AgriPheno訂閱號(hào)專注于持續(xù)更新植物生理生態(tài)、植物表型組學(xué)和基因組學(xué)、基因分型、智能化育種及應(yīng)用、激光雷達(dá)探測(cè)技術(shù)及數(shù)據(jù)分析等領(lǐng)域，國(guó)內(nèi)外最新資訊、戰(zhàn)略與政策導(dǎo)讀。本文節(jié)選了2020年7月-2020年9月推送的代表性文章，以供大家參閱。

植物逆境研究

? 基于深度卷積神經(jīng)網(wǎng)絡(luò)的條銹病自動(dòng)檢測(cè)方法

本文提出了一種新的基于深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）的方法，該方法可以使用高空間分辨率的高光譜圖像（通過(guò)無(wú)人機(jī)捕獲）來(lái)自動(dòng)檢測(cè)作物病害。

? 高通量植物表型在林木幼苗性狀量化和干旱響應(yīng)評(píng)估中的應(yīng)用

本研究使用VIS-NIR本研究使用高通量植物表型分析系統(tǒng)，結(jié)合RGB和高光譜相機(jī)，來(lái)量化木本植物幼苗的生長(zhǎng)和發(fā)育，并評(píng)估它們?cè)谑芸丨h(huán)境下對(duì)干旱脅迫的響應(yīng)。

? 田間及受控條件下冬小麥抗旱種質(zhì)篩選：低成本表型分析

本研究的目的是評(píng)估搭載消費(fèi)級(jí)數(shù)碼相機(jī)的低成本表型分析系統(tǒng)是否可以用于鑒定抗旱種質(zhì)。

? 水稻抗旱性分析的高通量表型平臺(tái)

本研究利用各種成像技術(shù)獲取和分析水稻抗旱突變體osphyb的表型數(shù)據(jù)，建立水稻抗旱性的早期和定量篩選平臺(tái)。

? Review: 用于抗旱/耐旱品種篩選的高通量表型方法比較

本文綜述了近年來(lái)發(fā)展起來(lái)的用于抗旱/耐旱品種篩選的高通量表型方法和平臺(tái)。

植物根系研究

? 基于X射線CT的水稻根系構(gòu)型高通量三維可視化

本研究利用X射線CT技術(shù)開(kāi)發(fā)了水稻根系構(gòu)型三維可視化的高通量處理流程。

? Shovelomics：田間高通量根系表型研究方法

Shovelomics技術(shù)是一種簡(jiǎn)單、廉價(jià)的作物田間高通量根系表型研究方法，可用于評(píng)價(jià)根系系統(tǒng)及其對(duì)環(huán)境變化的響應(yīng)。

? 菌根真菌及其相關(guān)因子對(duì)植物種群和群落生物學(xué)的影響

本文認(rèn)為菌根真菌通常是決定植物種群和群落動(dòng)態(tài)的關(guān)鍵因子。菌根真菌對(duì)植物種群和群落生物學(xué)有很強(qiáng)的影響，菌根類型對(duì)種子散布、幼苗建立、土壤生態(tài)位分化、種間和種內(nèi)競(jìng)爭(zhēng)以及植物多樣性都有影響。

? 土層深度對(duì)吸收根和運(yùn)輸根功能屬性塑性的影響不同

本文測(cè)量了表層土壤（0-10 cm）和亞表層土壤（20-30 cm）前五級(jí)細(xì)根各根序級(jí)的生物量、解剖結(jié)構(gòu)、形態(tài)、化學(xué)和生理功能屬性，以期揭示上述功能屬性和生物量分配對(duì)與土層深度增加相關(guān)的資源可利用性變化的響應(yīng)。

植物表型研究方法/方案

? 多年生黑麥草氮利用效率的快速篩選：基于圖像的高通量表型分析

本研究的目的是建立一種基于圖像的多年生黑麥草NUE快速篩選方法，并探討在低N（0.5 mM）和中N（5 mM）水平下黑麥草育種群體中NUE的遺傳變異。

? Review：果樹(shù)表型技術(shù)及其應(yīng)用研究進(jìn)展

本文旨在對(duì)果樹(shù)表型研究技術(shù)進(jìn)行全面而深入的綜述，包括VIS-NIR光譜、數(shù)字?jǐn)z影、多光譜和高光譜成像、熱成像和激光雷達(dá)（LiDAR）等技術(shù)，并從結(jié)構(gòu)參數(shù)、色素和營(yíng)養(yǎng)成分、水分脅迫、果實(shí)生化參數(shù)、病害檢測(cè)等方面總結(jié)了這些技術(shù)的應(yīng)用。

