| تعداد نشریات | 127 |
| تعداد شمارهها | 7,122 |
| تعداد مقالات | 76,569 |
| تعداد مشاهده مقاله | 153,239,246 |
| تعداد دریافت فایل اصل مقاله | 115,434,084 |
مقایسه روشهای NIR و شیمی مرطوب در ارزشیابی ترکیب شیمیایی و قابلیت هضم مواد مغذی در بقولات علوفهای | ||
| تولیدات دامی | ||
| مقاله 1، دوره 28، شماره 1، فروردین 1405، صفحه 15-26 اصل مقاله (1.31 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jap.2026.398903.623859 | ||
| نویسندگان | ||
| جابر خانی یوسف رضا1؛ علی اسدی الموتی* 2؛ مجتبی یاری3 | ||
| 1گروه علوم دام و طیور، دانشکده فناوری کشاورزی ابوریحان، دانشگاه تهران، تهران، ایران. رایانامه: j_khani@ut.ac.ir | ||
| 2نویسنده مسئول، گروه علوم دام و طیور، دانشکده فناوری کشاورزی ابوریحان، دانشگاه تهران، تهران، ایران. رایانامه: a.alamouti@ut.ac.ir | ||
| 3گروه علوم دامی، دانشکده کشاورزی، دانشگاه ملایر، ملایر، ایران. رایانامه: myari@malayeru.ac.ir | ||
| چکیده | ||
| هدف: ارزیابی دقیق ترکیبات شیمیایی و کیفیت تغذیهای خوراکهای دامی، بهویژه گیاهان علوفهای، نقش کلیدی در تدوین جیرههای متعادل، ارتقای عملکرد دام و کاهش هزینههای تولید دارد. در میان روشهای موجود، طیفسنجی فروسرخ نزدیک (NIR) بهعنوان روشی سریع، غیرمخرب، کمهزینه و بدون نیاز به مواد شیمیایی، جایگاه ویژهای در آنالیز خوراک پیدا کرده است. این روش بهدلیل سهولت اجرا و قابلیت تحلیل سریع نمونهها، بهویژه در شرایط مزرعه، بهعنوان جایگزینی عملی برای روشهای شیمیایی مرسوم مطرح شده است. هدف این پژوهش، مقایسه دقت روش NIR با روشهای آزمایشگاهی مرجع در برآورد ترکیبات شیمیایی، اجزای پروتئینی و کربوهیدراتی و شاخصهای تغذیهای گیاهان لگومینه با تمرکز بر مدل CNCPS بود. روش پژوهش: نمونههای علوفهای شامل دو رقم ماشک معمولی (Vicia sativa) و گلخوشهای (Vicia villosa)، یک رقم نخود علوفهای (Pisum arvense) و یونجه (Medicago sativa) بهعنوان گیاه شاهد از نظر ماده آلی (OM)، پروتئین خام (CP)، الیاف نامحلول در شوینده خنثی (NDF)، الیاف نامحلول در شوینده اسیدی (ADF)، لیگنین (ADL)، نشاسته، خاکستر خام و بخشهای پروتئین و کربوهیدرات براساس بخشبندی مورداستفاده در سامانه کربوهیدرات و پروتئین خالص کرنلCNCPS در سه تکرار اندازهگیری شدند. همچنین شاخصهای تغذیهای شامل مصرف ماده خشک (DMI)، مجموع مواد مغذی قابل هضم (TDN)، انرژی قابل هضم (DE)، انرژی قابل متابولیسم (ME) و شاخص کیفیت (QI) با دو روش NIR و شیمی مرطوب برآورد شدند. برای بررسی تطابق آماری بین دو روش، از شاخصهایی مانند میانگین اختلاف (Bias)، ریشه میانگین مربعات خطا (RMSE)، ضریب تطابق کونکوردنس (CCC) و حد توافق بلاند-آلتمان (LOA) استفاده شد. یافتهها: یافتهها نشان دادند که روش NIR در برآورد ترکیبات شیمیایی کلیدی مانند پروتئین خام، ماده آلی، نشاسته و کربوهیدراتهای کل (CHO) و بخشB1 از دقت بالا و همبستگی قوی با روش مرجع برخوردار بود (85/0CCC=). NIR همچنین در تخمین شاخصهای انرژی مانند TDN،DE وME تطابق قابل قبولی داشت. با اینحال، در ارزیابی اجزای ساختاری نظیر ADL، NDF و دیگر بخشهای پروتئین (ADIP وNDIP ) و بخشهای کربوهیدرات (B2، B3 و C) دقت و تطابق کاهش یافته و اختلافهای آماری معنیداری با روش تجزیه شیمیایی مشاهده شد. این نتایج نشان میدهد که حساسیت طیفی روش NIR در تشخیص اجزای دیرهضم و غیرقابل تجزیه محدود بوده و برای تحلیل دقیق اجزای دینامیک مدل CNCPS مناسب نیست. نتیجهگیری: روش NIR با توجه به قابلیتهای منحصربهفرد خود، بهویژه سرعت، سهولت اجرا و سازگاری با آنالیزهای میدانی، میتواند بهعنوان ابزاری کارآمد در غربالگری سریع، پایش کیفیت خوراک و کاربردهای روزمره در آزمایشگاههای تجزیه خوراک مورداستفاده قرار گیرد. با اینحال، برای تحلیل دقیق اجزای مدلهای دینامیکی تغذیه دام مانند CNCPS و اجزای مقاومتر، همچنان استفاده از روشهای شیمیایی مرجع دارای مزیت است. تلفیق NIR بهعنوان ابزار مکمل در کنار روشهای کلاسیک، میتواند رویکردی بهینه در آنالیز جامع خوراک دام فراهم سازد. | ||
