贵州42种野生牧草营养价值灰色关联度分析

田兵，冉雪琴，薛红，谢健，陈彬，武玉祥，王嘉福* ，王啸

(1，贵州大学农业生物工程研究院，贵州贵阳550025;2.贵州大学生命科学学院，贵州贵阳550025;3.贵州大学动物科学学院，贵州贵阳550025;4.贵州省畜牧兽医研究所，贵州贵阳550025)

贵州省是喀斯特岩溶山区，草山草坡面积达1933万hm2，其中可利用的草地面积为1533万hm2，包括林间草地在内的总草地面积占全省总面积的73%。独特的地理气候特征，有利于各种植物的生长，蕴藏着丰富的牧草资源，因此贵州具有发展草地畜牧业的潜在优势［1-2］。开发本地野生牧草能有效地利用山区的土地资源，减少水土流失，保护生态平衡，提高农民收入，对山区土地资源开发利用的可持续发展具有深远的意义。

在牧草开发工作中，重要的环节是对即将开发应用的牧草种或品种进行营养价值的评价。营养价值的评价一直以来都是国内外研究的热点，已报道的评定方法有多种［3-13］。多数方法以粗蛋白含量为主。对鄂西地区主要牧草进行的评价表明，干萝卜(Raphanus sativus)叶的粗蛋白含量最高，营养品质较好;风干红三叶(Trifolium pratense)和风干白三叶(Trifolium repens)蛋白含量居中，营养品质次之;其他牧草中粗蛋白含量低，营养品质较差［14］。91-82苇状羊茅(Festuca arundinacea)、交战2代苇状羊茅、93-6扁穗雀麦(Bromus catharticus)的粗蛋白质含量接近10%，其余品种如宽叶苇状羊茅、法恩苇状羊茅、毕节鸭茅(Dactylis glomerata)、织金鸭茅的粗蛋白质含量高于11%，粗脂肪含量高于3.5%，粗纤维含量低于40%，富含钙磷［15］。用灰色关联度及相关性分析方法对生长在黔西南州岩溶区的27种饲料灌木常规营养成分及元素进行测定，综合分析出构树所含营养元素综合评价为最好［16］。事实上，对草食家畜而言，不论哪一种牧草，各种营养指标如粗蛋白、粗脂肪、粗纤维、灰分等对家畜的影响都是综合的。

灰色系统理论中关联度分析法可以克服上述不足。灰色关联度分析是一种定量化比较分析方法，是根据数列的可比性和相似性，分析系统内部主要因素之间的相关程度，确定相关程度最大的因素［17-18］，在农业和牧草引种、育种方面已有所应用［19-21］。在客观系统中，灰色系统分析可较为真实和全面地反映人们对客观系统的实际认识程度，不但可以得到定性分析结果，还可以给出定量结果［22］。为此，本文应用邓聚龙［23］于1982年创立的灰色关联度分析法，对17个科42种野生牧草的营养价值指标进行综合评价，为贵州省牧草的开发利用提供科学依据。

1 材料与方法

1.1 试验材料

供试17个科42种野生牧草样品(表1)采自贵州本地山间田野及贵州大学实验农场，采样时间为2012年3－7月份，将42种野生牧草分成三类:10种野生菊科牧草、8种禾本科牧草、24种其他各科野生牧草。按四分法将采集的新鲜样品各取250～500 g进行后续研究。全部样品均经粉碎机粉碎，过40目筛(筛孔尺寸0.425 mm)，干燥保存。

表1 样品的鉴定及采集时期Table 1 Forage identification and sampling period

续表1 Continued

1.2 营养成分测定［24］

干物质(dry matter，DM)用常压恒温干燥法测定;粗蛋白(crude protein，CP)用凯氏定氮法测出样品总氮含量后乘系数6.25;粗脂肪(ether extract，EE)用索氏(Soxhlet)法测定;粗纤维(crude fiber，CF)用酸碱水解法测定;灰分(Ash)用干灰化法测定;钙(Ca)用EDTA络合滴定法测定;磷(P)用钼黄分光光度法测定。以上各项指标每个样品重复测定3次。无氮浸出物(nitrogen free extract，NFE)为计算值，计算公式为:NEF=DM－(CP+EE+CF+Ash)。

