肉用绵羊常用粗饲料有效能值的预测与方程的建立

本试验旨在应用套算法分析肉用绵羊常用10种粗饲料的概略养分含量对其有效能值及消化率的影响,基于概略养分含量建立粗饲料代谢能(ME)及营养物质消化率的预测模型。采用消化代谢试验和呼吸代谢试验结合套算法测定10种常用粗饲料的营养物质消化率、消化能(DE)及ME,在分析各种原料概略养分含量、消化率、DE和ME的基础上,筛选出最佳预测因子并建立有效能值预测方程。结果表明:单一粗饲料各营养物质消化率、有效能值存在显著性差异(P0.05)。单一粗饲料干物质(DM)、有机物(OM)、总能(GE)、粗蛋白质(CP)、中性洗涤纤维(NDF)的消化率与其DM、OM、GE、CP含量均呈极显著正相关(P0.01),与其NDF、酸性洗涤纤维(ADF)含量呈极显著负相关(P0.01)。DE和ME与其DM、OM、GE、CP含量均呈极显著正相关(P0.01),而与其NDF和ADF含量呈极显著负相关(P0.01)。综合得出,可以通过概略养分预测粗饲料营养物质消化率,能量消化率(ED)的预测方程为:ED(%)=99.013+9.588 GE+0.157 CP-0.457 ADF-1.981 OM-0.213 NDF(R2=0.974,n=60,P0.01)。可以通过概略养分预测粗饲料有效能值,随着预测因子的增加,方程精确性有所提高,M E的预测方程为:ME(MJ/kg)=-6.943-0.101NDF+0.704GE-0.101ADF+0.138OM+0.032 CP(R2=0.994,n=60,P0.01)。     

用化学分析法预测大豆蛋白类饲料猪消化能值的模型建立

试验探讨用化学分析法预测大豆蛋白类饲料猪消化能值。选取体重(35±2)kg、遗传基础相似的健康杜×长×大三元杂交阉公猪8头,采用2个4×4拉丁方设计,运用套算法测定豆饼、豆粕、干法膨化全脂大豆等8种大豆蛋白类饲料的表观消化能(DE),分析并计算出各种饲料的常规成分。结果表明:(1)在大豆蛋白类饲料猪消化能值回归预测中,ADF是最佳预测因子。(2)最佳预测方程为①DE(MJ/kg,DM基础)=16.407-85.982ADF+0.328GE(R2=0.88,RSD=0.264%,P<0.01);②DE(MJ/kg,DM基础)=30.319-89.999ADF+9.659SCHO-184.115Ash(R2=0.95,RSD=0.189%,P<0.01);③DE(MJ/kg,DM基础)=23.882-84.418ADF-7.877NFE+19.71CF(R2=0.95,RSD=0.281%,P<0.01),上述最佳方程经检验适用于与本试验类似的饲料。     

绵羊对低蛋白日粮消化代谢规律的研究

试验选用3只平均体重为44.8kg的杂种公绵羊,采用3×3拉丁方设计。饲喂粗蛋白水平由7.6%～13.0%的12种典型混合日粮。结果表明:随着日粮粗蛋白水平(CP)的提高,日粮粗蛋白(CP)、干物质(DM)、有机物(OM)、酸性洗涤纤维(ADF)和中性洗涤纤维(NDF)消化率逐渐提高,其相关关系分别为CPD(CP的消化率,%)=8.70+4.84CP(%/DM()n=12,R2=0.88,P<0.01);DMD(DM的消化率,%)=45.40+2.14CP(%/DM()n=12,R2=0.65,P<0.01);OMD(OM的消化率,%)=42.85+2.31CP(%/DM()n=12,R2=0.67,P<0.01);ADFD(ADF的消化率,%)=19.08+3.05CP(%/DM()n=12,R2=0.66,P<0.01);NDFD(NDF的消化率,%)=26.81+2.64CP(%/DM)(n=12,R2=0.63,P<0.01)。     

生长猪菜籽饼粕消化能与能量消化率预测模型的研究

本试验旨在通过研究菜籽饼粕各化学成分及其对生长猪消化能(DE)及能量消化率(DCE)的影响,分析用菜籽饼粕化学成分预测其DE及DCE的可行性,建立菜籽饼粕饲料DE与DCE预测模型.试验选用平均体重(46.37±1.53)kg、健康状况良好的“杜×长×大”三元杂交去势公猪12头,采用3个4×4拉丁方设计,并运用全收粪法与...     

