貴州42種野生牧草營養價值灰色關聯度分析

田兵，冉雪琴，薛紅，謝健，陳彬，武玉祥，王嘉福* ，王嘯

(1，貴州大學農業生物工程研究院，貴州貴陽550025;2.貴州大學生命科學學院，貴州貴陽550025;3.貴州大學動物科學學院，貴州貴陽550025;4.貴州省畜牧獸醫研究所，貴州貴陽550025)

貴州省是喀斯特巖溶山區，草山草坡面積達1933萬hm2，其中可利用的草地面積為1533萬hm2，包括林間草地在內的總草地面積占全省總面積的73%。獨特的地理氣候特征，有利于各種植物的生長，蘊藏著豐富的牧草資源，因此貴州具有發展草地畜牧業的潛在優勢［1-2］。開發本地野生牧草能有效地利用山區的土地資源，減少水土流失，保護生態平衡，提高農民收入，對山區土地資源開發利用的可持續發展具有深遠的意義。

在牧草開發工作中，重要的環節是對即將開發應用的牧草種或品種進行營養價值的評價。營養價值的評價一直以來都是國內外研究的熱點，已報道的評定方法有多種［3-13］。多數方法以粗蛋白含量為主。對鄂西地區主要牧草進行的評價表明，干蘿卜(Raphanus sativus)葉的粗蛋白含量最高，營養品質較好;風干紅三葉(Trifolium pratense)和風干白三葉(Trifolium repens)蛋白含量居中，營養品質次之;其他牧草中粗蛋白含量低，營養品質較差［14］。91-82葦狀羊茅(Festuca arundinacea)、交戰2代葦狀羊茅、93-6扁穗雀麥(Bromus catharticus)的粗蛋白質含量接近10%，其余品種如寬葉葦狀羊茅、法恩葦狀羊茅、畢節鴨茅(Dactylis glomerata)、織金鴨茅的粗蛋白質含量高于11%，粗脂肪含量高于3.5%，粗纖維含量低于40%，富含鈣磷［15］。用灰色關聯度及相關性分析方法對生長在黔西南州巖溶區的27種飼料灌木常規營養成分及元素進行測定，綜合分析出構樹所含營養元素綜合評價為最好［16］。事實上，對草食家畜而言，不論哪一種牧草，各種營養指標如粗蛋白、粗脂肪、粗纖維、灰分等對家畜的影響都是綜合的。

灰色系統理論中關聯度分析法可以克服上述不足?；疑P聯度分析是一種定量化比較分析方法，是根據數列的可比性和相似性，分析系統內部主要因素之間的相關程度，確定相關程度最大的因素［17-18］，在農業和牧草引種、育種方面已有所應用［19-21］。在客觀系統中，灰色系統分析可較為真實和全面地反映人們對客觀系統的實際認識程度，不但可以得到定性分析結果，還可以給出定量結果［22］。為此，本文應用鄧聚龍［23］于1982年創立的灰色關聯度分析法，對17個科42種野生牧草的營養價值指標進行綜合評價，為貴州省牧草的開發利用提供科學依據。

1 材料與方法

1.1 試驗材料

供試17個科42種野生牧草樣品(表1)采自貴州本地山間田野及貴州大學實驗農場，采樣時間為2012年3－7月份，將42種野生牧草分成三類:10種野生菊科牧草、8種禾本科牧草、24種其他各科野生牧草。按四分法將采集的新鮮樣品各取250～500 g進行后續研究。全部樣品均經粉碎機粉碎，過40目篩(篩孔尺寸0.425 mm)，干燥保存。

