性和實用性。Hassoun 等[59]用聚乙二醇作為外源標(biāo)志物，結(jié)合NIRS，測定了放牧綿羊的牧草采食量。另外，Casasús 和Albanell[49]也通過NIRS 分析2 種飼養(yǎng)水平下飼喂干草的奶牛糞便中的聚乙二醇濃度，測定牛的糞便產(chǎn)量和干草采食量。Ottavian 等[60]利用糞便光譜建立了2 種精料添加水平的偏最小二乘判別分類模型，模型擬合良好，對驗證集樣品的分類準(zhǔn)確性大于90%，可作為高寒牧草夏季放牧中2 種精料補(bǔ)充水平的快速評估工具。Landau 等[61]通過FNIRS 預(yù)測放牧牛飼糧中的灰分含量，與牧場植物樣本的灰分含量進(jìn)行比較，判斷牛是否過度采食土壤和禽糞，從而得出當(dāng)前的動物飼養(yǎng)密度是否與牧場的植被相適應(yīng)。結(jié)果表明，飼養(yǎng)密度高與牛過度吃土和禽糞相關(guān)，F(xiàn)NIRS可以作為確定動物飼養(yǎng)密度的一種輔助工具。雖然利用NIRS 建立的DMI 預(yù)測模型的準(zhǔn)確性和穩(wěn)健性與其他化學(xué)指標(biāo)相比較低，但與通過動物試驗和野外分析建立的經(jīng)驗?zāi)Ｐ拖啾龋摲椒ㄟ€是有很大優(yōu)勢，且隨著NIRS 研究的不斷深入，其預(yù)測性能會逐漸提高。綜上所述，近紅外光譜技術(shù)不僅能預(yù)測舍飼家畜和放牧家畜的采食量，還可用于判斷動物的補(bǔ)飼水平和飼養(yǎng)密度。

5 NIRS 模型的優(yōu)化

為保證建立模型的預(yù)測性能，應(yīng)注意以下幾點：第一，建模樣品數(shù)量足夠多且具有代表性；第二，保證建模樣本化學(xué)分析值的準(zhǔn)確性，由專業(yè)技術(shù)人員參照國家標(biāo)準(zhǔn)方法進(jìn)行測定；第三，不斷擴(kuò)充建模數(shù)據(jù)庫，擴(kuò)大模型預(yù)測范圍；第四，應(yīng)深入研究通用性強(qiáng)的模型轉(zhuǎn)移方法，實現(xiàn)不同NIR 儀器之間的模型轉(zhuǎn)移，提高模型的利用效率；第五，為避免離線分析滯后于生產(chǎn)，應(yīng)加大微型便攜式近紅外儀器的研發(fā)，實現(xiàn)實時監(jiān)測和在線分析。

6 結(jié)論與展望

近年來，隨著數(shù)字化光譜儀器、計算機(jī)技術(shù)、化學(xué)計量學(xué)的發(fā)展以及NIR 光譜儀器和定標(biāo)軟件的改進(jìn)，模型的預(yù)測性能大大提高并且拓寬了NIR 的應(yīng)用前景。近紅外光譜技術(shù)已被廣泛應(yīng)用于反芻動物的營養(yǎng)研究，建立了大量用于飼養(yǎng)實踐的預(yù)測模型，逐漸成為反芻動物精準(zhǔn)飼養(yǎng)中必不可少的一種工具。需要進(jìn)一步對已有的模型進(jìn)行改進(jìn)和優(yōu)化，建立新的預(yù)測模型，以適應(yīng)快速發(fā)展的畜牧業(yè)。