胡红莲 卢 媛

粗饲料是自然界中存在极广而营养品质差异极大的一种饲料资源，是反刍动物的重要营养源，占绝大多数反刍动物日粮的60%～80%。粗饲料品质和水平对反刍动物健康、生长、发育及生产性能的发挥起着决定性的影响，并直接影响精料的给量与成本，最终影响到养殖者的经济效益。因此，如何合理、有效地开发利用这一潜在的饲料资源对于反刍动物的科学饲养具有重要的意义。本文将在介绍国际上粗饲料品质评定历史发展的基础上重点综述我国学者提出的粗饲料分级指数的最新进展。

1 粗饲料品质评定技术的历史发展

由于粗饲料品质是一个稳定性极差的性状，受到诸多因素的影响，使得每种粗饲料营养价值、不同种类和同一种类不同时间以及加工方法差异较大，使对粗饲料品质进行科学合理评定成为难题。感官指标是评定粗饲料品质最直观的指标，饲料的营养成分是构成饲料组成的主要部分，同时也是反映饲料品质的直接指标，因此，起初人们通过这些单一指标对粗饲料品质进行定性与定量评价，对粗饲料品质优劣作出初步评定。但这些单项指标都是静态的表观性指标，各有优缺点，加上不同品种粗饲料的营养指标差异较大，因而任何单一指标都不能对粗饲料品质作出完整的评定。也有许多研究者采用多项指标来对粗饲料品质进行评定，最为典型的是应用CNCPS指标评定粗饲料品质。用CNCPS指标对粗饲料的营养价值评定符合饲料的营养特性，而且也较准确，但是该法对于品质接近的粗饲料却很难区分。陶春卫（2009）采用CNCPS体系与体外产气法对粗饲料品质进行划分，结果表明，应用CNCPS体系对粗饲料的品质评定优劣顺序与体外产气法对粗饲料品质评定顺序并不一致，尤其是对苜蓿和青贮的品质评定差别较大。可见，多项指标也不能客观、全面地评定粗饲料的品质。使用综合的整体指标已成为科学评定粗饲料品质的必然发展趋势，目前国际上相继出现了饲料相对价值指数（Relative Feed Value,RFV）、质量指数（Quality Index，QI）、粗饲料相对品质指数（Relative Forage Quality，RFQ）、产奶 2000（Milk 2000）等等粗饲料品质评定整体指标。这些整体指标的出现实现了粗饲料品质综合评定的整体量化，能够更为准确地评定粗饲料品质，但这些整体指标都是仅能够用于粗饲料的品质评定，不能用于对粗饲料进行科学搭配，更谈不上用于日粮优化配合。粗饲料品质评定已由早先的单一指标、多项指标发展到现在的整体指标，其评定技术也在不断深入和推进。在继承RFV等评定指数合理内涵的基础上，由我国学者卢德勋教授（2001）提出和发展的GI系列整体指标则是一个更加合理、更加全面、更加科学的将粗饲料综合评定和日粮优化配合于一体的成套技术，具有综合评定、系统集成的特点。

2 国际上流行的粗饲料品质评定的整体指标

由上所述可见，使用综合的整体指标已成为科学评定粗饲料品质的必然发展趋势，也是粗饲料品质评定的一大进步。目前国际上流行的粗饲料品质评定的整体指标主要有以下几项。

2.1 饲料相对价值（Relative Feed Value,RFV）

RFV是由美国牧草和草原理事会下属的干草市场特别工作组（Hay marketing Task Force of the American Forage and Grassland Council） 于 1978 年提出，是目前美国唯一广泛使用的首个粗饲料品质综合评定指数,并被越来越多的国家所采用。RFV值由美国国家牧草测试协会（NFTA）实验室发布，RFV是美国粗饲料交易与粗饲料品质评定的重要工具。青干草生产者及购买者，特别是中西部的拍卖场，用RFV来定价（Undersander，2001），它的定期发布，保证了粗饲料交易的质量。

其定义为：以苜蓿这一特定粗饲料为标准，某种粗饲料可消化干物质（DDM）的采食量与其的相对比值，也就是说，RFV是根据奶牛粗饲料的可消化干物质（DDM）和干物质随意采食量（DMI）来进行粗饲料品质的比较和评级的，实际上等于DDM乘以DMI再除以一个常数。RFV以百分数表示（通常将百分数符号省去），并以盛花期苜蓿的RFV为100%进行比较。其关系式如下：