表1 樣品的鑒定及采集時期Table 1 Forage identification and sampling period

續表1 Continued

1.2 營養成分測定［24］

干物質(dry matter，DM)用常壓恒溫干燥法測定;粗蛋白(crude protein，CP)用凱氏定氮法測出樣品總氮含量后乘系數6.25;粗脂肪(ether extract，EE)用索氏(Soxhlet)法測定;粗纖維(crude fiber，CF)用酸堿水解法測定;灰分(Ash)用干灰化法測定;鈣(Ca)用EDTA絡合滴定法測定;磷(P)用鉬黃分光光度法測定。以上各項指標每個樣品重復測定3次。無氮浸出物(nitrogen free extract，NFE)為計算值，計算公式為:NEF=DM－(CP+EE+CF+Ash)。

1.3 數據分析

運用灰色系統理論［25］把貴州常見的42種野生牧草按菊科、禾本科、其他科植物分成3個灰色系統。

對菊科樣品進行分析時，首先將供試的10種野生菊科牧草看成一個灰色系統，每一種野生菊科牧草為該系統中的一個因素，分析菊科灰色系統中每種牧草間的聯系程度即關聯度。關聯度越大，樣品間的相似程度就越高。人為構建一個菊科參考品種X0，將參考品種X0的營養成分含量作為參考數列［X0(1)，……，X0(N)］，每種菊科牧草的營養成分含量為比較數列Xi，計算出各菊科牧草的營養成分含量與參考品種相應指標之間的關聯度，評價每個菊科牧草營養價值的高低［26］。

設參考數列為 X0，比較數列為 Xi，i=1，2，3，……，N，且 X0={X0(1)，X0(2)，X0(3)，……，X0(N)}，Xi={Xi(1)，Xi(2)，Xi(3)，……，Xi(N)}，則稱 ξi(k)為 X0與 Xi在第 k點的關聯系數:

為避免信息過于分散及便于比較，將每個菊科樣本的各項營養含量指標與參考品種相應指標的關聯系數取算術平均值，定義為關聯度δ(即等權關聯度)。公式為，式中，N為營養指標的個數(本試驗為7)。然而，牧草中各營養成分對營養價值高低的貢獻率是不同的。因此，為了客觀地評價樣本的營養價值，需采用加權關聯度，即根據各種營養成分在營養價值中的重要性賦權重值WK，權重系數的給出是根據以往研究的結果、經驗確定的。以加權關聯度公式，對各菊科牧草的營養價值進行評價:當γi≥0.7000 時判定營養價值高;0.6000≤γi＜0.7000 為營養價值良好;0.5000≤γi＜0.6000 為營養價值中等;γi＜0.5000 為營養價值較差。

同理對第2組禾本科樣本進行營養價值分析;其他科植物合并為第3組進行相似的營養評價。

2 結果與分析

2.1 營養成分含量

對42個樣本的主要營養成分進行了測定(表2)，其中粗蛋白含量在7.5% ～30.0%之間，灰灰菜的粗蛋白含量最高(29.45%)，豨薟、苦苣菜、辣蓼、空心蓮子草、構樹、反枝莧、洋槐、金蕎麥菜粗蛋白含量都在20%以上，扁穗雀麥粗蛋白含量最低(7.86%);粗脂肪含量:狗牙根最高(5.41%)，薏苡最低(0.81%)，金銀花、羊屎條、構樹、豨薟、薺菜、酸模葉蓼粗脂肪含量都在4%以上;反枝莧的粗纖維含量最低(9.32%)，其次為馬齒莧(10.07%)，野花椒最高(33.17%);粗灰分:含量相差較大，最高為反枝莧(20.82%)，黃花木粗灰分含量最低(3.92%);馬齒莧無氮浸出物含量最高(61.57%)，其次為扛板歸(60.25%)，灰灰菜最低(25.53%)，其余都在25% ～56%之間;磷的含量都在1%以下，最高為三葉鬼針草(0.86%)，最低為馬齒莧(0.08%);鈣的含量集中在0.5% ～2.0%之間，最高為構樹(2.90%)，最低為狗牙根(0.47%)。

