基于30°倾斜相机的行播作物聚集指数估算：方法评估与分段尺寸效应解析

本研究创新性地采用30°倾斜数码相机，在玉米和大豆田中系统评估了LX、CC及CLX三种聚集指数（CI）估算方法。通过与实地测量及LESS 3D辐射传输模型模拟结合，证明CLX方法在全图像和45°分段下能精准估算CI（偏差±0.1内）和植物面积指数（PAI）（偏差±0.4内）。研究揭示了分段尺寸对LX方法的显著影响及CC方法的稳定性，为行播作物冠层结构监测提供了低成本、高精度的技术方案。

　　

The LX method

LX方法由Lang和Xiang（1986）提出，通过间隙分数的对数平均值计算CI：

Ω_LX(θ) = lnP(θ)￣￣ / lnP(θ)￣￣

该方法基于两个核心假设：一是有限分段尺寸内的植被要素随机分布；二是分段需包含间隙。为满足假设，建议分段物理长度至少为叶片宽度的10倍（Lang和Xiang）。

Overview of data and methods

本研究整体工作流程包括数据获取、处理与评估步骤（图2）。除实地数据外，采用LESS模型模拟玉米和大豆田，重点比较了全图像及45°、30°、15°分段尺寸下的间隙分布与间隙分数。

Gap fractions

实地测量中，30°倾斜相机从R1到R5生长期的间隙分数与LAI-2200测量结果高度一致（R2 ≥ 0.94，偏差≤0.02，RMSE≤0.04），仅R1期误差稍大（偏差0.06，RMSE 0.09）。LESS模拟中相机数据也表现出优异一致性，验证了其多角度观测能力。

Advantages and limitations of using the 30°-tilted camera to estimate CI in row crops

30°倾斜相机能高效获取行播作物间隙分布，突破传统仪器（如TRAC）在低矮冠层中的操作限制。其高分辨率提升了间隙分类精度，而30°倾角设计扩展了天顶角覆盖范围（0-70°），支持Miller公式和多角度分析。但该方法依赖图像分类算法，在复杂光照条件下可能存在误差。

Conclusion

通过30°倾斜数码相机系统评估了行播作物中CI的CC、LX、CLX估算方法，得出以下结论：

1. 1.

   该相机有效克服传统仪器局限，实现了行播作物多角度间隙观测；

2. 2.

   CLX方法在全图像和45°分段下表现最优；

3. 3.

   LX方法对分段尺寸敏感，CC方法稳定性更佳；

4. 4.

   CI随天顶角与生长期呈现规律性变化，为冠层异质性研究提供新见解。