粗飼料分級指數技術——粗飼料品質評定的新進展

胡紅蓮 盧 媛

粗飼料是自然界中存在極廣而營養品質差異極大的一種飼料資源，是反芻動物的重要營養源，占絕大多數反芻動物日糧的60%～80%。粗飼料品質和水平對反芻動物健康、生長、發育及生產性能的發揮起著決定性的影響，并直接影響精料的給量與成本，最終影響到養殖者的經濟效益。因此，如何合理、有效地開發利用這一潛在的飼料資源對于反芻動物的科學飼養具有重要的意義。本文將在介紹國際上粗飼料品質評定歷史發展的基礎上重點綜述我國學者提出的粗飼料分級指數的最新進展。

1 粗飼料品質評定技術的歷史發展

由于粗飼料品質是一個穩定性極差的性狀，受到諸多因素的影響，使得每種粗飼料營養價值、不同種類和同一種類不同時間以及加工方法差異較大，使對粗飼料品質進行科學合理評定成為難題。感官指標是評定粗飼料品質最直觀的指標，飼料的營養成分是構成飼料組成的主要部分，同時也是反映飼料品質的直接指標，因此，起初人們通過這些單一指標對粗飼料品質進行定性與定量評價，對粗飼料品質優劣作出初步評定。但這些單項指標都是靜態的表觀性指標，各有優缺點，加上不同品種粗飼料的營養指標差異較大，因而任何單一指標都不能對粗飼料品質作出完整的評定。也有許多研究者采用多項指標來對粗飼料品質進行評定，最為典型的是應用CNCPS指標評定粗飼料品質。用CNCPS指標對粗飼料的營養價值評定符合飼料的營養特性，而且也較準確，但是該法對于品質接近的粗飼料卻很難區分。陶春衛（2009）采用CNCPS體系與體外產氣法對粗飼料品質進行劃分，結果表明，應用CNCPS體系對粗飼料的品質評定優劣順序與體外產氣法對粗飼料品質評定順序并不一致，尤其是對苜蓿和青貯的品質評定差別較大。可見，多項指標也不能客觀、全面地評定粗飼料的品質。使用綜合的整體指標已成為科學評定粗飼料品質的必然發展趨勢，目前國際上相繼出現了飼料相對價值指數（Relative Feed Value,RFV）、質量指數（Quality Index，QI）、粗飼料相對品質指數（Relative Forage Quality，RFQ）、產奶 2000（Milk 2000）等等粗飼料品質評定整體指標。這些整體指標的出現實現了粗飼料品質綜合評定的整體量化，能夠更為準確地評定粗飼料品質，但這些整體指標都是僅能夠用于粗飼料的品質評定，不能用于對粗飼料進行科學搭配，更談不上用于日糧優化配合。粗飼料品質評定已由早先的單一指標、多項指標發展到現在的整體指標，其評定技術也在不斷深入和推進。在繼承RFV等評定指數合理內涵的基礎上，由我國學者盧德勛教授（2001）提出和發展的GI系列整體指標則是一個更加合理、更加全面、更加科學的將粗飼料綜合評定和日糧優化配合于一體的成套技術，具有綜合評定、系統集成的特點。

2 國際上流行的粗飼料品質評定的整體指標

由上所述可見，使用綜合的整體指標已成為科學評定粗飼料品質的必然發展趨勢，也是粗飼料品質評定的一大進步。目前國際上流行的粗飼料品質評定的整體指標主要有以下幾項。

2.1 飼料相對價值（Relative Feed Value,RFV）

RFV是由美國牧草和草原理事會下屬的干草市場特別工作組（Hay marketing Task Force of the American Forage and Grassland Council） 于 1978 年提出，是目前美國唯一廣泛使用的首個粗飼料品質綜合評定指數,并被越來越多的國家所采用。RFV值由美國國家牧草測試協會（NFTA）實驗室發布，RFV是美國粗飼料交易與粗飼料品質評定的重要工具。青干草生產者及購買者，特別是中西部的拍賣場，用RFV來定價（Undersander，2001），它的定期發布，保證了粗飼料交易的質量。

其定義為：以苜蓿這一特定粗飼料為標準，某種粗飼料可消化干物質（DDM）的采食量與其的相對比值，也就是說，RFV是根據奶牛粗飼料的可消化干物質（DDM）和干物質隨意采食量（DMI）來進行粗飼料品質的比較和評級的，實際上等于DDM乘以DMI再除以一個常數。RFV以百分數表示（通常將百分數符號省去），并以盛花期苜蓿的RFV為100%進行比較。其關系式如下：