1.3 数据分析

运用灰色系统理论［25］把贵州常见的42种野生牧草按菊科、禾本科、其他科植物分成3个灰色系统。

对菊科样品进行分析时，首先将供试的10种野生菊科牧草看成一个灰色系统，每一种野生菊科牧草为该系统中的一个因素，分析菊科灰色系统中每种牧草间的联系程度即关联度。关联度越大，样品间的相似程度就越高。人为构建一个菊科参考品种X0，将参考品种X0的营养成分含量作为参考数列［X0(1)，……，X0(N)］，每种菊科牧草的营养成分含量为比较数列Xi，计算出各菊科牧草的营养成分含量与参考品种相应指标之间的关联度，评价每个菊科牧草营养价值的高低［26］。

设参考数列为 X0，比较数列为 Xi，i=1，2，3，……，N，且 X0={X0(1)，X0(2)，X0(3)，……，X0(N)}，Xi={Xi(1)，Xi(2)，Xi(3)，……，Xi(N)}，则称 ξi(k)为 X0与 Xi在第 k点的关联系数:

为避免信息过于分散及便于比较，将每个菊科样本的各项营养含量指标与参考品种相应指标的关联系数取算术平均值，定义为关联度δ(即等权关联度)。公式为，式中，N为营养指标的个数(本试验为7)。然而，牧草中各营养成分对营养价值高低的贡献率是不同的。因此，为了客观地评价样本的营养价值，需采用加权关联度，即根据各种营养成分在营养价值中的重要性赋权重值WK，权重系数的给出是根据以往研究的结果、经验确定的。以加权关联度公式，对各菊科牧草的营养价值进行评价:当γi≥0.7000 时判定营养价值高;0.6000≤γi＜0.7000 为营养价值良好;0.5000≤γi＜0.6000 为营养价值中等;γi＜0.5000 为营养价值较差。

同理对第2组禾本科样本进行营养价值分析;其他科植物合并为第3组进行相似的营养评价。

2 结果与分析

2.1 营养成分含量

对42个样本的主要营养成分进行了测定(表2)，其中粗蛋白含量在7.5% ～30.0%之间，灰灰菜的粗蛋白含量最高(29.45%)，豨莶、苦苣菜、辣蓼、空心莲子草、构树、反枝苋、洋槐、金荞麦菜粗蛋白含量都在20%以上，扁穗雀麦粗蛋白含量最低(7.86%);粗脂肪含量:狗牙根最高(5.41%)，薏苡最低(0.81%)，金银花、羊屎条、构树、豨莶、荠菜、酸模叶蓼粗脂肪含量都在4%以上;反枝苋的粗纤维含量最低(9.32%)，其次为马齿苋(10.07%)，野花椒最高(33.17%);粗灰分:含量相差较大，最高为反枝苋(20.82%)，黄花木粗灰分含量最低(3.92%);马齿苋无氮浸出物含量最高(61.57%)，其次为扛板归(60.25%)，灰灰菜最低(25.53%)，其余都在25% ～56%之间;磷的含量都在1%以下，最高为三叶鬼针草(0.86%)，最低为马齿苋(0.08%);钙的含量集中在0.5% ～2.0%之间，最高为构树(2.90%)，最低为狗牙根(0.47%)。

2.2 灰色关联度分析

2.2.1 构建参考品种 以10种菊科牧草为例。从营养价值来看，粗蛋白质是牧草中的主要营养物质，粗脂肪和无氮浸出物是主要的热能物质，粗灰分为牧草中的矿物质，钙和磷为两种重要的矿物元素，直接影响家畜的生长发育。因此这6个指标的测定值越高，说明牧草的营养价值越高、品质越好［27-31］。因此，参考品种的6项营养指标应稍大于10种菊科牧草的最大测定值。粗纤维是主要的能源物质之一，但其含量与消化率负相关，因而在一定程度上，粗纤维含量越低越好，参考品种的粗纤维指标应低于10种菊科牧草粗纤维的最小测定值。

2.2.2 数据的无量纲化处理 各种菊科牧草营养成分的测定值相差较大，不易比较，须进行标准化处理。本文采用初值化处理方法，即用各测定值除以参考品种相应的期望指标(粗纤维处理采用商值的倒数)，得到各项指标数值都在0～1之间的新数列(表3)。

表2 样品营养成分测定(占干物质的百分比，±SD)Table 2 Nutrition determination of forage grass(The percentage of dry matter，珔X±SD)%

