VŨ CHÍ CƯƠNG – Bước đầu sử dụng kỹ thuật...
BƯỚC ĐẦU SỬ DỤNG KỸ THUẬT QUANG PHỔ HẤP PHỤ CẬN HỒNG NGOẠI
(NEAR INFRARED REFLECTANCE SPECTROSCOPY - NIRS) ĐỂ CHẨN ĐOÁN
THÀNH PHẦN HOÁ HỌC CỦA PHÂN VÀ THỨC ĂN CHO GIA SÚC NHAI LẠI
Vũ Chí Cương*, Phạm Kim Cương, Đoàn Thị Khang và Nguyễn Thu Anh
Viện Chăn Nuôi
*Tác giả để liên hệ: TS. Vũ Chí Cương, Phó Viện trưởng Viện Chăn nuôi,
ĐT: 0912121506, Email:
ĐẶT VẤN ĐỀ
Kỹ thuật quang phổ hấp phụ cận hồng ngoại (Near Infrared Reflectance
Spectroscopy viết tắt là NIRS) là kỹ thuật đã được biết đến từ lâu và hiện nay đã được
ứng dụng rộng rãi vào nhiều lĩnh vực: xác định lượng nước trong ngũ cốc và các loại
hạt (Norris và Hart, 1965), xác định thành phần hoá học và tỷ lệ tiêu hoá của cỏ khô,
các thức ăn thô khô (Brown và cộng sự, 1990), thức ăn ủ chua (Park và cộng sự 1998),
cỏ tươi (Berarado và cộng sự 1997; Givens và cộng sự 1997), xác định lượng thức ăn
ăn vào (Coelho và cộng sự, 1988), xác định thành phần hoá học và giá trị dinh dưỡng
của các thức ăn hạt cốc cho gia súc nhai lại (Arminda và cộng sự., 1998), lợn (Van
Barneveld và cộng sự., 1999), gia cầm (Valdes và Leeson, 1992), xác định tinh bột,
mỡ, dầu thực vật, năng lượng trao đổi, tồn dư thuốc bảo vệ thực vật và độc tố trong ngũ
cốc (Wrigley, 1999), kiểm tra các loại thực phẩm (De Boever và cộng sự, 1994), tồn dư
nấm mốc và các chất phụ gia trộn trong nguyên liệu thức ăn (Givens và Deaville,
1999).
Dùng NIRS để xác định thành phần hoá học, tỷ lệ tiêu hoá của thức ăn, từ đó ước tính
giá trị dinh dưỡng của thức ăn đã được công nhận là phương pháp phòng thí nghiệm có độ
chính xác cao (Boval và cộng sự, 2004). NIRS cũng là phương pháp được AOAC chính
thức công nhận để phân tích protein thô và ADF và ẩm độ (Barton và Windham, 1998).
Những ưu điểm, hạn chế của phương pháp này đã được nhiều tác giả đề cập đến
(Givens và cộng sự, 1997; Coleman và cộng sự 1999).
NIRS cho phép phân tích nhanh, nhiều mẫu đồng thời, không độc hại, không phá huỷ
môi trường vì không dùng hoá chất, ít tốn thời gian, rẻ dù đầu tư ban đầu cao để mua thiết
bị (William và cộng sự., 1998), chuẩn bị mẫu đơn giản (Mark và cộng sự, 2002), độ chính
xác khá cao, đơn giản cho sử dụng và vận hành (Given và Deaville, 1999). Nhược điểm
của phương pháp là cần nhiều thời gian cho chuẩn hoá và phát triển mô hình, xử lý số liệu
khó, chuyển đổi số liệu từ các máy khác nhau về serie khá khó khăn (Given và Deaville,
1999). Với mục đích ứng dụng NIRS để xây dựng phương trình chẩn đoán thành phần hoá
học của thức ăn, phân tiến tới xây dựng phương trình chẩn đoán tỷ lệ tiêu hoá và giá trị
dinh dưỡng của thức ăn chúng tôi tiến hành đề tài này.
