苜蓿质量预测方法研究进展

摘要： 苜蓿（Medicago sativa）质量是影响苜蓿干草价格的重要因素，而适时收获是把握苜蓿干草质量的重要环节。在科学种植管理条件下，对田间苜蓿质量提前判断，对准确收获目标质量苜蓿干草、保证经济效益意义重大。苜蓿产业较为发达的美国常用GDD和PEAQ法来预测田间苜蓿质量，以判断春季苜蓿的收获时间。当GDD为700～750时（5 ℃以上积温），苜蓿的NDF含量接近40%，当GDD增加220（7 d后），NDF含量达到45%；PEAQ法中指出，NDF和ADF含量可以通过在具有随机样方中茎秆最高植株的茎长测量和判断样方中最成熟植株的成熟度来预测。GDD和PEAQ法对杂草较少、长势健康的苜蓿田生产质量预测比较准确。

关键词： 苜蓿；质量预测；GDD；PEAQ

中图分类号： S 542文献标识码： A

文章编号： 1009-5500（2012）04-0086-04

紫花苜蓿在生物量、营养价值和适口性等诸多方面所具有的植物学和生物学特性及高生产性能和经济价值优势，奠定了其在饲草生产中的基础地位[1-5]，在国内外素有“牧草之王”的美称[6-8]。近年来，随着我国农业结构的调整、畜牧业的快速发展，牧草的作用和地位不断加强。特别是畜禽产品质量安全事件的频发和人们对绿色无污染畜禽产品消费的更加青睐，催生了市场对优质牧草特别是苜蓿草的强劲需求[9]，国内苜蓿市场出现供不应求的态势，苜蓿干草价格节节攀升。而影响牧草市场价格的因素除了市场供求关系外，还受到牧草质量的影响。1996～2006年的统计数据显示，加州特级干草的价格比普通干草的价格要高50～100 美元/t，这种影响在干草供不应求的年份更为显著[10]。

适时刈割是把握苜蓿干草质量的重要环节[11]，随着苜蓿的生长，苜蓿蛋白质含量和可消化干物质含量逐渐下降，而纤维含量上升。但是，如果为了得到优质牧草而过早收获，苜蓿产量和持久性则会受到很大影响。因此，适时收获苜蓿，是保证苜蓿品质及产量的关键因素。对于春季第1次刈割来说，适时刈割尤为重要，这主要是因为第1茬苜蓿产草量对全年产草量的贡献最大占40%～50%[12]。因此，对苜蓿干草生产者来说，在科学种植管理条件下，对田间苜蓿质量有个提前判断，对准确收获目标质量苜蓿干草、保证经济效益意义重大。目前，美国等发达国家的苜蓿生产者常用生长度日法（GDD， Growing degree-days）和苜蓿质量预测公式法（PEAQ，Predictive Equations for Alfalfa Quality）来预测田间苜蓿质量，以判断春季第1次收获的最佳时间。在国内，GDD在小麦（Triticum aestivum）、棉花（Gossypium spp.）、黄瓜（Cucumis sativu）等作物上应用广泛，主要用来构建作物的生长模型[13-15]，但用于牧草方面的研究还很少报道；PEAQ法在国内也很少有相关研究。本文将对这2种方法进行阐述，以期对国内苜蓿生产有一定的指导意义。

1 GDD法预测苜蓿收获时间

GDD指在实际环境条件下，完成某一生育阶段所经历的累积有效积温值[16]。GDD是基于温度的一个指数，代表植物生长期积累的热量，GDD与植物的生长速度和生育阶段有直接关系[17]。

GDDs =∑1.8×[（Tmax +Tmin）÷2-Tb]

式中：Tmax为1 d中的最高温度（℃），Tmin为1 d中的最低温度（℃），Tb为作物发育基点温度。

对于大多数苜蓿品种来说，保证生长的温度在5～35 ℃[11]。所以苜蓿的发育基点温度Tb=5 ℃，当日均气温低于苜蓿生长的最低气温，或超过苜蓿生长的最高气温时，苜蓿停止生长。GDD计算从3月1日的温度开始算起（苜蓿生产地区1、2月日均温一般低于5 ℃），在日均气温低于5 ℃，或高于35 ℃的情况下，当天的GDD计算为0。

1.1 苜蓿的刈割时间的预测

Cherney等[17]研究发现， GDD达到700～750（Tb为5 ℃）时，苜蓿干草的NDF含量接近40%，当GDD增加220（7 d后），NDF含量达到45%。如果进行特级苜蓿干草生产时，可在GDD为680时收获，此时的NDF为38%。

1.2 操作步骤

（1）从每年3月1日起，开始记录苜蓿产地每天的最高气温和最低气温。依据公式计算当天的GDD。如：某日的最高气温和最低气温分别为25 ℃和10 ℃，那么该天的GDD=1.8×[（25+10）÷2-5]=22.5。

