植物结构性状是植物育种中重要的选择标准，关系到光合效率和作物产量。对于大型育种试验，传统人工测量方法既费时又费力。本文提出了一种利用无人机图像重建三维冠层结构模型的高通量表型分析方法。

基于无人机图像三维重建管道

玉米/大豆套作冠层彩色密集点云(A)及其点密度(B)的一个例子

通过与三维数字化模型和实测值的比较，评估了无人机模型的精度。结果表明，该方法可以获得生长早期的全冠结构，以及生长后期的冠层上部结构。无人机模型估算的叶数、株高、单叶面积、叶面积的垂直和水平分布与玉米参考值吻合较好。得出的单个叶片的长度和最大宽度接近于玉米(叶片长度和最大宽度的R²均大于0.92， RMSE分别小于4.16 cm和0.64 cm)和大豆(R²> 0.85和RMSE <0.77 厘米)的实地测量值。

在播种后第43、70和91天，将玉米(A和B)和大豆(C和D)的无人机衍生冠层结构模型(B和D)与相应的参考模型(A和C)进行比较

玉米(A-C)和大豆(D-F)的参考特征和UAV衍生的冠层结构模型的叶片性状比较

综上所述，该方法在大田作物冠层结构性状的高通量表型分析方面具有广阔的应用前景，有助于作物育种和三维植物建模中的基因型选择。

来源：

Liu F, Hu P, Zheng B, et al. A field-based high-throughput method for acquiring canopy architecture using unmanned aerial vehicle images. Agricultural and Forest Meteorology. https://doi.org/10.1016/j.agrformet.2020.108231.