表2 样品营养成分测定(占干物质的百分比，±SD)Table 2 Nutrition determination of forage grass(The percentage of dry matter，珔X±SD)%

科名Family name编号Number样品名称Samples干物质DM粗蛋白CP粗脂肪EE粗纤维CF粗灰分Ash无氮浸出物NFE钙 磷Ca P菊科Compositae X1 豨莶 Siegesbeckia orientalis 90.22±0.04 0.05 X2 白蒿 Artemisia sieversiana 90.63±0.09 17.09 ±0.23 4.49 ±0.11 12.83 ±0.11 9.26 ±0.25 46.55 ±0.12 1.73 ±0.07 0.58 ±0.39 ±0.03 X3 小飞蓬 Conyza canadensis 91.01±0.10 17.84 ±0.07 3.76 ±0.09 26.70 ±0.21 10.80 ±0.06 31.53 ±0.09 1.57 ±0.05 0.69 ±0.02 X4 苦苣菜 Sonchus oleraceus 85.67±0.01 19.51 ±0.13 2.62 ±0.17 14.93 ±0.12 13.99 ±0.14 39.96 ±0.16 0.74 ±0.03 0.54 ±0.11 X5 青蒿 Artemisia annua 90.77±0.07 20.34 ±0.24 3.45 ±0.21 16.98 ±0.09 12.42 ±0.26 32.48 ±0.11 0.73 ±0.02 0.40 ±0.15 X6 三叶鬼针草 Bidens pilosa 91.06±0.12 17.23 ±0.15 3.97 ±0.08 28.20 ±0.08 11.29 ±0.27 30.08 ±0.15 1.62 ±0.01 0.86 ±0.16 X7 一年蓬 Erigeron annuus 89.00±0.11 15.30 ±0.11 2.81 ±0.01 17.61 ±0.13 12.40 ±0.11 42.94 ±0.08 1.32 ±0.04 0.19 ±0.03 X8 苦荬菜 Ixeris chinensis 89.43±0.18 10.64 ±0.05 2.38 ±0.01 28.73 ±0.23 5.40 ±0.21 41.85 ±0.14 0.95 ±0.03 0.31 ±0.07 X9 千里光 Senecio scandens 91.86±0.14 15.73 ±0.22 2.85 ±0.04 16.49 ±0.32 11.42 ±0.08 42.93 ±0.21 1.49 ±0.07 0.25 ±0.21 X10 鱼鳅串 Kalimeris indica 92.78±0.03 14.72 ±0.23 3.26 ±0.05 21.03 ±0.14 10.26 ±0.18 42.59 ±0.15 1.92 ±0.03 0.46 ±0.12禾本科Gramineae 13.42 ±0.09 1.75 ±0.04 19.78 ±0.26 9.66 ±0.28 48.17 ±0.14 1.69 ±0.05 X11 鸭茅 Dactylis glomerata 88.96±0.21 0.09 X12 黑麦草 Lolium perenne 88.03±0.25 16.71 ±0.32 1.41 ±0.11 25.55 ±0.16 13.38 ±0.16 31.91 ±0.19 0.99 ±0.05 0.24 ±0.18 ±0.04 X13 茅草 Imperata cylindrica 87.70±0.19 13.05 ±0.34 2.09 ±0.12 26.03 ±0.24 7.48 ±0.31 39.38 ±0.20 0.86 ±0.03 0.13 ±0.06 X14 双穗雀稗 Paspalum distichum 88.81±0.28 9.33 ±0.01 2.44 ±0.21 22.57 ±0.18 4.69 ±0.16 48.67 ±0.12 0.71 ±0.01 0.20 ±0.03 X15 狗牙根 Cynodon dactylon 92.63±0.06 17.48 ±0.15 3.45 ±0.23 30.01 ±0.19 6.33 ±0.18 31.54 ±0.19 1.08 ±0.10 0.36 ±0.16 X16 狗尾草 Setaira viridis 89.22±0.04 16.37 ±0.04 2.67 ±0.11 27.24 ±0.27 12.18 ±0.18 34.17 ±0.16 1.35 ±0.06 0.24 ±0.05 X17 薏苡Coix lacryma-jobi 89.17±0.04 8.38 ±0.02 5.41 ±0.13 20.09 ±0.28 9.66 ±0.04 45.68 ±0.11 0.47 ±0.11 11.02 ±0.41 0.81 ±0.14 27.55 ±0.18 16.37 ±0.03 33.42 ±0.15 0.49 ±0.03 0.17 ±0.02藜科Chenopodiaceae 0.51 ±0.11蓼科Polygonaceae X19 灰灰菜 Chenopodium album 91.09±0.17 29.45 ±0.11 2.28 ±0.03 16.99 ±0.19 16.84 ±0.03 25.53 ±0.07 1.03 ±0.08 X20 酸模叶蓼Polygonum lapathifolium 93.74 ±0.21 17.85 ±0.06 4.78 ±0.03 15.61 ±0.26 8.07 ±0.04 47.43 ±0.11 0.66 ±0.21 0.39 ±0.24 0.14 ±0.06 X18 扁穗雀麦 Bromus catharticus 88.96±0.13 7.86 ±0.22 1.89 ±0.09 31.22 ±0.05 5.36 ±0.02 42.63 ±0.08 1.26 ±0.17