2.2 灰色關聯度分析

2.2.1 構建參考品種 以10種菊科牧草為例。從營養價值來看，粗蛋白質是牧草中的主要營養物質，粗脂肪和無氮浸出物是主要的熱能物質，粗灰分為牧草中的礦物質，鈣和磷為兩種重要的礦物元素，直接影響家畜的生長發育。因此這6個指標的測定值越高，說明牧草的營養價值越高、品質越好［27-31］。因此，參考品種的6項營養指標應稍大于10種菊科牧草的最大測定值。粗纖維是主要的能源物質之一，但其含量與消化率負相關，因而在一定程度上，粗纖維含量越低越好，參考品種的粗纖維指標應低于10種菊科牧草粗纖維的最小測定值。

2.2.2 數據的無量綱化處理 各種菊科牧草營養成分的測定值相差較大，不易比較，須進行標準化處理。本文采用初值化處理方法，即用各測定值除以參考品種相應的期望指標(粗纖維處理采用商值的倒數)，得到各項指標數值都在0～1之間的新數列(表3)。

表2 樣品營養成分測定(占干物質的百分比，±SD)Table 2 Nutrition determination of forage grass(The percentage of dry matter，珔X±SD)%

表2 樣品營養成分測定(占干物質的百分比，±SD)Table 2 Nutrition determination of forage grass(The percentage of dry matter，珔X±SD)%

