AgriPheno訂閱號專注于持續(xù)更新植物生理生態(tài)、植物表型組學和基因組學、基因分型、智能化育種及應用、激光雷達探測技術及數(shù)據(jù)分析等領域，國內(nèi)外最新資訊、戰(zhàn)略與政策導讀。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)絡的條銹病自動檢測方法

本文提出了一種新的基于深度卷積神經(jīng)網(wǎng)絡（DCNN）的方法，該方法可以使用高空間分辨率的高光譜圖像（通過無人機捕獲）來自動檢測作物病害。

? 高通量植物表型在林木幼苗性狀量化和干旱響應評估中的應用

本研究使用VIS-NIR本研究使用高通量植物表型分析系統(tǒng)，結合RGB和高光譜相機，來量化木本植物幼苗的生長和發(fā)育，并評估它們在受控環(huán)境下對干旱脅迫的響應。

? 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

本研究的目的是評估搭載消費級數(shù)碼相機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

本研究利用各種成像技術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。

? Review: 用于抗旱/耐旱品種篩選的高通量表型方法比較

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

植物根系研究

? 基于X射線CT的水稻根系構型高通量三維可視化

本研究利用X射線CT技術開發(fā)了水稻根系構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技術是一種簡單、廉價的作物田間高通量根系表型研究方法，可用于評價根系系統(tǒng)及其對環(huán)境變化的響應。

? 菌根真菌及其相關因子對植物種群和群落生物學的影響

本文認為菌根真菌通常是決定植物種群和群落動態(tài)的關鍵因子。菌根真菌對植物種群和群落生物學有很強的影響，菌根類型對種子散布、幼苗建立、土壤生態(tài)位分化、種間和種內(nèi)競爭以及植物多樣性都有影響。

? 土層深度對吸收根和運輸根功能屬性塑性的影響不同

本文測量了表層土壤（0-10 cm）和亞表層土壤（20-30 cm）前五級細根各根序級的生物量、解剖結構、形態(tài)、化學和生理功能屬性，以期揭示上述功能屬性和生物量分配對與土層深度增加相關的資源可利用性變化的響應。

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：果樹表型技術及其應用研究進展

本文旨在對果樹表型研究技術進行全面而深入的綜述，包括VIS-NIR光譜、數(shù)字攝影、多光譜和高光譜成像、熱成像和激光雷達（LiDAR）等技術，并從結構參數(shù)、色素和營養(yǎng)成分、水分脅迫、果實生化參數(shù)、病害檢測等方面總結了這些技術的應用。

? 無人機激光雷達在作物生物量和作物高度估算中的應用

本文對三種不同作物（馬鈴薯、甜菜和冬小麥）進行了無人機激光雷達數(shù)據(jù)采集，并評估作物生物量和作物高度的潛力。

? 基于商用無人機平臺的表型分析方法及應用

本文綜述了使用具有成本效益的商用無人機平臺（低于5000美元）進行表型分析的各種方法和應用。

光譜技術

? 高光譜成像估算小麥葉片N含量能力的評估

本文通過比較三臺高光譜相機和一臺非成像光譜儀，評估了高光譜成像和非成像傳感器對小麥葉片中N含量的估算能力。

? 用于種子質(zhì)量評估的熱成像技術：原理和應用

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

? 不同光譜組成對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用。

? 基于無人機系統(tǒng)的能源甘蔗產(chǎn)量及木質(zhì)纖維素含量預測

本研究的目的是利用無人機RGB和多光譜圖像來預測能源甘蔗新種質(zhì)的產(chǎn)量和總纖維素含量（total cellulosic content, TCC）。

新觀點/新技術

? 新興等離子體技術：緩解作物早期生長階段的環(huán)境壓力

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

? 優(yōu)質(zhì)番茄花粉的篩選：基于花粉活力分析儀(IFC法)

本實驗利用Ampha Z32花粉活力分析儀（IFC法）測試了采自多個國家的1000份番茄花粉的活性。

? 南京農(nóng)大周濟教授團隊成功研發(fā)高通量作物種子發(fā)芽表型監(jiān)測平臺

本文對自主開發(fā)的自動化表型采集和分析平臺SeedGerm如何完成作物種子發(fā)芽的自動化時序拍攝、基于圖像的表型分析和基于監(jiān)督式的機器學習、針對不同作物類型的高通量性狀分析進行了詳細的介紹。

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

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

? 填補表型鴻溝：用于大豆生長分析的高時間分辨率無人機數(shù)據(jù)

在本文中，Borra-Serrano I等采集大豆田間試驗的高時間分辨率無人機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)的高時間分辨率，擬合的生長曲線精度大于 90％。

植物生理生態(tài)研究

? PAM-2500測量誘導曲線（IC）和快速光曲線（LC）的FAQ

? 如何用PAM-2500葉綠素熒光儀測量慢速熒光誘導動力學曲

? 如何用PAM-2500葉綠素熒光儀測量快速光曲線

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

本文通過對番茄葉片光合作用相關光譜的綜合分析，揭示土壤鹽分誘導番茄葉片抵抗干旱脅迫的光合機制。

? 利用簡易NIR敏感RGB相機和機器學習方法精確估算NDVI

基于機器學習的理念，本文提出了一種利用RGBN相機成像系統(tǒng)（Ncam）估算NDVI的低成本方法。

? 針葉樹光合作用物候的可靠跟蹤：基于高通量無人機遙感技術

本研究的主要目標是開發(fā)一個基于無人機的表型分析工具，以評估和預測白云杉幼苗群體的光合作用物候。

人工智能/機器學習

? 基于計算機視覺和深度學習的幼苗發(fā)育監(jiān)測

本文提出了一個完整的圖像處理和機器學習流程，用于監(jiān)測幼苗的生長。

? 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應用程序和PostgreSQL數(shù)據(jù)庫為田間高通量植物表型平臺開發(fā)了一個數(shù)據(jù)工作流程。

? 基于紋理特征和Frangi濾波器的麥穗自動檢測

本文提出了一種改進和擴展的方法：（i）將小波振幅作為基于Laws紋理能量的神經(jīng)網(wǎng)絡的輸入，而不是原始的灰度圖像；（ii）通過將神經(jīng)網(wǎng)絡預測結果與Frangi濾波圖像相結合來抑制非穗結構（如葉片）。

其他

? 《葉綠素熒光儀基礎實驗教程》第二版發(fā)布

這本小冊子旨在介紹PAM熒光法，并提供一系列練習和實驗，講授如何使用這項技術研究光合作用的行為和光合作用機理。

? 叮咚~您有一份來自遠方的數(shù)據(jù)等待查收

這是一份來自德國小鎮(zhèn)Effeltrich的實時在線數(shù)據(jù)，它的發(fā)送者是德國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)測儀器分類與選擇》

本書編寫人員通過對國內(nèi)生態(tài)站及主要生態(tài)儀器銷售廠商的走訪、調(diào)查，以及大量文獻資料的查閱，基于測定指標與傳感器類型、原理，對不同用途的傳感器優(yōu)缺點及使用環(huán)境進行了篩選，同時，選擇推薦了不同環(huán)境下使用的儀器型號，為研究中做什么、市場有什么、選什么提供參考。

感謝各位老師、同學的關注、推薦與積極轉(zhuǎn)發(fā)，Agripheno將不忘初心，堅持把國內(nèi)外最新資訊、戰(zhàn)略與政策導讀分享給大家，以支持到大家的研究工作。作為開放公眾平臺，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，我們也樂意效勞。