续表2 Continued

表3 数据的无量纲化处理Table 3 Dimensionless of data

2.2.3 求绝对差 将参考品种各项指标的标准化数值分别减去各菊科牧草相应指标的标准化数值，得到一系列的标准绝对差，其中最小标准绝对差和最大标准绝对差分别为:

2.2.4 求关联系数 根据关联系数公式

将各绝对差值代入，即得到相应的关联系数(表4)。

表4 10种菊科牧草与参考品种的关联系数Table 4 Grey correlative coefficients between 10 kinds of wild Compositae and the reference series

2.2.5 求关联度 根据关联度公式，将表4中的数值代入，即得到各菊科牧草营养价值与参考品种之间的关联度(表5)。该关联度为等权关联度，是在各种营养成分都同等重要的情况下营养价值高低的反映，即各种成分同等重要的条件下才能用等权关联度评判营养价值优劣。然而，牧草中各营养成分对营养价值高低的贡献率是不同的。因此，为了客观地评价营养价值的高低，需采用加权关联度，即根据各种营养成分在营养价值中的重要性赋权重值WK，再根据公式计算得到加权关联度(表5)。

2.2.6 10种野生菊科牧草的营养成分加权关联度 10种野生菊科牧草的营养成分等权关联度在0.4751～0.7562之间，加权关联度在0.4781 ～0.7553 之间(表5)。

2.3 8种禾本科牧草的营养成分加权关联度

同理得到8种野生禾本科牧草的营养成分等权关联度和加权关联度，等权关联度在0.5366～0.6853之间，加权关联度在0.5183～0.6838之间(表6)。

2.4 其余24种野生牧草的营养成分加权关联度

同理得到其余24种野生牧草营养成分等权关联度和加权关联度及排列顺序，等权关联度在0.4590～0.6959之间，加权关联度在0.4457 ～0.7104 之间(表7)。

表5 10种供试野生菊科牧草与参考品种的关联度Table 5 Grey correlative degrees between 10 kinds of wild Compositae and reference number series

表6 8种野生禾本科牧草与参考品种的关联度Table 6 Grey correlative degrees between 8 kinds of wild Gramineae and reference series

表7 其余24种野生牧草与参考品种关联度及排列顺序Table 7 Grey correlative degrees between the rest of 24 kinds of wild foragr grasses and reference series

2.5 营养价值评价

根据灰色系统理论中关联度的分析原则［32-36］，理论上，参考品种是最好的，实测样品与参考品种的关联度越大，其营养价值越高。据此判断，10种野生菊科牧草中营养价值最高的是豨莶(γi=0.7553)，苦苣菜(γi=0.7472)，小飞蓬(γi=0.7374)，较高的有白蒿、青蒿、三叶鬼针草、苦买菜、千里光，营养价值中等的有鱼鳅串;8种野生禾本科牧草中营养价值较高的是双穗雀稗(γi=0.6838)、狗尾草(γi=0.6581)、狗牙根(γi=0.6200)、茅草(γi=0.6834);其余24种野生牧草中营养价值最高的是反枝苋(γi=0.7104)、灰灰菜(γi=0.7093)。营养价值最差的是刺梨、香附子、马齿苋、野花椒等。由等权关联度和加权关联度分析所得的结论基本一致，两种关联度排序的秩相关系数菊科牧草为γs=0.6970，通过秩相关系数界值表可知，当n=10(n代表样本个数)时，γs0.05，10=0.648，γs0.01，10=0.794，γs0.05，10 ＜0.6970 ＜γs0.01，10;禾本科牧草为 γs=0.7619，通过秩相关系数界值表可知，当n=8 时，γs0.05，8=0.738，γs0.01，8=0.881，γs0.05，8 ＜ 0.7619 ＜ γs0.01，8;其他 24 种野生为 γs=0.9157，当 n=24 时，γs0.05，24=0.406，γs0.01，24=0.521，γs=0.9157 ＞ γs0.01，24，经差异显著性检验，菊科、禾本科达到显著水平(P＜0.05)，其余24种牧草达到极显著水平(P＜0.01)。

