不同苜蓿品種在雁門關地區的生產性能和營養價值研究

鄭敏娜，梁秀芝，韓志順，康佳惠，陳燕妮

(山西省農業科學院高寒區作物研究所，山西 大同 037008)

紫花苜蓿(Medicagosativa)是具有世界栽培意義的多年生優質豆科牧草，它在營養價值、適口性和生物量等方面具有優良特性，在飼草料生產中具有堅實的基礎地位，是世界上人工種植面積最大的一種多年生栽培牧草。據統計，至2013年末，我國紫花苜蓿種植面積累計保留497萬hm2，比2001年增長了74%，占多年生牧草累計保留面積的31%，比2001年提高了12%[1]。近年來，隨著我國大農業的供給側改革及畜牧業的重新布局，紫花苜蓿在農業及畜牧業中發揮的作用亦越來越重要，2015 年中央“一號文件”中提到，加快發展草牧業，支持苜蓿等飼草料的種植；2016年農業部提出的“關于北方農牧交錯帶農業結構調整的指導意見”中，要求“建設現代飼草料產業體系，利用現有耕地，積極發展人工種草和草田輪作，擴大苜蓿、燕麥草(Avenasativa)等優質牧草種植面積，建設一批規模化、專業化優質飼草料生產基地等”[2]，這些指導政策均為農牧交錯帶草業的發展提供了難得的機遇和巨大的推動力。山西省雁門關地區作為北方農牧交錯帶的重要組成部分和草食畜牧業發展的優勢區域，紫花苜蓿種植面積逐年提高，在本區域的朔州、大同等地形成了較為明顯的紫花苜蓿優勢產業區。然而，由于生態環境的復雜多樣，不同紫花苜蓿品種在不同區域的生長特性不同，盲目種植必然會帶來不可估量的經濟損失和負值效益[3]，并限制相關企業生產能力的提高。因此，評價山西雁門關地區常見紫花苜蓿品種的生態適應性，并確定與區域環境相匹配種植的紫花苜蓿品種成為亟待解決的問題。

有效篩選和綜合評價紫花苜蓿種質資源一直是苜蓿引種的先決條件[4]，是建植優質人工草地的關鍵前提條件，只有綜合性狀優異的品種才最適宜推廣、利用。近年來，隨著科研水平的不斷提高，學者們在對紫花苜蓿的區域適應性和生產性能的試驗研究中，越來越重視采用新技術和新手段對不同品種進行綜合評判。其中，近紅外光譜(near infrared reflectance spectroscopy，NIRS)作為一種基于化合物中官能團和極性鍵振動的結構分析技術，可對樣品進行定性和定量分析，具有靈敏度高，制樣方法簡單，樣品用量少，測試時間短等優點[5]，逐漸成為牧草品質快速有效分析的首選手段。在國內牧草相關研究領域中，許瑞軒等[6]利用NIRS在田間快速估測了新鮮紫花苜蓿的品質，結果表明在田間快速估測新鮮紫花苜蓿的干物質(dry matter，DM)、酸性洗滌纖維(acid detergent fiber，ADF)和中性洗滌纖維(neutral detergent fiber，NDF)是可行的；高燕麗等[7]利用近紅外光譜分析建立紫花苜蓿粗飼料評價指標相對飼用價值(relative feeding value，RFV)和粗飼料分級指數(coarse feed classification index，GI)的預測模型，預測結果良好，為快速測定粗飼料蛋白質(crude protein，CP)、NDF、ADF等指標提供了一種極為有效的方法；李潔等[8]利用近紅外光譜結合化學計量學手段對混合或單一牧草的CP進行快速檢測是可行的，預測相關系數為0.9836；尚晨等[9]在紫花苜蓿粗蛋白和粗纖維近紅外分析模型的研究中發現，近紅外定量分析模型對獨立檢驗集樣品粗蛋白和粗纖維含量的預測值與化學值的相關系數分別為0.96和0.92；劉溫等[10]在近紅外光譜技術與常規方法檢測紫花苜蓿品質的對比研究中指出，經統計分析，兩種方法測定的平均值±標準誤相近，|t|<0.05，P>0.05，差異不顯著，近紅外方法可以作為一種新的檢測方法被使用；薛祝林等[11]應用NIRS技術研究了紫花苜蓿草捆的營養品質和消化率，建立了紫花苜蓿干物質消化率(invitrodry matter digestibility，IVDMD)的預測模型，結果表明NIRS預測紫花苜蓿IVDMD是可行的，預測值與化學值的相關系數達到0.94以上。綜上所述，這些學者們利用NIRS技術在紫花苜蓿上的研究和應用，為本研究利用NIRS技術分析不同紫花苜蓿品種的營養品質奠定了堅實的基礎和理論支持。