RFV＝DMI（%BW）×DDM（%DM）/1.29

式中：DMI（%BW）＝120/NDF(%DM)

DDM(%DM)＝88.9-0.779ADF（%DM）

BW为奶牛体重，DM为干物质，计算RFV时除以1.29，目的是使得盛花期的苜蓿RFV为100。RFV值大于100的牧草表明相对于基数100，整体上品质较好。

RFV是衡量粗饲料品质的一个较好指标，首次突破了过去仅凭单一营养素对粗饲料品质进行经验式评定的作法，实现了粗饲料品质综合评定的整体量化，不过这一指标也存在着一定的技术缺陷，如①RFV仅能用于粗饲料的分级，但不能用于对粗饲料进行科学搭配；②在进行RFV计算时，没有把对粗饲料品质有着重要贡献的蛋白质考虑进去，整体性不够强；③在RFV的计算模型中，使用的却是生产中不常用的DDM，这就限制了其在动物营养模型中的应用；④RFV是一个用粗饲料的ADF和NDF值建立起来的用于粗饲料品质评定的相对简单的指数，而NDF和ADF仅占DMI和DDM变异度的58%和56%（Van Soest等，1978），因此，估测模型不理想。随着RFV的推广应用，其在粗饲料品质评定上的不足日益显现。

2.2 质量指数（Quality Index，QI）

QI是由美国弗罗里达州饲草推广测试项目（Florida Extension Forage Testing Program）于1984年提出，其定义为：TDN随意采食量是TDN维持需要的倍数。由绵羊试验数据推导出的QI计算模型为：

QI＝TDN 采食量（g/MW）/29

TDN（%DM）＝OM（%DM）×OMD（%）/100

TDN 采食量（g/MW）＝DMI（g/MW）×TDN（%DM）/100

式中：OM（%DM）——有机物质占干物质的百分数；

TDN（%DM）——总可消化养分占干物质的百分数；

DMI（g/MW）——干物质采食量，以每千克代谢体重所采食粗饲料的克数表示，MW＝W0.75。

除数29是绵羊的TDN维持需要量（29 g/MW），而牛的TDN维持需要值为36 g/MW（NRC,1984）。

在计算QI时，需要用粗饲料中的NDF来预测DM采食量，用体外有机物消化率（IVOMD）来预测粗饲料的有机物消化率（OMD）。其推导公式为：

OMD（%）＝32.2+0.49IVOMD（%）

DMI（g/MW）＝120.7-0.83NDF（%DM）

在应用中，QI的基数设定为1.0。当QI等于1.0，家畜既不增重，亦不失重；当QI小于1.0，家畜就会掉膘；当QI等于1.8，生长牛可望增重0.6 kg/d，在泌乳母牛体重不变时，可望产奶10 kg/d。

QI的最大优点在于不仅可以对粗饲料品质进行评定，还可在电脑模型中预测家畜生产性能。但也存在估测模型不理想、仅以能量指标作为预测因子，没考虑蛋白质，整体性不强等技术缺陷，QI同样只限于进行粗饲料品质评定，无法用于粗饲料的科学搭配。

2.3 粗饲料相对品质指数（Relative Forage Quality，RFQ）

John等（2002）建议用RFQ作为粗饲料质量的总指数来取代RFV和QI。RFQ定义同RFV一样，也是当粗饲料作为家畜唯一的能量和蛋白质来源时，对可利用能随意采食量的估测。其表达式为：

RFQ＝DMI（%BW）×TDN（%DM）/1.23

式中：除以常数1.23，目的是把各种粗饲料的RFQ的平均值及范围调整到与RFV相似（John等，2002）。

RFQ把可消化营养素与NDFD作为预测因子引入可利用能及DMI的预测模型中，因而RFQ更能准确地评定粗饲料品质，尤其是更能准确地对禾本科牧草进行分级。但RFQ虽然考虑粗饲料纤维的可消化性，并用TDN代替了DDM，却未考虑CP和ADF对粗饲料品质的影响，而且RFQ也只能用于粗饲料的分级而不能用于日粮配合。

