一种推算肉鹅日粮中含牧草比例的方法

摘要

鹅属于草食性家禽。传统的生态养殖模式为，鹅通过摄食大量的牧草，从中获取所需的营养物质。这种养殖方式周期长，劳动力成本高。为了缩短养殖周期，养鹅户大多采用了能量更高的玉米豆粕型饲料，但是养出来的鹅肉风味差了很多。本发明通过测定鹅肉α-亚麻酸相对含量和粗脂肪含量，和日粮中的牧草比例建模，然后根据测定实际样品中鹅肉α-亚麻酸相对含量和粗脂肪含量，推算该鹅吃牧草数量的方法。

说明书

技术领域

本发明涉及一种通过常规的检测技术测定鹅肉中α-亚麻酸相对含量和粗脂肪含量，来推算该鹅吃牧草数量的方法。 

背景技术

鹅属于草食性家禽，在传统的生态养殖模式中，鹅通过摄食大量的牧草，从中获取所需的营养物质。这种方式养出来的鹅具有鹅肉结实，脂肪含量较低，滋味更加鲜美的特点。但是也存在养殖周期长，劳动力成本高的问题。现今，为了缩短养殖周期，养鹅户大多采用了能量更高的玉米豆粕型饲料，逐渐减少甚至不用牧草进行养殖。这种方式虽然大大缩短了养殖周期，节省了部分成本，但是养出来的鹅肉风味差了很多。

随着生活水平的提高，人们厌倦了淡而无味的饲料鸡鸭，对滋味更加鲜美的“土鸡”、“土鸭”或“土鹅”的需求日益增多。但是目前国家没有这方面的标准，消费者无从辨别哪种是传统生态养殖的产品，哪种是靠饲料速成养殖的产品。市场上有部分经营者为了获得更多的经济利益，以次充好。用成本低，风味相对较差的“饲料鹅”，冒充用牧草养、风味好的，但养殖周期长、劳力成本高的“牧草鹅”。这样不仅有损消费者利益，也影响了生态养殖业者的积极性。

现有技术无法通过检测鹅肉来推算鹅食草的程度。

发明内容

本发明的技术方案为：一种推算肉鹅食用日粮中含牧草比例的方法，其特征为：以鹅肉中α-亚麻酸相对含量和粗脂肪含量与日粮中牧草的干物质比例建立回归模型方程，通过所述方程和待测鹅肉中α-亚麻酸相对含量和粗脂肪含量可推算待测肉鹅食用日粮中含牧草比例。

所述牧草为黑麦草或狼尾草或者两者的混合物。

该方法具体如下：

1）              模型构建：通过在日粮中加入不同干物质比例的牧草，饲养肉鹅2～3月后，测定鹅肉的α-亚麻酸相对含量和粗脂肪含量，构建α-亚麻酸相对含量与日粮中牧草的干物质比例两者的回归模型的一元二次方程A；再通过构建粗脂肪含量和日粮中牧草的干物质比例两者的回归模型方程B；

2)     实际测定：测定某鹅肉样品中α-亚麻酸相对含量和粗脂肪含量，将α-亚麻酸相对含量代入步骤1）中的方程A中，求得两解；将两解代入步骤1）中的方程B中的求得假定的粗脂肪含量，通过对比真实粗脂肪含量，排除两解中误差较大的解，即得所述的日粮中含牧草的含量。

其中α-亚麻酸相对含量(α-亚麻酸占脂肪酸组成的百分比)和粗脂肪含量是通过常规的检测技术（如GB-T 17377-1998和GB/T 6433-2006等）测定某一鹅肉样品中α-亚麻酸相对含量(α-亚麻酸占脂肪酸组成的百分比)和粗脂肪含量。其中鹅肉样品取自鹅的胸肌。

该方法更具体如下：

1）            模型构建：通过在日粮中加入不同干物质比例的牧草，饲养肉鹅2～3月后，测定鹅胸肌肉的α-亚麻酸相对含量和粗脂肪含量，构建α-亚麻酸相对含量与加入牧草的干物质比例两者的回归模型的一元二次方程A：y=0.270+0.106x-0.002x²，其中x值为牧草比例，y值为鹅肉α-亚麻酸相对含量；再通过构建粗脂肪含量和加入牧草的干物质比例两者的回归模型方程B：z=7.346-0.158x，其中x值为牧草比例，z值为鹅肉粗脂肪含量；

2）            实际测定：测定某鹅肉样品中α-亚麻酸相对含量和粗脂肪含量，将α-亚麻酸相对含量代入步骤1）中的方程A中，求得两解；将两解代入步骤1）中的方程B中的求得假定的粗脂肪含量，通过对比真实粗脂肪含量，排除两解中误差较大的解，即得所述的日粮中含牧草的比例。

本发明的依据是：

α-亚麻酸（ALA）是畜禽的必需脂肪酸，不能在体内由其他物质转化而成，只能从日粮中获取。同时，ALA作为多不饱和脂肪酸（PUFA），在畜禽体内起结构性脂肪酸的作用。研究表明动物对脂肪酸的利用有一定先后顺序，如饥饿的动物均首先消耗饱和脂肪酸,随后才会消耗PUFA；恢复摄食后的动物，其PUFA也优先得到补充(王艳等，2008)。因此，日粮中添加PUFA能够增加肉品中PUFA的含量(黄攀等，2008；褚海义等，2008)。