RFV＝DMI（%BW）×DDM（%DM）/1.29

式中：DMI（%BW）＝120/NDF(%DM)

DDM(%DM)＝88.9-0.779ADF（%DM）

BW為奶牛體重，DM為干物質，計算RFV時除以1.29，目的是使得盛花期的苜蓿RFV為100。RFV值大于100的牧草表明相對于基數100，整體上品質較好。

RFV是衡量粗飼料品質的一個較好指標，首次突破了過去僅憑單一營養素對粗飼料品質進行經驗式評定的作法，實現了粗飼料品質綜合評定的整體量化，不過這一指標也存在著一定的技術缺陷，如①RFV僅能用于粗飼料的分級，但不能用于對粗飼料進行科學搭配；②在進行RFV計算時，沒有把對粗飼料品質有著重要貢獻的蛋白質考慮進去，整體性不夠強；③在RFV的計算模型中，使用的卻是生產中不常用的DDM，這就限制了其在動物營養模型中的應用；④RFV是一個用粗飼料的ADF和NDF值建立起來的用于粗飼料品質評定的相對簡單的指數，而NDF和ADF僅占DMI和DDM變異度的58%和56%（Van Soest等，1978），因此，估測模型不理想。隨著RFV的推廣應用，其在粗飼料品質評定上的不足日益顯現。

2.2 質量指數（Quality Index，QI）

QI是由美國弗羅里達州飼草推廣測試項目（Florida Extension Forage Testing Program）于1984年提出，其定義為：TDN隨意采食量是TDN維持需要的倍數。由綿羊試驗數據推導出的QI計算模型為：

QI＝TDN 采食量（g/MW）/29

TDN（%DM）＝OM（%DM）×OMD（%）/100

TDN 采食量（g/MW）＝DMI（g/MW）×TDN（%DM）/100

式中：OM（%DM）——有機物質占干物質的百分數；

TDN（%DM）——總可消化養分占干物質的百分數；

DMI（g/MW）——干物質采食量，以每千克代謝體重所采食粗飼料的克數表示，MW＝W0.75。

除數29是綿羊的TDN維持需要量（29 g/MW），而牛的TDN維持需要值為36 g/MW（NRC,1984）。

在計算QI時，需要用粗飼料中的NDF來預測DM采食量，用體外有機物消化率（IVOMD）來預測粗飼料的有機物消化率（OMD）。其推導公式為：

OMD（%）＝32.2+0.49IVOMD（%）

DMI（g/MW）＝120.7-0.83NDF（%DM）

在應用中，QI的基數設定為1.0。當QI等于1.0，家畜既不增重，亦不失重；當QI小于1.0，家畜就會掉膘；當QI等于1.8，生長牛可望增重0.6 kg/d，在泌乳母牛體重不變時，可望產奶10 kg/d。

QI的最大優點在于不僅可以對粗飼料品質進行評定，還可在電腦模型中預測家畜生產性能。但也存在估測模型不理想、僅以能量指標作為預測因子，沒考慮蛋白質，整體性不強等技術缺陷，QI同樣只限于進行粗飼料品質評定，無法用于粗飼料的科學搭配。

2.3 粗飼料相對品質指數（Relative Forage Quality，RFQ）

John等（2002）建議用RFQ作為粗飼料質量的總指數來取代RFV和QI。RFQ定義同RFV一樣，也是當粗飼料作為家畜唯一的能量和蛋白質來源時，對可利用能隨意采食量的估測。其表達式為：

RFQ＝DMI（%BW）×TDN（%DM）/1.23

式中：除以常數1.23，目的是把各種粗飼料的RFQ的平均值及范圍調整到與RFV相似（John等，2002）。

RFQ把可消化營養素與NDFD作為預測因子引入可利用能及DMI的預測模型中，因而RFQ更能準確地評定粗飼料品質，尤其是更能準確地對禾本科牧草進行分級。但RFQ雖然考慮粗飼料纖維的可消化性，并用TDN代替了DDM，卻未考慮CP和ADF對粗飼料品質的影響，而且RFQ也只能用于粗飼料的分級而不能用于日糧配合。

