随着环境恶化、自然资源稀缺和人口快速增长，人类面临着严峻的全球粮食安全问题。为适应未来的需要，有必要加快培育高产、抗逆性强的新品种。然而，传统的表型筛选方法存在着破坏性、低效、低维、劳动密集型、繁琐等缺点，严重阻碍了田间育种的发展。育种家迫切需要一种高通量技术来获取和评估表型数据，以便从大规模基因型群体中有效筛选出优良的表型性状。

说明数据采集和分析方法的流程图

本研究使用无人机高通量表型平台收集了一个育种项目的RGB和多光谱图像，并获得多种表型成分（或性状），如植物高度，归一化差异植被指数，生物量积累，株高增长率，倒伏和叶色。通过自组织图谱和双标图主成分分析建立表型图谱和相似性，提出了一种利用无人机辅助的高通量表型框架对玉米(Zee mays L.)表型组分(或性状)进行预选择。

探讨样品和表型成分在聚类中的分布规律

该框架使育种人员能够快速识别和预先选择具有从数千块农田中获得所需表型成分的基因型的植物。本研究还表明，遥感是获取丰富表型成分的有力工具。利用这些丰富的表型成分，育种家应该能够更有效地识别和选择优良的基因型。

三个基因型群的表型成分差异

来源：Plant Methods 2019.Combining self-organizing maps and biplot analysis to preselect maize phenotypic components based on UAV high-throughput phenotyping platform.Liang Han, Guijun Yang, Huayang Dai, Hao Yang, Bo Xu, Heli Li, Huiling Long, Zhenhai Li, Xiaodong Yang and Chunjiang Zhao.https://doi.org/10.1186/s13007-019-0444-6.