3 粗饲料分级指数（Grading index，GI）的提出

随着畜牧业生产经营方式的转变，牛羊舍饲比例的增加，粗饲料无论是自产自用还是作为商品流通都将会大大增加，急需在粗饲料品质评定技术方面获得突破。RFV已被越来越多的国家所采用，在美国管理、生产、流通和交易等各个领域被广泛使用着，而我国还缺乏这方面的技术，还没有一个通用的粗饲料品质评定指数。粗饲料的利用从根本上讲要走多品种、科学搭配的路子，但对粗饲料科学利用仍缺乏系统性认识，也未形成体系与规模。面对这样的现实难题，卢德勋（2001）根据我国粗饲料利用的现状，以粗饲料品质为切入点，以系统科学为指导思想，在总结、吸取RFV等粗饲料品质评定指数优点的基础上，结合我国粗饲料生产及利用的实际，适时地提出了一个粗饲料品质评定的新指标——粗饲料分级指数（Grading Index，GI）。GI2001的定义为对粗饲料的粗蛋白（CP）和中性洗涤纤维含量经过校正后，粗饲料的可利用能的随意进食量，单位为MJ/d。GI2001的提出不仅可以对粗饲料的品质进行客观、合理分级、评定，更为重要的是为粗饲料科学搭配提供了一项新的技术手段。可见，GI2001的提出意义重大。

对奶牛而言，其表达式为：

GI2001（MJ/d）=NEL×VDMI×CP/NDF

式中：NEL——粗饲料产乳净能，MJ/kg；

VDMI——粗饲料随意采食量，kg/d；

CP——粗饲料粗蛋白含量，%DM；

NDF——粗饲料中洗洗涤纤维，%DM。

在计算GI2001时，VDMI和NEL借鉴了一些国外实用的模型，推导公式为：

（1）NEL的估测模型

（参照http://www.foragetesting.org/lab_procedure/appendix/A/EnergyEstimates.htm）

豆科牧草：NEL（MJ/kg）=[1.044-(0.011 9×ADF)]×9.29

禾本科牧草：NEL（MJ/kg）=[1.085-（0.0150×ADF）]×9.29

青贮玉米（全株）：NEL（MJ/kg）=[1.044-（0.012 4×ADF）]×9.29

（2）DMI的估测模型

VDMI（kg/d）=120/NDF（%DM）×BW（kg）（体重以600 kg计）

对绵羊而言，其表达式为：

GI2001（MJ/d）=ME×VDMI×CP/NDF

式中，ME和VDMI模型均由我们研究团队根据绵羊试验实测数据推导出来的，推导公式为：

（1）ME 的估测模型（张吉鹍，2004）

ME=4.201 4+0.023 6ADF+0.179 4CP

（2）VDMI的估测模型（张吉鹍，2004）

豆科牧草：VDMI（kg/d）=51.26×BW0.75/NDF×1 000

禾本科牧草：VDMI（kg/d）=45.00×BW0.75/NDF×1 000

秸秆：VDMI（kg/d）=29.75×BW0.75/NDF×1 000

青贮玉米：VDMI（kg/d）=29.00×BW0.75/NDF×1 000

GI2001指数克服了RFV等目前存在的技术缺陷，首次将影响粗饲料利用的因素，即能量、蛋白和纤维进行综合考虑，并引入动物对该种粗饲料的DMI，从而克服了现行粗饲料评定指标的单一性与脱离动物的片面性，综合了饲草因素与动物因素,对粗饲料的品质优劣进行合理的划分。同时更为重要的是GI以系统集成的方法和组合效应理论，根据混合粗饲料GI指数最大、成本最低的原则可以实现粗饲料科学搭配的优化，并能与其他技术进行集成，优化动物整体日粮配方设计，而RFV、QI等评定指数均不具备此项功能。可以说，GI2001在继承FRV合理内涵的基础上，既能对粗饲料品质进行整体评定，又能进行粗饲料的科学搭配，同时又具有多指标、综合评定、通俗易懂、便于推广等特点，在粗饲料品质评定方面是一项重要的创新性成果。

4 近年来GI2001的新进展

随着研究成果的不断丰富，GI技术体系也在不断的充实、发展和改进，主要表现在测试指标的不断更新和与其他技术的集成化不断提高，使其科学性更强。卢德勋（2008，2009）提出了奶牛粗饲料分级指数新一代GI2008和GI2009，GI2008和GI2009是在 GI2001的基础上发展而来，是GI2001新的提升和发展。

