第一章 引言
1.1 研究背景
草地植被物种丰富多样，是全球分布最广的地上植被类型之一，约占陆地总面积的五分之二(Fay et al., 2015; Gossner et al., 2016)，对生态系统的正常平稳运行有着至关重要的影响。我国草地资源丰富，草地总面积将近 3.92 亿公顷(张新时等, 2016)，位居世界第二。草地是陆地生态系统中最重要的碳源与碳汇(Roy et al., 2016; Basto et al., 2015)，在维持生物多样性与调控全球碳循环等方面发挥着关键作用(Ravetto et al., 2017)。同时，牧草理化性质在草地生态研究中也是一项重要指标(任继周, 1998; 浦瑞良和宫鹏, 2000; Tong et al., 2014)。草地资源作为重要的自然资源之一，保证农业系统的可持续发展，提供畜牧业发展的物质基础(Briske et al., 2015)。天然草地为畜牧生产提供了原始的饲料来源，为家畜提供了生存所需的营养物质。牧草的营养品质直接影响家畜的生产性能及繁育，进而直接影响肉、蛋、奶等畜产品的品质(De et al., 2017; Iqbal et al., 2018; Kelly et al., 1998)。牧草还影响第二性生产的品质及生产成本，牧草营养品质是草地资源评价中极为重要的指标。因此，天然草地牧草营养品质的快速分析和测定，在发展畜牧业及保护生态资源等方面具有意义。
在草地生态系统中，植被演替的主要驱动因素是土壤水分，物质和能量的循环流动也依赖于植物对水分和养分的利用(顾永超等, 2019)。草地土壤水分输入主要来源于大空间尺度的降水，同时也受包括放牧、灌溉、刈割、草地改良和种植等人类活动的影响(肖绪培等, 2013)。放牧直接影响着草地土壤含水量(徐冉等, 2019; 周国利等, 2019)，家畜高频的践踏容易导致植被形成物理性破坏，使土壤紧实度上升，孔隙度降低。高紧实度的土壤限制了植物根部对水分和养分的吸收，阻碍了地表水的渗透(贾文雄等, 2016)。过高的放牧强度不仅改变了植被和土壤的物理性质，也会对土壤有机碳、总氮等土壤化学性质造成影响(谢彬山等, 2019)。
..............................
1.2 研究目的及意义
放牧是草地利用最重要的方式，高寒草甸属于放牧利用草地(李维薇, 2017)，牧草品质作为放牧行为中最重要的部分，如何快速对草地营养成分进行高效且准确的监测同时，还能合理地保护生态资源环境，实现多样点、大样本、高效率、低成本的草原动态监测，是本研究亟待解决的问题。牧草品质主要与其中粗蛋白（Crude protein，CP）含量正相关，而 CP 中一半以上蛋白为核酮糖-1, 5-二磷酸羧化酶/加氧酶(ribulose-1, 5-bisphosphate carboxylase / oxygenase，Rubisco)（以下简称Rubisco酶），Rubisco酶为叶绿素-蛋白复合体(梅杨等, 2007; 陈候鸣等, 2016)，因此，CP 的含量与叶绿素含量呈现正相关。不同叶绿素含量的植物叶片可以通过可见光亮度值的不同表现反映出来，因此不同的亮度值代表不同的营养品质。本研究拟在青藏高原高寒草甸进行无人机评估牧草品质的探索，意在分析在不同植被种类、不同放牧地内及无人机可见光相机参数等的多重影响下，该技术应用的可行性及必要性。
当前利用 UAV 在草地管理中的应用多集中于对于植被性状或小型啮齿类动物的预测或监测，鲜有直接利用 UAV 可见光技术的研究。而利用遥感技术的研究也是大多集中在小麦、水稻(Huang et al., 2015)、玉米(Wang et al., 2016)等广义农作物上，鲜有针对牧草资源的研究。在实际放牧中的家畜主要是直接采食牧草的茎叶部分，因此利用 UAV 技术与牧草叶片相关数据建立模型更具有直观的研究价值。
对于通过无人机进行土壤水分的测定探索，本研究分析了各层土壤含水量与土壤有机碳分布及其他因素之间的关系。通过遮雨建立了梯度，对不同水分处理下下层土壤水分进行了推断。青藏高原有众多地方河流，地表植被以高寒草甸为主，为人类提供了一系列生产和生活功能的同时，更是在气候调节、维持碳库平衡、水土保持等有益生态活动中发挥着重要作用(李文等, 2016)。
...........................