| کلیدواژهها | ||
| توافق آماری؛ روش مرجع اندازهگیری؛ طیفسنجی فروسرخ نزدیک؛ کیفیت علوفه؛ CNCPS | ||
| مراجع | ||
|
References Abrams, S. M., Shenk, J. S., & Harpster, H. W. (1988). Potential of near infrared reflectance spectroscopy for analysis of silage composition. Journal of Dairy Science, 71(7), 1955-1959. AOAC (Association of Official Analytical Chemists). (1990). Official Methods of Analysis. 15th ed. AOAC, Washington, DC. Belanche, A., Weisbjerg, M. R., Allison, G. G., Newbold, C. J., & Moorby, J. M. (2013). Estimation of feed crude protein concentration and rumen degradability by Fourier-transform infrared spectroscopy. Journal of Dairy Science, 96(12), 7867-7880. Brogna, N., Palmonari, A., Canestrari, G., Mammi, L., Dal Prà, A., & Formigoni, A. (2018). Near infrared reflectance spectroscopy to predict fecal indigestible neutral detergent fiber for dairy cows. Journal of Dairy Science, 101(2), 1234-1239. Buonaiuto, G., Cavallini, D., Mammi, L. M. E., Ghiaccio, F., Palmonari, A., Formigoni, A., & Visentin, G. (2021). The accuracy of NIRS in predicting chemical composition and fibre digestibility of hay-based total mixed rations. Italian Journal of Animal Science, 20(1), 1730-1739. Fox, D. G., Tedeschi, L. O., Tylutki, T. P., Russell, J. B., Van Amburgh, M. E., Chase, L. E., & Overton, T. R. (2004). The Cornell Net Carbohydrate and Protein System model for evaluating herd nutrition and nutrient excretion. Animal Feed Science and Technology, 112(1-4), 29-78. Hall, M. B., Hoover, W. H., Jennings, J. P., & Webster, T. K. M. (1999). A method for partitioning neutral detergent‐soluble carbohydrates. Journal of the Science of Food and Agriculture, 79(15), 2079-2086. Henneberg, W., & Rautenberg, F. (1860). Beiträge zur begründung einer rationellen fütterung der wiederkäuer: Praktisch-landwirthschaftliche und chemischphysiologische untersuchungen. Für landwirthe und physiologen (Vol. 1). CA Schwetschke und sohn. Hoffman, P. C., Brehm, N. M., Bauman, L. M., Peters, J. B., & Undersander, D. J. (1999). Prediction of laboratory and in situ protein fractions in legume and grass silages using near-infrared reflectance spectroscopy. Journal of Dairy Science, 82(4), 764-770. Jonker, A., Gruber, M. Y., McCaslin, M., Wang, Y., Coulman, B., McKinnon, J. J., & Yu, P. (2010). Nutrient composition and degradation profiles of anthocyanidin-accumulating L c-alfalfa populations. Canadian Journal of Animal Science, 90(3), 401-412. Lanzas, C., Sniffen, C. J., Seo, S. A., Tedeschi, L. O., & Fox, D. G. (2007a). A revised CNCPS feed carbohydrate fractionation scheme for formulating rations for ruminants. Animal Feed Science and Technology, 136(3-4), 167-190. Lanzas, C., Tedeschi, L. O., Seo, S., & Fox, D. G. (2007). Evaluation of protein fractionation systems used in formulating rations for dairy cattle. Journal of dairy science, 90(1), 507-521. Lin