根据加权关联度的大小，规定:γi≥0.7000 营养价值高;0.6000≤γi＜0.7000 为营养价值良好;0.5000≤γi＜0.6000为营养价值中等;γi＜0.5000为营养价值差，则42种野生牧草中营养价值高的有5种:菊科豨莶、小飞蓬、苦苣菜，藜科灰灰菜，苋科反枝苋;营养价值良好的有14种:菊科白蒿、青蒿、三叶鬼针草、苦荬菜、千里光，禾本科狗尾草、茅草、双穗雀稗、狗牙根，蓼科酸模叶蓼、金荞麦，桑科构树，十字花科荠菜，蝶形花科洋槐;营养价值差的有7种:菊科一年蓬，豆科黄花木，石柱科鹅肠菜，蔷薇科刺梨，莎草科香附子，马齿苋科马齿苋，芸香科野花椒;其余16种营养价值处于中等水平:菊科鱼鳅串，禾本科鸭茅、黑麦草、薏苡、扁穗雀麦，蓼科扛板归、辣蓼，苋科空心莲子草，桑科葎草，豆科白刺花、白三叶，忍冬科羊屎条、金银花，旋花科小旋花，蔷薇科刺泡和马鞭草科荆条。

3 讨论

本文运用灰色关联分析法对贵州42种常见野生牧草进行了营养价值评价，与其他研究不同的是，本文综合考虑了干物质、粗蛋白、粗脂肪、粗纤维、粗灰分、无氮浸出物、钙、磷共8个营养因子的综合作用，避免了以往评价体系中，只考虑粗蛋白质、粗脂肪和粗纤维等少数几个因子而忽视其他因子的弊病［37］。灰色关联度分析经过标准化处理，可以用于不同科、属、种植物的横向比较，也可以用于不同实验室研究结果之间的比较［38］。本文共筛选出35种具有较高营养价值的野生牧草，它们是菊科牧草豨莶、白蒿、小飞蓬、苦苣菜、青蒿、三叶鬼针草、千里光、鱼鳅串、苦荬菜;禾本科牧草狗尾草、茅草、双穗雀稗、狗牙根、鸭茅、黑麦草、薏苡、扁穗雀麦;藜科牧草灰灰菜;蓼科牧草酸模叶蓼、金荞麦、扛板归、辣蓼;苋科牧草反枝苋、空心莲子草;桑科牧草构树、葎草;豆科牧草白刺花、白三叶;忍冬科牧草羊屎条、金银花;旋花科牧草小旋花;十字花科牧草荠菜;蔷薇科牧草刺泡;蝶形花科牧草洋槐;马鞭草科牧草荆条。其中，豨莶是民间常用的牛羊饲草。此外，豨莶具有抗炎、镇痛、抗血栓、改善微循环和止痒等药理作用，在治疗人椎体成形术后残留的腰背痛、冠心病、风湿性关节炎等方面效果显著［39］。小飞蓬不仅营养价值丰富，而且VB2含量也很丰富［40］。苦苣菜已经成为宁夏地区餐厅不可缺少的绿色保健食品［41］。苦荬菜的营养价值高于常见蔬菜，已成为食用野菜［42］。三叶鬼针草的营养价值较高，并且分布面积很广［43］。千里光中至少含有17种氨基酸、多种营养成分、丰富的矿物元素、维生素及胡萝卜素［44］。白蒿有很好的保健功能［45］。狗尾草的营养价值在西藏山南地区6种野生牧草中是较高的［46］。构树的营养价值在黔西南岩溶区饲料灌木营养元素综合评价最好，刺梨最低［16］。扛板归不仅营养价值丰富，而且在连云港云台山野生草本植物资源调查中，认为扛板归也可以成为良好的园林观赏植物［47］。鸭茅的营养价值高于苇状羊茅［48］。灰灰菜的营养含量明显高于白菜(Brassica pekinensis)和菠菜(Spinacia oleracea)［49］，但大量生喂灰灰菜可引起猪中毒，因此作为饲草饲料时需加工后使用［50］。反枝苋中蛋白质、钙的含量很高，可用于蛋白质和钙的补充［37］。在陕北黄土丘陵沟壑区，洋槐叶是猪、牛、羊等重要的饲料之一［38］。此外，羊屎条、洋槐、野花椒，刺梨叶、空心莲子草、荠菜、辣蓼、香附子、构树叶等对贵州本地羊、牛表现出较好的适口性。