VẬT LIỆU VÀ PHƯƠNG PHÁP NGHIÊN CỨU
Nguyên lý của phương pháp
Theo William và cộng sự (1998), nguyên lý của phương pháp này như sau: Khi có một
chùm ánh sáng tới chiếu qua các mẫu sinh học, vùng ánh sáng cận hồng ngoại (7502500nm) được các cầu nối C-H, N-H, O-H - là các thành tố cơ bản tạo nên các chất hữu cơ
VŨ CHÍ CƯƠNG – Bước đầu sử dụng kỹ thuật...
của mô sinh học, hấp phụ. Đo phổ ánh sáng phản xạ từ các mẫu ta có được các thông tin về
thành phần hoá học của mẫu đó. Từ phổ (Spectrum) thu được nhờ một phần mềm ví dụ
WinISI chúng ta có được một ma trận các giá trị số của phổ cho một chất hữu cơ nào đó (ví
dụ protein thô). Vì mẫu đồng thời cũng được phân tích thành phần hoá học nên chúng ta có
được một ma trận số các giá trị phân tích về một chất hữu cơ nào đó (ví dụ protein thô).
Dùng các mô hình thống kê nhiều biến cho phép mô tả quan hệ giữa phổ hấp phụ và thành
phần hoá học, quan hệ này sau đó chính là mô hình toán để chẩn đoán thành phần hoá học
của các mẫu chưa phân tích tại phòng thí nghiệm. Toàn bộ nguyên lý của quá trình này
được mô tả trong Sơ đồ 1.
Phần mềm WINisi Phân tích
Ma trận phổ hấp phụ chất A
Ma trận kết quả phân tích chất A
x1 x2 ..x1p
……
x21
y1
. WinISI
xn1
.
..
y2
y2
.
.
yn
y2
.
.
yn
Phương trình chẩn đoán của NIRS cho chất A
Sơ đồ 1: Qui trình xây dựng phương trình chẩn đoán thành phần hoá học của thức ăn và
phân với máy NIRS
Các mẫu thức ăn, phân sử dụng trong nghiên cứu
Mẫu sử dụng trong thí nghiệm gồm: cỏ tự nhiên và cỏ trồng trong thí nghiệm in vivo
trên cừu và phân cừu trong thí nghiệm tiêu hoá in vivo đang được tiến hành tại Viện Chăn
nuôi từ năm 2004 - 2005. Các mẫu sau khi được sấy khô ở 450C trong 24 giờ được nghiền
đến 1 mm để phân tích thành phần hoá học và chạy quét phổ trên máy NIRS
monochromator 5000 của hãng Foss, USA.
Phân tích thành phần hoá học
Thành phần hóa học thức ăn, phân đựơc phân tích tại phòng Phân tích thức ăn và sản
phẩm chăn nuôi, Viện Chăn nuôi. Các tiêu chuẩn TCVN 4326 - 86, TCVN 4328 - 86,
Shocklex, TCVN 4329 - 86, TCVN 4327 - 86 đựơc sử dụng để phân tích tỷ lệ nước ban
đầu, protein thô, mỡ thô, xơ thô và khoáng tổng số. NDF, ADF được xác định theo phương
pháp của Goering và Van Soest (1970).
Chạy phổ và xử lý số liệu và xây dựng phưong trình chẩn đoán
Qui trình chạy và xây dựng phương trình chẩn đoán theo Sơ đồ 1. Mẫu thức ăn sau
chạy phổ được phần mềm chuyên dụng WinISI chuyển thành một ma trận số. Ma trận này
VŨ CHÍ CƯƠNG – Bước đầu sử dụng kỹ thuật...