利用饲料原料中的营养成分和可消化营养成分含量建立肉羊常用蛋白质饲料原料代谢能的预测模型

本试验应用套算法分析肉羊常用蛋白质饲料原料中的营养成分含量和可消化营养成分对有效能值的影响,基于饲料原料中的营养成分含量和可消化营养成分建立蛋白质饲料原料代谢能(ME)的预测模型。选取36只22月龄、体重为(52.6±1.4)kg的杜泊×小尾寒羊F1代杂交去势肉羊,采用完全随机区组设计分为6个处理,包括1个基础饲粮处理和5个试验饲粮处理,每个处理6只羊。利用消化代谢试验和呼吸代谢试验并结合套算法计算5种蛋白质饲料原料的消化能(DE)和ME,并分析蛋白质饲料原料DE、ME与该原料中营养成分[干物质(DM)、有机物(OM)、总能(GE)、粗蛋白质(CP)、粗脂肪(EE)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)]和可消化营养成分[可消化干物质(DDM)、可消化有机物(DOM)、可消化粗蛋白质(DCP)、可消化粗脂肪(DEE)、可消化中性洗涤纤维(DNDF)、可消化酸性洗涤纤维(DADF)]含量之间的相关关系。结果表明:饲料原料中的OM、DDM、DOM、DCP含量与DE和ME均存在极显著正相关(P0.01);另外,DADF与DE存在极显著负相关(P0.01),与ME存在显著负相关(P0.05)。通过饲料原料中的营养成分含量预测ME的方程为:ME(MJ/kg)=-82.855+2.391OM(%)+1.802EE(%)-6.21GE(MJ/kg)-0.121ADF(%)(R2=0.910,n=30,P0.01);通过饲料原料中的可消化营养成分含量预测ME的方程为:ME(MJ/kg)=-5.564+30.526DOM(%)+55.402DEE(%)(R2=0.841,n=30,P0.01);通过饲料原料中的可消化营养成分含量与DE共同预测ME的方程为:ME=-5.787+1.126DE(MJ/kg)+20.769DEE(%)(R2=0.879,n=30,P0.01)。综上所述,在本试验中,蛋白质饲料原料中的部分营养成分和可消化营养成分含量与ME之间存在显著相关,可通过饲料原料中的营养成分和可消化营养成分含量对肉羊蛋白质饲料原料的ME进行有效预测。     

用化学成分估测次粉猪消化能值的研究北大核心

研究次粉能量饲料中化学成分对其消化能(DE)的影响,探讨通过化学成分估测次粉能量饲料猪DE的可行性。选取体质量(35±2)kg、遗传基础接近和健康良好的(杜×长×大)12头三元杂交去势公猪,采用2个6×6拉丁方试验设计,用全收粪套算法测定10种次粉能量饲料的DE,通过分析饲料中化学成分与DE的相关关系及对DE变异的影响,筛选出用于估测次粉能量饲料DE的最佳估测因子及估测模型。结果表明:粗纤维(CF)、粗灰分(AsH)、中性洗涤纤维(NDF)和酸性洗涤纤维(ADF)与DE呈高度的相关(︱r︱≥0.8,P<0.01),但CF和AsH对DE的影响主要是通过ADF和NDF对DE的影响来实现的,因此,估测次粉能量饲料DE的最佳回归模型为DE(MJ/kg)=15.82-0.44×ADF%(R2=0.75,相对标准偏差=0.45,P=0.001)和DE(MJ/kg)=16.02-0.11×NDF%(R2=0.72,相对标准偏差=0.47,P=0.002)。     

应用套算法估测肉羊精饲料代谢能

本试验旨在应用套算法建立肉羊精饲料代谢能估测模型。选取66只18月龄体重为(49.6±1.3)kg的杜泊×小尾寒羊F1代去势肉羊,采用完全随机区组设计分为11组,包括1个基础饲粮组和10个试验饲粮组,每组6只羊。通过消化代谢试验(为期8 d)和气体代谢试验(为期3 d)并结合套算法计算10种精饲料的消化能和代谢能,建立精饲料代谢能和其概略养分或可消化养分之间的模型。结果表明,1)10种精饲料总能、酸性洗涤纤维含量与消化能呈显著相关(P0.05),有机物含量与消化能达到极显著相关(P0.01);精饲料概略养分与代谢能之间则无显著相关性(P0.05)。2)10种精饲料的可消化养分与代谢能存在极显著相关(P0.01),所建立的预测方程为:ME=-1.907+1.344DE+1.321DDM-5.347DOM-2.093DADF(R2=0.845,n=60,P0.01);ME=-2.105+1.349DE-6.577DOM(R2=0.842,n=60,P0.01)。[ME为代谢能(MJ/kg),DE为消化能(MJ/kg),DDM为可消化干物质(%),DOM为可消化有机物(%),DA DF为可消化酸性洗涤纤维(%)。]综上所述,本试验条件下无法利用精饲料概略养分预测其代谢能,通过精饲料的可消化养分可准确预测其代谢能。     

