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。     

基于内源指示剂法的牛含甘蔗副产物饲粮消化能预测模型的建立

本试验旨在建立牛含甘蔗副产物饲粮消化能(DE)的预测模型。选取约1岁的西门塔尔公牛36头,体重(350±10) kg,通过内源指示剂法测定牛对含甘蔗副产物饲粮的养分表观消化率,计算可消化养分。采用SPSS 19.0软件对可消化养分与DE进行相关性分析、主成分分析及回归分析,并建立DE的预测方程。结果表明：DE与可消化有机物(DOM)、可消化中性洗涤纤维(DNDF)和可消化酸性洗涤纤维(DADF)呈极显著正相关(P<0.01);DOM与DNDF和DADF呈极显著正相关(P<0.01);可消化干物质(DDM)与可消化粗蛋白质(DCP)呈极显著负相关(P<0.01)。由主成分分析结果可知,第1主成分中DNDF特征向量系数最大,其关系式为DE=0.220DDM+0.488DOM-0.327DCP+0.564DNDF+0.537DADF;第2主成分中DDM特征向量系数最大,其关系式为DE=-0.626DDM+0.431DOM+0.561DCP+0.307DNDF-0.116DADF。基于含甘蔗副产物饲粮可消化养分建立的DE预测模型DE=0.320+18.088DOM(R     

基于杜泊×小尾寒羊杂交肉羊能量代谢试验与套算法评定燕麦、大麦、小麦、高粱、玉米的代谢能

本试验旨在采用消化代谢试验与套算法评定燕麦、大麦、小麦、高粱、玉米能量饲料在肉羊体内的代谢能(ME),并应用原料概略养分和可消化养分建立有效能的预测模型。选取36只22月龄体重为(52.6±1.4)kg的杜泊×小尾寒羊F_1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个基础饲粮组和5个试验饲粮组。利用消化代谢试验和气体代谢试验并结合套算法计算得到5种能量饲料原料的消化能(DE)和ME,分析原料ME与概略养分、可消化养分之间的相关关系并建立预测模型。结果表明:通过概略养分预测ME的方程为ME(MJ/kg)=19.91+45.763CP(%)-1.013GE(%)+3.247ADF(%)(R~2=0.726,n=30,P0.01);通过可消化养分预测ME的模型为ME(MJ/kg)=-3.113+15.954DOM(%)+5.912DDM(%)+2.281DCP(%)(R2=0.764,n=30,P0.01)。综上所述,本试验中,能量饲料原料概略养分和可消化养分与ME之间存在显著相关,可通过概略养分和可消化养分对能量饲料的ME进行有效预测,且随着预测因子的增加,方程的准确性有所提高。     

精料来源对肉羊营养物质消化率的影响及代谢能预测模型的建立

本试验旨在通过概略养分或可消化养分建立肉用绵羊配合饲料代谢能预测模型。选取66只18月龄体重为(49.6±1.3)kg的杜泊×小尾寒羊F1代杂交去势肉羊,采用完全随机试验设计。共11个处理,包括1个基础饲粮组和10个试验饲粮组。分别测定10种试验饲粮的概略养分和可消化养分;代谢试验测定10种试验饲粮的消化能(DE)和代谢能(ME);线性回归方法建立代谢能与概略养分和可消化养分的预测模型。结果表明,饲粮的OMD和GED与CP、NDF、ADF、GE相关极显著(P0.01);CPD与CP、NDF、ADF相关极显著(P0.01),与OM相关显著(P0.05);NDFD和ADFD与GE和CP相关极显著(P0.01),NDFD与OM和NDF相关显著(P0.05)。建立的饲料概略养分代谢能预测模型:ME(MJ·kg-1)=38.881-19.516ADF(%)-28.672OM(%)(R2=0.640,n=60,P0.01);可消化养分代谢能预测模型:ME(MJ·kg-1)=1.613DE(MJ·kg-1)-14.705DOM(%)+2.743DNDF(%)-3.179(R2=0.879,n=60,P0.01)。综上表明,饲料概略养分和可消化养分与代谢能之间相关性显著,可以通过概略养分和可消化养分对饲料的代谢能进行有效的预测。     