3 粗飼料分級指數（Grading index，GI）的提出

隨著畜牧業生產經營方式的轉變，牛羊舍飼比例的增加，粗飼料無論是自產自用還是作為商品流通都將會大大增加，急需在粗飼料品質評定技術方面獲得突破。RFV已被越來越多的國家所采用，在美國管理、生產、流通和交易等各個領域被廣泛使用著，而我國還缺乏這方面的技術，還沒有一個通用的粗飼料品質評定指數。粗飼料的利用從根本上講要走多品種、科學搭配的路子，但對粗飼料科學利用仍缺乏系統性認識，也未形成體系與規模。面對這樣的現實難題，盧德勛（2001）根據我國粗飼料利用的現狀，以粗飼料品質為切入點，以系統科學為指導思想，在總結、吸取RFV等粗飼料品質評定指數優點的基礎上，結合我國粗飼料生產及利用的實際，適時地提出了一個粗飼料品質評定的新指標——粗飼料分級指數（Grading Index，GI）。GI2001的定義為對粗飼料的粗蛋白（CP）和中性洗滌纖維含量經過校正后，粗飼料的可利用能的隨意進食量，單位為MJ/d。GI2001的提出不僅可以對粗飼料的品質進行客觀、合理分級、評定，更為重要的是為粗飼料科學搭配提供了一項新的技術手段。可見，GI2001的提出意義重大。

對奶牛而言，其表達式為：

GI2001（MJ/d）=NEL×VDMI×CP/NDF

式中：NEL——粗飼料產乳凈能，MJ/kg；

VDMI——粗飼料隨意采食量，kg/d；

CP——粗飼料粗蛋白含量，%DM；

NDF——粗飼料中洗洗滌纖維，%DM。

在計算GI2001時，VDMI和NEL借鑒了一些國外實用的模型，推導公式為：

（1）NEL的估測模型

（參照http://www.foragetesting.org/lab_procedure/appendix/A/EnergyEstimates.htm）

豆科牧草：NEL（MJ/kg）=[1.044-(0.011 9×ADF)]×9.29

禾本科牧草：NEL（MJ/kg）=[1.085-（0.0150×ADF）]×9.29

青貯玉米（全株）：NEL（MJ/kg）=[1.044-（0.012 4×ADF）]×9.29

（2）DMI的估測模型

VDMI（kg/d）=120/NDF（%DM）×BW（kg）（體重以600 kg計）

對綿羊而言，其表達式為：

GI2001（MJ/d）=ME×VDMI×CP/NDF

式中，ME和VDMI模型均由我們研究團隊根據綿羊試驗實測數據推導出來的，推導公式為：

（1）ME 的估測模型（張吉鹍，2004）

ME=4.201 4+0.023 6ADF+0.179 4CP

（2）VDMI的估測模型（張吉鹍，2004）

豆科牧草：VDMI（kg/d）=51.26×BW0.75/NDF×1 000

禾本科牧草：VDMI（kg/d）=45.00×BW0.75/NDF×1 000

秸稈：VDMI（kg/d）=29.75×BW0.75/NDF×1 000

青貯玉米：VDMI（kg/d）=29.00×BW0.75/NDF×1 000

GI2001指數克服了RFV等目前存在的技術缺陷，首次將影響粗飼料利用的因素，即能量、蛋白和纖維進行綜合考慮，并引入動物對該種粗飼料的DMI，從而克服了現行粗飼料評定指標的單一性與脫離動物的片面性，綜合了飼草因素與動物因素,對粗飼料的品質優劣進行合理的劃分。同時更為重要的是GI以系統集成的方法和組合效應理論，根據混合粗飼料GI指數最大、成本最低的原則可以實現粗飼料科學搭配的優化，并能與其他技術進行集成，優化動物整體日糧配方設計，而RFV、QI等評定指數均不具備此項功能。可以說，GI2001在繼承FRV合理內涵的基礎上，既能對粗飼料品質進行整體評定，又能進行粗飼料的科學搭配，同時又具有多指標、綜合評定、通俗易懂、便于推廣等特點，在粗飼料品質評定方面是一項重要的創新性成果。

4 近年來GI2001的新進展

隨著研究成果的不斷豐富，GI技術體系也在不斷的充實、發展和改進，主要表現在測試指標的不斷更新和與其他技術的集成化不斷提高，使其科學性更強。盧德勛（2008，2009）提出了奶牛粗飼料分級指數新一代GI2008和GI2009，GI2008和GI2009是在 GI2001的基礎上發展而來，是GI2001新的提升和發展。