玉米干酒糟及其可溶物蛋鸡真代谢能预测模型的研究

本文旨在对玉米干酒糟及其可溶物(DDGS)进行全面的养分含量分析,建立通过概略养分含量预测玉米DDGS蛋鸡真代谢能(TME)的模型.试验采用单因素完全随机设计,35只体况相似的去盲肠海兰褐蛋公鸡,随机分为7组,每组5只,采集我国有代表性的25种玉米DDGS,每个样品5个重复,每个重复1只鸡,排空强饲法测定玉米DDGS的TME.结果表明,本试验采集的25种玉米DDGS样品,各营养指标均存在一定程度的差异,主要指标含量(86%干物质基础)的均值分别为:总能(GE)19.09 J/kg,灰分(Ash)4.73%、粗蛋白质(CP)28.04%、粗脂肪(EE)14.96%、粗纤维(CF)6.25%、中性洗涤纤维(NDF)37.72%、酸性洗涤纤维(ADF)10.44%、TME 10.52 MJ/kg.预测TME的最佳单一变量为GE(R2=0.29),引入其他变量增加了预测方程的精确性.利用色差计测定的25种玉米DDGS的亮度(L*),红度(a*),黄度(b*)均值分别为47.00、18.07和36.27,其中b*值与玉米DDGS的GE存在极显著正相关关系(r=0.72,P<0.01).由此可知,颜色能够很好地预测玉米DDGS的GE,鲜亮0.342偏黄的玉米DDGS的GE高于暗灰的玉米DDGS.本研究得到我国玉米DDGS的TME预测方程为TME=-0.342+1.040×GE-0.149×CF-0.234×CP-0.109×EE(R2=0.51,P<0.001).     

用化学成分估测次粉猪消化能值的研究

研究次粉能量饲料中化学成分对其消化能(DE)的影响,探讨通过化学成分估测次粉能量饲料猪DE的可行性。选取体质量(35±2)kg、遗传基础接近和健康良好的(杜×长×大)12头三元杂交去势公猪,采用2个6×6拉丁方试验设计,用全收粪套算法测定10种次粉能量饲料的DE,通过分析饲料中化学成分与DE的相关关系及对DE变异的影响,筛选出用于估测次粉能量饲料DE的最佳估测因子及估测模型。结果表明:粗纤维(CF)、粗灰分(AsH)、中性洗涤纤维(NDF)和酸性洗涤纤维(ADF)与DE呈高度的相关(︱r︱≥0.8,P<0.01),但CF和AsH对DE的影响主要是通过ADF和NDF对DE的影响来实现的,因此,估测次粉能量饲料DE的最佳回归模型为DE(MJ/kg)=15.82-0.44×ADF%(R2=0.75,相对标准偏差=0.45,P=0.001)和DE(MJ/kg)=16.02-0.11×NDF%(R2=0.72,相对标准偏差=0.47,P=0.002)。     

肉用绵羊饲料养分消化率和有效能预测模型的研究

旨在建立肉用绵羊饲料营养成分消化率和有效能预测模型。选用(47.21±1.01)kg,安装瘤胃瘘管的杜泊羊(♂)×小尾寒羊(♀)杂交1代肉用公羊12只,采用12×4不完全拉丁方设计,分别测定12种日粮的概略养分含量,通过动物试验实测养分消化率和有效能值,并进行消化率和有效能与化学成分的一元或多元线性回归分析,建立预测模型。结果表明,干物质(DM)、有机物(OM)、总能(GE)和粗蛋白质(CP)的消化率与它们在饲料中的含量均呈极显著正相关(P<0.01),而与中性洗涤纤维(NDF)呈极显著负相关(P<0.01)。NDF消化率与饲料中的OM、GE和CP均呈显著负相关(P<0.05),与NDF呈极显著正相关(P<0.01)。消化能(DE)和代谢能(ME)与饲料中的OM、GE和CP的含量均呈极显著正相关(P<0.01),而与NDF呈极显著负相关(P<0.01)。用饲料中概略养分含量预测能量消化率(ED)和代谢能的预测模型分别为:ED(%)=194.907-0.987NDF(%)-0.901OM-0.603CP(%)(R2=0.966,n=12,P<0.001)和ME(MJ.kg-1 DM)=50.245-0.136NDF(%)-0.394OM(%)-0.012CP(%)(R2=0.901,n=12,P<0.001)。饲料中的营养成分消化率与概略养分含量存在明显的相关性,各种有效能值与营养成分之间的相关性显著,通过概略养分可对饲料的养分消化率和有效能进行比较准确的预测。     