半细毛羊5种玉米的可消化粗蛋白质和有效能的测定及其预测

本试验旨在采用概略养分分析法测定5种玉米的营养成分含量以及通过消化代谢试验实测玉米的可消化粗蛋白质含量和有效能值,并利用先采集的4种玉米(奥美特、杰尼336、巨丰66、京科665)数据拟合可消化粗蛋白质、消化能和代谢能分别与营养成分之间的回归方程,然后利用第5种玉米(禾育九)可消化粗蛋白质和有效能数据来对回归方程进行验证和修正。选取16只体重为(56.44±5.11)kg的云南半细毛羊,采用完全随机设计,平均分为4组,每组4只。试验共分2期进行,共6种日粮,分别是基础日粮和5种试验日粮,第1期饲喂4种日粮,第2期饲喂2种日粮。结果表明:京科665的可消化粗蛋白质(DCP)、消化能(DE)和代谢能(ME)含量最高,杰尼336的DCP、DE和ME含量最低;玉米的DE和ME分别与EE呈极显著负相关关系(P<0.01),相关系数分别为-0.985和-0.994;试验所得的预测方程为DCP(g/kg)=258.961-52.624EE(粗脂肪)、DE(MJ/kg)=40.506-6.876EE、DE(MJ/kg)=34.677-6.398EE+0.492CP(粗蛋白质)、DE(MJ/kg)=-115.182-6.572EE+0.473CP+1.525OM(有机物)、ME(MJ/kg)=-1.028+0.945DE、ME(MJ/kg)=2.950+0.916DE-1.060CF(粗纤维)和ME(MJ/kg)=37.586-6.586EE。综合DCP含量和有效能值,京科665的品质最佳,其次是巨丰66、奥美特和禾育九,杰尼336品质最差;以半细毛羊为试验对象得出,可以利用玉米的营养成分预测其DCP含量以及有效能值。     

7种半细毛羊常用饲料原料的营养价值评定

试验旨在对半细毛羊常用饲料原料的营养价值进行评定。采集7种云南半细毛羊常用的饲料原料,采用概略养分分析法测定干物质、有机物、粗蛋白质、粗脂肪、粗纤维、中性洗涤纤维、酸性洗涤纤维等常规养分,并通过消化代谢试验测定各饲料原料的可消化粗蛋白、消化能和代谢能含量。在消化代谢试验中,粗饲料采用直接饲喂法,精饲料采用套算法。结果表明:由于所选7种原料在日粮中的使用目的不同,因此常规养分差异较大,其中干物质含量26.21%~91.13%,粗蛋白含量7.16%~44.73%,粗纤维含量3.71%~34.66%;这7种原料的可消化粗蛋白30.99~399.95 g/kg,消化能8.64~17.19 MJ/kg,代谢能7.07~15.81 MJ/kg,均以豆粕为最高值。通过比较分析,本试验测定的云南半细毛羊常用饲料原料的常规营养成分及可消化粗蛋白和有效能值均与中国饲料营养成分表有一定差异,从而为这7种原料在云南半细毛羊上的合理利用及中国饲料数据库的进一步完善提供一定的参考。     