4.1 GI2008

GI2001虽然简便易行，主要用于实际生产推广使用，为了使其更具科学性，用于研究目的，GI2008便应运而生。GI2008是在GI2001的基础上筛选了一些新的指标，其慨念与表达式同GI2001，不同的是GI2008中蛋白质指标用的是可消化粗蛋白（DCP），在纤维方面又增加了peNDF，其表达式为：

GI2008（MJ/d）=NEL×DCP×DMI/（NDF-peNDF）

式中：NEL——粗饲料产奶净能，MJ/kg；

DCP——粗饲料可消化粗蛋白，%DM；

DMI——粗饲料干物质随意采食量，kg/d；

peDNF——粗饲料物理有效中性洗涤纤维，%DM。

红敏（2009）研究表明（见表1），4种具有代表性的粗饲料进行品质评定，GI2008、GI2001和RFV划分次序完全一致，从相对值的差距分析，GI2008和GI2001均优于RFV，且GI2008的差距更大、更明显，这说明GI2008较GI2001能更准确、更科学地对粗饲料品质进行分级和评定。他通过对4种常用粗饲料的GI2001值和GI2008值建立回归方程，研究发现GI2008与GI2001之间具有强的相关性，GI2008（Y，MJ）与GI2001（X，MJ）之间的回归关系为：Y=5.166 9X-12.68 3（R2=0.946 3，P＜0.000 1，n=4）。同时该项研究利用GI2001和GI2008技术进行粗饲料间的科学搭配，筛选出优化粗饲料组合，通过饲养试验进行了比较研究，结果发现，GI2001优化组和GI2008优化组较对照组有提高奶牛生产性能趋势（P＞0.05），均给牛场带来可观的经济效益，而且GI2008优化组的经济效益高于GI2001优化组，这一结果在一定程度上说明GI2008优化配合技术优于GI2001。

表1 4种粗饲料RFV、GI2001和GI2008的比较（红敏，2009）

GI2008较之GI2001相比，GI2008突破了GI2001所用参数的表观性，更能全面地体现粗饲料的整体营养功能，在粗饲料品质评定方面更为科学、更为精确，在日粮优化搭配技术方面，集成化程度也较高。在实际生产中，GI2001简便易行，易于推广普及，而GI2008主要用于研究目的，科学性较强。

4.2 GI2009

GI2009公式同 GI2008，但不同的是，在 GI2009中，DMI的估测公式采用RFQ的公式；NEL是由ADF或NDF计算而来，推导公式如下：

豆科（苜蓿、三叶草、苜蓿干草混合物）：

DMI豆科（%BW）=120/NDF+（NDFD-45）×0.374/135 0×100（张吉鹍，2005）

NEL豆科(MJ/kg)=[1.044-(0.011 9×ADF)]×9.29

禾本科（暖季和冷季草）：

DMI禾本科（%BW）=-2.318+0.442×CP-0.0100×CP2-0.063 8×TDN+0.000 922×TDN2+0.180×ADF-0.001 96×ADF2-0.005 29×CP×ADF （Moore等，1999）

TDN 禾本科＝（NFC×0.98）+（CP×0.87）+（FA×0.97×2.25）+（NDFn×NDFDp/100）-10（Moore 等，2002）

NEL禾本科(MJ/kg)＝[1.085-(0.015 0×ADF)]×9.29

玉米青贮：

DMI玉米青贮(kg/d)＝BW×1.15%/0.3+（avg.NDFDNDFD）×17（Mertens,1987；Oba 等，1999）

NEL玉米青贮（MJ/kg）＝[1.044-（0.012 4×NDF）]×9.29

式中：CP——粗蛋白，%DM；

EE——粗脂肪，%DM；

FA——脂肪酸，%DM，FA＝EE-1；

ADF——酸性洗涤纤维，%DM；

NDF——中性洗涤纤维，%DM；

NDFD——48 h体外NDF消化率，%NDF；

TDN——总可消化养分，%DM；

NDFn——无氮的NDF，NDFn＝NDF×0.93；

NFC——非纤维性碳水化物，%DM，NFC＝100-（NDF+CP+EE+ASH）

NDFDp——NDF可消化结合蛋白，NDFDp＝22.7+0.664×NDFD

可以说，GI2009是GI2008的进一步补充，是在GI2008的基础上，针对不同种类的饲草而采用了不同的DMI和NEL预测模型，因而GI2009的模型具有较强的灵活性，其预测值可能更接近实际值。