科名Family name編號Number樣品名稱Samples干物質DM粗蛋白CP粗脂肪EE粗纖維CF粗灰分Ash無氮浸出物NFE鈣 磷Ca P菊科Compositae X1 豨薟 Siegesbeckia orientalis 90.22±0.04 0.05 X2 白蒿 Artemisia sieversiana 90.63±0.09 17.09 ±0.23 4.49 ±0.11 12.83 ±0.11 9.26 ±0.25 46.55 ±0.12 1.73 ±0.07 0.58 ±0.39 ±0.03 X3 小飛蓬 Conyza canadensis 91.01±0.10 17.84 ±0.07 3.76 ±0.09 26.70 ±0.21 10.80 ±0.06 31.53 ±0.09 1.57 ±0.05 0.69 ±0.02 X4 苦苣菜 Sonchus oleraceus 85.67±0.01 19.51 ±0.13 2.62 ±0.17 14.93 ±0.12 13.99 ±0.14 39.96 ±0.16 0.74 ±0.03 0.54 ±0.11 X5 青蒿 Artemisia annua 90.77±0.07 20.34 ±0.24 3.45 ±0.21 16.98 ±0.09 12.42 ±0.26 32.48 ±0.11 0.73 ±0.02 0.40 ±0.15 X6 三葉鬼針草 Bidens pilosa 91.06±0.12 17.23 ±0.15 3.97 ±0.08 28.20 ±0.08 11.29 ±0.27 30.08 ±0.15 1.62 ±0.01 0.86 ±0.16 X7 一年蓬 Erigeron annuus 89.00±0.11 15.30 ±0.11 2.81 ±0.01 17.61 ±0.13 12.40 ±0.11 42.94 ±0.08 1.32 ±0.04 0.19 ±0.03 X8 苦荬菜 Ixeris chinensis 89.43±0.18 10.64 ±0.05 2.38 ±0.01 28.73 ±0.23 5.40 ±0.21 41.85 ±0.14 0.95 ±0.03 0.31 ±0.07 X9 千里光 Senecio scandens 91.86±0.14 15.73 ±0.22 2.85 ±0.04 16.49 ±0.32 11.42 ±0.08 42.93 ±0.21 1.49 ±0.07 0.25 ±0.21 X10 魚鰍串 Kalimeris indica 92.78±0.03 14.72 ±0.23 3.26 ±0.05 21.03 ±0.14 10.26 ±0.18 42.59 ±0.15 1.92 ±0.03 0.46 ±0.12禾本科Gramineae 13.42 ±0.09 1.75 ±0.04 19.78 ±0.26 9.66 ±0.28 48.17 ±0.14 1.69 ±0.05 X11 鴨茅 Dactylis glomerata 88.96±0.21 0.09 X12 黑麥草 Lolium perenne 88.03±0.25 16.71 ±0.32 1.41 ±0.11 25.55 ±0.16 13.38 ±0.16 31.91 ±0.19 0.99 ±0.05 0.24 ±0.18 ±0.04 X13 茅草 Imperata cylindrica 87.70±0.19 13.05 ±0.34 2.09 ±0.12 26.03 ±0.24 7.48 ±0.31 39.38 ±0.20 0.86 ±0.03 0.13 ±0.06 X14 雙穗雀稗 Paspalum distichum 88.81±0.28 9.33 ±0.01 2.44 ±0.21 22.57 ±0.18 4.69 ±0.16 48.67 ±0.12 0.71 ±0.01 0.20 ±0.03 X15 狗牙根 Cynodon dactylon 92.63±0.06 17.48 ±0.15 3.45 ±0.23 30.01 ±0.19 6.33 ±0.18 31.54 ±0.19 1.08 ±0.10 0.36 ±0.16 X16 狗尾草 Setaira viridis 89.22±0.04 16.37 ±0.04 2.67 ±0.11 27.24 ±0.27 12.18 ±0.18 34.17 ±0.16 1.35 ±0.06 0.24 ±0.05 X17 薏苡Coix lacryma-jobi 89.17±0.04 8.38 ±0.02 5.41 ±0.13 20.09 ±0.28 9.66 ±0.04 45.68 ±0.11 0.47 ±0.11 11.02 ±0.41 0.81 ±0.14 27.55 ±0.18 16.37 ±0.03 33.42 ±0.15 0.49 ±0.03 0.17 ±0.02藜科Chenopodiaceae 0.51 ±0.11蓼科Polygonaceae X19 灰灰菜 Chenopodium album 91.09±0.17 29.45 ±0.11 2.28 ±0.03 16.99 ±0.19 16.84 ±0.03 25.53 ±0.07 1.03 ±0.08 X20 酸模葉蓼Polygonum lapathifolium 93.74 ±0.21 17.85 ±0.06 4.78 ±0.03 15.61 ±0.26 8.07 ±0.04 47.43 ±0.11 0.66 ±0.21 0.39 ±0.24 0.14 ±0.06 X18 扁穗雀麥 Bromus catharticus 88.96±0.13 7.86 ±0.22 1.89 ±0.09 31.22 ±0.05 5.36 ±0.02 42.63 ±0.08 1.26 ±0.17

續表2 Continued

表3 數據的無量綱化處理Table 3 Dimensionless of data

2.2.3 求絕對差 將參考品種各項指標的標準化數值分別減去各菊科牧草相應指標的標準化數值，得到一系列的標準絕對差，其中最小標準絕對差和最大標準絕對差分別為:

2.2.4 求關聯系數 根據關聯系數公式

將各絕對差值代入，即得到相應的關聯系數(表4)。

表4 10種菊科牧草與參考品種的關聯系數Table 4 Grey correlative coefficients between 10 kinds of wild Compositae and the reference series

2.2.5 求關聯度 根據關聯度公式，將表4中的數值代入，即得到各菊科牧草營養價值與參考品種之間的關聯度(表5)。該關聯度為等權關聯度，是在各種營養成分都同等重要的情況下營養價值高低的反映，即各種成分同等重要的條件下才能用等權關聯度評判營養價值優劣。然而，牧草中各營養成分對營養價值高低的貢獻率是不同的。因此，為了客觀地評價營養價值的高低，需采用加權關聯度，即根據各種營養成分在營養價值中的重要性賦權重值WK，再根據公式計算得到加權關聯度(表5)。