第二章 研究区域概况和研究方法
2.1 研究区域概况
试验区位于甘肃省甘南藏族自治州玛曲县兰州大学玛曲草地农业试验站（33°40′29″N，101°52′20″E），海拔 3700 m(张秀敏等, 2014)。试验区地势分布均匀，区域内年均温度 2.0℃，1 月平均最低温（-10℃），7 月平均温度最高（11.7℃），年均降水量为 582 mm，主要集中在 6～9 月，年日照时数约 2691 h，没有绝对的无霜期，冬季时间较长并且寒冷，夏季时间较短，并且温度不高(梁天刚等, 2011)。
研究区内牧草生长期为 5～10 月（约 190 d），主要植被类型为高寒草甸，优势种为禾本科和莎草科植物。其他植物物种有麻花艽（Gentiana straminea）、线叶龙胆（Gentiana lawrencei），巴天酸模（Rumex patientia）、条叶垂头菊（Cremanthodium lineare）、黄帚橐吾（Ligularia virgaurea）、蒙古蒿（Artemisia mongolica），毛果婆婆纳（Veronica eriogyne），珠芽蓼（Polygonum viviparum），蕨麻（Potentilla anserine）、棱子芹（Pleurospermum uralense）等(谈宇辉等, 2019)。研究区土壤类型为暗沃寒冻雏形土(龚子同, 1999)。
农业论文怎么写
2.2 技术路线
2.2.1 土壤水分
在干旱地区已经开展了利用无人机摄影建立梯度和预测土壤水分的灌溉实验(Lu et al., 2020)，但在高寒草甸中还没有相应的研究。因此，本研究尝试测试并建立一种新的方法，用于高寒草甸。兰州大学玛曲草地农业试验站包含自由放牧地和四季轮牧地。在自由轮牧地进行遮雨试验，探索利用无人机评估高寒草甸土壤含水量。根据结果提出概念模型和实际估算模型，在自由放牧地设置重复实验组，验证估算模型的实用性。根据研究机理图，本研究需要模拟降雨量的减少。因此，本研究通过遮挡建立了一条标准曲线，然后通过无人机测量进行验证，以研究 0～10 cm 的土壤含水量的变化并进行预测（图 2-1）。
农业论文参考
第三章 结果与分析 ..................2 1
3.1 无人机技术估测土壤水分.................................. 21
3.2 无人机技术估测牧草营养品质......................... 24
第四章 讨论.................................4 1
4.1 土壤水分............................... 41
4.2 牧草营养品质................................. 42
第五章 结论..............................4 4
5.1 土壤水分........................................ 44
5.2 牧草营养品质............................. 44
第四章 讨论
4.1 土壤水分
在之前的研究中，人们多用在监测地表反射率的变化上，因此，在本研究中，本研究选择从植被变化的角度来反映土壤含水量的变化。水分是植被生长的必要条件，植被缺水会加速叶绿素的分解，导致绿度值下降。因此，无人机可见光图像的亮度指数可以反映植被的颜色变化，从而反映 0～10 cm 土壤含水量的差异。
本试验使用亮度值作为 UAV 可见光图像的特征因子，可以较好地反映 0～10 cm 土壤含水量的差异。在卫星遥感影像处理领域，“地表反射率”与土壤水分通常表现出较好的相关性(张乐乐等, 2016)。通常来讲，粗糙的表面相较于光滑表面的反射率更小(Liu et al., 2015)，陆地表面相较于雪面的反射率更小(王鸽和韩琳, 2010; Chen et al., 2014)，潮湿土壤相较于干燥土壤的反射率也更小(Fawcett et al., 2020)。本试验表明，无人机可见光图像的像素平均亮度值与 0～10 cm 土壤含水量具有良好的相关性。因此,无人机可见光图像的像素平均亮度值在一定程度上可以反映 UAV 接收到的可见光表面反射次数。尽管可见光波段电磁辐射在太阳-表面-传感器之间传输存在着不同物质的吸收和散射(Park et al., 2016)，但是近距离的快速获取照片可以有效减轻环境带来的影响。试验证明，0～10 cm 土壤含水量与无人机可见光图像的像素平均亮度值显著正相关。这是因为当水分含量降低时，会引起一定程度的叶子发黄，使色泽变浅。土壤表面并不光滑，也会有一定的光线折射和吸收损失(杨太平等, 2017)。因此，土壤水分越大，最终到达无人机可见光相机的可见光越少，无人机可见光图像的像素平均亮度值越小。
...........................
第五章 结论
5.1 土壤水分
本文以不同时期的牧草为研究对象，利用无人机可见光图像获取了不同月份牧草的可见光数据及营养成分含量数据（CP、WSC、NDF、ADF、ADL、EE、Ash）和土壤水分。综合运用 ImageJ 处理图像、SPSS 方法统计处理数据、Origin和 Prism 绘制图像，分别研究了牧草营养成分含量和土壤水分与可见光图像之间的相互关系，构建了牧草营养品质含量和土壤水分含量的分析模型。本试验主要的研究结果如下：
使用可见光技术的 UAV 可用于高寒草甸评估 0～10 cm 土壤含水量，UAV亮度值可以作为评估 0～10 cm 土壤含水量的特征因子。鉴于此，建立了基于无人机可见光图像亮度值的 0～10 cm 土壤含水量概念和估算模型。该模型由土壤水分(x)和平均像素亮度值(y)之间的一般线性关系组成：y=- 0.461 x+ 82.016 (R2=0.6773，P＜0.001)。利用放牧草地数据对模型进行验证，校正后的模型效率E、RS 和 RMA 的绝对值、校正后的 RMSE、测量值与估计值之间的测定系数(R2)、Pearson's r 分别为：E=0.366，RS=-0.007%，RMA=1.424%，RMSE=0.652，R2=0.6118 和 Pearson's r=0.782。因此，在控制影响因素、修正误差的前提下，本研究可以利用无人机可见光技术评估高寒草甸 0～10 cm 土壤水分。该技术有助于减轻青藏高原工作人员的负担，同时也扩大了无人机在草地管理中的应用。
参考文献（略）