Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 2287-5824(Print)
ISSN : 2287-5832(Online)
Journal of The Korean Society of Grassland and Forage Science Vol.45 No.1 pp.9-14
DOI : https://doi.org/10.5333/KGFS.2025.45.1.9

Predicting Leaf to Stem Ratio in Alfalfa Hay by Near Infrared Reflectance Spectroscopy

Seung Min Jeong, Jae Hoon Woo, Mirae Oh, Ji Hye Kim, Hyung Soo Park*
National Institute of Animal Science, RDA, Cheonan 31000, Republic of Korea
* Corresponding author: Hyung Soo Park, National Institute of Animal Science, RDA, Cheonan 31000, Republic of Korea
Tel: +82-41-580-6751, Fax: +82-41-580-6779, E-mail: anpark69@korea.kr
February 18, 2025 March 17, 2025 March 21, 2025

Abstract


Near infrared reflectance spectroscopy (NIRS) is widely used to assess the nutrient composition of forages. In forage, the leaf to stem ratio of alfalfa greatly affects its forage quality, with a high ratio of leaf indicated as high quality. This study aimed to evaluate the predictability of the alfalfa leaf-to-stem ratio and feed value using NIRS. Alfalfa hay was manually separated into leaves and stems by hand and the analysis samples were then made in the controlled range between 0 and 100%. Calibration models (n=320) were developed using modified partial least squares regression (MPLS) based on cross-validation. The optimal calibrations were selected based on the highest coefficients of determination in cross-validation (R2) and the lowest standard error of cross-validation (SECV). The prediction accuracy for the leaf-to-stem ratio (SECV, 5.95 vs. 5.71%; R2, 0.91 vs. 0.91) in alfalfa hay was comparable. For leaves, the standard error of calibration (SEC) was 4.94% (R2=0.94), and for stems, it was 4.81% (R2=0.94). The leaves and stems of the SEC were 4.94% (R2=0.94) and 4.81% (R2=0.94), respectively. The prediction accuracy for feed value, based on the leaf-to-stem ratio, predicted SECV values of 0.92% (R2=0.88) for crude protein (CP) content, 1.92% (R2=0.91) for neutral detergent fiber (NDF) content, 1.36% (R2=0.91) for total digestibility nutrient (TDN) content, and 9.86 (R2=0.81) for relative feed value (RFV). The results of this study demonstrate the potential of the NIRS method as a reliable tool for predicting the leaf-to-stem ratio of alfalfa hay, and show available techniques for routine feed value evaluation.



근적외선분광법을 이용한 알팔파 건초의 잎과 줄기 비율 예측

정승민, 우제훈, 오미래, 김지혜, 박형수*
국립축산과학원

초록


    Ⅰ. 서론

    목초 및 사료작물의 잎과 줄기 비율은 조사료의 섭취량, 품질 및 선택에 영향을 미치는 중요한 요인이다. 알팔파의 잎과 줄기 비율은 일정하지 않으며 작물이 성숙함에 따라 잎 비율이 감소하 고 줄기 비율은 증가한다(Ball et al., 2001). 잎 비율은 조사료의 품질에 있어서 매우 중요하기 때문에 생산자와 소비자는 작물의 생육단계와 저장 및 이용 과정에서 잎과 줄기 비율이 어떻게 변 하는지 알고 확인하는 것이 중요하다.

    알팔파의 잎은 줄기보다 단백질 함량이 2~3배 높고(Mowat et al., 1965), 알팔파 전체 상대적사료가치의 최대 70%를 차지하며 잎의 섬유소는 줄기의 섬유소보다 소화율이 높다. 식물이 성숙 해짐에 따라 잎은 소화율 측면에서 비교적 변화가 없지만, 줄 기는 30~40% 정도 소화율이 낮아질 수 있다(Ball et al., 2001;Albrecht et al., 1987). 알팔파가 자라면서 성숙함에 따라 잎과 줄기의 비율이 변하는데 개화 전 알팔파는 잎과 줄기의 비율이 약 60:40으로 품질이 우수하고 개화초기에 50:50에 가깝고 완전 히 성숙하면 약 40:60으로 반전된다(Luckett and Klopfenstein, 1970;Grev et al., 2020).

