图1 研究地点布局图
首先，研究者们在Reynolds Homestead（RH）进行了实地实验，该地点位于美国弗吉尼亚州的Piedmont地区。实验涉及6个火炬松基因型，每个基因型都有4个重复（区块）的种植。这些基因型被设计为在群体内具有同质性，并确保了不同的树冠结构。研究地点的地形坡度在2°至15°之间变化。在2017年和2021年，所有树木的DBH被测量，对于每个区块中的25棵树，还测量了树顶高度和树冠水平直径。这些测量结果用于与DLS分析得出的树冠体积进行比较。图1展示了Reynolds Homestead研究站点内安装的24个实地小区，以及6个基因型（G1至G6）的位置（图1）。图中的冠高模型是从2017年获取的无人机激光扫描（DLS）数据中衍生出来的。
然后，研究者们使用Vapor35平台和YellowScan Surveyor Core LiDAR单元在2017年4月获取了RH站点的DLS数据。在2021年7月，使用DJI M600六旋翼平台和Riegl MiniVux1 LiDAR扫描仪重新飞越了RH站点。预处理和条带调整在RiPROCESS软件中进行。所有预处理和分析都在R软件中进行。DLS数据通过隔离体素滤波器进行预处理，以分类和移除潜在的噪声点。然后使用基于模型的聚类方法对树干进行分类，并使用加权聚类方法基于大小对树干进行加权（图2）。
论文链接：
https://doi.org/10.34133/plantphenomics.0264
High-Throughput Phenotyping of Soybean Biomass: Conventional Trait Estimation and Novel Latent Feature Extraction Using UAV Remote Sensing and Deep Learning Models
https://doi.org/10.34133/plantphenomics.0244
Plant Phenomics | 基于无人机遥感与深度学习模型的大豆生物量高通量表型分析：传统性状估算与新型潜在特征提取
https://doi.org/10.34133/plantphenomics.0265
Plant Phenomics | 浙江大学岑海燕教授团队基于无人机图像的水稻育种小区稻穗计数与穗型分类
《植物表型组学》（Plant Phenomics）是由南京农业大学创办的英文学术期刊，于2019年1月正式上线发行。采用开放获取形式，刊载植物表型组学交叉学科热点领域具有突破性科研进展的原创性研究论文、综述、数据集和观点。具体范围涵盖高通量表型分析的最新技术，基于图像分析和机器学习的表型分析研究，提取表型信息的新算法，作物栽培、植物育种和农业实践中的表型组学新应用，与植物表型相结合的分子生物学、植物生理学、统计学、作物模型和其他组学研究，表型组学相关的植物生物学等。期刊已被DOAJ、Scopus、PMC、EI和SCIE等数据库收录。科睿唯安JCR2023影响因子为7.6，位于农艺学一区（1/125名），植物科学一区（13/265名），遥感一区（6/62名）。2023年中科院期刊分区位于农林科学大类一区。2020年入选中国科技期刊卓越行动计划高起点新刊项目、2024年入选江苏科技期刊卓越行动计划领军期刊项目。
说明：本文由《植物表型组学》编辑部负责组稿。
撰稿：章扬（南京农业大学）
审核：尹欢、孔敏