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)。     

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。     

云南半细毛羊7种常用能量饲料可消化粗蛋白质和有效能的评价

本试验旨在采用概略养分分析法测定半细毛羊7种能量饲料原料(玉米、小麦麸、小麦、大麦、糙米、玉米皮和高粱)的营养成分含量,并通过消化代谢试验结合套算法实测饲料原料的可消化粗蛋白质(DCP)含量和有效能值。试验选取16只24月龄、平均体重为(55.61±5.33) kg的云南半细毛羊,采用完全随机设计,平均分为4组,每组4只。试验共分2期进行,共8种饲粮,分别为基础饲粮和7种试验饲粮,每期饲喂4种饲粮。每期试验10 d,其中预试期5 d,正试期5 d。结果表明:1)小麦麸和玉米皮的粗蛋白质(CP)含量较高,为16%左右,高粱、小麦、糙米和大麦的CP含量介于10%～14%,玉米的CP含量最低,为8.63%。小麦麸和玉米皮的粗纤维(CF)含量分别为8.74%和13.77%,其余能量饲料原料的CF含量均在4%以下;玉米皮的中性洗涤纤维(NDF)含量最高,为58.71%,其次是小麦麸,为36.37%,大麦为24.43%,高粱、小麦和玉米的NDF含量介于11%～16%,糙米的NDF含量最低,为6.54%;小麦麸和玉米皮的酸性洗涤纤维(ADF)含量分别为10.93%和16.28%,其余能量饲料原料的ADF含量均在5%以下。在所有能量饲料原料中,玉米的粗脂肪(EE)含量最高,为4.11%,糙米的EE含量最低,为1.16%。2)能量饲料原料的DCP含量介于38.49～130.29 g/kg,玉米皮、大麦和小麦麸的DCP含量较高,分别为130.29、117.50和114.16 g/kg,且3种原料之间差异不显著(P 0.05)。玉米的DCP含量最低,为38.49 g/kg,显著低于其他能量饲料原料的DCP含量(P0.05)。糙米、小麦和高粱的DCP含量居中,数值接近(P0.05)。高粱、糙米和玉米的消化能(DE)和代谢能(ME)较高,且3种原料之间差异不显著(P0.05),其中高粱的DE和ME最高,分别为17.76和15.46 MJ/kg。小麦、大麦和玉米皮的DE和ME居中,小麦麸的DE和ME最低,分别为13.83和11.25 MJ/kg。综上所述,本研究所测半细毛羊常用能量饲料原料的营养成分部分数据与《中国饲料成分及营养价值表(2017年第28版)》中数值有一定差异,因此在实践中,为了精准配制饲粮,需要逐一准确测定各种饲料原料的营养成分含量。从DCP品质来说,玉米皮品质最佳,其次是大麦和小麦麸,之后是糙米、小麦和高粱,玉米品质最差;从能量饲料供能的角度来说,高粱、糙米和玉米品质较好,小麦、大麦和玉米皮较差,小麦麸最差。     

不同粗饲料在肉羊瘤胃中的降解特性研究

为了研究玉米秸秆、山药蔓、醋糟和秕谷4种粗饲料的营养成分及在肉羊瘤胃中的降解特性,选用3只体况相近且安装永久瘤胃瘘管的杜寒杂种成年竭羊,采用尼龙袋法测定这些粗饲料的干物质(DM)、有机物(OM)、粗蛋白质(CP)、中性洗涤纤维(NDF)、酸性洗涤纤维(ADF)的含量及其瘤胃降解参数。结果表明:醋糟的CP、EE及消化能(DE)、代谢能(ME)、增重净能(NEg)均高于其他3种粗饲料,而其CF、NDF、ADF含量最低。4种粗饲料各营养成分的瘤胃降解率随滞留时间的增加而增加,最终趋于稳定。醋糟的DM、CP、OM、NDF和ADF的有效降解率均显著高于其他3种粗饲料(P0.05),说明醋糟较其他3种粗饲料作为肉羊粗饲料相对饲用价值更高。     

双内源指示剂法测定兔饲粮消化能值及其预测模型的研究

本试验旨在研究利用双内源指示剂法测定兔饲粮养分消化率及消化能(DE)值,并建立兔饲粮DE值的预测模型。选用体重相近的4月龄獭兔30只,随机分为3组,每组10个重复,每个重复1只兔。每组饲喂1种饲粮,用全收粪法进行消化试验,用聚酯纤维筛网袋法测定了饲粮中的2种内源指示剂,即酸不溶木质素(ADL)和盐酸不溶灰分(AIA)+ADL的回收率。同时选取了山东省不同饲料公司生产的17种兔颗粒配合饲料,在各自兔养殖场进行饲养试验,利用双内源指示剂法测定兔饲粮DE值,建立兔饲粮DE值的预测模型。结果表明:1)全收粪法测得3种饲粮ADL的平均回收率为99.87%,ADL+AIA的平均回收率为96.81%,二者可作为理想的双内源指示剂。2)利用双内源指示剂法可以准确测定兔饲粮的各种养分消化率和DE值。3)兔饲粮DE值可以用饲粮中可消化有机物质(DOM)含量进行准确的预测:DE(M J/kg)=0.0204DOM(g/kg)或DE(M J/kg)=0.939 5+0.018 2DOM(g/kg)。4)利用兔饲粮中养分[粗蛋白质(CP)、粗脂肪(EE)、可溶性碳水化合物(NDSC)、半纤维素(HCEL)和纤维素(CEL)]含量建立兔饲粮DE值的预测模型为DE(MJ/kg)=0.016 6CP(g/kg)+0.0334EE(g/kg)+0.015 3NDSC(g/kg)+0.005 4HCEL(g/kg)+0.003 1CEL(g/kg)。由此可见,利用双内源指示剂法可以较好地预测兔饲粮的DE值。     