    조사료의 잎과 줄기 비율 평가는 일반적으로 수작업을 통해서 잎과 줄기를 분리하는 방법과 시각과 감각을 통한 관능 평가가 주로 사용되어져 왔는데 이 평가 방법은 시간과 노력이 많이 소 요되고 다소 주관적인 평가가 이루어질 수 있는 단점을 가지고 있다.

    근적외선분광법은 사료의 영양가 성분을 예측하는 데 성공적으 로 사용되었으며(Norris et al., 1976;Barton et al,, 1990;Redfearn, 1998) 현장에서 시간과 비용을 절감할 수 있다. 그리고 근적외선분 광법은 혼파 목초지의 초종별 식생구성 비율을 추정하는데 활용 (Coleman et al., 1985;Pitman et al., 1991;Wachendorf et al., 1999) 되었으나 사료작물의 식물체 부위별 비율을 예측하는 연구 는 미진한 실정이다.

    잎과 줄기의 비율을 빠르게 평가하는 기술은 조사료의 수확시 기 결정과 이용 효율성을 평가하는 비용을 줄이고 사료작물의 육 종 프로그램의 효율성을 높일 수 있다(Smart et al., 1998).

    따라서 본 연구는 현장에서 목초 및 사료작물의 잎과 줄기비율 을 신속하고 객관적으로 평가하기 위하여 근적외선분광법을 이용 한 알팔파 건초의 잎과 줄기비율의 예측 가능성을 검토하고 현장 에서 활용 가능한 근적외선 DB 구축과 최적의 검량식을 개발하 기 위하여 수행되었다.

    Ⅱ. 재료 및 방법

    1. 시료 및 NIR 스펙트라 수집

    근적외선분광법을 이용한 알팔파 건초의 잎과 줄기 비율 예측 가능성을 검토하기 위하여 2023년부터 2024년까지 매년 5월에 개화 10%에 도달할 때 수확하여 노지에서 건조 후 수분이 15~20%의 건초를 만들고 수작업으로 잎과 줄기를 분리하여 단 일 시료를 수집하였다. 스펙트라 수집을 위해 건조된 줄기는 가위 로 2~3cm 절단하였으며 잎은 형태를 유지하도록 혼합하여 이용 하였다. 수집된 시료를 이용하여 잎은 0~100%, 줄기는 100~0% 비율이 되도록 1~5%간격으로 조절하여 잎과 줄기를 무게 비율별 로 혼합하여 인공시료를 제조하였다. 일반적인 생육과정에 따른 잎줄기 비율을 고려하여 7:3부터 4:6의 비율의 샘플 위주로 320 개의 스펙트라를 수집하였다.

    혼합된 시료는 직경 10 cm, 높이 5 cm인 원형 시료컵에 약 100 g 정도를 충진하여 근적외선분광기(Unity SpectraStar 2500X, Brookfield, WI, USA)를 이용하여 680~2,500 nm의 파장범위에서 매 1nm의 간격으로 반사도를 측정한 후 검량식 유도를 위해서 흡광도(log 1/R : absorbance)로 변환시켜 수집하였다.

    2. 사료가치 분석

    알팔파 건초의 잎과 줄기비율에 따른 조단백질(CP) 함량은 Dumas의 방법(AAAS, 1984)에 따라 원소분석기(Vario Max CNS, Elementar, Germany)를 이용하였다. 시료 200 mg에 120 0℃의 온도를 가해 연소시켜 발생하는 질소 가스를 측정하여 질 소함량을 구한 후 조단백질 함량(% CP=% N × 6.25)을 산출하 였다. 조사료의 neutral detergent fiber (NDF)와 acid detergent fiber (ADF) 함량은 Goering and Van Soest (1970)법에 준하여 Ankom fiber analyzer (ANKOM Technology Corp., Fairport, NY, USA)로 분석하였다.