生长猪白酒糟消化能和代谢能的评定及预测模型的建立

本研究旨在评定白酒糟的营养成分及在生长猪上的消化能(DE)和代谢能(ME),并基于其所含化学组分建立白酒糟在生长猪上DE和ME的预测模型。选取78头健康、体重(52.1±3.6)kg的杜×长×大三元杂交去势公猪,随机分配到1个玉米-豆粕型基础日粮和12个白酒糟(替代基础日粮供能组分的30%)待测日粮处理中进行消化代谢试验,每个处理6个重复,每个重复1头猪,用全收粪尿法和套算法测定其对生长猪的DE和ME值。进一步分析每个样品的化学成分与其有效能值的关系,用逐步回归法建立了12个白酒糟样品DE和ME的预测方程。结果表明:饲喂基础下,12个白酒糟样品的DE为3.79~8.81 MJ/kg,ME为3.54~8.15 MJ/kg;白酒槽DE的最佳预测方程为DE(MJ/kg)=38.46-0.63×粗灰分-0.11×粗纤维-1.14×总能-0.03×中性洗涤纤维(R^2=0.81),ME的最佳预测方程为ME(MJ/kg)=41.86-0.75×粗灰分-1.51×总能+0.20×粗脂肪-0.05×粗纤维(R^2=0.74)。     

不同品种小麦生长猪消化能与代谢能预测模型的建立

本试验旨在研究不同品种小麦的理化特性及对生长猪的消化能和代谢能值,并探讨通过理化特性建立消化能与代谢能预测模型的可行性。试验选取12头初始体重相近(50.1±2.8)kg的杜×长×大三元杂交去势公猪,随机分成2组,每组6头猪,采用2个6×6拉丁方设计,试验共6期。采用直接法评定12个小麦样品的能量价值,每个小麦样品配制1种日粮,共12种日粮,小麦在日粮中所占比例为97.0%。结果表明:12个不同品种小麦的能值差异极显著(P<0.05),其中北麦4的消化能含量最低(16.40 MJ/kg DM),而龙麦30的消化能含量最高(17.01 MJ/kg DM)。北麦4的代谢能含量亦最低(15.72 MJ/kg DM),辽春10最高(16.48 MJ/kg DM)。通过回归分析,建立了以总能和理化特性为基础的小麦消化能和代谢能预测模型,推荐预测模型:DE=-829-58.4×ADF+1.1×GE(R2=0.79,RSD=24.5),DE=-1384+1.1×GE+0.65×BW(R2=0.79,RSD=24.8),ME=-2990+1.7×GE-50.2×Xylans-87.6×Ash(R2=0.88,RSD=21.1)。     

肉用绵羊饲粮营养物质消化率和代谢能预测模型的研究

本试验旨在建立肉用绵羊饲粮营养物质消化率和代谢能(ME)的预测模型。选用66只体重为(45.0±2.0)kg的体况良好的杜泊×小尾寒羊F1代杂交肉用羯羊,随机分为11个处理,每个处理6个重复,每个重复1只羊。采用随机区组设计,分别测定11种不同粗饲料组成的饲粮的营养物质含量,通过物质代谢试验和气体代谢试验测定这11种饲粮的营养物质消化率、消化能(DE)及ME,在分析饲粮营养物质含量、可消化营养物质、DE和ME的基础上,筛选出最佳估测因子并建立估测方程。结果表明:饲粮干物质(DM)、有机物(OM)、粗蛋白质(CP)、总能(GE)消化率与饲粮中CP、GE和OM含量呈显著或极显著正相关(P0.05或P0.01),与中性洗涤纤维(NDF)含量呈显著负相关(P0.05);饲粮NDF消化率与饲粮中DM、OM、CP、GE含量达到显著或极显著负相关(P0.05或P0.01),与NDF含量达到极显著正相关(P0.01)。利用饲粮中营养物质含量对ME进行估测的最佳方程为ME=-49.593+0.594OM-0.107NDF(R2=0.949,P0.01)。由此得出,饲粮营养物质消化率、ME与营养物质含量均有较强的相关性,可通过营养物质含量对饲粮的营养物质消化率、ME进行合理估测。     