日常喂鹅的主要牧草（黑麦草、狼尾草）含有高比例的ALA（例如黑麦草、狼尾草的ALA均占总脂肪酸的60%左右），而玉米豆粕型饲料ALA仅占3%左右，二者差距巨大。当日粮中牧草代替玉米豆粕型饲料的比例提高时，日粮中ALA就相应提高了，从而也提高了鹅肉的ALA。

同玉米豆粕型饲料相比，牧草的可消化能相对较低。当牧草代替饲料的比例大幅度提高时，造成日粮能量下降，从而导致鹅肉的粗脂肪含量线性降低。 

具体实施方式

为了使本发明所述的内容更加便于理解，下面结合具体实施方式对本发明所述的技术方案做进一步的说明，但是本发明不仅限于此。

实施例 1

通过饲养试验，在日粮中添加不同比例（0.00%、5.42%、11.92%、19.52%和27.24%，干物质比）黑麦草，饲养2个月至商品鹅规格。

根据GB/T 17377-1998和GB/T 6433-2006分别测定鹅胸肌肉的α-亚麻酸相对含量和粗脂肪含量组成如表1所示，得到日粮中牧草干物质比例与鹅胸肌肉中ALA相对含量二者回归模型方程为：y=0.270+0.106x-0.002x²（F=22.99^**）（方程1），曲线模型与实测值呈极显著相关（P＜0.01，其中x值为牧草比例，y值为鹅肉ALA相对含量。

也可得到日粮中牧草干物质比例与鹅胸肌肉粗脂肪含量二者回归模型方程为：z=7.346-0.158x（F=42.902^**）（方程2），曲线模型与实测值呈极显著相关（P＜0.01，其中x值为牧草比例，z值为鹅胸肌肉粗脂肪含量。

实施例2

通过饲养实践，在日粮中添加2.50%（干物质比）狼尾草，饲养3个月至商品鹅规格。

通过常规的检测技术GB/T 17377-1998和GB/T 6433-2006测定某一鹅胸肌肉样品中α-亚麻酸相对含量为0.5%、粗脂肪含量为6.87%。

将鹅肉中ALA相对含量值y=0.5，代入实施例1建立的方程1中，得到一元二次方程-0.002x²+0.106x -0.23=0，通过常规的一元二次方程求解，得到x ₁=2.27；x ₂= 50.73。再将x₁和x₂值，分别代入方程2中，得到z ₁=6.99；z ₂= -0.67。再将z ₁（6.99）、z ₂（-0.67）与鹅肉粗脂肪含量实测值6.87进行比较，显然z ₁（6.99）更接近实测值。z ₁值所相对应的x ₁值为2.27，据此可以推算出该鹅食用日粮中含牧草干物质比例为2.27%。

该鹅的日粮中实际添加了2.50%的狼尾草，推算值2.27%与之接近，验证了用本方法推算肉鹅日粮中含牧草比例是可行的。

实施例3：

通过饲养实践，在日粮中添加8.00%（干物质比）黑麦草，饲养2个月至商品鹅规格。

通过常规的检测技术GB/T 17377-1998和GB/T 6433-2006测定某一鹅胸肌肉样品中α-亚麻酸相对含量为1.0%、粗脂肪含量为6.10%。

    将鹅肉中ALA相对含量值1，代入实施例1所建立的方程1中，得到一元二次方程-0.002x²+0.106x -0.73=0，通过常规的一元二次方程求解，得到x ₁=8.14；x ₂= 44.86。再将x₁和x₂值，分别代入方程2中，得到z ₁=6.06；z ₂= 0.26。再将z ₁（6.06）、z ₂（0.26）与鹅肉粗脂肪含量实测值6.10进行比较，显然z ₁（6.06）更接近实测值。z ₁值所相对应的x ₁值为8.14，据此可以推算出该鹅食用日粮中含牧草干物质比例为8.14%。

该鹅的日粮中实际添加了8.00%的黑麦草，推算值8.14%与之接近，验证了用本方法推算肉鹅日粮中含牧草比例是可行的。

实施例4：

通过饲养实践，在日粮中添加17.00%（干物质比）狼尾草，饲养2个月至商品鹅规格。

通过常规的检测技术GB/T 17377-1998和GB/T 6433-2006测定某一鹅胸肌肉样品中α-亚麻酸相对含量为1.5%、粗脂肪含量为4.50%。

    将鹅肉中ALA相对含量值1.5，代入实施例1的方程1中，得到一元二次方程-0.002x²+0.106x -1.23=0，通过常规的一元二次方程求解，得到x ₁=17.16；x ₂= 35.84。再将x₁和x₂值，分别代入方程2中，得到z ₁=4.63；z ₂= 1.68。再将z ₁（4.63）、z ₂（1.68）与鹅肉粗脂肪含量实测值4.50进行比较，显然z ₁（4.63）更接近实测值。z₁值所相对应的x ₁值为17.16，据此可以推算出该鹅食用日粮中含牧草干物质比例为17.16%。

该鹅的日粮中实际添加了17.00%的狼尾草，推算值17.16%与之接近，验证了用本方法推算肉鹅日粮中含牧草比例是可行的。