? 無(wú)人機(jī)激光雷達(dá)在作物生物量和作物高度估算中的應(yīng)用

本文對(duì)三種不同作物（馬鈴薯、甜菜和冬小麥）進(jìn)行了無(wú)人機(jī)激光雷達(dá)數(shù)據(jù)采集，并評(píng)估作物生物量和作物高度的潛力。

? 基于商用無(wú)人機(jī)平臺(tái)的表型分析方法及應(yīng)用

本文綜述了使用具有成本效益的商用無(wú)人機(jī)平臺(tái)（低于5000美元）進(jìn)行表型分析的各種方法和應(yīng)用。

光譜技術(shù)

? 高光譜成像估算小麥葉片N含量能力的評(píng)估

本文通過(guò)比較三臺(tái)高光譜相機(jī)和一臺(tái)非成像光譜儀，評(píng)估了高光譜成像和非成像傳感器對(duì)小麥葉片中N含量的估算能力。

? 用于種子質(zhì)量評(píng)估的熱成像技術(shù)：原理和應(yīng)用

本文概述了熱成像技術(shù)的理論和基本原理，探討了熱成像技術(shù)在評(píng)估種子質(zhì)量參數(shù)方面的潛在應(yīng)用，包括種子活力的估計(jì)、病蟲(chóng)害的檢測(cè)、種子損傷和雜質(zhì)的檢測(cè)、種子分類和品種鑒定等。

? 不同光譜組成對(duì)紅掌切花低溫貯藏性能的影響

本文研究了不同光譜組成對(duì)紅掌切花低溫貯藏性能的影響。

? 拉曼光譜在植物缺氮早期診斷與管理中的應(yīng)用

本文研究了拉曼光譜在植物氮元素狀態(tài)的早期診斷與管理中的應(yīng)用。

? 基于無(wú)人機(jī)系統(tǒng)的能源甘蔗產(chǎn)量及木質(zhì)纖維素含量預(yù)測(cè)

本研究的目的是利用無(wú)人機(jī)RGB和多光譜圖像來(lái)預(yù)測(cè)能源甘蔗新種質(zhì)的產(chǎn)量和總纖維素含量（total cellulosic content, TCC）。

新觀點(diǎn)/新技術(shù)

? 新興等離子體技術(shù)：緩解作物早期生長(zhǎng)階段的環(huán)境壓力

本文綜述了不同類型的等離子體處理對(duì)植物早期生長(zhǎng)過(guò)程中種子表面環(huán)境（種子損傷和病原菌滅活）和生理過(guò)程（增強(qiáng)的抗氧化系統(tǒng)和激活的防御反應(yīng)）的影響及其應(yīng)用前景。

? 優(yōu)質(zhì)番茄花粉的篩選：基于花粉活力分析儀(IFC法)

本實(shí)驗(yàn)利用Ampha Z32花粉活力分析儀（IFC法）測(cè)試了采自多個(gè)國(guó)家的1000份番茄花粉的活性。

? 南京農(nóng)大周濟(jì)教授團(tuán)隊(duì)成功研發(fā)高通量作物種子發(fā)芽表型監(jiān)測(cè)平臺(tái)

本文對(duì)自主開(kāi)發(fā)的自動(dòng)化表型采集和分析平臺(tái)SeedGerm如何完成作物種子發(fā)芽的自動(dòng)化時(shí)序拍攝、基于圖像的表型分析和基于監(jiān)督式的機(jī)器學(xué)習(xí)、針對(duì)不同作物類型的高通量性狀分析進(jìn)行了詳細(xì)的介紹。

? GrowScreen-Agar：瓊脂培養(yǎng)基中小植株根和芽表型分析的自動(dòng)化平臺(tái)

為了縮小表型差異，Nagel K A等開(kāi)發(fā)了一個(gè)自動(dòng)化的表型平臺(tái)GrowScreen-Agar，用于透明瓊脂培養(yǎng)基中小植株根系和芽性狀的無(wú)損表型分析。

? 填補(bǔ)表型鴻溝：用于大豆生長(zhǎng)分析的高時(shí)間分辨率無(wú)人機(jī)數(shù)據(jù)

在本文中，Borra-Serrano I等采集大豆田間試驗(yàn)的高時(shí)間分辨率無(wú)人機(jī)RGB圖像，并從中提取冠層蓋度和冠層高度數(shù)據(jù)；采用Gompertz函數(shù)和Beta函數(shù)分別擬合冠層蓋度和冠層高度數(shù)據(jù)，得益于數(shù)據(jù)的高時(shí)間分辨率，擬合的生長(zhǎng)曲線精度大于 90％。