2.2.6 10種野生菊科牧草的營養成分加權關聯度 10種野生菊科牧草的營養成分等權關聯度在0.4751～0.7562之間，加權關聯度在0.4781 ～0.7553 之間(表5)。

2.3 8種禾本科牧草的營養成分加權關聯度

同理得到8種野生禾本科牧草的營養成分等權關聯度和加權關聯度，等權關聯度在0.5366～0.6853之間，加權關聯度在0.5183～0.6838之間(表6)。

2.4 其余24種野生牧草的營養成分加權關聯度

同理得到其余24種野生牧草營養成分等權關聯度和加權關聯度及排列順序，等權關聯度在0.4590～0.6959之間，加權關聯度在0.4457 ～0.7104 之間(表7)。

表5 10種供試野生菊科牧草與參考品種的關聯度Table 5 Grey correlative degrees between 10 kinds of wild Compositae and reference number series

表6 8種野生禾本科牧草與參考品種的關聯度Table 6 Grey correlative degrees between 8 kinds of wild Gramineae and reference series

表7 其余24種野生牧草與參考品種關聯度及排列順序Table 7 Grey correlative degrees between the rest of 24 kinds of wild foragr grasses and reference series

2.5 營養價值評價

根據灰色系統理論中關聯度的分析原則［32-36］，理論上，參考品種是最好的，實測樣品與參考品種的關聯度越大，其營養價值越高。據此判斷，10種野生菊科牧草中營養價值最高的是豨薟(γi=0.7553)，苦苣菜(γi=0.7472)，小飛蓬(γi=0.7374)，較高的有白蒿、青蒿、三葉鬼針草、苦買菜、千里光，營養價值中等的有魚鰍串;8種野生禾本科牧草中營養價值較高的是雙穗雀稗(γi=0.6838)、狗尾草(γi=0.6581)、狗牙根(γi=0.6200)、茅草(γi=0.6834);其余24種野生牧草中營養價值最高的是反枝莧(γi=0.7104)、灰灰菜(γi=0.7093)。營養價值最差的是刺梨、香附子、馬齒莧、野花椒等。由等權關聯度和加權關聯度分析所得的結論基本一致，兩種關聯度排序的秩相關系數菊科牧草為γs=0.6970，通過秩相關系數界值表可知，當n=10(n代表樣本個數)時，γs0.05，10=0.648，γs0.01，10=0.794，γs0.05，10 ＜0.6970 ＜γs0.01，10;禾本科牧草為 γs=0.7619，通過秩相關系數界值表可知，當n=8 時，γs0.05，8=0.738，γs0.01，8=0.881，γs0.05，8 ＜ 0.7619 ＜ γs0.01，8;其他 24 種野生為 γs=0.9157，當 n=24 時，γs0.05，24=0.406，γs0.01，24=0.521，γs=0.9157 ＞ γs0.01，24，經差異顯著性檢驗，菊科、禾本科達到顯著水平(P＜0.05)，其余24種牧草達到極顯著水平(P＜0.01)。

根據加權關聯度的大小，規定:γi≥0.7000 營養價值高;0.6000≤γi＜0.7000 為營養價值良好;0.5000≤γi＜0.6000為營養價值中等;γi＜0.5000為營養價值差，則42種野生牧草中營養價值高的有5種:菊科豨薟、小飛蓬、苦苣菜，藜科灰灰菜，莧科反枝莧;營養價值良好的有14種:菊科白蒿、青蒿、三葉鬼針草、苦荬菜、千里光，禾本科狗尾草、茅草、雙穗雀稗、狗牙根，蓼科酸模葉蓼、金蕎麥，桑科構樹，十字花科薺菜，蝶形花科洋槐;營養價值差的有7種:菊科一年蓬，豆科黃花木，石柱科鵝腸菜，薔薇科刺梨，莎草科香附子，馬齒莧科馬齒莧，蕓香科野花椒;其余16種營養價值處于中等水平:菊科魚鰍串，禾本科鴨茅、黑麥草、薏苡、扁穗雀麥，蓼科扛板歸、辣蓼，莧科空心蓮子草，?？迫劜?，豆科白刺花、白三葉，忍冬科羊屎條、金銀花，旋花科小旋花，薔薇科刺泡和馬鞭草科荊條。

