文章分享：Plant Phenomics光谱表型文章合集
Plant Phenomics | 多源波谱成像技术融合深度学习的棉苗盐胁迫诊断方法研究
https://spj.science.org/doi/10.34133/plantphenomics.0125
Plant Phenomics | 东北农业大学基于深度学习的轻量化水稻秧苗分割模型
https://spj.science.org/doi/10.34133/plantphenomics.0123
可见光/近红外光谱和高光谱成像在高通量植物重金属胁迫表型分析中的应用研究进展
https://spj.science.org/doi/10.34133/plantphenomics.0124
Plant Phenomics | 使基因型变异可见：苏格兰松幼苗的高光谱表型
https://spj.science.org/doi/10.34133/plantphenomics.0111
Plant Phenomics | 利用无人机量化玉米-大豆间作系统的累积遮阳能力
https://spj.science.org/doi/10.34133/plantphenomics.0095
Plant Phenomics | 南京农业大学基于WheatNet的灌浆期和成熟期麦穗定向检测
https://spj.science.org/doi/10.34133/plantphenomics.0109
Plant Phenomics | ExtSpecR：无人机与R语言联手，树木光谱分析更简单
https://spj.science.org/doi/10.34133/plantphenomics.0103
Plant Phenomics | Panicle-Cloud: 一种基于开放式人工智能的稻穗云计算平台
https://spj.science.org/doi/10.34133/plantphenomics.0105
Plant Phenomics | SPSI：抽穗前估测冬小麦穗数的新型复合指数
https://spj.science.org/doi/10.34133/plantphenomics.0087
Plant Phenomics | 一种利用光谱表型分析技术鉴别转基因水稻种子的简明级联方法
https://spj.science.org/doi/10.34133/plantphenomics.0071
Plant Phenomics | 绿色植物Phedimus spp.春季外观的多光谱表型和遗传分析
https://spj.science.org/doi/10.34133/plantphenomics.0063
Plant Phenomics | 结合高分辨率影像、深度学习和动态建模分离小麦冠层的疾病和衰老
https://spj.science.org/doi/10.34133/plantphenomics.0053
Plant Phenomics | 使用无人机图像和光合积累模型估算水稻地上生物量
https://spj.science.org/doi/10.34133/plantphenomics.0056
Plant Phenomics 精选2023 | 多源数据融合提升田间高通量表型平台下玉米时序表型解析精度
https://spj.science.org/doi/10.34133/plantphenomics.0043
Plant Phenomics | 浙江大学发现一种融合快照光谱图像和RGB-D图像生成高质量三维多光谱植物点云的新方法
https://spj.science.org/doi/10.34133/plantphenomics.0040
Plant Phenomics |无人机遥感监测助力优化湿地松遗传育种策略
https://spj.science.org/doi/10.34133/plantphenomics.0028
Plant Phenomics | 中国海洋大学藻类遗传学与育种研究团队构建大型海藻高通量表型组技术
https://spj.science.org/doi/10.34133/plantphenomics.0012
Plant Phenomics | 激光雷达能够高效地描述葡萄的生长情况和检测相关遗传位点
https://spj.science.org/doi/10.34133/plantphenomics.0116
加入作者交流群
扫码添加小编微信，拉您进入《植物表型组学》作者交流群，群内不定期开展作者分享会、专刊发布会等高质量活动。
添加小编微信，备注姓名+单位+PP，加入作者交流群
About Plant Phenomics
《植物表型组学》（Plant Phenomics）是由南京农业大学和美国科学促进会（AAAS）合作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JCR2021影响因子为6.961，位于农艺学、植物科学，遥感一区。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。
说明：本文由《植物表型组学》编辑部负责组稿。
中文内容仅供参考，一切内容以英文原版为准。
合集整理：章扬（南京农业大学）
排版：赵倩莹（南京农业大学）
审核：孔敏、王平