基于以上所述，本研究初選國內外具有一定生產潛力的28個紫花苜蓿品種，在山西省朔州市毛皂鄉設置試驗圃，觀測其生產性能，并利用近紅外光譜(NIRS)技術對8個營養性狀指標進行測定分析，采用灰色關聯度分析方法綜合評價28個苜蓿品種的引種適應性，旨在篩選適應山西省雁門關農牧交錯區域的優良品種，為建立紫花苜蓿高效生產體系提供科學的試驗數據和技術支撐。

1 材料與方法

1.1 研究區概況

山西省雁門關農牧交錯區地處山西省西北部，與內蒙古、陜西、河北三省交界，區域涉及5市36個縣(區)，總面積6.35萬km2，占山西省土地面積的40.5%。為了使試驗更具有代表性，將試驗設于雁門關農牧交錯區的核心地帶——山西省朔州市，具體地點位于山西省朔州市毛皂鄉山西省農業科學院高寒作物研究所試驗基地，東經112°34′-114°34′，北緯39°03′-40°44′，海拔1040 m，地處北方農牧交錯區，屬大陸性季風氣候，農業區劃為中溫帶干旱區。試驗基地土壤類型為輕壤偏沙，耕層土壤(0～20 cm)容重為1.48～1.53 g·cm-3，pH 值8.46，土壤有機質14.61 g·kg-1，全氮0.821 g·kg-1，速效鉀57 mg·kg-1，有效磷5.38 mg·kg-1。2015-2016年試驗期間具體氣象資料見表1，氣象數據由朔州市氣象局提供。

表1 試驗點2015-2016年(3-10月)氣象資料Table 1 Meteorological data of experimental location in 2015 and 2016 (March to October)

1.2 試驗材料

參試紫花苜蓿品種共28個，其中國內品種6個，國外品種22個。具體參試品種的名稱、產地、來源見表2。

表2 參試苜蓿品種及其來源Table 2 Sources and varieties of alfalfa in the experiment

1.3 試驗設計

參試的28份紫花苜蓿材料于2015年5月8日分別播種在試驗圃中，采用隨機區組排列，小區面積為4 m×4 m， 3次重復。播前進行精細耙耱鎮壓，平整后人工開溝條播，播種量為2 g·m-2，播種深度約2～3 cm，條播行間距約25～30 cm。試驗期間各小區統一管理，播種前進行灌溉增加底墑，每年分枝期和初花期分別灌水(噴灌)1次，人工除草1次。于2015、2016年對第1茬紫花苜蓿在初花期的各項指標進行取樣、測定。

1.4 測定項目與方法

1.4.1生產性能指標測定 在2015和2016年的第1茬初花期刈割，留茬高度為8 cm。

生長速度(growth rate，GR)：第1茬初花期刈割，每小區中選定10株掛牌標記，15 d后測其生長高度。生長速度=(第2次取樣生長高度-第1次取樣生長高度)/生長天數。

株高(height length，HL)：第1茬初花期測產前，每個小區選取有代表性植株5 株，測量株高(地面至最高處垂直距離)，求其平均值。

葉莖比(leaf/stem，L/S)：在第1茬鮮草測產時，各品種分別取一定量有代表性的鮮草樣，將莖葉分離并稱重后，放入105 ℃烘箱內殺青10 min，65 ℃烘干至恒重，計算葉莖比。

