本研究旨在利用近红外光谱技术(near-infrared reflectance spectroscopy,NIRS)建立苜蓿(Medicago sativa)干草6种营养成分的近红外预测模型。分别从甘肃、宁夏、河北、江苏和陕西五省采集200份苜蓿干草样品,测定干物质(dry matter,DM)...本研究旨在利用近红外光谱技术(near-infrared reflectance spectroscopy,NIRS)建立苜蓿(Medicago sativa)干草6种营养成分的近红外预测模型。分别从甘肃、宁夏、河北、江苏和陕西五省采集200份苜蓿干草样品,测定干物质(dry matter,DM)、粗灰分(Ash)、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)和粗脂肪(ether extract,EE)的含量。选取苜蓿干草样品160份作定标集,40份作验证集。利用NIRS结合改良偏最小二乘法(modified partial least squares,MPLS)构建并验证其建立预测模型的优劣。结果表明:苜蓿干草DM、NDF含量预测模型的预测决定系数(coefficient of determination for validation,RSQ)和外部验证相对分析误差(ratio of performance to deviation for validation,RPD)分别为0.87和2.67、0.90和3.16,构建的模型可用于实际生产中的预测;CP、ADF含量预测模型的RSQ和RPD分别为0.83和2.41、0.82和2.28,构建的预测模型不能完全代替湿化学分析,但可用于大量样品的筛选分析;Ash含量预测模型的RSQ和RPD为0.59和1.51,构建的预测模型只能用于粗略的分析;EE含量预测模型的RSQ和RPD为0.45和1.32,构建的预测模型相关性较差,还需进一步优化。展开更多
文摘本研究旨在利用近红外光谱技术(near-infrared reflectance spectroscopy,NIRS)建立苜蓿(Medicago sativa)干草6种营养成分的近红外预测模型。分别从甘肃、宁夏、河北、江苏和陕西五省采集200份苜蓿干草样品,测定干物质(dry matter,DM)、粗灰分(Ash)、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)和粗脂肪(ether extract,EE)的含量。选取苜蓿干草样品160份作定标集,40份作验证集。利用NIRS结合改良偏最小二乘法(modified partial least squares,MPLS)构建并验证其建立预测模型的优劣。结果表明:苜蓿干草DM、NDF含量预测模型的预测决定系数(coefficient of determination for validation,RSQ)和外部验证相对分析误差(ratio of performance to deviation for validation,RPD)分别为0.87和2.67、0.90和3.16,构建的模型可用于实际生产中的预测;CP、ADF含量预测模型的RSQ和RPD分别为0.83和2.41、0.82和2.28,构建的预测模型不能完全代替湿化学分析,但可用于大量样品的筛选分析;Ash含量预测模型的RSQ和RPD为0.59和1.51,构建的预测模型只能用于粗略的分析;EE含量预测模型的RSQ和RPD为0.45和1.32,构建的预测模型相关性较差,还需进一步优化。