    알팔파 건초의 상대적 사료가치(RFV)는 ADF와 NDF가 건물 소화율과 섭취량의 높은 상관관계를 가진다는 점에 근거하여 ADF와 NDF 분석치에 의한 계산식(RFV= (DDM × DMI) / 1.29)으로 산출하였으며(Holland et al., 1990) 근적외선 분광기 의 내장된 산출 프로그램(Scientific, Unity, 2010)에서 자동으로 계산되어졌다.

    3. NIR 검량식 작성 및 검증

    알팔파 건초의 잎과 줄기 비율 예측과 사료가치 평가 가능성을 검토하기 위하여 잎과 줄기를 인위적으로 혼합한 시료의 원시 스펙트라를 680~2,500 nm 파장에 서 수집하여 검량식 개발에 이 용하였다. 검량식 작성 알고리즘은 시료의 스펙트라에서 입자의 크 기, 수분, 밀도 등 물리적 성질에 의한 산란효과에 대한 오차 를 줄이기 위해 원시 스펙트라를 Standard Normal Variate and Detrending (SNV-D) 전처리 기법과 수 처리(Math treatment, order of derivative: 1, window size: 8, polynomial order: 8, repeat of SG: 1) 기법을 이용하여 보정하고 회귀분석은 부분최소제곱법 (Partial Least Square)을 이용하여 검량식을 유도하였다. 통계적 처리는 상업용 프로그램인 Ucal version 3.0.4.15(Unity Scientific, Brookfield, CT, USA)를 이용하였다. 작성된 검량식의 예측 정 확성에 대한 평가에는 검량식 결정계수(Determination Coefficient, R2), 검량식 표준오차(Standard Error of Calibration, SEC), 상호 검증표준오차(Standard Error of Cross Validation, SECV)를 이 용하였다. 최적의 검량식은 SECV가 가장 낮은 값을 갖는 것을 선택하였다.

    Ⅲ. 결과 및 고찰

    1. NIR 스펙트라의 특성

    알팔파 건초의 잎과 줄기비율 평가를 위한 시료 모집단(n= 320)의 근적외선 영역인 680 nm ~ 2,500 nm에서 원시 NIR 스 펙트라와 잎과 줄기 100%의 스펙트라는 Fig. 1에서 보는 바와 같다. 알팔파 건초 시료집단의 근적외선 배역대에서의 흡수 스 펙트라를 살펴보면 1,410~1420, 1,895~1,905, 2,040~2,050 및 2,245~ 2,255 nm 배역대에서 흡수피크가 크게 나타났으며 나머 지 배역대에서는 큰 차이를 보이지 않았다. 또한 줄기와 잎의 비 율이 100%인 원시 스펙트라를 비교해보면 배역대별 흡수강도가 차이가 나타나 근적외선 영역에서 알팔파 건초의 줄기와 잎 비율 의 예측 가능성이 높은 것으로 판단된다.

    2. 알팔파 건초의 잎과 줄기비율 및 사료가치 범위

    알팔파 건초의 잎:줄기 비율과 사료가치 예측을 위한 검량식 (Calibration) 개발에 이용되어진 알팔파 건초의 시료집단(Calibration set)의 잎과 줄기 비율과 사료가치 범위는 Table 1과 같다. 각 비율별 검량식에 이용된 잎과 줄기 비율의 분포는 Fig. 2와 같다.

    알팔파 건초 시료집단의 줄기와 잎 비율 범위는 각각 0~100% 였으며 평균값은 잎 38.0%, 줄기 62.64%로 나타났으며 표준편 차는 각각 21.81%, 20.93%로 나타났다. 사료가치의 분포는 CP 11.13 ~ 28.15%(평균 17.09%), 총 가소화영양소(TDN) 25.61 ~ 76.05%(평균 62.59%), RFV 82 ~ 277(평균 134)로 나타났다. 모집단의 성분별 표준편차는 잎과 줄기 비율은 각각 21.81과 20.93로 큰 차이를 보이지 않았으며 사료가치에서 표준편차는 CP(3.36)가 가장 낮게 나타났다.