3 討論

本文運用灰色關聯分析法對貴州42種常見野生牧草進行了營養價值評價，與其他研究不同的是，本文綜合考慮了干物質、粗蛋白、粗脂肪、粗纖維、粗灰分、無氮浸出物、鈣、磷共8個營養因子的綜合作用，避免了以往評價體系中，只考慮粗蛋白質、粗脂肪和粗纖維等少數幾個因子而忽視其他因子的弊病［37］。灰色關聯度分析經過標準化處理，可以用于不同科、屬、種植物的橫向比較，也可以用于不同實驗室研究結果之間的比較［38］。本文共篩選出35種具有較高營養價值的野生牧草，它們是菊科牧草豨薟、白蒿、小飛蓬、苦苣菜、青蒿、三葉鬼針草、千里光、魚鰍串、苦荬菜;禾本科牧草狗尾草、茅草、雙穗雀稗、狗牙根、鴨茅、黑麥草、薏苡、扁穗雀麥;藜科牧草灰灰菜;蓼科牧草酸模葉蓼、金蕎麥、扛板歸、辣蓼;莧科牧草反枝莧、空心蓮子草;?？颇敛輼嫎?、葎草;豆科牧草白刺花、白三葉;忍冬科牧草羊屎條、金銀花;旋花科牧草小旋花;十字花科牧草薺菜;薔薇科牧草刺泡;蝶形花科牧草洋槐;馬鞭草科牧草荊條。其中，豨薟是民間常用的牛羊飼草。此外，豨薟具有抗炎、鎮痛、抗血栓、改善微循環和止癢等藥理作用，在治療人椎體成形術后殘留的腰背痛、冠心病、風濕性關節炎等方面效果顯著［39］。小飛蓬不僅營養價值豐富，而且VB2含量也很豐富［40］?？嘬牟艘呀洺蔀閷幭牡貐^餐廳不可缺少的綠色保健食品［41］?？噍げ说臓I養價值高于常見蔬菜，已成為食用野菜［42］。三葉鬼針草的營養價值較高，并且分布面積很廣［43］。千里光中至少含有17種氨基酸、多種營養成分、豐富的礦物元素、維生素及胡蘿卜素［44］。白蒿有很好的保健功能［45］。狗尾草的營養價值在西藏山南地區6種野生牧草中是較高的［46］。構樹的營養價值在黔西南巖溶區飼料灌木營養元素綜合評價最好，刺梨最低［16］?？赴鍤w不僅營養價值豐富，而且在連云港云臺山野生草本植物資源調查中，認為扛板歸也可以成為良好的園林觀賞植物［47］。鴨茅的營養價值高于葦狀羊茅［48］?；一也说臓I養含量明顯高于白菜(Brassica pekinensis)和菠菜(Spinacia oleracea)［49］，但大量生喂灰灰菜可引起豬中毒，因此作為飼草飼料時需加工后使用［50］。反枝莧中蛋白質、鈣的含量很高，可用于蛋白質和鈣的補充［37］。在陜北黃土丘陵溝壑區，洋槐葉是豬、牛、羊等重要的飼料之一［38］。此外，羊屎條、洋槐、野花椒，刺梨葉、空心蓮子草、薺菜、辣蓼、香附子、構樹葉等對貴州本地羊、牛表現出較好的適口性。

綜上，本文篩選出的35種野生牧草綜合營養價值高，可以為貴州主要草食家畜尤其是牛、羊提供營養素，應加大開發利用的力度。此外7種常見的貴州野生牧草一年蓬、黃花木、鵝腸菜、刺梨、香附子、馬齒莧、野花椒因其營養價值較低，應降低這些牧草的種植面積。

致謝:本文研究材料42種飼草的分類，得到貴州大學生命科學學院廖海民教授、動物科學學院陳超副教授的幫助;樣本營養成分的檢測在貴州省畜牧獸醫研究所畜禽產品理化檢測分析實驗室完成，一并致謝。

［1］皇甫江云，毛鳳顯，盧欣石.中國西南地區的草地資源分析［J］.草業學報，2012，21(1):75-82.