鮮草產量(fresh yield，FY)：在第1茬初花期，每小區隨機取樣1 m2，重復3次，齊地刈割后稱重量，取平均值為鮮草產量，以kg·m-2為單位計算。

干草產量(dry yield，DY)：將鮮草樣品風干4 h后，置于烘箱中，60 ℃烘干至恒重并稱重。

1.4.2營養成分相關指標測定 應用NIRS技術分析牧草營養成分各指標。2015-2016年的試驗中，首先將測樣樣品進行風干，并于60 ℃烘48 h，稱干重，用微型植物粉碎機(天津泰斯特，FZ 102型)進行粉碎后裝入自封袋密封保存；其次，取約100 g樣品，再用旋風磨(Cyclotec Sample Mill 1092；Tecator，Sweden)進一步粉碎過1 mm篩，用FOSS5000近紅外分析儀(丹麥FOSS公司)進行光譜掃描(其工作參數為：波長范圍在1100～2500 nm，掃描次數為32次，譜區間隔2 nm)，以引進的美國國家牧草檢測中心的苜蓿近紅外快速檢測模型為數據分析基礎，獲得樣品中的酸性洗滌纖維(acid detergent fiber，ADF)、中性洗滌纖維(neutral detergent fiber，NDF)、粗灰分(crude ash，ASH)、干物質(dry matter，DM)、粗脂肪(ether extract，EE)、干物質體外48 h消化率(invitrodry matter digestibility，IVDMD48H)、粗蛋白(crude protein，CP)、瘤胃非降解蛋白(rumen undegraded protein，RUP)等指標信息，每個樣品重復掃描3次，取平均值。將各指標在2015和2016年的平均值進行方差分析和灰色關聯度分析。

1.5 數據統計與分析

利用Microsoft Excel 2009和SPSS 22.0軟件進行數據整理和方差分析等。依據灰色關聯度理論[4]，將28個參試苜蓿品種的12個性狀視為一個整體，應用灰色關聯度分析法進行綜合評價，參試品種以X表示，性狀以k表示，各參試品種X在性狀k處的值構成比較數列Xk，X0為構建的理想參考品種。基于灰色系統關聯度理論的權重決策法，并結合育種和生產實際經驗，選用株高(HL)、生長速度(GR)、葉莖比(S/L)、鮮草產量(FY)、1/酸性洗滌纖維(ADF)、1/中性洗滌纖維(NDF)、粗灰分(ASH)、干物質(DM)、粗脂肪(EE)、干物質體外48 h消化率(IVDMD48H)、粗蛋白(CP)、瘤胃非降解蛋白(RUP)12個指標進行權重綜合評價，利用公式(1)、(2)、(3)、(4)計算關聯度系數、等權關聯度和加權關聯度等[4]。

(1)

(2)

(3)

(4)

式中：N代表樣本數。

2 結果與分析

2.1 不同紫花苜蓿品種間的生產性能比較

2.1.1生長速度和葉莖比 由表3可知，2015年各供試品種的生長速度在1.69～2.78 cm·d-1范圍內變化，其中，14號品種的生長速度最快，達到2.78 cm·d-1，其次為15號品種(2.60 cm·d-1)和8號品種(2.56 cm·d-1)，三者之間差異不顯著(P>0.05)；生長速度最慢的是25號品種，為1.69 cm·d-1，其次為1號品種(1.77 cm·d-1)和7號品種(1.83 cm·d-1)，三者之間差異亦不顯著(P>0.05)；由表3可知，除3、5、8、10、13、15、16、17、26、27號10個品種外，生長速度最快的14號品種與其他供試品種間差異顯著(P<0.05)。2016年各供試品種的生長速度在1.94～3.19 cm·d-1間變化，變化趨勢基本與2015年一致，其中，亦以14號品種的生長速度最快，25號品種的生長速度最慢。2016年各品種生長速度平均值為2.43 cm·d-1，明顯高于2015年的2.12 cm·d-1。

表3 不同紫花苜蓿品種生長速度和葉莖比的比較Table 3 The comparison of growth rate and leaf/stem of alfalfa cultivars

2015年各供試品種的葉莖比在0.60～0.84范圍內變化，其中，10號品種的葉莖比最高，其次為23、22和21號品種；1號品種的葉莖比最低，其與10、23和22號品種間差異顯著(P<0.05)；經對比發現，2016葉莖比的變化趨勢基本同2015年一致，其中，亦以10號品種的葉莖比最高，1號最低；2016年各品種的葉莖比均值較2015年增加15.01%。