综上，本文筛选出的35种野生牧草综合营养价值高，可以为贵州主要草食家畜尤其是牛、羊提供营养素，应加大开发利用的力度。此外7种常见的贵州野生牧草一年蓬、黄花木、鹅肠菜、刺梨、香附子、马齿苋、野花椒因其营养价值较低，应降低这些牧草的种植面积。

致谢:本文研究材料42种饲草的分类，得到贵州大学生命科学学院廖海民教授、动物科学学院陈超副教授的帮助;样本营养成分的检测在贵州省畜牧兽医研究所畜禽产品理化检测分析实验室完成，一并致谢。

［1］皇甫江云，毛凤显，卢欣石.中国西南地区的草地资源分析［J］.草业学报，2012，21(1):75-82.

［2］刘兴元，梁天刚，郭正刚.贵州岩溶山区生态保护与草业开发模式探讨［J］.水土保持学报，2004，18(2):101-104.

［3］玉兰，聂柱山.提高牧草饲用价值的育种新标准［J］.中国草地，1991，(3):50-52.

［4］许令妊，林柏和.几种紫花苜蓿营养物质含量动态的研究［J］.中国草地，1982，(3):14-23.

［5］宁布.论野生牧草的饲用评价［J］.中国草地，1998，(2):78-79.

［6］高安社，章祖同.六种调制牧草方法的模糊综合评价［J］.中国草地，1996，(2):56-59.

［7］王德利，祝廷成.牧草价值综合评价的定量方法探讨［J］.草业学报，1993，2(1):33-38.

［8］王光宇.区域农业综合生产力的AH P－Fuzzy综合评判［J］.生物数学学报，1998，13(2):206-210.

［9］卢欣石，申玉龙.AH P模型对苜蓿农艺性状的综合评定与应用［J］.中国草地，1992，(2):69-73.

［10］孟林.层次分析法在草地资源评价中应用的研究［J］.草业科学，1998，15(6):1-4.

［11］夏明，桂荣，那日苏.牧草营养成分聚类分析与评价［J］.中国草地，2000，(4):33-37.

［12］向志民，何敏.蒿类半灌木牧草质量分析［J］.草业科学，2000，17(1):13-20.

［13］张喜军.牧草饲用价值综合评价的数学模型［J］.中国草地，1991，(6):63-67.

［14］向东山，郑小江，刘晓鹏，等.鄂西地区主要牧草营养品质的分析与评价［J］.湖北农业科学，2008，47(4):452-454.

［15］唐成斌，牟琼，陈瑞祥，等.贵州优良牧草品种筛选及利用评价［J］.种子，2005，24(8):104-106.

［16］黄芬，曹建华，丁俊峰，等.黔西南岩溶区饲料灌木营养元素分析［J］.热带地理，2010，30(3):237-241.

［17］Deng J L.The control problem of grey systems［J］.Systems and Control Letters，1982，11(5):285-294.

［18］白伟，孙占祥，郑家明，等.基于灰色关联度分析的辽宁阜新地区玉米品种评价［J］.沈阳农业大学学报，2010，41(6):649-653.

［19］尹利，逯晓萍，傅晓峰，等.高丹草杂交种灰色关联分析与评判［J］.中国草地学报，2006，28(3):21-25.

［20］王桃，徐长林，姜文清，等.高寒草甸区饲用燕麦品种营养价值综合评价研究［J］.中国草地学报，2010，32(3):68-75.

［21］段生瑰.欧洲燕麦在高寒地区引种及其关联度分析［J］.养殖与饲料，2008，(1):50-60.

