成像和图像处理技术已经彻底改变了植物表型分析，并成为目前表型性状测量的主要工具。通过考察三个重要的特征：通量、维度和分辨率来回顾植物表型系统，如表1。

　　植物表型具有内在的复杂性，因为它们是基因型与多种环境因素相互作用的结果，如图1。这种相互作用一方面影响植物的发育过程和生长，可以用结构性状来描述;另一方面影响植物的功能，可以用生理性状来描述。结构和生理性状最终决定了植株生物量和产量的表现。

　　耗时或重复的手工干预和分析可以被取代，自动化工作流程可以提高通量如图2，包括：(i)非侵入性传感器，(ii)自动数据处理，以获得感兴趣的表型性状，(iii)机器人将植物传送到传感器或反之亦然，(iv)机器人植物培养，以及(v)数据管理管道中处理数据的自动分析。

　　器官和细胞水平的表型及其工具，通常操作在较低的通量，以获得高空间和高时间分辨率的高维表型数据，如图3。拟南芥(Arabidopsis thaliana)莲座和其他一些双子叶植物的营养芽通常从顶部成像，以测量投影叶表面积，如图3A。双子叶的叶表面积通常是在成像前通过物理解剖枝条和排列出的叶子来确定的(图3B)。大多数处理这些图像的工具都提供叶片表面积、高度、宽度和周长，而其他工具则专门用于定量地表达叶片形状和叶片锯齿程度。除了大小和形状外，研究叶片生长和水工结构建立之间的关系还对确定叶脉模式有兴趣，叶片被固定、清除，并通过暗视野显微镜成像(图3C)。叶子不仅表面积增大，厚度也增大。如气体交换和光合作用等生理过程发生在叶片的整体三维解剖结构中，包括表皮、气孔、叶肉和叶脉(图3D)。自动区分叶表皮细胞的类型，并从显微镜图中提取单个细胞的大小(图3E)。

　　增加维度以更好地理解表型，定量的3D分析非常重要，因为它可以提高叶片水平性状的通量，如简单的长度和面积，或更复杂的叶片位置和角度。本文总结了在提取植物固有的3D结构、发育和功能的技术，然后介绍具有报告植物生理状态潜力的新型传感器。

　　值得注意的是，由于表型的定义，从离体到土壤条件，或从生长室和温室环境到田间的简单外推有价值的性状是不期望的。要么需要详尽的比较数据来阐明在特定表型系统中获得的性状及其遗传背景的“预测能力”或稳健性，要么考虑到性状假定的价值与它们被确定的条件有关，对它们的范围应保持适度。这进一步说明了数据质量和标注的重要性，更具体地说，是记录和报告的实验元数据的数量或特异性。

　　虽然在各个阶段如果没有实施适当的检查点，高通量表型系统和自动化工作流可能会增加数据质量恶化的风险，传感器技术的最新发展使了解植物的形态和生理相关性状成为可能。总的来说，注意力集中在空间和时间分辨率上，因为这是植物表型系统中成像程序的关键方面。

　　表1 植物表型系统的通量、分辨率和维度

　　图1 从植物表型到表型组学。植物表型可以在多个组织水平上进行，从田间和冠层，到整个植物、器官、组织和细胞水平(最终在亚细胞水平)。感兴趣的表型性状可以分为生理的、结构的或性能相关的。植物表型是在特定的基因组表达状态和特定的环境下，对这些性状在任何组织水平上的定量或定性研究。这显示为一列黄色的立方体，可以定位到整个立方体中的任何位置。一个表型对应一个给定基因型在不同环境条件下的所有可能的表型，用黄色和红色的立方体组合来表示。基因组表达状态涵盖了现有植物遗传资源的全部范围(如过表达系、突变体、自然遗传和分离群体)。植物表型学可以认为是研究多种基因组表达状态的现象，以黄、红、蓝三色立方体组合为代表。浅色的立方体(原则上)说明了环境条件和基因组表达状态的无限可能性。值得注意的是，植物表型可以在发育过程中的特定时间进行评估，或者以动态方式进行评估。

　　图2 通量、分辨率和维数是植物表型系统的关键方面，对数据质量产生影响。机器人技术、传感器技术、图像分析以及数据和图像处理方式引领了表型系统的发展。红色虚线箭头表示可能在未来消失的负面影响，绿色实线箭头表示正面影响。机器人技术、能够更快获取数据的传感器、自动化图像处理和更高的图像分辨率的实现，使更多的植物能够同时被监测，对植物表型系统的通量产生了积极的影响。当只有有限数量的表型性状被测量时，通量可以对表型系统的维度产生负面影响。在不久的将来，当新的传感器技术投入实践时，这种情况可能会改变。然而，如果植物处理在表型系统中减慢，通量可能会受到维度增加的负面影响。图像分辨率可以通过开发更大的传感器来提高。图像分析可以帮助提高有效的分辨率，例如，热图像，和维数一般提取多个特征。同样，在植物表型领域引入新的传感器对维度有积极的影响。增加的通量对数据质量既有积极的影响，也有消极的影响，因为尽管它可以提高分析的统计能力，但它经常以消极的方式影响单个度量的质量。这可以通过更高的维度、增强的图像分辨率、改进的图像分析和人工干预来解决。“人工干预”指的是对产生的数据进行处理，在半自动图像处理的情况下，辅助图像分析步骤，以及对成像结果进行监督。

　　图3 植物表型的多组织水平。(A)图像颜色通道处理，然后阈值化，从背景中提取拟南芥莲座，然后测量投影莲座面积、周长和凸包。(B)叶片系列是通过解剖莲座和安排单个的叶片在一个琼脂平板上创建的。通过自动图像处理对叶片进行分割，并在叶面积剖面上绘制出它们的个体大小。(C)拟南芥叶片的暗视野图像。LIMANI工具通过对叶片进行连续分割来提取几个脉序参数。(D)拟南芥叶片共焦图像堆栈的正交视图。通过三维图像处理，获得单个表皮细胞和叶肉细胞体积。(E)拟南芥下表皮的差分干扰对比图。显微绘图有助于提取分割的表皮细胞的大小和形状特征。

　　来源：Dhondt S, Wuyts N, D Inzé. Cell to whole-plant phenotyping: the best is yet to come[J]. Trends in Plant Science, 2013.

　　编辑：王春颖