2.1.2株高和干草產量 由表4可知，2015年供試材料中株高最高的品種為8號，達到54.90 cm，其次為7和20號，株高分別為53.67和52.25 cm，8號品種與7、10、11、19、20號品種間差異不顯著(P>0.05)，而與其他品種間均差異顯著(P<0.05)；供試材料中17號的株高最低，為37.88 cm。2016年各品種的生長特性發生明顯變化，各品種中以20號的株高最高，為84.27 cm；2、24和6號品種的株高較低，分別為58.80、59.87和59.97 cm，株高較低與最高品種間差異顯著(P<0.05)；2016年各品種的株高均值較2015年增加52.75%。

表4 不同紫花苜蓿品種株高和干草產量的比較Table 4 The comparison of plant height and hay yield of alfalfa cultivars

2015年1、15、21號紫花苜蓿品種干草產量較高，分別為6961.81、6870.10和6703.35 kg·hm-2，三者產量明顯高于其他品種；2號品種干草產量明顯較低，僅為2751.38 kg·hm-2，此外，3、10、20、23、24號品種的干草產量也均低于4000.00 kg·hm-2，與其他品種的干草產量值差距較大。2016年各品種的干草產量均大幅度提高，其中，還以15、21和1號3個品種的產量較高，分別達到了8587.63、8379.19和8354.18 kg·hm-2；與2015年干草產量結果類似，2、3、10、20、23和24號品種2016年的干草產量亦較低，均在5000.00 kg·hm-2以下，尤以2號品種最低，僅為3301.65 kg·hm-2。

2.2 不同紫花苜蓿品種間營養品質比較

2.2.1粗蛋白、粗灰分、粗脂肪和干物質 將各營養成分指標在2015和2016年的平均值進行方差分析。由表5可知，供試材料中24號品種的粗蛋白含量最高，占干物質的26.80%，顯著高于其他參試品種(P<0.05)，其次5和6號品種的粗蛋白含量也較高，分別為25.37%和25.26%，二者之間差異不顯著(P>0.05)；13號品種的粗蛋白含量最低，僅為13.89%，顯著低于其他供試品種(P<0.05)，粗蛋白含量占干物質的比例在20%以下的品種還有19、23、12、27、17和14號，與其他品種差異明顯。

表5 不同紫花苜蓿品種粗蛋白、粗灰分、粗脂肪和干物質的比較Table 5 The comparison of crude protein, crude ash, ether extract and dry matter of alfalfa cultivars (%)

由表5可知，供試品種中粗灰分含量最低的是23號品種，含量為6.93%，其次，為19、17和13號品種，分別為7.01%、7.04%和7.09%，這4個品種間差異不顯著(P>0.05)，但與其他24個品種間差異顯著(P<0.05)；24和4號品種的粗灰分含量表現較高，分別為10.20%和9.71% 。

由表5可知，供試品種的粗脂肪含量的變化范圍為1.44%～2.34%，各品種間的差異較明顯。以24、9和3號品種的粗脂肪含量相對較高，分別為2.34%、2.34%和2.31%，三者之間差異不顯著(P>0.05)；13號品種的粗脂肪含量表現最低，僅為1.44%，與其他品種差異顯著(P<0.05)。

由表5可以看出，供試品種的干物質含量均在92%以上，在92.23%～94.54%之間變化。其中，13號品種的干物質含量最高，達到94.54%，對比表3發現，13號品種的葉莖比在參試品種中表現較低，說明13號品種葉片量較少，莖稈所占比重較大，水分含量較其他品種低；7和9號的干物質含量表現相對較低，分別為92.23%和92.25%，與其他品種間差異顯著(除4、3和1號外，P<0.05)。

表6 不同紫花苜蓿品種酸性洗滌纖維、中性洗滌纖維、瘤胃非降解蛋白和干物質體外消化率的比較Table 6 The comparison of acid detergent fiber, neutral detergent fiber， rumen undegraded protein and in vitro dry matter digestibility of alfalfa cultivars (%)