cùng với ma trận kết quả phân tích sẽ được hồi qui với nhau (sau khi đã loại bỏ tự động các
số liệu cực đoan) với WinISI để xây dựng phương trình chẩn đoán. Mô hình toán học để
xây dựng quan hệ giữa hai ma trận số là hồi qui tuyến đa chiều (Multiple linear regssionMLR):
Y= b0 + b1X1 + b2X2 + …..+ biXi + bpXp
Trong đó: Y là kết quả phân tích phòng thí nghiệm của chất A nào đó;
X là kết quả chẩn đoán với NIRS; b: hệ số
KẾT QUẢ VÀ THẢO LUẬN
Kết quả xây dựng phương trình chẩn đoán chất khô, protein thô, xơ thô và mỡ của cỏ
Bảng 1: Kết quả phân tích DM, CP, Fat và CF của cỏ trên máy NIRS
Thành phần
DM
CP
Fat
CF
n
37
37
37
37
Mean
18,38
10,678
1,92
30,41
SD
4,93
3,16
0,416
3,35
Min
3,58
1,20
0,680
20,37
Max
33,17
20,15
3,15
40,46
SEC
0,76
0,42
0,11
0,72
SECV
0,97
0,65
0,18
1,24
Bảng 2: So sánh kết quả phân tích DM, CP, Fat và CF của cỏ với kết quả NIRS
Chỉ tiêu
CK
CP
Mỡ
CF
n
39
37
39
37
39
37
39
37
Lab
NIRS
Lab
NIRS
Lab
NIRS
Lab
NIRS
Mean ± SD
18,46 ± 4,83
18.38 ± 4,93
11,12 ± 3,65
10,68 ± 3,16
1,98 ± 0,49
1,92 ± 0,416
30,20 ± 3,58
30,41± 3,35
Min
10,48
3,58
4,92
1,20
1,04
0,68
21,21
20,37
Max
27,32
33,17
20,07
20,15
3,38
3,15
36,10
40,46
Bảng 3: Phương trình hồi qui chẩn đoá DM, CP, Fat và CF của cỏ trên máy NIRS
Chỉ tiêu
DM của cỏ Y1
CP của cỏ Y2
Fat của cỏ Y3
CF thô của cỏ Y4
n
39
49
28
47
Phương trình
Y5 =.8393 + 0.9658 DMCoNIRS
Y6 = - 0.6514 + 1.082 CPCoNIRS
Y7 = - 0.0101 + 1.033 FatCoNIRS
Y8 = - 0.943 + 1.026 CFCoNIRS
R2 (%)
93,6
90,6
68,4
92,7
P (<)
0,001
0,001
0,001
0,001
VŨ CHÍ CƯƠNG – Bước đầu sử dụng kỹ thuật...
Fitted Line Plot
Fitted Line Plot
DM_Co_Lab = 0.8393 + 0.9658 DM_Co_Nirs
CP_Co_Lab = - 0.6514 + 1.082 CP_Co_Nirs
28
S
R-Sq
R-Sq(adj)
26
1.22444
93.7%
93.6%
1.12181
90.8%
90.6%
17.5
24
22
CP_Co_Lab
DM_Co_Lab
S
R-Sq
R-Sq(adj)
20.0
20
18
16
14
15.0
12.5
10.0
7.5
12
5.0
10
10
12
14
16
18
20
DM_Co_Nirs
22
24
26
5.0
28
7.5
10.0
12.5
CP_Co_Nirs
15.0
17.5
Fitted Line Plot
Fitted Line Plot
CF_Co_Lab = - 0.943 + 1.026 CF_Co_Nirs
Fat_Co_Lab = - 0.0101 + 1.033 Fat_Co_Nirs
3.5
S
R-Sq
R-Sq(adj)
38
0.278106
69.2%
68.4%
S
R-Sq
R-Sq(adj)
36
3.0
0.967966
92.9%
92.7%
34
CF_Co_Lab
Fat_Co_Lab
32
2.5
2.0
30
28
26
24
1.5
22
20
1.0
1.2
1.4
1.6
1.8
2.0
Fat_Co_Nirs
2.2
2.4
25.0
2.6
27.5
30.0
CF_Co_Nirs
32.5
35.0
Đồ thị 1, 2, 3, 4: Hồi qui giữa DM, CP, Fat và CF của cỏ phân tích phòng thí nghiệm và
chẩn đoán trên NIRS
Kết quả xây dựng phương trình chẩn đoán DM, CP, Fat và CF của cỏ từ NIRS được
trình bày ở các bảng 4, 5, 6 và đồ thị 3, 4, 5, 6. Kết quả này cho thấy trừ trường hợp Fat (R2
trung bình: 68,4%) các phương trình chẩn đoán DM, CP và CF của cỏ bằng NIRS có R2
cao (93,6; 90,6 và 92,7 %) với SEC (Standard error for callibration)-sai số của phép đo
chấp nhận được (0,76; 0,42 và 0,72%), và sai số của phép đo sau khi đã hiệu chỉnh SECV
(Standard error for cross validation) cũng đủ nhỏ để không gây sai số quá lớn của phép đo
(0,97; 0,65 và 1,24%). Với R2 cao và sai số không lớn nên không có sự sai khác về các giá
trị: Mean ± SD, Min và Max của DM, CP và CF của cỏ phân tích phòng thí nghiệm và
chạy trên máy NIRS.