    Valdes et al. (1987)은 예측 정확성이 우수한 검량식을 개발하 기 위해서는 검량식 작성을 위한 모집단의 중요성을 강조하였는 데, 모집단은 넓은 범위와 고른 분포를 가지고 있어야한다고 보고 하였다. 또한 넓은 범위를 가진 검량식 작성 모집단이라고 할지라 도 각 성분에 대한 분포빈도가 고르지 못하면 예측능력이 떨어지 게 된다고 하였다. 본 연구에서 분포빈도를 고려하여 알팔파 생육 단계에 따른 잎:줄기 비율인 3:7에서부터 6:4까지의 샘플을 중점 적으로 채취하였다.

    3. 검량식 개발 및 검증

    알팔파 건초의 잎:줄기 비율과 사료가치 예측을 위해 검량식을 개발하고 검증한 결과는 Table 2와 Fig. 3에서 보는 바와 같다. Ucal version 3.0.4.15 (Unity Scientific, Brookfield, CT, USA) 의 SNV-D 전처리 기법과 수 처리 기법에 의해 검량식이 유도되 는 과정에서 이상치(Outlier)가 배제되어 검량식 작성에 이용된 스펙트라의 일부가 감소하였다.

    개발된 검량식의 평가는 검량식 작성 결정계수(R2), 검량식 작 성 표준오차(SEC) 및 상호검증 표준오차(SECV)가 이용되어지는 데 결정계수(R2)는 높을수록 우수한 검량식이고 SEC와 SECV는 낮을수록 우수한 검량식이라고 하였다(Shenk and Westerhaus, 1991).

    잎과 줄기별 검량식을 작성한 결과 SEC와 R2 각각 4.94% (R2=0.94), 4.81% (R2=0.94)로 비슷하게 나타났으며 작성된 검 량식의 SECV 결과는 각각 잎 5.95% (R2=0.91)과 줄기 5.71% (R2=0.91)로 큰 차이가 없는 것으로 나타났다.

    Hill et al.(1988)은 근적외선분광법을 이용한 알팔파의 잎 비 율을 예측하는 검량SEC와 예측표준오차(SEP)의 범위가 각각 5.6% (R2=0.96), 7.4% (R2=0.93)로 나타나 잎 비율을 예측 가능 하다고 보고하였다. 또한 근적외선분광법을 이용하여 스위치그라 스, 스무스 브롬그라스 등 화본과 목초류의 잎과 줄기 비율을 예 측하는 연구를 수행한 결과 SECV는 0.306 ~ 0.577로, R2은 0.73~0.96으로 예측 가능하다고 보고하였다(Smart et al., 2004).

    알팔파 건초의 잎과 줄기 비율에 따른 사료가치 항목별 SECV 와 결정계수(R2)는 CP는 0.92% (R2=0.88), NDF함량은 1.92% (R2=0.91), TDN함량은 1.36% (R2=0.91)과 RFV는 9.86 (R2= 0.81)의 오차범위로 예측 가능하였다.

    근적외선분광법을 이용한 알팔파의 사료가치 예측은 많은 연구 들이 보고되고 있으며 알팔파 건초의 CP는 SECV=0.93 (R2=0.93), NDF는 SECV=1.56 (R2=0.92), 조회분(Ash)은 SECV=0.44 (R2= 0.77) 오차범위로 예측 가능함을 보고하였다(Andueza et al., 2001).

    이상의 결과를 종합해보면 근적외선분광법을 이용하여 알팔파 건초의 잎과 줄기비율을 신속하고 정확한 평가가 가능하였고 일 반성분과 상대사료가치도 별도의 시료 전처리과정 없이 동시에 예측이 가능한 것으로 나타났다. 따라서 향후 국내에서 알팔파 재 배가 확대되고 본격적으로 유통이 시작되면 알팔파 건초의 주요 품질평가 항목인 잎과 줄기 비율을 현장에서 신속하게 평가할 수 있을 것으로 판단된다.

