– CP=粗蛋白(%DM) EE=粗脂肪(%DM) FA=脂肪酸(%DM)=粗脂肪-1 NDF=中性洗涤纤维(%DM) NDFCP=中性洗涤纤维结合蛋白 NDFn=非中性洗涤纤维结合氮=NDF-NDFCP或NDFn=NDF×0.93 NDFD=体外48小时NDF的消化率(%NDF) NFC(%DM)(非纤维碳水化合物，用占干物质的百分比表示)=100-

结论
• 总体而言，由于同一种干草RFQ与RFV的均值相同，故可 在定价、签订合同及其它用途上用RFQ取代RFV。
• 可是，当具体某个干草的RFQ变化较大时，牧场主以使用 RFQ为宜，这是因为RFQ能更好地反映家畜的生产性能 (增重、产奶)。。


谢 谢！


表达式
RFV=DMI(%BW)×DDM(%DM)/1.29
– DMI(dry matter intake)为粗饲料干物质的随意采食量，用占体重 (BW)的百分比表示；
– DDM(digestible dry matter)为可消化的干物质，用占干物质(DM) 的百分比表示；
– BW(body weight)为体重。 – 1.29是基于大量动物试验数据所预期的盛花期苜蓿DDM的采食量，
以占体重的百分比表示，除以1.29，目的是使得盛花期的苜蓿 RFV值为100。

DDM和DMI
• RFV的基础是DDM的随意采食量，家畜的DDM采 食量以及由此计算得到的RFV是由反刍家畜所采 食的粗饲料干物质随意采食量(Dry Matter Intake， DMI，占%BW)和饲草中的DDM含量(%DM)决定 的。由于通常DDM与DMI相关性不强(Moore and coleman，2001)，因此，RFV经由DMI和DDM的 预测模型计算得到。

理论验证 1
• 王旭(2003)首次验证了GI理论：就几种常见粗饲料(沙打 旺、羊草、玉米秸与谷草)的GI值进行了测定，并将GI对 粗饲料的分级与RFV对粗饲料的分级进行了比较，结果其 品质优劣排序完全一致。
• 而且，用GI优化的混合粗饲料(50%玉米秸+40%沙打旺 +10%羊草)与精料(粗：精为7：3)组成的全混日粮较青干 草与同一精料(粗：精为7：3)组成的全混日粮成本低，生 产性能高。
ADF计算得到

• 随着新版NRC奶牛营养需要(2001)中 所规定的一些有关确定家畜营养需要新 方法的实施，很有必要引入新的方法及 模型来改造RFV，粗饲料相对质量 (RFQ)指数就是在这种背景下在RFV的 基础上发展而来。

2 DMI预测模型
• DMI禾本科=-2.318+0.442×CP-0.0100×CP20.0638×TDN+0.000922×TKN2+0.180×ADF0.00196×ADF2-0.00529×CP×ADF
– (Moore and Kunkle，1999)
• 式中DMI以占体重(BW)的百分比，CP、ADF、TDN以占干物质 (DM)的百分比表示
www.theme(gNalleDry.Fco+m CP+EE+ash)
2 DMI预测模型
• DMI豆科=[(0.0120×1350/(NDF/100))+(NDFD45)×0.374]/1350×100
– 该模型以Mertens(1987)的DMI模型为基础，同时引入Oba和 Allen(1999)建议的NDFD进行校正。

RFQ取代RFV的可行性

问题的提出
• 提出RFQ的目的就是要用RFQ取代RFV，为使这种取代不 致造成太大的经济与管理上的变化，易于推广，在最初设 计RFQ时就考虑了要使RFQ与RFV在评定粗饲料品质时具 有相同的均值与范围。
粗饲料品质评定指数的最新研究进展

常用的评价指数
• 在粗饲料品质评定上，已提出了多个指数，
– 营养值指数(Nutritive Value Index，NVI) – 可消化能进食量(Digestible Energy Intake，DEI) – 粗饲料相对营养价值(Relative Feed Value，RFV) – 质量指数(Quality Index，QI) – 粗饲料相对质量(Relative Forage Quality，RFQ)
1 TDN预测模型
• TDN禾本科 =[(NFC×0.98)+(CP×0.87)+(FA×0.97×2.25)+(NDFn×(NDFDp/100 )]-10
– (Moore和Undersander 2002) – 其中：NDFDP=22.7+0.664×NDFD，其余术语意义同上

• 式中除以常数1.23，目的在于将各种粗饲料RFQ的平均值 及其范围调整到与RFV的相似(Moore和Undersander， 2002)。

估测模型
• RFQ参数预测模型中，引用新版奶牛NRC(NRC， 2001)中的归纳性能量预测模型，通过可消化营养 素(包括NDFD)来预测粗饲料的可利用能；用 Mertens (1987)的采食量模型，通过可消化的 NDF(NDFD)预测粗饲料干物质的随意采食量 (DMI)，然后以预测的可利用能和DMI为基础，计 算RFQ。
• 这些可利用能包括能量的消化率(Energy Digestibility， ED)、(可)消化能(Digestible Energy，DE)、(可)消化干物 质(Digestible Dry Matter，DDM)及总可消化养分(Total Digestible Nutrients，TDN)等多种形式。
粗饲料相对质量（FRQ）

