农业光伏系统中基于图像驱动模型的作物生物量估算：fAPAR衍生方法研究

为解决农业光伏(APV)系统中异质遮荫条件对作物生长监测的挑战，研究人员开发了一种结合近端传感与作物生长模型的混合方法。通过2D/3D成像技术量化紫花苜蓿(Medicago sativa L.)的光合有效辐射吸收比例(fAPAR)，并整合SSM-iCrop2模型，实现了2023-2024年生物量的高精度预测(R2=0.88-0.96)。该研究为APV系统作物适应性监测提供了创新工具，对优化土地利用和可持续农业发展具有重要意义。

　　

在全球气候变化与粮食安全双重压力下，农业光伏(Agro-Photovoltaic, APV)系统因其"光伏发电+农业生产"的双重土地利用模式备受关注。然而，光伏板造成的异质性遮荫会显著改变作物生长的微环境——既可能通过减少光合有效辐射(PAR)抑制产量，又可能通过降低蒸腾需求提高水分利用效率。这种"遮荫悖论"使得传统监测手段难以准确评估APV系统的实际农艺效益，意大利政府2022年颁布的《农业光伏电站指南》更强制要求持续监测关键参数。

针对这一挑战，来自国内的研究团队在《European Journal of Agronomy》发表研究，创新性地将近端传感技术与过程模型相结合。团队选择意大利Ravenna的固定式APV系统作为实验场地，以紫花苜蓿(Medicago sativa L.)为研究对象，通过时间序列相机(2D)和iPad Pro搭载LiDAR(3D)采集植被指数(VIs)，建立fAPAR估算模型，并驱动SSM-iCrop2作物模型模拟生物量积累。

关键技术包括：(1) 采用CIE Lab*和YCbCr色彩空间的多步阈值分割法提取植被特征；(2) 开发基于ExG(过量绿色指数)和BR(蓝色比率)的绿度植物面积比(GPAR_CF)算法；(3) 使用GROIMP平台模拟光伏阵列下的辐射再分配；(4) 将图像衍生日均fAPAR数据整合入SSM-iCrop2模型，校正辐射利用效率参数至1.5 gMJ^-1。

2D与3D成像方法的比较性能
通过635组数据对比发现，2D模型在fAPAR估算中表现更优(R2=0.74，rRMSE=10.83%)，其GPAR_ExG与BR的组合能有效捕捉遮荫引起的叶面积动态变化。尽管3D扫描可获取植物高度(PH)和体积(PV)等结构参数，但处理复杂度限制了其大规模应用价值。

fAPAR日动态重建
2D模型成功重建了2023-2024年生长季的fAPAR动态曲线，揭示遮荫处理(TR3)通过提高比叶面积(SLA)实现光捕获补偿。在2023年，TR3在首次刈割(160 DOY)后恢复速度比全光照区(TR1)快39天，但生物量仍低56%，说明形态适应无法完全抵消辐射不足。

产量日动态模拟
模型准确捕捉到光伏板边缘(TR1)因径流集中获得的产量优势：2023年TR1累计生物量达1350 g m^-2，显著高于TR2(1150 g m^-2)和TR3(700 g m^-2)。水分平衡模块显示TR1的土壤可蒸腾水比例(FTSW)持续高于其他区域，验证了光伏板对微区水文的重分布效应。

这项研究开创性地建立了"图像特征-fAPAR-生物量"的定量传递链条，其核心价值体现在三方面：首先，证实低成本2D成像足以监测低矮作物的遮荫适应，为APV合规性监测提供实用方案；其次，揭示紫花苜蓿通过SLA调节的光捕获策略存在上限，这对APV系统设计中的遮荫率优化具有指导意义；最后，模型成功量化了光伏板对水热资源的空间再分配效应，为"能源-农业"协同管理提供了决策工具。未来研究可探索RGB-D相机等新型传感器，并开发自动化平台实现实时监测与预测，进一步推动APV系统从概念验证走向规模化应用。