2.2.2酸性洗滌纖維、中性洗滌纖維、瘤胃非降解蛋白和干物質體外消化率 由表6可知，各供試品種的酸性洗滌纖維值分布在 28.18%～42.48%范圍內，各品種間具有不同程度的差異和變化。各品種中酸性洗滌纖維含量最低的是21號，為28.18%，但與其他品種間差異顯著(P<0.05)；含量較高的品種主要為13和1號，分別為42.48% 和40.30%，與其他各品種間均差異顯著(P<0.05)。

各供試品種的中性洗滌纖維值分布在33.31%～48.36%。與酸性洗滌纖維分析結果相似，含量以21號品種最低，為33.31%，13號品種的含量值最高，為48.36%，含量最低品種與最高品種均與其他各品種間差異顯著(P<0.05)。

如表6所示，瘤胃非降解蛋白含量較高的品種有23、1、19、10號，分別為22.27%、21.99%、21.84%、21.72%，這4個品種間差異不顯著，但它們與其余各品種差異顯著(除25和13號外，P<0.05)；瘤胃非降解蛋白含量最低的品種為21號，為14.56%，與其余各品種差異顯著(P<0.05)。

各供試品種的干物質體外消化率的變化范圍為67.60%～81.33%，24號品種最高，13號品種最低。除24號外，干物質體外消化率較高的品種還有21、28、4、5、6號，分別為79.93%、79.77%、79.65%、79.64%、79.46%；除13號外，19和23號的含量也較低，分別為70.82%、71.46%，二者之間差異不顯著，但與其他各品種間差異顯著(P<0.05)。

2.3 不同紫花苜蓿品種生產性能與品質的灰色關聯度分析

灰色關聯度分析方法是對一個發展變化的系統發展動態的量化比較，該方法已廣泛應用于各種作物的育種和新品種區域試驗中[4]。根據灰色關聯度理論，將28個供試紫花苜蓿品種的4個生長特性指標和8個營養品質指標性狀視為一個整體，將這12個指標在2015和2016年的平均值進行灰色關聯度分析，關聯度值越大，表明該品種與最優指標集的相似程度越高，反之則差異越大。本研究中分辨系數ρ取值為0.5。

利用公式(2)計算各供試紫花苜蓿品種的等權關聯度，結果表明(表7)，品種編號為21號的紫花苜蓿等權關聯度值最大(為0.7799)，綜合性狀最好，為最優材料；品種編號為13號的紫花苜蓿品種等權關聯度值最小(為0.5629)，綜合表現最差。 通常在各性狀指標具有同等重要性的前提下， 由公式(2)計算出的各供試品種的等權關聯度， 才能直接用于評價各品種的優劣，而實際上，各性狀特征值的重要性并不相同[4]，因此，本研究采用判斷矩陣法確定各評價指標的權重[4]，并根據公式(3)計算出各指標相對應的權重系數，各指標的權重系數(ω)分別為ωADF=0.0729,ωNDF=0.0780,ωASH=0.0711,ωDM=0.1152,ωEE=0.0900,ωIV=0.1011,ωCP=0.0772,ωRUP=0.0860,ωHL=0.0853,ωGR=0.0695,ωL/S=0.0849,ωHY=0.0689。最后，利用公式(4)計算各品種的加權關聯度，見表7。

表7 不同紫花苜蓿品種的權重、關聯度及排序Table 7 The weight, rank and relational grade of alfalfa cultivars

由表7的計算結果可知，加權關聯度排名第1位的是編號為24號的紫花苜蓿，加權關聯度值為0.7943，其次，加權關聯度值排序相對較高的紫花苜蓿品種編號依次為：21、8、28、15號；加權關聯度值排序相對較低的紫花苜蓿品種編號依次為：13、17、12、23、19號。經對比發現，加權關聯分析結果與等權關聯分析結果基本一致，即綜合表現最好的5個紫花苜蓿品種為維多利亞、康賽、WL298HQ、SK3010、巨能7號，綜合表現最差的5個紫花苜蓿品種依次為肇東、敖漢、WL525、雷達克之星、中苜1號。

