随着环境恶化、天然资源稀缺和人丁急剧增长，人类面对着严格的全球粮食安全问题
。为适应未来的必要，有必要加快造就高产、抗逆性强的新种类
。然而，传统的表型筛选步骤存在着粉碎性、低效、低维、劳动密集型、繁琐等弊端，严沉故障了田间育种的发展
。育种家火急必要一种高通量技术来获取和评估表型数据，以便从大规；蛐腿禾逯杏行秆〕隽己玫谋硇托宰
。

注明数据采集和分析步骤的流程图

本钻研使用无人机高通量表型平台网络了一个育种项主张RGB和多光谱图像，并获得多种表型成分（或性状），如植物高度，归一化差距植被指数，生物量堆集，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成立表型图谱和类似性，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
。

探求样品和表型成分在聚类中的散布法规

该框架使育种人员可能急剧鉴别和预先选择拥有从数千块农田中获得所需表型成分的基因型的植物
。本钻研还批注，遥感是获取丰硕表型成分的有力工具
。利用这些丰硕的表型成分，育种家应该可能更有效地鉴别和选择良好的基因型
。

三个基因型群的表型成分差距

起源：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.