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2020年10月-2020年12月推送的代表性文章，以供大家参阅。

植物逆境研究

• 利用高通量表型和基因分型提高作物抗旱性

本文综述了高通量表型组学和基因组学的最新进展，以及它们如何帮助培育耐旱品种，以制定下一代作物改良策略。

• 农作物耐热基因型/品种的鉴定及特征分析：现状和前景

本综述讨论了不同作物耐热性基因型对比的实例，涉及到与叶、花、根、生物分子和“组学”方法有关的许多耐热性状。

• 植物盐胁迫的高通量表型分析工具：结合机器学习的高光谱成像

本文提出了一种基于高光谱成像（HSI）和深度学习的HTP技术，以进行秋葵耐盐性的高通量筛选。以13个基因型的秋葵为研究对象，在盐处理2天和7天后，采用HSI技术对秋葵植株进行了表型分析。

植物根系研究

• 不同植物菌根真菌侵染类型和强度及双菌根真菌侵染的机理和生态学意义

以往认为大多数维管植物只与一种菌根真菌形成菌根共生体，忽视了自然界大量存在的双菌根真菌植物。AM真菌和ECM真菌侵染同种植物根系，在养分、水分获取和响应非生物和生物胁迫方面均具有重要意义。

• 土壤氮循环的根际调控：植物经济策略的关键组分

本研究证实了植物物种通过根际过程调节植物-土壤界面碳氮反馈的经济策略。也提出了新的机制来洞察不同经济策略的植物物种，如何通过其根际土壤微生物调节营养循环来维持其养分和生长。

植物表型研究方法/方案

• 用于植物表型的计算机视觉技术综述

本文全面回顾了基于计算机视觉的植物表型分析解决方案，从植物器官和整体两个角度总结了成像技术和分析方法的优缺点，并给出了一些典型的算法原理和处理框架。

• Review：基于图像的小麦表型分析平台的发展和挑战

本文综述了器官水平上小麦表型分析平台的发展和挑战，旨在为小麦表型研究的新手或有兴趣探索替代表型平台的研究人员提供参考。

• 直播水稻秧苗早期活力的无损表型分析

本文中，Annamalai Anandan等提出了一种无损、快速、精确的基于图像的表型分析技术，以评估水稻秧苗早期活力。

光谱技术

• 无人机多光谱表型分析在气候变化条件下加速作物改良

本文探讨了如何利用无人机多光谱遥感数据研究玉米对玉米条纹病毒(maize streak virus, MSV)病害的反应，探索提高作物表型分析效率的途径。

• 高光谱成像估算小麦叶片N含量能力的评估

本文通过比较三台高光谱相机和一台非成像光谱仪，评估了高光谱成像和非成像传感器对小麦叶片中N含量的估算能力。

• 高光谱和多光谱成像检测葡萄枝干疾病Esca叶片症状的可行性评价

本研究的目的是评估地面高光谱和机载多光谱成像技术在田间检测葡萄枝干疾病Esca叶片症状的可行性。

新观点/新技术

• 太赫兹成像和高光谱成像结合卷积神经网络鉴定抗白叶枯病水稻种子

本文研究了太赫兹成像（Terahertz Imaging）技术和近红外高光谱成像（near-infrared hyperspectral imaging）技术鉴定水稻抗白叶枯病种子的可行性。

• 浅探小麦花粉采集方法及活力维持时间

本文对一系列品种的冬小麦花粉进行了田间试验，并利用Ampha Z32花粉活力分析仪（阻抗流式细胞仪）对比分析了不同采集方法下小麦花粉活力的差异，以期找到小麦花粉的采集的最佳方法，并为小麦花粉活力原位测量提供实践中的指导作用。

• 革新升级|植物育种管理系统——Genovix

Agronomix公司对AGROBASE Generation II育种软件进行了全面革新升级，推出了一款全新的品种测试和育种软件Genovix。Genovix采用全新的、现代化的.NET用户界面，使用了大量可视化快捷图标区分功能区，使软件界面更加直观清晰，软件操作更加轻松快捷。

植物生理生态研究

• 叶绿素荧光成像仪在农业植物胁迫测定上的特点及应用

本文重点介绍了一种基于叶绿素荧光成像测量的传感器。该传感器可以通过Fv/Fm量化除草剂和病原体对植物产生的胁迫。

• 土壤酶化学计量研究进展

土壤酶是土壤生物化学循环的重要参与者，其活性强度影响有机C、N、P的分解，影响土壤养分循环。本文在梳理土壤酶活影响因素和土壤酶活测量、内涵挖掘历程的基础上，介绍基于土壤酶化学计量判定土壤微生物营养限制状态的新模型。

• Ampha Z32阻抗流式细胞仪在小麦孢子发育及产胚量早期预测中的应用

本研究利用Ampha Z32阻抗流式细胞仪（IFC），进行了：（i）离体培养细胞活力的常规监测；（ii）胁迫处理效率的测定；（iii）小孢子悬浮液中产胚量的早期预测，探讨了小麦小孢子离体培养过程中发生不同发育途径的可能性。

人工智能/机器学习

• 基于深度卷积神经网络的条锈病自动检测方法

本文提出了一种新的基于深度卷积神经网络（DCNN）的方法，该方法可以使用高空间分辨率的高光谱图像（通过无人机捕获）来自动检测作物病害。

• 基于计算机视觉和深度学习的幼苗发育监测

本文提出了一个完整的图像处理和机器学习流程，用于监测幼苗的生长。

• 高通量表型分析的数据处理流程优化助力植物育种决策

本文利用定制的Python应用程序和PostgreSQL数据库为田间高通量植物表型平台开发了一个数据工作流程。

其他

• 福利丨AgriPheno免费送您2021年定制版新台历

AgriPheno免费送您特别定制的2021年新台历，希望这份有爱的新年礼物，陪伴您走过2021年的每一天，让您的生活充满诗情画意，处处都是惊喜！

• EMPHASIS植物表型摄影大赛获奖作品公布

EMPHASIS摄影大赛的获奖者是印度农业研究所博士生Biswabiplab Singh，他获奖作品的主题为“Plants Prior to Phenotyping”，描绘了印度农业研究所Nanaji Deshmukh植物表型学中心里面静待表型分析的植物。Biswabiplab Singh将获得LemnaTec和DPPN赞助的Sony Alpha 7Ⅲ相机套装。

• 迎中秋庆国庆，AgriPheno祝您节日快乐！

国旗飘扬，月饼飘香。国泰民安与阖家团圆，国与家撞了个满怀。与家同在，与国同庆。AgriPheno祝您节日快乐，愿伟大的祖国繁荣昌盛！

• AgriPheno祝所有老师节日快乐！

黑发积霜织日月，粉笔无言写春秋，光阴荏苒，岁月如梭，当年的老师们，青丝皆成华发。感恩老师，AgriPheno祝您节日快乐！

感谢各位老师、同学的关注、推荐与积极转发，Agripheno将不忘初心，坚持把国内外最新资讯、战略与政策导读分享给大家，以支持到大家的研究工作。作为开放公众平台，我们欢迎大家撰写各自已发表文章的介绍投稿，分享最新研究成果。此外，如您有最新的业内信息需要推送，我们也乐意效劳。