东北玉米肉鸡表观代谢能预测方程的建立

本研究旨在通过实验室分析和肉鸡代谢试验建立东北玉米养分含量与代谢能的回归方程,为生产提供便捷的玉米代谢能估算方法。试验1:选取成熟季节不同的20种东北玉米,测定养分含量和容重,分析养分含量变异范围。试验2:用玉米、玉米皮、玉米碴按照中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)含量梯度配制人工玉米,再添加一定量的维生素和矿物质,配制成人工玉米代谢饲粮。选取正常饲养的商品代爱拔益加雄性肉鸡进行代谢试验,分别在11~13日龄及25~27日龄,用全收粪法测定人工玉米代谢饲粮表观代谢能(AME)、氮校正表观代谢能(AMEn)和养分表观消化率,并采用逐步回归法建立AME及AMEn与养分含量的回归方程。结果表明:东北玉米粗脂肪(EE)、NDF及ADF含量变异系数相对较大,分别为16.72%、14.65%、14.72%。肉鸡对人工玉米代谢饲粮的养分表观消化率在11~13日龄和25~27日龄之间存在差异,25~27日龄肉鸡对人工玉米代谢饲粮粗蛋白质(CP)、EE和总淀粉(STC)的表观消化率高于11~13日龄,其中EE表观消化率差异显著(P0.05);25~27日龄肉鸡对人工玉米代谢饲粮的AME、AMEn也显著高于11~13日龄(P0.05)。采用逐步回归法建立肉鸡东北玉米代谢能的预测方程为:11~13日龄,AME=17.661-0.853ADF(R2=0.870,P0.01),AM En=17.468-0.878ADF(R2=0.873,P0.01);25~27日龄,AM E=18.102-0.792ADF(R2=0.781,P0.05),AM En=17.935-0.830ADF(R2=0.784,P0.05)。通过预测方程计算所得人工玉米代谢饲粮AME的预测值与实测值很接近,计算所得的东北玉米AME符合预期值。由此得出,不同品种东北玉米EE、NDF及ADF的含量差异相对较大;肉鸡不同阶段玉米代谢能存在差异,计算肉鸡饲粮配方时,不同阶段饲粮代谢能应采用对应的代谢能值;低于14日龄的肉鸡,东北玉米AM E、AM En预测方程分别为AM E=17.661-0.853ADF,AM En=17.468-0.878ADF;14日龄以上的肉鸡,东北玉米AME、AMEn预测方程分别为AME=18.102-0.792ADF,AMEn=17.935-0.830ADF。     

Determination and prediction of digestible and metabolizable energy from chemical analysis of corn coproducts fed to finishing pigs

Twenty corn coproducts from various wet- and dry-grind ethanol plants were fed to finishing pigs to determine DE and ME and to generate equations predicting DE and ME based on chemical analysis. A basal diet comprised corn (97.05%), limestone, dicalcium phosphate, salt, vitamins, and trace minerals. Twenty test diets were formulated by mixing the basal diet with 30% of a coproduct, except for dried corn solubles and corn oil, which were included at 20 and 10%, respectively. There were 8 groups of 24 finishing gilts (n = 192; BW = 112.7 ± 7.9 kg). Within each group, gilts were randomly assigned to 1 of 5 test diets or the basal diet for a total of 4 replications per diet per group. Two groups of gilts were used for each set of coproducts, resulting in 8 replications per coproduct and 32 replications of the basal diet. The experiment was conducted as a completely randomized design. Gilts were placed in metabolism crates and offered 3 kg daily of their assigned test diet for 13 d, with total collection of feces and urine during the last 4 d. Ingredients were analyzed for DM, GE, CP, ether extract, crude fiber, NDF, ADF, total dietary fiber (TDF), ash, AA, and minerals, and in vitro OM digestibility was calculated for each ingredient. The GE was determined in the diets, feces, and urine to calculate DE and ME for each ingredient. The DE and ME of the basal diet were used as covariates among groups of pigs. The DE of the coproducts ranged from 2,517 kcal/kg of DM (corn gluten feed) to 8,988 kcal/kg of DM (corn oil), and ME ranged from 2,334 kcal/kg of DM (corn gluten feed) to 8,755 kcal/kg of DM (corn oil). By excluding corn oil and corn starch from the stepwise regression analysis, a series of DE and ME prediction equations were generated. The best fit equations were as follows: DE, kcal/kg of DM = -7,471 + (1.94 × GE) - (50.91 × ether extract) + (15.20 × total starch) + (18.04 × OM digestibility), with R(2) = 0.90, SE = 227, and P < 0.01; ME, kcal/kg of DM = (0.90 × GE) - (29.95 × TDF), with R(2) = 0.72, SE = 323, and P < 0.01. Additional equations for DE and ME included NDF in the instance that TDF data were not available. These results indicate that DE and ME varied substantially among corn coproducts and that various nutritional components can be used to accurately predict DE and ME in corn coproducts for finishing pigs.     