LI-K. )1989(. A concordance correlation coefficient to evaluate reproducibility. Biometrics. Biometrics, 45(1), 255-268. Licitra, G., Hernandez, T. M., & Van Soest, P. J. (1996). Standardization of procedures for nitrogen fractionation of ruminant feeds. Animal feed science and technology, 57(4), 347-358. Lundberg, K. M., Hoffman, P. C., Bauman, L. M., & Berzaghi, P. (2004). Prediction of forage energy content by near infrared reflectance spectroscopy and summative equations. The Professional Animal Scientist, 20(3), 262-269. Mentink, R. L., Hoffman, P. C., & Bauman, L. M. (2006). Utility of near-infrared reflectance spectroscopy to predict nutrient composition and in vitro digestibility of total mixed rations. Journal of Dairy Science, 89(6), 2320-2326. Moore, J. E., & Undersander, D. J. (2002). Relative forage quality: An alternative to relative feed value and quality index. In: Proceedings 13th annual Florida ruminant nutrition symposium. 16-29. Palmonari, A. L. B. E. R. T. O., Gallo, A., Fustini, M. A. T. T. I. A., Canestrari, G. I. O. R. G. I. A., Masoero, F., Sniffen, C. J., & Formigoni, A. (2016). Estimation of the indigestible fiber in different forage types. Journal of Animal Science, 94(1), 248-254. Righi, F., Simoni, M., Visentin, G., Manuelian, C. L., Currò, S., Quarantelli, A., & De Marchi, M. (2017). The use of near infrared spectroscopy to predict faecal indigestible and digestible fibre fractions in lactating dairy cattle. Livestock Science, 206, 105-108. Simoni, M., Goi, A., De Marchi, M., & Righi, F. (2021). The use of visible/near-infrared spectroscopy to predict fibre fractions, fibre-bound nitrogen and total-tract apparent nutrients digestibility in beef cattle diets and faeces. Italian Journal of Animal Science, 20(1), 814-825. Sniffen, C. J., O'connor, J. D., Van Soest, P. J., Fox, D. G., & Russell, J. B. (1992). A net carbohydrate and protein system for evaluating cattle diets: II. Carbohydrate and protein availability. Journal of Animal Science, 70(11), 3562-3577. Tilley, J. M. A., & Terry, D. R. (1963). A two‐stage technique for the in vitro digestion of forage crops. Grass and Forage Science, 18(2), 104-111. Van Soest, P. J. (1964). Symposium on nutrition and forage and pastures: new chemical procedures for evaluating forages. Journal of Animal Science, 23(3), 838-845. Van Soest, P. V., Robertson, J. B., & Lewis, B. A. (1991). Methods for dietary fiber, neutral detergent fiber, and nonstarch polysaccharides in relation to animal nutrition. Journal of Dairy Science, 74(10), 3583-3597. Visentin, G., McDermott, A., McParland, S., Berry, D. P., Kenny, O. A., Brodkorb, A., & De Marchi, M. (2015). Prediction of bovine milk technological traits from mid-infrared spectroscopy analysis in dairy cows. Journal of Dairy Science, 98(9), 6620-6629. Yu, P., McKinnon, J. J., Soita, H. W., Christensen, C. R., & Christensen, D. A. (2005). Use of synchrotron-based FTIR microspectroscopy to determine protein secondary structures of raw and heat-treated brown and golden flaxseeds: A novel approach. Canadian Journal of Animal Science, 85(4), 437-448. | ||
|
آمار تعداد مشاهده مقاله: 75 تعداد دریافت فایل اصل مقاله: 60 |
||