Kết quả xây dựng phương trình chẩn đoán DM, CP, Xơ, Mỡ, NDF, ADF, Ash của phân
cừu
Kết quả xây dựng phương trình chẩn đoán DM, CP, Fat, CF, NDF, NDF và Ash của
phân cừu từ NIRS được trình bày ở các bảng 4, 5, 6 và đồ thị 5, 6, 7, 8, 9, 10 và 11. Kết
quả này cho thấy trừ trường hợp DM (R2 trung bình: 51,7%) các phương trình chẩn đoán
CP, Fat, CF, NDF, NDF và Ash của phân cừu từ NIRS có R2 cao đến khá cao (98,4; 95,1;
94,6; 94,2; 93,8 và 98,1%) với SEC (Standard error for callibration)-sai số của phép đo
chấp nhận được (0,61; 0,2; 1,5; 1,36; 1,26 và 0,59%), và sai số của phép đo sau khi đã hiệu
chỉnh SECV (Standard error for cross validation) cũng đủ nhỏ để không gây sai số quá lớn
của phép đo (0,73; 0,27, 1,96; 1,70; 1,54 và 0,72%).
Với R2 cao và sai số không lớn (không vượt quá 2%) nên không có sự sai khác về các
giá trị: Mean ± SD, Min và Max của DM, CP và CF của cỏ phân tích phòng thí nghiệm và
chạy trên máy NIRS, trừ trường hợp chất khô.
Bảng 4: Kết quả phân tích DM, CP, Xơ, Mỡ, NDF, ADF, Ash của phân cừu trên máy NIRS
Thành phần
DM
CP
n
55
57
Mean
37,61
12,88
SD
8,17
4,62
Min
13,08
7,39
Max
62,14
26,74
SEC
5,34
0,61
SECV
5,74
0,73
VŨ CHÍ CƯƠNG – Bước đầu sử dụng kỹ thuật...
Fat
CF
NDF
ADF
Ash
54
55
54
54
55
2,36
27,52
61,10
34,19
18,04
1,23
6,47
8,17
7,05
4,82
0,90
8,12
36,59
13,049
3,59
6,04
46,92
85,62
55,33
32,49
0,20
1,50
1,36
1,26
0,59
0,27
1,96
1,70
1,54
0,72
Bảng 5: So sánh kết quả phân tích DM, CP, Xơ, Mỡ, NDF, ADF, Ash của phân cừu với kết
quả NIRS
Chỉ tiêu
DM
CP
Fat
CF
NDF
ADF
Ash
Lab
NIRS
Lab
NIRS
Lab
NIRS
Lab
NIRS
Lab
NIRS
Lab
NIRS
Lab
NIRS
n
57
55
57
57
57
54
52
55
50
54
51
54
57
55
Mean ± SD
38,2 ± 8,62
37,61 ± 8,17
12,88 ± 4,62
12,88 ± 4,62
2,44 ± 1,24
2,36 ± 1,23
28,10 ± 7,17
27,52 ± 6,47
60,40 ± 8,76
61,10 ± 8,17
34,32 ± 6,90
34,19 ± 7,05
17,85 ± 4,84
18,04 ± 4,82
Min
22,76
13,08
7,25
7,39
0,98
0,90
13,97
8,12
34,40
36,59
18,12
13,049
10,28
3,59
Max
58,89
62,14
30,43
26,74
7,35
6,04
50,78
46,92
74,38
85,62
52,73
55,33
26,72
32,49
Bảng 6: Phương trình hồi qui chẩn đoán DM, CP, Xơ, Mỡ, NDF, ADF, Ash của phân cừu trên
máy NIRS
Chỉ tiêu
n
Phương trình
R2 (%)
P (<)
CK của phân cừu Y5
36
Y9 = 0.072 + 1.013 DMPhancuuNIRS
51,7
0,001
CP của phân cừu Y6
57
Y10 = - 0.0002 + 1.000 CPphancuuNirs
98,4
0,001
Fat của phân cừu Y7
57
Y11 = 0.02573 + 0.9946 FatphancuuNirs
95,1
0,001
CF của phân cừu Y8
52
Y12 = - 1.077 + 1.045 CFphancuuNirs
94,6
0,001
NDF của phân cừu Y9
51
Y13 = - 1.469 + 1.018 NDFphancuuNirs
94,2
0,001
ADF của phân cừu Y10
50
Y14= 1.070 + 0.9771 ADFphancuuNirs
93,8
0,001
Ash của phân cừu Y11
57
Y15= 0.0748 + 0.9953 AshphancuuNIRS
98,1
0,001
VŨ CHÍ CƯƠNG – Bước đầu sử dụng kỹ thuật...
