| Acknowledgements | 第9-17页 |
| Abstract | 第17-19页 |
| 摘要 | 第20-22页 |
| Chapter 1 High-Throughput Phenotyping in Plants | 第22-46页 |
| 1.1 Introduction | 第23-25页 |
| 1.2 Effects of environmental factors for plant phenotyping | 第25-26页 |
| 1.3 Importance of Phenotyping in Modern Agriculture | 第26-28页 |
| 1.4 Mechanism of Imaging Technologies: Meeting Challenges and Needs in Plant Phenomics | 第28-29页 |
| 1.5 Available Imaging Devices for High-Throughput Phenotyping | 第29-33页 |
| 1.5.1 Visible Light Imaging | 第29-30页 |
| 1.5.2 Infrared Imaging | 第30-31页 |
| 1.5.3 Fluorescence Imaging | 第31-32页 |
| 1.5.4 Spectroscopy Imaging | 第32页 |
| 1.5.5 Structural Tomography and Other Imaging | 第32-33页 |
| 1.6 Experiment Setup and Large-Scale Phenotype Data Collection | 第33-36页 |
| 1.7 Principles of Phenotype Data for Forecasting Plant Performance | 第36-39页 |
| 1.8 High-Throughput Phenotype Data Analysis | 第39-44页 |
| 1.8.1 Hypothesis | 第39-40页 |
| 1.8.2 Data Quality | 第40页 |
| 1.8.3 Data Dimension | 第40-41页 |
| 1.8.4 Model Selection | 第41-42页 |
| 1.8.5 Networking | 第42页 |
| 1.8.6 Growth Modeling | 第42-43页 |
| 1.8.7 Classification | 第43页 |
| 1.8.8 Similarity/Dissimilarity Measurement | 第43-44页 |
| 1.9 Conclusion | 第44-46页 |
| Chapter 2 CompareSVM: Tool for Analyzing High Throughput Genotyping (expression profiles) Datafor Insight into Phenotyping | 第46-71页 |
| 2.1 Introduction | 第47-49页 |
| 2.2 Methods | 第49-53页 |
| 2.2.1 Supervised methods SVM | 第49-51页 |
| 2.2.2 Unsupervised methods | 第51-53页 |
| 2.3 CompareSVM | 第53-55页 |
| 2.4 Evaluation | 第55-56页 |
| 2.5 Results | 第56-59页 |
| 2.6 Discussion | 第59-60页 |
| 2.7 Implementation & Usage of CompareSVM | 第60-70页 |
| 2.7.1 Installation | 第60-61页 |
| 2.7.2 Preparation of dataset | 第61-63页 |
| 2.7.3 Workflow | 第63-68页 |
| 2.7.4 Sample Results | 第68页 |
| 2.7.5 Unsupervised Methods in R | 第68页 |
| 2.7.6 Typical Workflow | 第68-70页 |
| 2.8 Conclusion | 第70-71页 |
| Chapter 3 HTPPA:Tool for Generating and Analyzing High Throughput Plant Phenotyping based onImaging Data | 第71-98页 |
| 3.1 Introduction | 第71-73页 |
| 3.2 Methods | 第73-82页 |
| 3.2.1 Input Image | 第74页 |
| 3.2.2 Plant Segmentation | 第74-79页 |
| 3.2.3 Leaf Detection | 第79-80页 |
| 3.2.4 Leaf Segmentation | 第80-82页 |
| 3.2.5 Visualization and annotation | 第82页 |
| 3.3 Implementation | 第82-85页 |
| 3.4 Result and Discussion | 第85-90页 |
| 3.5 Manual & Usage | 第90-97页 |
| 3.5.1 Requirements | 第90页 |
| 3.5.2 Installation | 第90-91页 |
| 3.5.3 Getting Started | 第91-92页 |
| 3.5.4 Load files | 第92页 |
| 3.5.5 Parameters | 第92-95页 |
| 3.5.6 Execute | 第95-97页 |
| 3.6 Conclusions | 第97-98页 |
| Chapter 4 Bridging Genomics and Phonemics | 第98-113页 |
| 4.1 Introduction | 第98-100页 |
| 4.2 Association between phenotype and genotype | 第100-102页 |
| 4.3 Approaches for linking the genome to the phenome | 第102-111页 |
| 4.3.1 QTL detection through linkage and association mapping | 第102-104页 |
| 4.3.2 EWAS:linking epigenetic variation and complex traits | 第104-106页 |
| 4.3.3 Variation in gene expression:from eQTLs to phenotypes | 第106-107页 |
| 4.3.4 Genome-Wide association studies with metabolomics:metabolic QTL analysis | 第107-109页 |
| 4.3.5 Systems biology:genome-scale networks that link genes to phenotypes | 第109-111页 |
| 4.4 Conclusion | 第111-113页 |
| Chapter 5 Summary and Future Perspective | 第113-119页 |
| 5.1 Summary | 第113-114页 |
| 5.2 Future Prospective | 第114-119页 |
| Reference | 第119-141页 |
| Supplementary Data | 第141-142页 |
| Biography | 第142-143页 |
| Honors and Awards | 第142页 |
| List of publications | 第142-143页 |
| Publications from dissertation | 第142页 |
| Other Publications | 第142-143页 |