3 討論

3.1 不同紫花苜蓿品種生長特性的差異分析

牧草再生速度是牧草生活力的一種表現，苜蓿收獲后的再生速度是影響草產量的一個重要因素，也是衡量其經濟特性的一項重要指標。Miller等[12]報道苜蓿再生速度因氣候、品種、環境條件、栽培管理等有很大差異，收獲次數多產量高，但減少光合面積會導致根中貯藏能量減少，生活力降低，再生速度延長。因而，不同苜蓿品種的再生速度存在差異[13]，14號(阿迪娜)、15號(巨能7號)、8號(WL298HQ)再生速度較快，生活力強，能較好地適應當地的氣候條件，25號(挑戰者)、1號(魯苜2號)、7號(WL168HQ)適應當地的環境條件較慢，再生速度緩慢。

葉莖比亦是衡量牧草經濟性狀的一個重要指標，并能較好地反映牧草適口性及青干草品質。葉莖比越大，葉量越豐富，營養價值和飼用價值越高。經對比發現，在本試驗中， 2015、2016年葉莖比的變化趨勢基本一致，其中，2016年各品種的葉莖比均值較2015年增加15.01%，說明種植第2年葉量更豐富了。

株高是描述苜蓿生長狀況和評價高產的主要指標之一，是構成苜蓿產量的重要因子，也是苜蓿生產性能形成的基礎[14]。由于紫花苜蓿各品種之間各自的遺傳特性不同，表現出植株生長高度的差異[15]，本試驗中對28個紫花苜蓿品種兩年的初花期株高分析可以看出，苜蓿是多年生牧草，生長狀況第2年明顯優于播種當年，多年生牧草的株高受環境因素影響較大，總的來說8號(WL168HQ)、7號(WL298HQ)、20號(騎士T)等品種第1、2年及其再生狀況均較好，植株高度較穩定，有利于增加產量。

苜蓿的產量是衡量其生產性能和經濟性能的重要指標，是生產者追求的最終目標[16]。苜蓿的干草產量受到株高、分枝數、單株重、側枝數、干鮮比等多因子的影響，不同的產草量可以反映不同品種的株型結構、空間生產結構及頂級生產性能。總的來說，本試驗中15號(巨能7號)、21號(康賽)、1號(魯苜2號)3個品種在2015和2016年的干草產量均最高，且2016年產量在8000 kg·hm-2以上，所有參試各品種的均值第2年較第1年增加23.14%。此外，在雁門關農牧交錯區域，苜蓿年產量中第1茬所占比例最大，因此，本試驗中僅選取了前兩年第1茬的產量數據進行分析，可能會對一些品種的再生性和產量有影響，后期將進一步進行不同茬次的產量比較和分析試驗。

3.2 不同紫花苜蓿營養品質的差異分析

隨著國內畜牧業的不斷更新發展，應用NIRS技術快速評價牧草的營養價值成為配制動物日糧的關鍵，國內外眾多學者對此進行了大量研究，且取得了重要的研究進展和成果[11]。本試驗中應用NIRS技術對酸性洗滌纖維(ADF)、中性洗滌纖維(NDF)、粗灰分(ASH)、干物質(DM)、粗脂肪(EE)、干物質體外48 h消化率(IVDMD48H)、粗蛋白(CP)、瘤胃非降解蛋白(RUP)8個營養性狀指標進行了測定分析。

