目前，植物表型数据获取的研究热点仍然集中于开发高通量、高精度、应用场景广泛、使用成本低的大型平台，此类平台主要包括能够应用于温室内和田间的传送带式和轨道式两种。田间和温室传送带主要针对能够在传送带上培养的盆栽植物，通过动力传送至成像区域进行成像，分别以澳大利亚植物表型加速器和德国尤利希植物表型研究中心温室表型系统为代表。田间和温室的轨道式平台用于固定区域内植株群体性状的采集，应用较为广泛的主要有德国LemnaTec 公司的Field Scanalyzer 采集平台，主要用于检测可控环境中的植物形态特征，可进行高通量植物表型成像分析测量、植物胁迫响应成像分析测量、植物生长分析测量、性状识别及植物生理生态分析研究等［27］。

我国在大型表型数据采集平台方面的自主研发起步相对较晚，开发出的表型平台主要针对单一植物或者固定性状进行采集，整体平台研发水平与国际先进水平仍有一定差距。国内使用较为广泛的自主研发平台主要有2014 年华中农业大学和华中科技大学联合研制的全生育期高通量水稻表型数据测量平台，用于自动采集水稻株高、叶面积、分蘖数、生物量、产量等15 个参数的数据［30］，以及2017 年中国科学院遗传与发育生物学研究所研制的植物表型组学研究平台PPAP［31］。

表1 高通量植物表型数据采集平台Tab.1 High-throughput plant phenotypic data collection platforms平台分类航空器平台设备卫星采集技术远程遥感等应用案例咖啡作物的生物量和碳储量估算［17］优点通量高，采集范围大，速度快飞艇远程遥感等通量高，采集范围大，采集设备兼容性好缺点成本高昂，使用不便利，平台资源较少，平台兼容性差成本高昂，使用不便利，平台资源较少直升机成本高昂，使用不便利无人机多光谱、高光谱、激光雷达等多光谱，高光谱、激光雷达等通量高，采集范围大，采集设备兼容性好成本低，操作便利，通量高，采集范围大对天气条件要求较高田间移动器械农用车辆多光谱，高光谱、激光雷达等大规模的田间作物生长遗传差异数据采集［18］获取田间小区的冠层温度和倒伏情况［19］获取不同试验点的冠层结构变化信息，植物高度和生长表型数据采集，冠层性状数据采集［20］获取植株农艺性状表型数据［21］采集设备兼容性好，成本较低，速度快机器人多光谱，高光谱、激光等精度高，操作灵活，简单易用温室传送带多光谱和荧光成像等MRI 扫描和PET-CT扫描等获取植株农艺性状表型数据；水果外形和颜色性状鉴定［22］用于非生物胁迫和植物衰老等方面研究［23］植物地上及地下部位的表型研究［24］通量高，精度高，自动化程度高通量高，精度高，可建立三维模型通量低，采集范围较小，技术要求高，操作难度大，场景限制较多通量低，采集范围较小，技术要求高，操作难度大，场景限制较多成本高，技术要求高，适用植物研究有限技术要求高，应用场景有限田间/温室轨道平台澳大利亚植物表型加速器德国尤利希植物表型中心设备瑞士FIP 成本较高，技术要求高Field Scanner可见光，近红外，热成像和激光扫描等激光扫描等应用场景较为有限，技术要求较高Field Scanalyzer成本较高，技术要求较高手持和分布式设备手持小型设备激光扫描，多光谱或高光谱和光合荧光等可见光和红外成像等长期精准监测作物生长和发育的特定变化［25］检测植物冠层性状（叶面积，叶面积指数，蒸腾作用）［26］植物的全方位生理生态与形态结构成像分析［27］测量叶片透光率和光合作用效能［28］CropQuant 分布式表型检测平台可见光和环境传感器等连续获取作物表型数据和环境数据，建立作物生长模型［29］通量高，精度高，测量准确，可持续性强，仪器兼容性好，采集范围较大通量高，精度高，测量准确，采集范围较大，软件功能较强通量高，精度高，测量准确，可持续性强，仪器兼容性好，软件功能较强操作灵活，简单易用，可进行单株或者组织数据获取成本低，操作灵活，数据采集标准，多地点后期软件成本高，通量低，可重复性差，不适用大规模表型获取后期软件技术要求高，通量低，采集范围较小，场景应用限制较多

2.2 植物表型数据的存储管理

高通量植物表型数据主要分为结构化数据和非结构化数据两大类，结构化数据主要是指传统农艺性状、植物抗病抗逆信息、品质性状等数值型和字符型数据；非结构化数据或半结构化数据主要来源于各类图像、光谱、文件等。根据表型数据的特点，在进行数据存储利用之前，会依据最小信息、本体术语和数据格式等3 个原则对数据进行标准化处理，之后通过文件服务器存储数据、数据库系统发布数据和提供服务的方式对表型数据进行存储管理。

文章来源：《植物学报》 网址: http://www.zwxbzz.cn/qikandaodu/2021/0610/1287.html

上一篇：新型植物垂直绿化研究
下一篇：重金属积累影响植物和植食性昆虫互作的研究进