植物生理生態(tài)研究

? PAM-2500測(cè)量誘導(dǎo)曲線（IC）和快速光曲線（LC）的FAQ

? 如何用PAM-2500葉綠素?zé)晒鈨x測(cè)量慢速熒光誘導(dǎo)動(dòng)力學(xué)曲

? 如何用PAM-2500葉綠素?zé)晒鈨x測(cè)量快速光曲線

? PAM-2500測(cè)量誘導(dǎo)曲線和快速光曲線的數(shù)據(jù)提取和篩選

本文通過(guò)對(duì)番茄葉片光合作用相關(guān)光譜的綜合分析，揭示土壤鹽分誘導(dǎo)番茄葉片抵抗干旱脅迫的光合機(jī)制。

? 利用簡(jiǎn)易NIR敏感RGB相機(jī)和機(jī)器學(xué)習(xí)方法精確估算NDVI

基于機(jī)器學(xué)習(xí)的理念，本文提出了一種利用RGBN相機(jī)成像系統(tǒng)（Ncam）估算NDVI的低成本方法。

? 針葉樹(shù)光合作用物候的可靠跟蹤：基于高通量無(wú)人機(jī)遙感技術(shù)

本研究的主要目標(biāo)是開(kāi)發(fā)一個(gè)基于無(wú)人機(jī)的表型分析工具，以評(píng)估和預(yù)測(cè)白云杉幼苗群體的光合作用物候。

人工智能/機(jī)器學(xué)習(xí)

? 基于計(jì)算機(jī)視覺(jué)和深度學(xué)習(xí)的幼苗發(fā)育監(jiān)測(cè)

本文提出了一個(gè)完整的圖像處理和機(jī)器學(xué)習(xí)流程，用于監(jiān)測(cè)幼苗的生長(zhǎng)。

? 高通量表型分析的數(shù)據(jù)處理流程優(yōu)化助力植物育種決策

本文利用定制的Python應(yīng)用程序和PostgreSQL數(shù)據(jù)庫(kù)為田間高通量植物表型平臺(tái)開(kāi)發(fā)了一個(gè)數(shù)據(jù)工作流程。

? 基于紋理特征和Frangi濾波器的麥穗自動(dòng)檢測(cè)

本文提出了一種改進(jìn)和擴(kuò)展的方法：（i）將小波振幅作為基于Laws紋理能量的神經(jīng)網(wǎng)絡(luò)的輸入，而不是原始的灰度圖像；（ii）通過(guò)將神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與Frangi濾波圖像相結(jié)合來(lái)抑制非穗結(jié)構(gòu)（如葉片）。

其他

? 《葉綠素?zé)晒鈨x基礎(chǔ)實(shí)驗(yàn)教程》第二版發(fā)布

這本小冊(cè)子旨在介紹PAM熒光法，并提供一系列練習(xí)和實(shí)驗(yàn)，講授如何使用這項(xiàng)技術(shù)研究光合作用的行為和光合作用機(jī)理。

? 叮咚~您有一份來(lái)自遠(yuǎn)方的數(shù)據(jù)等待查收

這是一份來(lái)自德國(guó)小鎮(zhèn)Effeltrich的實(shí)時(shí)在線數(shù)據(jù)，它的發(fā)送者是德國(guó)WALZ公司于2019年秋季推出的最新產(chǎn)品MICRO-PAM。

? 新書推薦：《生態(tài)站野外常用監(jiān)測(cè)儀器分類與選擇》

本書編寫人員通過(guò)對(duì)國(guó)內(nèi)生態(tài)站及主要生態(tài)儀器銷售廠商的走訪、調(diào)查，以及大量文獻(xiàn)資料的查閱，基于測(cè)定指標(biāo)與傳感器類型、原理，對(duì)不同用途的傳感器優(yōu)缺點(diǎn)及使用環(huán)境進(jìn)行了篩選，同時(shí)，選擇推薦了不同環(huán)境下使用的儀器型號(hào)，為研究中做什么、市場(chǎng)有什么、選什么提供參考。

感謝各位老師、同學(xué)的關(guān)注、推薦與積極轉(zhuǎn)發(fā)，Agripheno將不忘初心，堅(jiān)持把國(guó)內(nèi)外最新資訊、戰(zhàn)略與政策導(dǎo)讀分享給大家，以支持到大家的研究工作。作為開(kāi)放公眾平臺(tái)，我們歡迎大家撰寫各自已發(fā)表文章的介紹投稿，分享最新研究成果。此外，如您有最新的業(yè)內(nèi)信息需要推送，我們也樂(lè)意效勞。