4.1 GI2008

GI2001雖然簡便易行，主要用于實際生產推廣使用，為了使其更具科學性，用于研究目的，GI2008便應運而生。GI2008是在GI2001的基礎上篩選了一些新的指標，其慨念與表達式同GI2001，不同的是GI2008中蛋白質指標用的是可消化粗蛋白（DCP），在纖維方面又增加了peNDF，其表達式為：

GI2008（MJ/d）=NEL×DCP×DMI/（NDF-peNDF）

式中：NEL——粗飼料產奶凈能，MJ/kg；

DCP——粗飼料可消化粗蛋白，%DM；

DMI——粗飼料干物質隨意采食量，kg/d；

peDNF——粗飼料物理有效中性洗滌纖維，%DM。

紅敏（2009）研究表明（見表1），4種具有代表性的粗飼料進行品質評定，GI2008、GI2001和RFV劃分次序完全一致，從相對值的差距分析，GI2008和GI2001均優于RFV，且GI2008的差距更大、更明顯，這說明GI2008較GI2001能更準確、更科學地對粗飼料品質進行分級和評定。他通過對4種常用粗飼料的GI2001值和GI2008值建立回歸方程，研究發現GI2008與GI2001之間具有強的相關性，GI2008（Y，MJ）與GI2001（X，MJ）之間的回歸關系為：Y=5.166 9X-12.68 3（R2=0.946 3，P＜0.000 1，n=4）。同時該項研究利用GI2001和GI2008技術進行粗飼料間的科學搭配，篩選出優化粗飼料組合，通過飼養試驗進行了比較研究，結果發現，GI2001優化組和GI2008優化組較對照組有提高奶牛生產性能趨勢（P＞0.05），均給牛場帶來可觀的經濟效益，而且GI2008優化組的經濟效益高于GI2001優化組，這一結果在一定程度上說明GI2008優化配合技術優于GI2001。

表1 4種粗飼料RFV、GI2001和GI2008的比較（紅敏，2009）

GI2008較之GI2001相比，GI2008突破了GI2001所用參數的表觀性，更能全面地體現粗飼料的整體營養功能，在粗飼料品質評定方面更為科學、更為精確，在日糧優化搭配技術方面，集成化程度也較高。在實際生產中，GI2001簡便易行，易于推廣普及，而GI2008主要用于研究目的，科學性較強。

4.2 GI2009

GI2009公式同 GI2008，但不同的是，在 GI2009中，DMI的估測公式采用RFQ的公式；NEL是由ADF或NDF計算而來，推導公式如下：

豆科（苜蓿、三葉草、苜蓿干草混合物）：

DMI豆科（%BW）=120/NDF+（NDFD-45）×0.374/135 0×100（張吉鹍，2005）

NEL豆科(MJ/kg)=[1.044-(0.011 9×ADF)]×9.29

禾本科（暖季和冷季草）：

DMI禾本科（%BW）=-2.318+0.442×CP-0.0100×CP2-0.063 8×TDN+0.000 922×TDN2+0.180×ADF-0.001 96×ADF2-0.005 29×CP×ADF （Moore等，1999）

TDN 禾本科＝（NFC×0.98）+（CP×0.87）+（FA×0.97×2.25）+（NDFn×NDFDp/100）-10（Moore 等，2002）

NEL禾本科(MJ/kg)＝[1.085-(0.015 0×ADF)]×9.29

玉米青貯：

DMI玉米青貯(kg/d)＝BW×1.15%/0.3+（avg.NDFDNDFD）×17（Mertens,1987；Oba 等，1999）

NEL玉米青貯（MJ/kg）＝[1.044-（0.012 4×NDF）]×9.29

式中：CP——粗蛋白，%DM；

EE——粗脂肪，%DM；

FA——脂肪酸，%DM，FA＝EE-1；

ADF——酸性洗滌纖維，%DM；

NDF——中性洗滌纖維，%DM；

NDFD——48 h體外NDF消化率，%NDF；

TDN——總可消化養分，%DM；

NDFn——無氮的NDF，NDFn＝NDF×0.93；

NFC——非纖維性碳水化物，%DM，NFC＝100-（NDF+CP+EE+ASH）

NDFDp——NDF可消化結合蛋白，NDFDp＝22.7+0.664×NDFD

可以說，GI2009是GI2008的進一步補充，是在GI2008的基礎上，針對不同種類的飼草而采用了不同的DMI和NEL預測模型，因而GI2009的模型具有較強的靈活性，其預測值可能更接近實際值。

