无人驾驶航空器系统（UAS）是一种特别强大的植物表型分析工具，由于具有采购和部署价格公道、操控简便灵活、可以无缝融入各种规模的表型网络（Figure 1）、能够通过改变载荷轻松实现传感器多样化（Table 2）等优势，其在植物研究和育种中的应用愈发广泛。大多数用于植物表型的飞行器都可以归于由国际民用航空组织（ICAO）所定义的“遥控飞行器系统（RPAS）”概念之中，根据使用的国家和地区的不同，这些设备的名称略有不同。因此为了避免歧义，该文将“无人机”、“无人驾驶飞行器(UAV)”等统称为了“无人驾驶航空器系统（UAS）”。

2021年6月,Plant Phenomics在线发表了东京大学等单位题为UAS-Based Plant Phenotyping for Research and Breeding Applications 的综述论文，该综述全面地介绍了当前基于无人机的表型分析方法的技术水平，降低了植物研究和育种领域研究者初次使用无人机进行表型分析的难度。

Figure 1: UAS across phenotyping scales, sensing levels, and ground sampling distance (GSD). Image is for illustration purposes and not to scale.

Table 2: Main sensor types mounted as UAS payloads.

在使用无人驾驶航空器系统时，使用者必须从植物科学的角度出发做出多项技术决策，来确保在后续分析中可用的信息最大化。这些关键的技术决策包括但不限于：应该选择何种无人机及传感器套件？部署及数据处理的关键步骤有哪些？在这个方向里面有哪些工作已被完成？目前无人驾驶航空器系统在植物表型分析中最先进的应用是什么？有哪些问题、趋势和挑战？

为了解答以上问题，该文章回顾了基于无人机的表型平台在设备部署、数据采集、数据管理、数据存储及分析方面(Figure 2)的最新技术，讨论了当下亟需解决的技术问题，确定了植物研究界需要了解的无人驾驶航空器表型方向的未来趋势，并指出了哪些关键的植物科学和农艺问题将会在下一代基于无人驾驶航空器的成像及数据分析方法中得到解决。

Figure 2: UAS workflow pipeline: data collection, transfer, upload, storage, and analytics.

论文链接：

https://doi.org/10.34133/2021/9840192

——推荐阅读——

The Application of UAV-Based Hyperspectral Imaging to Estimate Crop Traits in Maize Inbred Lines

https://doi.org/10.34133/2021/9890745

Plant Phenomics | 无人机高光谱影像在玉米自交系作物性状估算中的应用

Classification of Rice Yield Using UAV-Based Hyperspectral Imagery and Lodging Feature

https://doi.org/10.34133/2021/9765952

Plant Phenomics | 结合无人机高光谱图像和倒伏特征构建水稻产量类别检测模型