Fitted Line Plot
Fitted Line Plot
CP_Phan_cuu_Lab = - 0.0002 + 1.000 CP_Phan_cuu_Nirs
DM_Phan_cuu_Lab = 0.072 + 1.013 DM_Phan_cuu_Nirs
S
R-Sq
R-Sq(adj)
5.99241
52.5%
51.7%
50
40
S
R-Sq
R-Sq(adj)
30
0.585761
98.4%
98.4%
25
CP_Phan_cuu_Lab
DM_Phan_cuu_Lab
60
20
15
30
10
20
30
35
40
DM_Phan_cuu_Nirs
45
10
50
15
20
CP_Phan_cuu_Nirs
Fitted Line Plot
30
Fitted Line Plot
MO_Phan_cuu_Lab = 0.02573 + 0.9946 MO_Phan_cuu_Nirs
8
XO_phan_cuu_Lab = - 1.077 + 1.045 XO_Phan_cuu_Nirs
S
R-Sq
R-Sq(adj)
7
0.274000
95.2%
95.1%
6
50
5
4
3
2
S
R-Sq
R-Sq(adj)
1.66222
94.7%
94.6%
S
R-Sq
R-Sq(adj)
1.72064
93.9%
93.8%
40
XO_phan_cuu_Lab
MO_Phan_cuu_Lab
25
30
20
1
0
10
0
1
2
3
4
5
MO_Phan_cuu_Nirs
6
7
8
10
20
30
XO_Phan_cuu_Nirs
40
50
Fitted Line Plot
Fitted Line Plot
ADF_Phan_cuu_Lab = 1.070 + 0.9771 ADF_Phan_cuu_Nirs
NDF_Phan_cuu_Lab = - 1.469 + 1.018 NDF_Phan_cuu_Nirs
80
S
R-Sq
R-Sq(adj)
55
2.10362
94.3%
94.2%
50
45
ADF_Phan_cuu_Lab
NDF_Phan_cuu_Lab
70
60
50
40
35
30
25
40
20
30
30
40
50
60
NDF_Phan_cuu_Nirs
20
70
25
30
35
40
A DF_Phan_cuu_Nirs
45
50
55
Đồ thị 5, 6, 7, 8, 9, 10: Hồi qui giữa DM, CP, Fat, CF, NDF, NDF của phân cừu phân tích
phòng thí nghiệm và chẩn đoán trên NIRS
Fitte d L ine P lot
Khoang_Phan_cuu_Lab = 0.074 8 + 0.9953 Khoang_Phan_cuu_Nirs
28
S
R-S q
R-S q (ad j)
Khoang_Phan_cuu_Lab
26
0.666766
98.1%
98.1%
24
22
20
18
16
14
12
10
10
12
14
16
18
20
22
Khoa ng_Pha n_cuu_Nirs
24
26
28
Đồ thị 11: Hồi qui giữa Ash của phân cừu phân tích phòng thí nghiệm và chẩn đoán trên
NIRS
Thảo luận
Chẩn đoán chất khô DM, CP, Fat và CF của cỏ bằng NIRS
VŨ CHÍ CƯƠNG – Bước đầu sử dụng kỹ thuật...