［2］劉興元，梁天剛，郭正剛.貴州巖溶山區生態保護與草業開發模式探討［J］.水土保持學報，2004，18(2):101-104.

［3］玉蘭，聶柱山.提高牧草飼用價值的育種新標準［J］.中國草地，1991，(3):50-52.

［4］許令妊，林柏和.幾種紫花苜蓿營養物質含量動態的研究［J］.中國草地，1982，(3):14-23.

［5］寧布.論野生牧草的飼用評價［J］.中國草地，1998，(2):78-79.

［6］高安社，章祖同.六種調制牧草方法的模糊綜合評價［J］.中國草地，1996，(2):56-59.

［7］王德利，祝廷成.牧草價值綜合評價的定量方法探討［J］.草業學報，1993，2(1):33-38.

［8］王光宇.區域農業綜合生產力的AH P－Fuzzy綜合評判［J］.生物數學學報，1998，13(2):206-210.

［9］盧欣石，申玉龍.AH P模型對苜蓿農藝性狀的綜合評定與應用［J］.中國草地，1992，(2):69-73.

［10］孟林.層次分析法在草地資源評價中應用的研究［J］.草業科學，1998，15(6):1-4.

［11］夏明，桂榮，那日蘇.牧草營養成分聚類分析與評價［J］.中國草地，2000，(4):33-37.

［12］向志民，何敏.蒿類半灌木牧草質量分析［J］.草業科學，2000，17(1):13-20.

［13］張喜軍.牧草飼用價值綜合評價的數學模型［J］.中國草地，1991，(6):63-67.

［14］向東山，鄭小江，劉曉鵬，等.鄂西地區主要牧草營養品質的分析與評價［J］.湖北農業科學，2008，47(4):452-454.

［15］唐成斌，牟瓊，陳瑞祥，等.貴州優良牧草品種篩選及利用評價［J］.種子，2005，24(8):104-106.

［16］黃芬，曹建華，丁俊峰，等.黔西南巖溶區飼料灌木營養元素分析［J］.熱帶地理，2010，30(3):237-241.

［17］Deng J L.The control problem of grey systems［J］.Systems and Control Letters，1982，11(5):285-294.

［18］白偉，孫占祥，鄭家明，等.基于灰色關聯度分析的遼寧阜新地區玉米品種評價［J］.沈陽農業大學學報，2010，41(6):649-653.

［19］尹利，逯曉萍，傅曉峰，等.高丹草雜交種灰色關聯分析與評判［J］.中國草地學報，2006，28(3):21-25.

［20］王桃，徐長林，姜文清，等.高寒草甸區飼用燕麥品種營養價值綜合評價研究［J］.中國草地學報，2010，32(3):68-75.

［21］段生瑰.歐洲燕麥在高寒地區引種及其關聯度分析［J］.養殖與飼料，2008，(1):50-60.

［22］楊曌，張新全，李向林，等.應用灰色關聯度綜合評價17個不同秋眠級苜蓿的生產性能［J］.草業學報，2009，18(5):67-72.

［23］鄧聚龍.灰色預測與決策［M］.武漢:華中工學院出版社，1986:1-325.

［24］朱進忠.草業科學實踐教學指導［M］.北京:中國農業出版社，2008:375-412.

［25］李秀紅.基于灰色關聯度的多目標決策模型與應用［J］.山東大學學報，2007，42(12):1-5.