綜上所述可知：①GI2008和GI2009針對GI2001所用蛋白質和纖維指標表觀性較強的缺點，引入了DCP和peNDF指標，不僅將飼料的營養成分和動物的消化生理結合了起來，同時兼顧了粗飼料的物理性狀對動物健康的影響，準確性、科學性更強；②GI技術以系統整體的思維和方法來實現粗飼料品質的科學評定及科學搭配的最優化，其中GI2008較GI2001更能充分發揮粗料與粗料之間、粗料與精料之間的組合效應，與其他技術系統集成化程度較高，成為優化飼養設計技術的重要組成部分；③GI技術已是一項集理論與實踐應用于一體的粗飼料品質評定和發展應用的成套技術，具有綜合評定、系統集成的特點。GI2001簡便易行，實用性較強，而GI2008及GI2009則科學性更強，適于在研究領域應用。由此可見，GI技術的產生和發展，無論在生產領域還是在研究領域對發展和應用粗飼料的品質評定及日糧優化飼養設計技術都具有重大意義。

5 展望

粗飼料品質的評定經歷了由單一指標評定，多項指標評定到整體指標綜合評定的發展歷程，其評定技術也在不斷深入和推進。GI系列整體指標在繼承RFV等整體評定指標優點的基礎上，進行了重大的改進和創新，并會隨著研究的深入而不斷的在改進、發展和完善。今后仍有大量的工作還有待于進一步開展和加強，如（1）正確取樣：粗飼料取樣方法決定了品質指標測定值的代表性，正確取樣是關鍵，建議采用采樣器采集樣本；（2）進一步完善GI參數模型以及對在奶牛上所借鑒的有關國外參數模型進行驗證，建立山羊、肉羊等GI參數預測模型；（3）GI配方軟件的開發等。

[1]陶春衛.反芻動物常用粗飼料營養價值評定及其有效能值預測模型的建立[D].大慶：黑龍江八一農墾大學碩士論文，2009.

[2]Undersander,D.Dose forage quality pays In：Proc.Am.For.Grsld.Coun.Springdale,AR.AFGC,Georgetown,TX.Apeil22～25,2001,120-125.

[3]Van Soest P J,D.R.Mertens,B.Deinum.Preharvest factors influencing quality of conserved forage[J].Anim.Sci.,1978,47:712-720.

[4]NRC,Nutrient Requirements of beef cattle (M),Sixth Revised Edition.National Research Council,National Academy Press,Washington,DC.1984.

[5]Johne.Moore,Daniel J.Undersander.Relative Forage Quality：An Alternative to Relative Feed Value and Quality Index(A).Proceedings 13th Annual Florida Ruminant Nutrition Symposium,2002:16-32.

[6]盧德勛.乳牛營養技術精要[A].2001年動物營養學術研討會論文集[C].2001.

[7]張吉鹍.粗飼料分級指數參數的模型化及粗飼料科學搭配的組合效應研究[D].呼和浩特：內蒙古農業大學博士論文，2004.

[8]紅敏.奶牛粗飼料品質評定新一代GI（GI2008）的建立及在奶牛養殖中應用的研究[D].呼和浩特：內蒙古農業大學碩士論文，2009.

[9]張吉鹍，盧德勛.粗飼料品質評定指數的最近研究進展[J].當代畜牧，2005(1)：24-26.

[10]Moore J E，Kunkle W E.Evaluation of equations for estimating voluntary intake of forages and forage-based diets[J].Anim.Sci.,1999(suppl.1):204.

[11]Moore J E,Undersander D J.Relative Forage Quality:An alternative to relative feed value and quality index[R].In:Proc1 Florida Ruminant Nutrition Symposium,January 10-11,University of Florida,Gainesville1,2002:16-31.

[12]Mertens D R.Predicting intake and digestibility using mathematical models of ruminal function [J].J.Anim.Sci.，1987，64:1548-1558.

[13]Oba M,M.S.Allen.Evaluation of the importance of the digestibility of neutral detergent fiber from forage:effects on dry matter intake and milk yield of dairy cows[J].J.Dairy Sci.,1999，82:589-596.