Trừ trường hợp Fat (R2 trung bình: 68,4%) các phương trình chẩn đoán DM, CP và CF
của cỏ bằng NIRS của chúng tôi có R2 tương ứng là 93,6; 90,6 và 92,7% với SEC là 0,76;
0,42 và 0,72%, SECV là 0,97; 0,65 và 1,24%. Các tác giả khác cũng thấy một kết quả
tương đương. Boval và cộng sự (2004) trên 88 mẫu chạy trên NIRS 5000 monochromator
thấy R2 cho CP, NDF, ADF, OMD, OMI là: 98; 88; 89; 72 và 61% và SEC là 0,33, 0,88,
0,89, 0,021và 4,62. Danieli và cộng sự (2004) trên 173 mẫu cỏ thấy R2 và SEP cho CP là
94% và 1,3; cho NDF: 95% và 2,14, cho ADF: 92% và 2,06, cho CF: 93% và 1,57; cho
Ash là 95% và 1,17. Cozzolio và cộng sự (2006) trên 90 mẫu thấy R2 cho CP, DM và ADF
là: 91; 85 và 86% và SECV là 6,5; 27,4 và 22,1. Leite và Stuth (1995) nghiên cứu trên 173
mẫu cỏ và thức ăn thô thấy: R2 và SEC của phương trình chẩn đoán cho CP là: 97% và
1,02.
Chẩn đoán DM, CP, Xơ, Mỡ, NDF, ADF, Ash của phân cừu bằng NIRS
Trừ trường hợp DM (R2 trung bình: 51,7%) các phương trình chẩn đoán CP, Fat, CF,
NDF, NDF và Ash của phân cừu từ NIRS của chúng tôi có R2 cao đến khá cao: 98,4; 95,1;
94,6; 94,2; 93,8 và 98,1%) với SEC tương ứng là 0,61; 0,2; 1,5; 1,36; 1,26 và 0,59%), và
SECV là 0,73; 0,27, 1,96; 1,70; 1,54 và 0,72%. Các tác giả khác cũng có được các kết quả
tương đương với nghiên cứu của chúng tôi. Theo Vu Dinh Tuan và cộng sự (2006) giá trị
R2 của Nitơ trong phân lợn 94%. Lyons và Stuth (1992); Leite và Stuth (1995) nghiên cứu
trên phân bò được ăn các khẩu phần khác nhau cho kết quả R2 cho CP của phân là 92; 94
và 89%.
KẾT LUẬN VÀ ĐỀ NGHỊ
Trừ trường hợp Fat của cỏ và DM của phân cừu (phương trình Y7 và Y9) có R2 thấp
<75%, các phương trình hồi qui từ: Y1; Y2; Y4; Y6; Y7 Y8 Y9; Y10; Y11 có thể dùng để chẩn
đoán nhanh thành phần hoá học của cỏ và phân cừu.
Cần tiếp tục nghiên cứu để tăng số mẫu, tăng chỉ tiêu và tăng độ chính xác của các
phương trình chẩn đoán. Đồng thời cần kiểm tra các phương trình có sẵn để có kết quả
chính xác hơn có thể áp dụng sớm trong sản xuất.
TÀI LIỆU THAM KHẢO
Arminda, M; Bruno-Soares; Ian Murray, Rhonda, M. Paterson and Jose M. F. Abreu 1998. Use of NIRRS for
the prediction of the chemical composition and nutritional attitudes of green crop cereal. Animal
Feed Science and Technology. 75:15-25.
Barton, F.E., II & Windham, W.R. 1988. Determination of acid detergent fibre and crude protein in forages
by near infrared reflectance spectroscopy: collaborative study. Journal of the Association of Official
Analytical Chemists, 71: 1162–1167.
Berarado, N.; Dzowela, B. H.; Hove, L. and Odoardi, M.. 1997. Near infrared calibration of chemical
constituents of Cajanus cajan (pigeon pea) used as forage. Amim. Feed Sci. Technol. 69: 202-206
Boval, M., Coates, D. B., Lacomte, P., Decruyenaere, V and Archimede, H.. 2004 Faecal Near-Infrared
Reflectance Spectroscopy (NIRS) to access chemical composition, in vivo digestibility and intake of
tropical grass by Creolo cattle. Animal Feed Science and Technology, Vol 114, Issues 1-4, 3 May
2004, Pp: 19-29.
Brown, W. F.; Moore, J. E.; Kunkle, W. e. Chambliss, C. G. and Portier, K. M.. 1990. Forage testing using
NIRS. J. anim. Sci. 68: 1416-1427.