（2）将计算所得每天的GDD加权，即得到生长度日GDDs。

（3） 当GDDs达到700～750时，可以开始收获第1茬苜蓿。

1.3 GDD预测苜蓿收获时间的准确度

苜蓿生产时，很多因素都会影响到苜蓿质量预测的准确度，如田间杂草或禾草的数量、苜蓿地实际温度和气象站温度的接近程度、土壤水分含量、田间萎蔫时间长短等等。密西根州立大学Allen等研究表明[18]，在苜蓿长势较好、杂草较少的地块，利用GDD预测苜蓿NDF含量在90%的情况下能将误差控制在±6%，68%情况下误差能控制在±3%。所以使用GDD预测NDF含量，获得NDF含量为37%～43%的苜蓿干草的可能性有70%；获得NDF为34%～46%的苜蓿干草的可能性有90%。

2PEAQ法预测田间苜蓿质量

PEAQ是由威斯康辛-麦迪逊大学（Wisconsin-Madison）的农学家Ken Albrecht和 Rod Hintz提出来的，用来预测田间苜蓿质量的方法。研究者发现苜蓿田间生产中，NDF和ADF含量可以通过在随机样方中测量最长茎秆植株的茎长和判断样方中最成熟植株的成熟度来准确预测。目前在美国的威斯康辛、俄亥俄州、加州等苜蓿干草主要生产地区均采用PEAQ法来预测田间苜蓿质量。

2.1 操作步骤

（1）在苜蓿田中选择0.2 m×0.2 m且具有代表性的样方。

（2）利用表1中的标准来找出样方中成熟度最高的茎秆，并判断其生育时期。

（3）找出样方中茎秆最长的茎，并测量其茎长度，测量时从土壤表面到茎的尖端（而不是到叶片的最顶端）。将茎秆拉直准确测量其长度。长度最长的茎秆可能不是成熟度最高的茎秆。

（4）基于样方中最成熟茎秆的生育时期及其最高茎秆的长度，参照表1中的数值，就可以得到相应的相对饲喂价值（RFV）。

（5）在苜蓿田间选取5个有代表性的样方重复上述步骤进行操作，取平均值。如果苜蓿田面积超过12 hm2，需要的样方数量更多一些。

3GDD和PEAQ方法的验证

苜蓿品种、气候条件等因素均能影响苜蓿的品质，因此，在采用这2种方法预测苜蓿质量时，需要在当地进行验证分析，以保证预测结果准确有效。

3.1 GDD的验证方法

由于苜蓿的营养价值与苜蓿所处的生育阶段有关，GDD与植物的生育阶段有直接关系。因此，通过建立不同时期苜蓿NDF值和所对应GDD的函数关系，来对GDD法进行验证。

3.2 PEAQ验证方法

（1）可以采用RMSE（Root mean square error）检验统计方法[19]对预测值和观测值之间的符合程度进行分析，公式如下：

RMSE=ni=1（OBSi-SMi）2n

式中：OBSi为观测值，SMi为预测值，n为样本容量。RMSE值越小，预测的质量越准确。

（2）把观测值与预测值进行回归分析，R2越大，预测结果越准确。

4 讨论

（1）GDD法是依据植物生育阶段与有效积温相关的原理，对田间苜蓿的质量作出预测。PEAQ法是利用苜蓿质量与苜蓿高度、成熟度线性相关的原理，对苜蓿质量作出提前判断。相比实验室检测方法来说，GDD和PEAQ法具有简单易行，快速判断、成本低等优点。对春季第1次刈割时间的判断，这2种方法较为准确[20]。

（2）GDD和PEAQ法对测定杂草少、植株健康的苜蓿田准确度高，如果田间的苜蓿长势差、杂草多，这两种方法预测准确度将下降。PEAQ法没有考虑到苜蓿收获和储存中牧草质量变化和干物质损失，所以需要在RFV预测值超过期望值15%～20%时开始收获。且用PEAQ法预测时，对植株的高度有要求，如果植株低于40.6 cm或高于101.6 cm，预测结果不准确[17]。在应用GDD法时，有必要在苜蓿田中设立微型气象观测站，以防止天气预报气象资料与实地值存在较大的差异。

（3）随着国内苜蓿产业的发展，苜蓿干草生产逐步向规模化、集约化发展。在科学的栽培管理措施下，利用GDD或PEAQ法对春季第1茬干草收获时间进行预测，结合气象资料避开雨季收获，对种植户来说意义重大。由于不同地区气候条件、苜蓿品种等因素是影响苜蓿质量的重要因素，因此，在引进这两种方法预测苜蓿质量时，建议在当地做2～3年的检验试验，以便为推广做好扎实的基础。

参考文献：

[1] 衣兰智，李长忠，刘洪庆，等. 不同苜蓿品种在青岛地区的适应性[J]. 草业学报，2011，20（2）：147-155.