日粮营养水平对西杂育成母牛日粮消化能和粪能排出量的影响

为了研究日粮营养水平(精料进食水平)对肉牛日粮消化能和粪能排出量的影响,试验选用体况良好、体重一致(347 kg±25 kg)的杂交后备母牛(西门塔尔牛(♂)×中国黄牛(♀))16头,随机分为4组,即处理Ⅰ组、Ⅱ组、Ⅲ组和Ⅳ组,每组4头,各试验组日粮精料进食量分别为1.5、2.5、3.5和4.5 kg,粗料(青贮)自由采食。总试验期为30 d,预饲期20 d后进入正试期,试验期最后7 d全收集粪样。结果表明:不同日粮处理间全消化道蛋白质、淀粉的表观消化量和日粮消化能有显著差异(P<0.05),并随日粮营养水平(精料进食水平)的增加而增加,但不同日粮处理间中性洗涤纤维(NDF)和酸性洗涤纤维(ADF)的表观可消化量没有差异,粪中能量的排出量也没有明显差异(P>0.05)。日粮可消化有机物与消化能的进食量呈直线强相关,即消化能DE(MJ/d)=0.669+18.476 DOM(kg/d)(R2=0.999 6,n=4)。     

Energy evaluation of extruded compound foods for dogs by near-infrared spectroscopy

Near-infrared reflectance spectroscopy (NIRS) was used to predict the chemical composition, apparent digestibility and digestible nutrients and energy content of commercial extruded compound foods for dogs. Fifty-six foods of known chemical composition and in vivo apparent digestibility were analysed overall and 51 foods were used to predict gross energy digestibility and digestible energy content. Modified partial least square calibration models were developed for organic matter (OM), crude protein (CP), ether extract (EE), crude fibre (CF), nitrogen free extracts (NFE) and gross energy (GE) content, the apparent digestibility (OMD, CPD, EED, NFED and GED) and the digestible nutrient and energy content (DOM, DCP, DEE, DNFE and DE) of foods. The calibration equations obtained were evaluated by the standard error and the determination coefficient of cross-validation. The cross-validation coefficients of determination (R) were 0.61, 0.99, 0.91, 0.96, 0.94 and 0.92 for OM, CP, EE, CF, NFE and GE, the corresponding standard error of cross-validation (SECV) being 5.80, 3.51, 13.35, 3.64 and 16.95 g/kg dry matter (DM) and 0.29 MJ/kg DM respectively. The prediction of apparent digestibility was slightly less accurate, but NIRS prediction of digestible nutrient (g/kg DM) and DE (MJ/kg DM) gave satisfactory results, with high R (0.93, 0.97, 0.93, 0.83 and 0.93 for DOM, DCP, DEE, DNFE and DE respectively) and relatively low SECV (11.55, 6.85, 12.14 and 22.98 g/kg DM and 0.47 MJ/kg DM). It is concluded that the precision of NIRS in predicting the energy value of compound extruded foods for dogs is similar or better than by proximate analysis, as well as being faster and more accurate.     