Coelho, M.; Hembry, F. g.; Barton, F. E. and Saxton, A. M.. 1988. A comparision of microbial, enzymatic,
chemical and NIRS methods in forage evaluation. Anim. Feed. Sci. Technol. 20: 219-231.
Coleman, S. W.; Lippke, H.; Gill, M.. 1999. Estimating the nutritive potential of forages. In: Jung, H. J-G.;
Fahey, G. C. (Eds). Nutritional Ecology of Herbivores. Proceeedings of the Fifth International
VŨ CHÍ CƯƠNG – Bước đầu sử dụng kỹ thuật...
Symposium on the Nutrition of Herbivores. American Society of Animal Science, Savoy, IL, USA,
pp: 647-695.
Cozzolio, D., Fassio, A., Fernandez, E., Restaino, E. and La Manga, A.. 2006. Measurements of chemical
composition in wet whole maize silage by visible and NIRS. Anim. Feed Sci. Technol. In press.
Available on line at www. Agrinternetwork.net//www. Sciencedirect.com/science
Danieli, P. P., Carlini, P., Bernabucci, U., Ronchi, B.. 2004. Quality evaluation of regional forage resources
by means of near infrared reflectance spectroscopy. Italian Journal of Animal Science, Vol 3, 363376.
De Boever, J.L., Cottyn, B.G., Vanacker, J.M. & Boucque, C.V.. 1994. An improved enzymatic method by
adding gammanase to determine digestibility and predict energy value of compound feeds and raw
materials for cattle. Animal Feed Science and Technology, 47: 1–18.
Given, D. I and Deaville, E. R.. 1999. The current and future role of near infrared reflectance spectroscopy in
animal nutrition: a riview. Aust. J. Agric. Res, 1999, 50, 1131-1145.
Givens, D. I., De Boever, J. L. & Deaville, E. R.. 1997. The principles, practices and some future
applications of near infrared spectroscopy for predicting the nutritive value of foods for animals and
humans. Nutrition Research Reviews, 10, 83-114. International Grassland Congress. Leipzig,
Germeny, 454-463.
Leite. E. R. and Stuth. J. W. 1995. Faecal NIRS equations to assess diet quality of free ranging goats. Small
Ruminant Res, 15, pp: 223-230.
Lyons, R. K. and Stuth, J. W. 1992. Faecal NIRS equations for pridicting diet quality of free rangeing cattle.
J. Range Manage. 45, 3, pp:238-244.
Mark, H., Ritchie, G.E., Roller, R.W., Ciurszak, E.W., Tso, C. and MacDonald, S.A. (2002). Validation of a
near-infrared transmission spectroscopic procedure, part A: validation protocols. Journal of
Pharmaceutical and Biomedical Analysis, 28: 251-260.
Park, R. S., Agnew, R. E., Gordon, F. J. and Steen, R. W. J.. 1998. The use of NIRS on dried samples to
predict chemical composition and digestibility parameters. Anim. Feed Sci. Technol. 69, 3: 253-259.
Valdes, E. V. and Leeson, S.. 1992. Near infrared reflectance analysis as a method to measure metabolisable
energy in complete poultry feeds. Poultry Science. 71: 1179-1187
Van Barneveld, R. J; Nuttall, J. D. and Flinn, P. C.. 1999. Near infrared reflectance measurement of the
digestible energy content of cereals for growing pigs. Journal of Near Infrared Spectroscopy., 7, 1-7.
Vu Dinh Tuan, V. Porphyre, JL. Farinet, Tran Duc Toan.. 2006. Composition of Animal Manure and Coproducts. Pig Production Development, Animal-Waste Management and Environmnent Protection:
A case Study in Thaibinh Province, Northern Vietnam, pp: 128-143
William, J.F., Allen McIIwee., Ivan, L., Lem, A., Andrew, P. and Woolnough, N. B.. 1998. Ecological
application of near infrared reflectance spectroscopy - a tool for rapid, cost-effective prediction of
the composition of plant and animal tissues and aspect of animal performance. Oecologia (1998),
116: 293-305.
Wrigley, C.W.. 1999. Potential methodologies and strategies for the rapid assessment of feed-grain quality.
Australian Journal of Agricultural Research, 50: 789–805./.