近50年来,人们使用了许多偏冠指数对林木的树冠不对称性进行了量化,这些偏冠指数都是以树冠投影的形状或是树干基部与树冠投影图图心之间的位移来表达偏冠的程度。不同的研究者基于特定的研究目的提出了不同的偏冠指数,所提出的偏冠指数之间虽然有一些相似性,但是指数之间是不可比较的,因为它们不仅在变化范围上不同,而且在表示树冠不对称程度的数值上也不相同。本文以澳大利亚新南威尔士州北部海岸Kew附近的公牛州立森林的桉树人工林为研究对象,基于CCT(Correlated Curve Trend)实验间伐数据,对已有的可用的5个偏冠指数和基于计算机图形学中数字图像圆度测量法、经济学中收入不平等指数和植物叶片形态学双侧对称指标所提出的8个新的偏冠指数进行了分析比较。本研究采用0代表树冠完全对称,1代表树冠完全不对称,第一次尝试为偏冠指数制定规范的标准。在对所有偏冠指数进行必要的修正后,将所有偏冠指数纳入[0,1]的尺度范围中。通过对30棵桉树36个树冠半径的秩序相关分析以及统计分析,比较了所提出的13个偏冠指数在不同个数树冠半径下的表现。研究结果表明:以植物叶片形态学的双侧对称指标为基础提出的偏冠指数C4I13被证明是偏差最小、精度最高的偏冠指数。其次是偏冠指数CAI4、CAI8和CAI10。偏冠指数CAI4是现有的可用的5个偏冠指数中表现最好的,与偏冠指数CAI13相比,偏冠指数CAI4的优势在于它不仅可以表达偏冠的程度,也可以表示偏冠的方向,这在评估单木倾倒的风险、研究相邻木之间的竞争和描绘冠层空间与林分动态时会更有优势。偏冠指数CAI8是基于数字图像圆度测量法所提出的3个偏冠指数中表现效果最好的,偏冠指数CAI10是基于经济学中收入不平等指数所提出的4个偏冠指数中表现效果最好的。无论在研究中使用哪种偏冠指数,至少需要测量4个方向的树冠半径才可以粗略的表达偏冠信息。为了更精确的量化偏冠现象,在计算偏冠指数时建议使用6或8个树冠半径。同时,还需要考虑不同树种树冠形态的变化程度。这些偏冠指数虽然是基于树冠半径在二维平面上的测量值所计算的,但它们可以很容易地应用到从激光雷达和遥感数据提取的单木树冠数据中。树冠形态作为森林经营决策中需要考虑的重要因素之一,将衡量树冠不对称的偏冠指数与激光雷达和遥感提取的单木树冠数据相结合,将会极大的促进林业大数据分析和人工智能在林业中的应用进程。