友情链接：
AgriPheno订阅号专注于持续更新植物生理生态、植物表型组学和基因组学、基因分型、智能化育种及应用、激光雷达探测技术及数据分析等领域，国内外最新资讯、战略与政策导读。本文节选了2019年4月-6月推送的代表性文章，以供大家参阅。
• Scientific Reports：田间盐胁迫下甜瓜产量和品质的遗传分析
本文以55个甜瓜杂交种及其11个亲本为材料，研究了盐胁迫下甜瓜产量、产量构成及品质相关性状的定量遗传基础。
• 高光谱植被指数估算植被含水量：夏玉米水分指标对水分胁迫的响应比较
本文比较了冠层含水量、叶片等量水厚度、活体可燃物湿度等植被水分指标对不同水分处理的响应，并利用光谱植被指数对夏玉米水分胁迫试验的结果进行了估算。
本文探索了无人机多光谱和热成像在玉米TSC抗性表型分析中的应用潜力，比较了该方法与传统视觉疾病评估的有效性，讨论了使用RS技术进行抗病表型分析的挑战和机遇。
• RadiMax：研究深根生长和资源获取基因型差异的大型半田间设施
本文中开发了一种新的表型分析设施，用于研究半田间（semi-field）条件下的植物根系生长和土壤资源获取。
• Scientific Reports：基于直径和根序的细根分级新方法
本文旨在整理、报道两种根序分级新方法。
本文提出了一个基于图像的植物表型分析通用计算框架，总结了最先进的基于图像的植物表型分析方法，讨论了植物表型领域未来的潜在发展。
本文回顾了牧草作物表型研究的状况，讨论了地面和空中表型平台在牧草作物性状评估方面的优势，预测了高通量、数据存储方法和管理带来的表型“大数据”挑战。
本文测试和评估了三种商用无人机热成像相机在森林监测、植被胁迫检测和植物表型研究方面的潜力。结果表明热成像相机可为植被监测和植物表型分析提供关键信息。
• 从实验室到田间的表型研究：基于Fv/Fm的番茄耐热性分析
本文的研究表明，Fv/Fm对番茄耐热性的早期检测是有效的，可以应用于耐热品种的选育中，加快育种进程。
• Front. Plant Sci.：无人机图像在草坪草田间试验中的应用
本文研究评估了无人机RGB图像和多光谱图像在草坪草田间试验中的应用。
本文提出了一种利用无人机多光谱图像测量棉花多种表型性状的方法，是无人机技术和传感器技术引入棉花育种的重要一步。
本文提出了一种基于体素的激光雷达三维图像自动估算叶倾角的方法。该方法获得的叶倾角估算值与实测值呈显著相关（R2=0.95），叶倾角估算的绝对误差为2.5°。
• 电磁场和冷等离子体播前处理对向日葵种子萌发、生长发育的影响
本文旨在深入探究真空、冷等离子体、电磁场等物理应激源对植物影响的分子机制。
Agripheno™高通量基因分型检测平台包括高通量Oktopure DNA提取仪、Nexar®模块化内联液体处理与分析系统、Soellex®高通量PCR水浴热循环系统和Araya®内联荧光检测系统。本文分享了牛毛基因分型的案例。
• Front. Plant Sci.：小麦育种计划中基于颜色的性状评估方法
本文中，Walter J等提出了一个高通量数字成像与分析系统，用于评估小麦育种计划中基于颜色的性状。该研究通过三个步骤实现：（i）在温室中验证基本图像分析方法，（ii）将这些方法应用于使用手持成像设备的田间试验，（iii）开发用于数据采集的田间高通量成像系统。
本文描述了如何利用电阻抗成像来可视化不透明培养基中油菜根系的发育，比较了健康对照植株和感染根肿病菌植株的根系发育情况。
本文研究了三种常用的可见光和荧光图像配准技术：依赖于特征点之间的对应关系（FP）、频率域特征（PC）以及图像强度信息（INT）。
• AirSurf-Lettuce：基于计算机视觉和深度学习的超大规模田间表型与精准农业航空图像分析平台
本文中，周济博士团队联合英国第二大种植公司G's Growers Limited开发了一个基于计算机视觉和深度学习的超大规模田间表型与精准农业航空图像分析平台——AirSurf-Lettuce。该平台结合了超大规模的归一化差异植被指数（NDVI）航空图像、现代计算机视觉、最新的深度学习（CNN）和模块化软件工程，能够对整个田间数以百万计的生菜进行产量相关的表型分析。
• 无人机技术与RGB-D重建方法在牧草株高和生物量监测中的比较
本文评价了基于无人机、RGB-D相机的方法在牧草株高、生物量、体积等估算中的表现。
通过对39个优势物种的8个叶片功能性状的测定，确定植物叶片在物种和功能类型水平上的抗旱适应性策略。
• 搭载双图像帧快照相机的轻型无人机对不同氮素处理下水稻生物量的动态监测
本文的研究结果证明了将轻型无人机与双图像帧快照相机结合应用于水稻生物量估算的可行性，以及在精准农业和先进育种计划中的应用潜力。
本文利用贝叶斯网络对ABA诱导的WRKY转录因子网络进行了建模，并应用基于效用函数的推理算法来确定干旱胁迫反应基因的重要调节因子。
• 基于无人机的小麦株高估算方法及其在基因组分析和功能基因表征中的应用
本文描述了一种基于无人机的小麦植株高度估算方法及其在定量基因组分析和功能基因表征中的应用。
本文利用光流分析获取生菜叶片的时序运动特征，随后基于这些特征通过机器学习构建生菜的生长预测模型，预测生菜收获时的鲜重。
AgriPheno祝您端午安康，粽情欢乐、粽有吉祥！
2019年5月6日-14日，由上海泽泉科技股份有限公司主办的2019泽泉植物生理生态及表型育种研讨会分别在北京、成都、广州成功召开。
劳动，创造了价值，创造了财富，创造了未来，创造了人类，创造了世界，创造了一切。五一国际劳动节来临之际，AgriPheno祝您劳动节快乐！
2019年4月27日，在浙江大学岑海燕等三位老师的带领下，生物系统工程与食品科学学院19名本科生至AgriPheno™平台进行参观和学习。
因工作需要，南京农业大学作物表型组学交叉研究中心高通量作物表型分析研究团队公开招聘博士后研究人员 1 名，同周济教授于诺维奇科研院的英国实验室共同执行作物表型组学相关的研究内容。
• 中国农业大学资源与环境学院数字农业研究团队招聘博士后启事
因工作需要，中国农业大学资源与环境学院数字农业研究团队（合作导师为郭焱教授、马韫韬副教授，主要研究方向为多源尺度的植物功能-结构-环境互作的基因型/表型研究）公开招聘博士后研究人员1名，内容包括但不局限于：大田作物表型与基因型关联分析/基于植物表型的传感器和设备系统集成与研发/多源尺度作物生长动态反演与辅助逆境育种等。