［22］杨曌，张新全，李向林，等.应用灰色关联度综合评价17个不同秋眠级苜蓿的生产性能［J］.草业学报，2009，18(5):67-72.

［23］邓聚龙.灰色预测与决策［M］.武汉:华中工学院出版社，1986:1-325.

［24］朱进忠.草业科学实践教学指导［M］.北京:中国农业出版社，2008:375-412.

［25］李秀红.基于灰色关联度的多目标决策模型与应用［J］.山东大学学报，2007，42(12):1-5.

［26］唐成斌，龙绍云.灰色系统理论在牧草引种上的应用初探［J］.草业科学，1991，8(6):44-47.

［27］Falkner L K，Casler M D.Preference for smooth bromegrass clones is affected by divergent selection for nutritive value［J］.Crop Science，1988，38:690-695.

［28］Casler M D.Breeding forage crops for increased nutritional value［J］.Advances in Agronomy，2001，71:51-107.

［29］Larson S R，Mayland H F.Comparative mapping of fiber，protein，and mineral content QTLs in two interspecific Leymus wildrye full-sib families［J］.Molecular Breeding，2007，20:331-347.

［30］Van Soest P J.Nutritional Ecology of the Ruminant，Second Edition［M］.Ithica New York:Cornell University Press，1994.

［31］Casler M D，Vogel K P.Accomplishments and impact from breeding for increased forage nutritional value［J］.Crop Science，1999，39:12-20.

［32］莫本田，罗天琼，唐成斌.贵州主要野生禾本科牧草营养价值灰色分析［J］.贵州农业科学，1996，(5):42-46.

［33］何凡.试用灰色关联分析评价红麻区试品种［J］.贵州农业科学，1988，(6):25-28.

［34］郭霞，刘雪云，周志宇，等.应用灰色关联度分析法综合评价啃食强度对紫穗槐营养价值的影响［J］.草业学报，2012，21(2):196-204.

［35］董景实，张素珍.主要牧草产量及营养动态的研究［J］.中国草原，1981，(3):40-47.

［36］蔡为铭.应用灰色关联度分析法综合评价几个再生稻品种［J］.福建农业学报，2012，27(4):324-328.

［37］李秀锦，仲飞，郭红艳.食用野菜和蔬菜某些营养成分的分析和比较［J］.食品营养，2004，25(7):123-124.

［38］白慧山.陕北黄丘区林副产品资源的营养成分和饲用价值评价［J］.植物经济利用，1990，(1):28-36.

［39］张超，吴素香，楼招欢，等.豨莶草化学成分、药理作用及临床应用研究进展［J］.安徽医药，2011，15(3):274-276.

［40］王力川，唐伟斌，胡章记，等.冀南山区主要野菜植物营养成分的测定［J］.河南农业科学，2005，(8):76-78.

［41］郭再逢，代海香，索中述.宁夏地区苦苣菜食用价值及卫生问题［J］.宁夏医学杂志，2007，29(7):655-656.

［42］姚玉霞.苣荬菜小根蒜营养成分分析［J］.营养学报，2003，25(2):173-174.

［43］田学军，郭亚力，袁寒，等.5种可食野生和栽培植物茎叶、花序营养成分分析［J］.云南农业科技，2012，(5):14-15.

［44］孟阿兰，钟惠民.野生植物菊状千里光营养成分的测定［J］.光谱实验室，2005，22(1):73-74.

［45］邓丹雯，郑功源.藜蒿的营养保健功能及其产品开发［J］.食品科技，2001，(3):18-19.

［46］曹仲华，呼天明，曾社会，等.西藏山南地区6种野生牧草营养价值评定［J］.草地学报，2010，18(3):414-420.

［47］张佳平，丁彦芬.连云港云台山野生草本植物资源调查、应用及保护研究［J］.草业学报，2012，21(4):215-223.

［48］黄文惠，戛亦荠，刘海泉，等.鸭茅与苇状鸭茅品种比较试验报告［J］.牧草与饲料，1989，(4):36-38.

［49］赵永光，常丽新，腾兰稳，等.碣石山区常见野菜营养成分分析及营养价值评价［J］.安徽农业科学，2008，36(10):4082-4083.

［50］谢全德.猪灰灰菜中毒的防治［J］.中国兽医杂志，2003，39(1):55-56.