［26］唐成斌，龍紹云.灰色系統理論在牧草引種上的應用初探［J］.草業科學，1991，8(6):44-47.

［27］Falkner L K，Casler M D.Preference for smooth bromegrass clones is affected by divergent selection for nutritive value［J］.Crop Science，1988，38:690-695.

［28］Casler M D.Breeding forage crops for increased nutritional value［J］.Advances in Agronomy，2001，71:51-107.

［29］Larson S R，Mayland H F.Comparative mapping of fiber，protein，and mineral content QTLs in two interspecific Leymus wildrye full-sib families［J］.Molecular Breeding，2007，20:331-347.

［30］Van Soest P J.Nutritional Ecology of the Ruminant，Second Edition［M］.Ithica New York:Cornell University Press，1994.

［31］Casler M D，Vogel K P.Accomplishments and impact from breeding for increased forage nutritional value［J］.Crop Science，1999，39:12-20.

［32］莫本田，羅天瓊，唐成斌.貴州主要野生禾本科牧草營養價值灰色分析［J］.貴州農業科學，1996，(5):42-46.

［33］何凡.試用灰色關聯分析評價紅麻區試品種［J］.貴州農業科學，1988，(6):25-28.

［34］郭霞，劉雪云，周志宇，等.應用灰色關聯度分析法綜合評價啃食強度對紫穗槐營養價值的影響［J］.草業學報，2012，21(2):196-204.

［35］董景實，張素珍.主要牧草產量及營養動態的研究［J］.中國草原，1981，(3):40-47.

［36］蔡為銘.應用灰色關聯度分析法綜合評價幾個再生稻品種［J］.福建農業學報，2012，27(4):324-328.

［37］李秀錦，仲飛，郭紅艷.食用野菜和蔬菜某些營養成分的分析和比較［J］.食品營養，2004，25(7):123-124.

［38］白慧山.陜北黃丘區林副產品資源的營養成分和飼用價值評價［J］.植物經濟利用，1990，(1):28-36.

［39］張超，吳素香，樓招歡，等.豨薟草化學成分、藥理作用及臨床應用研究進展［J］.安徽醫藥，2011，15(3):274-276.

［40］王力川，唐偉斌，胡章記，等.冀南山區主要野菜植物營養成分的測定［J］.河南農業科學，2005，(8):76-78.

［41］郭再逢，代海香，索中述.寧夏地區苦苣菜食用價值及衛生問題［J］.寧夏醫學雜志，2007，29(7):655-656.

［42］姚玉霞.苣荬菜小根蒜營養成分分析［J］.營養學報，2003，25(2):173-174.

［43］田學軍，郭亞力，袁寒，等.5種可食野生和栽培植物莖葉、花序營養成分分析［J］.云南農業科技，2012，(5):14-15.

［44］孟阿蘭，鐘惠民.野生植物菊狀千里光營養成分的測定［J］.光譜實驗室，2005，22(1):73-74.

［45］鄧丹雯，鄭功源.藜蒿的營養保健功能及其產品開發［J］.食品科技，2001，(3):18-19.

［46］曹仲華，呼天明，曾社會，等.西藏山南地區6種野生牧草營養價值評定［J］.草地學報，2010，18(3):414-420.

［47］張佳平，丁彥芬.連云港云臺山野生草本植物資源調查、應用及保護研究［J］.草業學報，2012，21(4):215-223.

［48］黃文惠，戛亦薺，劉海泉，等.鴨茅與葦狀鴨茅品種比較試驗報告［J］.牧草與飼料，1989，(4):36-38.

［49］趙永光，常麗新，騰蘭穩，等.碣石山區常見野菜營養成分分析及營養價值評價［J］.安徽農業科學，2008，36(10):4082-4083.

［50］謝全德.豬灰灰菜中毒的防治［J］.中國獸醫雜志，2003，39(1):55-56.