概念及表达式
• RFQ是一个新的拟用来取代RFV的粗饲料质量评定指数， 其概念与表达式同RFV，不同的是RFQ中可利用能用的是 总可消化养分(TDN)而不是RFV中的DDM。 • RFQ=DMI(%BW)×TDN(%DM)/1.23

表达式
• GI=ME(MJ/kg)×DMI(kg/天)×CP(%DM)／NDF(或ADL)(%DM)
– ME-粗饲料代谢能，单位为MJ/kg，亦可使用泌乳净能(NEL)取代ME， 尤其在奶牛上使用NEL较多；
– DMI-粗饲料干物质随意采食量，单位为kg； – CP-为粗蛋白，占干物质的百分比； – NDF-中性洗涤纤维，占干物质的百分比； – ADL-酸性洗涤木质素，占干物质的百分比
• 据Worlds Forage Superbowl实验室对采自世界奶牛博览 会上的近200个苜蓿干草与半干青贮苜蓿样品(它们分别是 由美国20个州及加拿大的2个省选送的)的RFV与RFQ进行 了测定，前者为179，后者为172，极为相似。

分析
• 尽管这些样品的RFV与RFQ值范围变化较大，但仍然反映 了RFQ与RFV间具有强的相关(0.86)。可是单个样本的 RFQ值针对RFV的变异较大，最大的相差(高于或低于)达 40点，22%的样本相差20点甚至更高。对于RFQ较RFV 高的牧草，当以RFV进行交易时，干草销售者就没有获得 本应多获得的利润(对购草者而言，则进行了一笔好的获 利交易)；对于RFQ较RFV低的牧草，当以RFV进行交易 时，则情形相反，奶牛就达不到与RFV相称的预期泌乳量。
– 式中45是苜蓿、苜蓿与禾本科混播牧草纤维的平均消化率，DMI 以占体重(BW)的百分比表示，
– NDF以占干物质(DM)的百分比表示， – NDFD以占NDF的百分比表示。

RFQ中预测暖季与 冷季禾本科牧草 TDN和DMI的模型

(Moore，1994)， – 产奶二千(Milk2000)(Schwab和Shaver，2001) – 粗饲料分级指数(Grading Index，GI)(卢德勋，2001)。

• 每种指数都是由当粗饲料作为唯一能量和蛋白质来源时的 粗饲料随意采食量以及任意一种形式的可利用能构成。

RFQ中预测苜蓿、三叶草、 豆科/禾本科混合牧草 TDN和DHI的模型 Nhomakorabea
1 TDN预测模型
• TDN豆科= （NFC×0.98+(CP×0.93)+(FA×0.97×2.25)+(NDFn×(NDFD/100)-7
– (NRC,2001)

理论验证 2
• 张吉鹍等(2004)就绵羊GI参数的模型化进行了研究，并进 一步证明用GI对粗饲料的分级较用RFV对粗饲料分级更科 学，且对经GI优化的混合粗饲料的组合效应及其机制进行 了研究。这一奠基性的工作对GI在我国粗饲料品质评定及 其在粗饲料优化搭配技术上的应用推广必将产生重大影响

概念
• 卢德勋(2001)根据我国粗饲料利用的现状，以系统科学为 指导思想，在广泛吸取RFV等粗饲料评定指数的优点的基 础上，结合我国粗饲料生产及利用的实际，适时地提出了 评定粗饲料品质的粗饲料分级指数(Grading Index，GI)。
• GI不仅象RFV那样可用于粗饲料的品质分级、交易，还可 用于指导粗饲料科学搭配以及牧草的种植与刈割，其最大 的特点是：多指标，综合评定。它的提出对粗饲料营养价 值的评定及其科学搭配与牧草刈割期的确定提供了有用的 工具

粗饲料相对营养价值（RFV）

概念
• RFV是目前美国唯一广泛使用(销售、库存及根据 家畜对粗饲料质量的要求投料)的粗饲料质量评定 指数，其定义为：相对一特定标准粗饲料(盛花期 苜蓿)，某种粗饲料可消化干物质(Digestible Dry Matter，DDM)的采食量。
• 第三，假定粗饲料分析上的误差能够最终反映出家畜生产性能 (增重、产奶)的变化，由于奶牛在任何时间都维持着高产水平， 完全可从苜蓿中获得对粗饲料营养素的需要，那么对于以苜蓿 为主要粗饲料的高产奶牛，就没有必要用RFQ取代RFV。

粗饲料分级指数(Crading Index,GI)