综上所述可知：①GI2008和GI2009针对GI2001所用蛋白质和纤维指标表观性较强的缺点，引入了DCP和peNDF指标，不仅将饲料的营养成分和动物的消化生理结合了起来，同时兼顾了粗饲料的物理性状对动物健康的影响，准确性、科学性更强；②GI技术以系统整体的思维和方法来实现粗饲料品质的科学评定及科学搭配的最优化，其中GI2008较GI2001更能充分发挥粗料与粗料之间、粗料与精料之间的组合效应，与其他技术系统集成化程度较高，成为优化饲养设计技术的重要组成部分；③GI技术已是一项集理论与实践应用于一体的粗饲料品质评定和发展应用的成套技术，具有综合评定、系统集成的特点。GI2001简便易行，实用性较强，而GI2008及GI2009则科学性更强，适于在研究领域应用。由此可见，GI技术的产生和发展，无论在生产领域还是在研究领域对发展和应用粗饲料的品质评定及日粮优化饲养设计技术都具有重大意义。

5 展望

粗饲料品质的评定经历了由单一指标评定，多项指标评定到整体指标综合评定的发展历程，其评定技术也在不断深入和推进。GI系列整体指标在继承RFV等整体评定指标优点的基础上，进行了重大的改进和创新，并会随着研究的深入而不断的在改进、发展和完善。今后仍有大量的工作还有待于进一步开展和加强，如（1）正确取样：粗饲料取样方法决定了品质指标测定值的代表性，正确取样是关键，建议采用采样器采集样本；（2）进一步完善GI参数模型以及对在奶牛上所借鉴的有关国外参数模型进行验证，建立山羊、肉羊等GI参数预测模型；（3）GI配方软件的开发等。

[1]陶春卫.反刍动物常用粗饲料营养价值评定及其有效能值预测模型的建立[D].大庆：黑龙江八一农垦大学硕士论文，2009.

[2]Undersander,D.Dose forage quality pays In：Proc.Am.For.Grsld.Coun.Springdale,AR.AFGC,Georgetown,TX.Apeil22～25,2001,120-125.

[3]Van Soest P J,D.R.Mertens,B.Deinum.Preharvest factors influencing quality of conserved forage[J].Anim.Sci.,1978,47:712-720.

[4]NRC,Nutrient Requirements of beef cattle (M),Sixth Revised Edition.National Research Council,National Academy Press,Washington,DC.1984.

[5]Johne.Moore,Daniel J.Undersander.Relative Forage Quality：An Alternative to Relative Feed Value and Quality Index(A).Proceedings 13th Annual Florida Ruminant Nutrition Symposium,2002:16-32.

[6]卢德勋.乳牛营养技术精要[A].2001年动物营养学术研讨会论文集[C].2001.

[7]张吉鹍.粗饲料分级指数参数的模型化及粗饲料科学搭配的组合效应研究[D].呼和浩特：内蒙古农业大学博士论文，2004.

[8]红敏.奶牛粗饲料品质评定新一代GI（GI2008）的建立及在奶牛养殖中应用的研究[D].呼和浩特：内蒙古农业大学硕士论文，2009.

[9]张吉鹍，卢德勋.粗饲料品质评定指数的最近研究进展[J].当代畜牧，2005(1)：24-26.

[10]Moore J E，Kunkle W E.Evaluation of equations for estimating voluntary intake of forages and forage-based diets[J].Anim.Sci.,1999(suppl.1):204.

[11]Moore J E,Undersander D J.Relative Forage Quality:An alternative to relative feed value and quality index[R].In:Proc1 Florida Ruminant Nutrition Symposium,January 10-11,University of Florida,Gainesville1,2002:16-31.

[12]Mertens D R.Predicting intake and digestibility using mathematical models of ruminal function [J].J.Anim.Sci.，1987，64:1548-1558.

[13]Oba M,M.S.Allen.Evaluation of the importance of the digestibility of neutral detergent fiber from forage:effects on dry matter intake and milk yield of dairy cows[J].J.Dairy Sci.,1999，82:589-596.