粗蛋白含量的高低，直接關系到牧草營養價值的高低，根據國際市場飼草交易標準[14]，1級苜蓿干草的蛋白質含量在18%以上，2級為16%～18%，3級為14%～16%，由表5可以看出，本試驗中，除13號(肇東)外，其余品種粗蛋白含量均高于18%，超過1級標準，營養價值最高。粗灰分主要反映苜蓿中礦質的總體含量，其大部分是磷、鈣、鉀的氧化物[17]，可間接反映出不同品種對可利用礦質元素的吸收情況，反映在試驗結果上為24號(維多利亞)和4號(SR4030)品種的粗灰分含量表現較高，分別為10.20%和9.71%。粗脂肪含有芳香氣味，是評價苜蓿適口性的重要指標，反映在試驗結果上為24號品種最高，為2.34%。干物質是衡量植物有機物積累、營養成分多寡的一個重要指標，各供試品種的干物質含量均在92%以上。酸性洗滌纖維(ADF)和中性洗滌纖維(NDF)是評價苜蓿被采食潛力和消化率的國際通用指標，其值越高，說明其越難被草食動物消化吸收，在本研究中，各參試品種的NDF含量變化趨勢與ADF變化趨勢基本一致。瘤胃非降解蛋白在評價反芻家畜的蛋白質營養需要和飼料的蛋白質質量時比粗蛋白更準確，在本試驗中瘤胃非降解蛋白含量較高的品種有23號(雷達克之星)、1號(魯苜2號)、19號(中苜1號)、10號(WL363HQ)。牧草的營養物質體外消化率，能夠更深層次地判定牧草的實際營養價值[18]，在國外已將提高纖維消化率或干物質體外消化率作為育種目標，通過本試驗可將24號(維多利亞)紫花苜蓿作為適宜本區域生態條件的育種初選材料，進一步評比鑒定，進而選育目標品種。

4 結論

應用灰色關聯度法對在雁門關農牧交錯區引種的28個紫花苜蓿品種的12個代表性指標進行了綜合評價，得出如下結果：在該區域以“維多利亞”、“康賽”、“WL298HQ”、“SK3010”、“巨能7號”5個品種的綜合表現較好，適宜在該地區推廣種植；而“肇東”、“敖漢”、“WL525”、“雷達克之星”、“中苜1號”這5個品種有待進一步在相同生態區域的其他試驗點繼續種植、觀察與評價。

參考文獻References：

[1] Li X Y, Wang J T, Han T H,etal. China’s fodder production situation and countermeasure analysis. Pratacultural Science, 2015, 32(12): 2155-2166.

李新一, 王加亭, 韓天虎, 等. 我國飼草料生產形勢及對策分析. 草業科學, 2015, 32(12): 2155-2166.

[2] Li X L, Shen Y Y, Wan L Q. Potential analysis and policy recommendations for restructuring the crop farming and developing forage industry in China. Engineering Sciences, 2016, 18(1): 94-105.

李向林, 沈禹穎, 萬里強. 種植業結構調整和草牧業發展潛力分析及政策建議. 中國工程科學, 2016, 18(1): 94-105.

[3] Yi L Z, Li C Z, Liu H Q,etal. Adaptation of different alfalfa varieties in Qingdao, Shandong province. Acta Prataculturae Sinica, 2011, 20(2): 147-155.

衣蘭智, 李長忠, 劉洪慶, 等. 不同苜蓿品種在青島地區的適應性. 草業學報, 2011, 20(2): 147-155.

[4] Zheng M N, Li Y F, Liang X Z,etal. Relation grade analysis of grey theory and comprehensive evaluation of introduced alfalfa in the north of Shanxi province. Acta Agrestia Sinica, 2017, 22(3): 631-637.

鄭敏娜, 李蔭藩, 梁秀芝, 等. 晉北地區引種苜蓿品種的灰色關聯度分析與綜合評價. 草地學報, 2017, 22(3): 631-637.

[5] Wang S F, Liu Y X, Gao L L,etal. Fourier transform infrared spectral analysis of maize (Zeamays) plants under zinc deficiency stress. Journal of Plant Nutrition and Fertilizer, 2014, 20(4): 1005-1011.

王盛鋒, 劉云霞, 高麗麗, 等. 缺鋅玉米植株的傅立葉變換紅外光譜研究. 植物營養與肥料學報, 2014, 20(4): 1005-1011.

[6] Xu R X, Li D N, Yang D H,etal. Alfalfa quality evaluation in the field by near infrared reflectance spectroscopy. Spectroscopy and Spectral Analysis, 2013, 33(11): 3010-3013.

許瑞軒, 李東寧, 楊東海, 等. 近紅外光譜法田間快速估測新鮮紫花苜蓿品質. 光譜學與光譜分析, 2013, 33(11): 3010-3013.

[7] Gao Y L, Sun Y. Quality evaluation of alfalfa hay by the spectroscopic analysis of near infrared reflectance. Acta Agrestia Sinica, 2015, 23(5): 1080-1084.