    Ⅳ. 요약

    본 연구는 근적외선분광법을 이용한 알팔파 건초의 잎:줄기 비 율과 사료가치 예측 가능성을 검토하기 위하여 2023년부터 2024년 까지 알팔파를 개화 10%에 도달할 때 수확하여 건초를 만들고 잎과 줄기를 분리하였다. 잎 비율 0~100%와 줄기 비율 100 ~ 0% 무게 단위로 조절하여 잎과 줄기를 비율별로 혼합하여 인공시료를 제조하고 근적외선 스펙트라를 측정하여 검량식을 개발하고 예측 정확성을 평가하였다. 알팔파 건초의 잎:줄기 비율의 예측 정확성 은 비슷하게 나타났다. 잎과 줄기별 검량식을 작성한 결과 표준오 차(SEC)와 결정계수(R2)는 각각 4.94% (R2=0.94), 4.81% (R2= 0.94)로 나타났으며 작성된 검량식의 상호검증(SECV) 결과는 각 각 잎 5.95% (R2=0.91)과 줄기 5.71% (R2=0.91)로 큰 차이가 없는 것으로 나타났다. 잎과 줄기 비율에 따른 사료가치 항목별 SECV와 결정계수(R)는 CP함량은 0.92% (R2=0.88), NDF함량은 1.92% (R2=0.91), TDN함량은 1.36% (R2=0.91), RFV는 9.86 (R2=0.81) 로 낮은 오차범위로 예측 가능하였다. 이상의 결과를 종합해보면 근적외선분광법을 이용하여 알팔파 건초의 잎과 줄기 비율을 신속 하고 정확한 평가가 가능하였고 또한 일반성분과 상대사료가치도 별도의 시료의 전처리과정 없이 동시에 분석이 가능한 것으로 나타났다.

    Ⅴ. 사사

    본 연구는 농촌진흥청 연구사업(국내산 풀사료 품질향상 및 평가 기술 개발, PJ01422403)과 2025년도 농촌진흥청 국립축산 과학원 전문연구원과정 및 농촌진흥청 학ㆍ연협동과정 지원사업 에 의해 이루어진 것임.

    Figure

    KGFS-45-1-9_F1.gif

    NIR original spectra (a) and 100% stem and leaf spectra (b) of alfalfa hay population (n=320).

    KGFS-45-1-9_F2.gif

    Histogram of leaf and stem ratio and feed values of alfalfa hay calibration set samples.

    KGFS-45-1-9_F3.gif

    Relationships between laboratory determined and NIRS predicted values of alfalfa hay.

    Table

    The range of leaf to stem ratio and feed values for alfalfa hay samples (calibration set)

    1)CP: crude protein, 2)NDF: neutral detergent fiber, 3)ADF: acid detergent fiber, 4)TDN: total digestible nutrients, 5)RFV: relative feed value, 6)SD: standard deviation.

    The calibration and validation statistics for the prediction of leaf to stem ratio and feed values of alfalfa hay

    1)SEC: standard error of calibration, 2)SECV: standard error of cross validation.