麦麸猪消化能与能量消化率预测方程的建立

本试验旨在测定麦麸的猪消化能(DE)及麦麸各化学成分对DE与能量消化率(DCE)的影响,分析用麦麸化学成分建立其DE与DCE的预测方程。试验选用12头三元杂交(杜×大×长)去势公猪[初始体重为(36.6±2.9)kg],采用2个6×6拉丁方试验设计(6期,11种饲粮),应用全收粪法测定10种不同产地和批次麦麸的DE,通过分析麦麸原料中的粗蛋白质(CP)、粗纤维(CF)、酸性洗涤纤维、中性洗涤纤维、淀粉(St)、粗脂肪、粗灰分、总能与DE及DCE之间的相关关系,筛选出最佳的预测因子并建立预测方程。结果表明:10种麦麸的平均DE为11.72 MJ/kg(干物质基础),平均DCE为61.31%,St为DE和DCE的最佳预测因子。推荐DE预测方程:DE=0.31×St+3.71(R2=0.76,RSD=0.42,P<0.01)、DE=-0.91×CF-0.71×CP+33.80(R2=0.76,RSD=0.35,P<0.01)。推荐DCE预测方程:DCE=1.70×St+22.28(R2=0.76,RSD=2.89,P<0.01),DCE=-5.02×CF-3.65×CP+182.81(R2=0.80,RSD=1.79,P<0.01)。由此可知,本试验利用麦麸原料营养成分建立的DE及DCE的预测方程相关指数较高,且由本试验结果预测的DE值比较准确。     

Evaluation of bovine rumen contents as a feed for lambs

This study evaluated effects of increasing levels of dried rumen contents (DRC) on voluntary intake, growth performance, digestibility, nutritive value, N utilization, microbial protein supply (MPS), and purine derivatives excretion (PDE) of lambs fed with Afzelia africana basal forage. Sixteen lambs (13.7?±?0.1 kg body weight (BW)) were randomly assigned to one of the four eight diets containing 0, 200, 400 and 600 g DRC/kg dry matter (DM) in a completely random design. Intakes of concentrate, DM, crude protein (CP), organic matter (OM), digestible CP (DCP), digestible OM (DOM), digestible energy (DE) and metabolizable energy (ME), CP and OM digestibility, DOM, DCP, DE, ME, N intake and retention, weight gain, cost/kg BW gain, MPS and PDE increased with increasing DRC level up to 400 g/kg DRC and declined at 600 g/kg DRC (P?<?0.05; 0.01). Feed conversion ratio and DM digestibility declined as DRC level increased from 0 to 400 g/kg and peaked at 600 g/kg DRC (P?<?0.05; 0.01). Forage intake and DE/DCP ratio decreased (P?<?0.05; 0.01) progressively with increasing DRC level. Results indicate that DRC can be incorporated up to 400 g/kg in a compounded ration for sheep.     

The development of a metabolizable energy system for horses

The development of a metabolizable energy (ME) system for horses is described. Predictive equations for gross energy and digestible energy (DE) are revisited. The relationship between feed protein content and renal energy losses and the relationship between feed fibre content and methane energy losses were analysed in a literature review to develop predictive equations for ME. In horses, renal energy losses are much higher than losses by methane energy. Renal energy losses were correlated more strictly to protein intake than to digestible protein intake. The reason probably is that per gram of digestible crude protein energy losses are higher for roughage than for concentrates presumably because phenolic acids of forage cell walls contribute to higher urinary energy losses. However, digestibility of protein is lower in forages than in concentrates. The net result is a rather constant urinary energy loss of 0.008 MJ/g of crude protein in the feed. Methane losses in horses are smaller than in ruminants, presumably because of reductive acidogenesis in hind gut fermentation. Methane energy losses in equines are closely related to crude fibre intake. The mean methane energy losses amount to 0.002 MJ ME/g of crude fibre which can be used to correct for methane losses. Both corrections can be made for any predictive equation for DE. Metabolizable energy is then calculated as follows: ME MJ/kg = DE MJ/kg – 0.008 MJ/g crude protein – 0.002 MJ/g crude fibre. The equation of Zeyner and Kienzle (2002) to predict DE was adapted as mentioned above to predict ME: ME (MJ/kg dry matter) = ?3.54 + 0.0129 crude protein+0.0420 crude fat?0.0019 crude fibre+0.0185 N‐free extract (crude nutrients in g/kg dry matter).     

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)。