高燕麗, 孫彥. 利用近紅外光譜分析預測紫花苜蓿干草品質. 草地學報, 2015, 23(5): 1080-1084.

[8] Li J, Wang J F, Wu J P,etal. Study on the determination of nutritional ingredient in native grass with visible/near infrared reflectance spectroscopy. Journal of Livestock Ecology, 2014, 35(4): 54-58.

李潔, 王建福, 吳建平, 等. 可見/近紅外漫反射光譜分析法測定牧草營養成分研究. 家畜生態學報, 2014, 35(4): 54-58.

[9] Shang C, Zhang Y X, Li Y,etal. Near-infrared reflectance spectroscopy analytic models established for the crude protein and crude fiber of alfalfa property. Spectroscopy and Spectral Analysis, 2009, 29(12): 3250-3253.

尚晨, 張月學, 李炎, 等. 紫花苜蓿粗蛋白和粗纖維近紅外分析模型的建立. 光譜學與光譜分析, 2009, 29(12): 3250-3253.

[10] Liu W, Zhang Y J, Xu R X. Comparative study on quality of alfalfa with near-infrared-reflectance spectroscopy and conventional chemical assay. Chinese Agricultural Science Bulletin, 2014, 30(3): 269-272.

劉溫, 張英俊, 許瑞軒. 近紅外光譜技術與常規方法檢測紫花苜蓿品質的對比研究. 中國農學通報, 2014, 30(3): 269-272.

[11] Xue Z L, Liu N, Zhang Y J. Nutritional quality and digestibility evaluation of alfalfa hay bale by near infrared reflectance. Acta Agrestia Sinica, 2017, 25(1): 165-171.

薛祝林, 劉楠, 張英俊. 近紅外光譜法預測紫花苜蓿草捆的營養品質和消化率. 草地學報, 2017, 25(1): 165-171.

[12] Miller D A, Shrivastava J P, Jackobs J A. Alfalfa yield components in solid seedings. Crop Science, 1969, 9: 440-443.

[13] Griggs T C. Alfalfa variety selection guidelines. Forage and Pasture, 2004, 2: 1-10.

[14] Sun Q Z, Wang Z L, Xu L J. Alfalfa in arid regions. Beijing: Science Press, 2014: 116-180.

孫啟忠, 王宗禮, 徐麗君. 旱區苜蓿. 北京： 科學出版社, 2014: 116-180.

[15] Sun W B, Ma H L, Hou X Y,etal. Comprehensive evaluation of production performance and nutritional value of 20 alfalfa cultivars in two ecological areas of Gansu province. Acta Prataculturae Sinica, 2017, 26(3): 161-174.

孫萬斌, 馬暉玲, 侯向陽, 等. 20個紫花苜蓿品種在甘肅兩個地區的生產性能及營養價值綜合評價. 草業學報, 2017, 26(3): 161-174.

[16] Kang J M, Yang Q C, Guo W S,etal. Evaluation of ten introduced alfalfa cultivars in Beijing area of China. Chinese Journal of Grassland, 2010, 32(6): 5-10.

康俊梅, 楊青川, 郭文山, 等. 北京地區10個紫花苜蓿引進品種的生產性能研究. 中國草地學報, 2010, 32(6): 5-10.

[17] Hu H F, Jie X L, Guo X,etal. Effects of Se application as basal fertilizer on the nutrient contents and distribution rates of alfalfa at growth stages. Acta Agrestia Sinica, 2014, 22(4): 871-877.

胡華鋒, 介曉磊, 郭孝, 等. 基施硒肥對不同生育期紫花苜蓿營養含量及分配的影響. 草地學報, 2014, 22(4): 871-877.

[18] Li Y J, Gu H R, Shen Y X,etal. Differences in inviter dry matter digestibility at heading stage in Italian ryegrass lines. Jiangsu Journal of Agricultural Sciences of Agriculture Sinica, 2005, 21(1): 53-58.

李元姬, 顧洪如, 沈益新, 等. 多花黑麥草抽穗期干物質體外消化率在品系間的差異. 江蘇農業學報, 2005, 21(1): 53-58.