    Reference

    1. AAAS. 1884. American association for the advancement of science. Jean-Baptiste-André Dumas. Science. 72(3):750-752.
    2. Albrecht, K.A., Wedin, W.F. and Buxton, D.R. 1987. Cell‐wall composition and digestibility of alfalfa stems and leaves. Crop Science. 27(4):735-741.
    3. Andueza, D., Muñoz, F. and Garrido, A. 2001. The prediction of the nutritive value of Mediterranean alfalfa forage by NIRS. Options Méditerranéennes: Série A. Séminaires Méditerranéens. 45:199-203. http://om.ciheam.org/om/pdf/a45/01600083)
    4. Ball, D.M., Collins, M., Lacefield, G.D., Martin, N.P., Mertens, D.A., Olson, K.E., Putnam, D.H., Undersander, D.J. and Wolf, M.W. 2001. Understanding forage quality. American Farm Bureau Federation Publication. 1(01):1-15.
    5. Barton, F.E., Burton, G.W. and Monson, W.G. 1990. Near infrared reflectance spectroscopy. I. Calibration techniques for forage quality assessment. Journal of the Association of Official Analytical Chemists. 73(2):312-317.
    6. Coleman, S.W., Barton, F.E. and Meyer, R.D. 1985. The use of nearinfrared reflectance spectroscopy to predict species composition of forage mixtures 1. Crop Science. 25(5):834-837.
    7. Goering, H.K. and Van Soest, P.J. 1970. Forage fiber analysis. Agric. Handb. 379. US Department of Agriculture, Washington, DC.
    8. Grev, A.M., Wells, M.S., Catalano, D.N., Martinson, K.L., Jungers, J.M. and Sheaffer, C.C. 2020. Stem and leaf forage nutritive value and morphology of reduced lignin alfalfa. Agronomy Journal. 112(1):406-417.
    9. Hill, N.S., Petersen, J.C., Stuedemann, J.A. and Barton, F.E. 1988. Prediction of percentage leaf in stratified canopies of alfalfa with near infrared reflectance spectroscopy. Crop Science. 28(2):354-358.
    10. Holland, C., Kezar, W., Kautz, W.P., Lazowski, E.J., Mahanna, W.C. and Reinhart, R. 1990. The pioneer forage manual -A nutritional guide. Pioneer Hi-Bred Int. Inc., Des Moines, IA.
    11. Luckett, C.R. and Klopfenstein, T.J. 1970. Leaf-to-stem ratio and composition of alfalfa from five harvesting systems. Journal of Animal Science. 31(1):126-129.
    12. Mowat, D.N. Fulkerson, R.S. Tossell, W.E. and Winch, J.E. 1965. The in vitro digestibility and protein content of leaf and stem portions of forages. Canadian Journal of Plant Science. 45(4):321-331.
    13. Norris, K.H., Barnes, R.F., Moore, J.E. and Shenk, J.S. 1976. Predicting forage quality by infrared replectance spectroscopy. Journal of Animal Science. 43(4):889-897.
    14. Pitman, W.D., Piacitelli, C.K., Aiken, G.E. and Barton, F.E. 1991. Botanical composition of tropical grass‐legume pastures estimated with nearinfrared reflectance spectroscopy. Agronomy Journal. 83(1):103-107.
    15. Redfearn, D.D. 1998. Increasing NIRS use for forage quality analyses in the 21st century. In Southern Pasture and Forage Crop Improvement Conference (USA).
    16. Shenk, J.S. and Westerhaus, M.O. 1991. Population definition, sample selection, and calibration procedures for near infrared reflectance spectroscopy. Crop Science. 31(2):469-474.
    17. Smart, A.J., Schacht, W.H., Moser, L.E. and Volesky, J.D. 2004. Prediction of leaf/stem ratio using Near‐Infrared Reflectance Spectroscopy (NIRS): A technical note. Agronomy Journal. 96(1):316-318.
    18. Smart, A.J., Schacht, W.H., Pedersen, J.F., Undersander, D.J. and Moser, L.E. 1998. Prediction of leaf: stem ratio in grasses using near infrared reflectance spectroscopy. Journal of Range Management Archives. 51(4):447-449.
    19. Valdes, E.V., Hunter, R.B. and Pinter, L. 1987. Determination of quality parameters by near infrared reflectance spectroscopy in whole-plant corn silage. Canadian Journal of Plant Science. 67(3):747-754.
    20. Wachendorf, M., Ingwersen, B. and Taube, F. 1999. Prediction of the clover content of red clover‐and white clover‐grass mixtures by near‐infrared reflectance spectroscopy. Grass and Forage Science. 54(1):87-90.