[2] Bolanos A，Huyghe C，Julier B. genetic variation for seed yield and its components in alfalfa populations[J]. Agronomie，2000（20）：333-345.

[3] Julier B，Huyghe C，Ecalle C. Within and amoung cultivar genetic variation in alfalfa：Forage quality， morphology，and yield[J]. Crop Science，2000，40（2）：365-369.

[4] 杨红善，常根柱，周学辉，等. 美国引进苜蓿品种半湿润区栽培试验[J]. 草业学报，2010，19（1）：121-127.

[5] 洪绂曾. 草业与西部大开发[M]. 北京：中国农业出版社，2001：71-76.

[6] 焦良，李阳春，魏臻武，等. 10个紫花苜蓿品种比较试验[J]. 草原与草坪，2006（5）：21-25.

[7] 李启文. 紫花苜蓿品种的品比试验[J]. 草原与草坪，2005（5）：64-65.

[8] 康爱民，龙瑞军，师尚礼，等. 苜蓿的营养与饲用价值[J]. 草原与草坪，2002（3）：31-33.

[9] 徐晓明，徐国忠，张克春. 中国苜蓿草市场的供求现状分析及行情展望[C]. 第四届中古俄苜蓿发展大会，2011：398-400.

[10] 陈谷，邰建辉. 美国商业应用中的牧草质量及质量标准[J]. 中国牧业通讯，2010，11：48-49.

[11] 陈谷，邰建辉，颜. 苜蓿科学生产技术解决方案[M]. 北京：中国农业出版社，2012：138.

[12] 王赞，李源，孙桂枝，等. 国内外 16个紫花苜蓿品种生产性能比较研究[J]. 畜牧兽医科学，2008，12（24）：4-10.

[13] LI Q Y，YIN J L，LIU W D，et al. Determination of Optimum Growing Degree-Days（GDD）Range Before Winter for Wheat Cultivars with Different Growth Characteristics in North China Plain[J]. Journal of Integrative Agriculture，2012，11（3）：405-415.

[14] 周娟，周治国，陈兵林，等. 基于形态模型的棉花（Gossypium hirsutum L.）虚拟生长系统研究[J]. 中国农业科学，2009，42（11）：3843-3851.

[15] 李永秀，罗卫红，倪纪恒，等. 温室黄瓜生育期模拟模型的研究[J]. 南京气象学院学报，2008，31（2）：257-263.

[16] 刘淑云，谷卫刚，封文杰，等. 基于生长度日的甘薯植株发育模拟模型的研究[J]. 中国农学通报，2010，26（23）：130-133.

[17] Cherney，Sulc J H R M. Predicting First Cutting Alfalfa Quality[C]//In Silage： Field to Feed bunk. North American Conference.Hershey，PA.1997：11-13，

[18] Allen，Mike，Rich L，et al. Timing Spring Alfalfa Harvest-The Final Word.In Forage Information Systems @ Michigan State Univeristy-Extension.

[19] 曹卫星，罗卫红. 作物系统模拟及智能管理[M]. 北京：华文出版社，2001：34-47.

[20] Mark S R，Kenneth A A，Jerome H Cherney.Field testing a rapid method for estimating alfalfa quality[J]. Aron J，1989：952-957.

The methods of predicting alfalfa quality in the field

CHEN Gu1，YAN Di1，TAI Jian-hui1，YANG Jiang-shan1，ZHANG Ying2

（1. Barenbrug China，Beijing，100025； 2. China Animal Agriculture Association Grass Industry Branch，Beijing，100028）

Abstract：Quality is a very significant factor that affects the alfalfa hay price. Harvesting at optimal time is a critical way to obtain high quality hay. With the scientific cultivating， predicting the quality of standing alfalfa in field is important to harvest the targeted quality hay and improve the farmers' profit. In the alfalfa industry developed countries， such as USA，GDD（Growing degree-days）and PEAQ （Predictive Equations for Alfalfa Quality） are usually used to predict the quality of standing alfalfa，and determine the optimal harvesting time at spring. Some related researches showed that alfalfa with averages 40% NDF is at 700～750 GDD （base 5 ℃）. It takes about 220 additional GDD to reach 45% NDF at GDD （base 5 ℃）. With the PEAQ method，NDF and ADF could be accurately determined in field by measuring height of the tallest stem and maturity of the most mature stem in a sample area. The GDD and PEAQ would be predicted accurately under the situation of the alfalfa field grows well and contains little weeds.

Keywords： alfalfa；quality predicting；GDD；PEAQ