由无人飞行器(UAV，简称无人机)和传感器(S)组成的无人飞行器(UAS)高通量表型(HTP)是目前具有良好前途的植物育种和研究的工具。这项技术对植物育种的推动和机遇类似于30年前基因组工具的出现，以及最近的基因组选择。与基因组工具不同的是，HTP提供了多种实施和利用上的策略，这些策略可以生成关于植物生长的动态性质的大量数据，这些数据是由生长和环境之间的时间相互作用形成的。这篇综述列出四个主要作物品种：棉花、玉米、大豆和小麦，综述中强调的每种作物都演示了UAS收集的数据如何被用来自动化和提高客观表型性状的估计或预测。每个作物部分包括四个主要主题：（a）常规性状的表型，（b）过往不可行性状的表型，（c）UAS在育种中应用案例（d）表型和表型组预测和选择的实施。虽然常规农艺和生产力性状的表型分析在时间和资源优化方面具有优势，但UAS数据的最潜在的有益的应用是收集过往很难或无法量化的性状，提高重要表型的选择效率。总之，UAS传感器技术可用于非生物胁迫、生物胁迫、作物生长发育和生产力的测量。这些应用程序和机器学习策略的潜在实施可以改进育种计划中的预测、选择和效率，从而使UAS高通量表型成为潜在的不可或缺的资产。

总而言之，无人机传感器技术可用于测量非生物胁迫(如干旱、高温、盐碱)、生物胁迫(如疾病、虫害、杂草)、自然灾害(如冰雹损害、冻结)造成的作物损失、作物生长发育(如出苗、冠层闭合、冠层活力)以及生产力(如种子或生物量产量)。这些应用，加上机器学习和人工智能战略的潜在实施，将有助于改进育种计划中的选择，及时管理作物并在商业规模上改善和更可持续的农业生产。

图1 2006年以来发表的关于UAS作物表型的关键词的最新趋势

图2。利用UAS对玉米进行大田高通量表型分析，并通过时间表型预测将其整合到育种计划中A) UAS调查是由携带不同传感器的无人机进行的，如5波段多光谱或3波段RGB。B)通过重复的时间UAS调查捕获不同的生长阶段。C)每个地块创建和应用形状文件(多边形)是将提取的遥感信息与正拼接图像中的基因型和其他领域图书信息关联起来的重要步骤。D)通过基因型-飞行环境模型对整个季节的时序现象数据(如植物高度和植被指数归一化绿红差异指数(NGRDI))进行时序统计分析。E)时序现象数据也可以融入基因组学，在全基因组关联研究中发现时间敏感位点。F)通过表型估计的育种值(PEBVs)在环境内或跨环境中进行时间基因组预测

图3 基于uas的大豆表型育种应用实例

图4 具有HTP与基因组选择相结合的潜在实施点的小麦样品育种管道

表1 棉花常规性状的表型分析综