玉米干酒糟及其可溶物有效能值估测模型中定标样品选择方法的研究

本试验旨在探讨玉米干酒糟及其可溶物(DDGS)有效能值估测模型中定标样品的选择原则。从23个玉米DDGS样品(定义为全样品库)中按酶水解物能值(EHGE)相差0.21 MJ/kg左右的梯度选择9个定标玉米DDGS样品,定义为选择性样品库;将剩余的14个玉米DDGS样品定义为非选择性样品库。然后,比较选择性样品库与非选择性样品库化学成分含量及变异的差异,以及通过全样品库和选择性样品库分别建立其化学成分对EHGE之间的回归模型,比较根据回归模型计算得到的非选择性样品库EHGE的差异。结果表明,选择性样品库和非选择性样品库的玉米DDGS在粗蛋白质(CP)、粗灰分(Ash)、粗脂肪(EE)、粗纤维(CF)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)含量及EHGE平均值上均无显著性差异(P0.05),CP、Ash、EE、CF、ADF、NDF含量及EHGE变异的方差上均无显著性差异(P0.05)。选择性样品库和非选择性样品库化学成分含量在第一、二主成分得分载荷分布上,选择性样品库中仅1个玉米DDGS样品未与非选择性样品库的分布范围重叠。以选择性样品库样品建立的EHGE预测模型为EHGE=(3 566+53.94×EE-32.68×NDF)×4.184/1 000(R2=0.798 1,RSD=0.43 MJ/kg);以全样品库样品建立的预测模型为EHGE=(3 742+29.67×EE-29.71×NDF)×4.184/1 000(R2=0.535 0,RSD=0.44 MJ/kg)。由2个模型获得的非选择性样品库(n=14)玉米DDGS的EHGE计算值与其实测值的绝对残差平均值分别为0.47和0.33 MJ/kg,差异不显著(P0.05)。综上所述,在玉米DDGS有效能值的估测建模中,以EHGE作为定标样品的选择依据是可行的。     

粗饲料及食品加工副产品的瘤胃有机物降解率的研究

本实验用瘤胃尼龙袋法测定了酱油渣（长营）、酱油渣（豆各庄）、白酒糟（大厂）、白酒糟（围场）、玉米淀粉渣、麦芽根、啤酒糟、麸皮、羊草、稻草、氢化稻草、高梁青贮（豆各庄）、大麦青贮（长营）、高粱青贮（长营）、苜蓿、王米秸、麦秸、氨化麦秸的瘤胃有机物动态降解率（％）分别为４６．５０、４６．０２、２５．４１、１８．５４、３８．５８、５９．０３、３２·８４、６９·１４、４１．１４、３２．０９、３７．７７、３９．８６、３６．３６、３６．７８、４５．１３、３２．８７、２９．５０、３７．１５。前８种饲料营养成份的粗脂肪（ＥＥ）、粗蛋白（ＣＰ）、粗纤维（ＣＰ）、无氮浸出物（ＮＰＥ）与瘤胃有机物动态降解率（ＦＯＭ）的回归方程为：ＦＯＭ＝１９１．４５＋０．８０ＥＥ－２．２０ＣＰ－４．３９ＣＦ－０．９１ＮＦＥ（Ｒ＝０．９１．ｎ＝８）相应后１０种饲料的回归方程为：ＦＯＭ＝－１０．５３－０．４１ＥＥ＋１．８３ＣＰ＋０．４４ＣＦ＋０．５６ＮＦＥ（Ｒ＝０．９０，ｎ＝１０）