我中心Frederic Baret教授将于4月25日做客香山生态论坛，欢迎对植物表型组学研究领域感兴趣的专家学者前来与Frederic Baret教授进行交流。

报告题目

Advances in high-throughput field phenotyping activities to accelerate genetic improvement

报告人

Frederic Baret教授

南京农业大学作物表型组学交叉研究中心

法国国家农业科学研究院

时间

4月25日，下午13:30-15:30

地点

中国科学院植物研究所牡丹楼E202会议室

Frederic Baret，南京农业大学表型中心教授，博士生导师，巴黎第十一大学农业遥感博士学位，法国国家农业科学研究院（INRA）研究员（一级，DR1）。他组建并领导了由近20名成员组成的UMT-CAPTE实验室（法国农业部重点资助），指导了40余名博士研究生和博士后，共计发表高水平SCI论文210多篇（近5年60多篇），Google Scholar总被引21600多次，Indices 121，Web of Science总被引用9739次，h-index 48。早期科研兴趣为光传输物理模型开发和基于卫星遥感监测的冠层特性反演算法和产品开发，其开发的算法和相关产品被国际同行广泛采用。近五年，主要研究方向为基于近地监测的作物高通量表型平台及算法开发，负责法国表型网络建设中表型设备及其算法开发。

E-mail：shouyang.liu@inra.fr

主要学术成就

（1）光传输物理模型开发

基于光传输物理过程，开发了叶片光学特性模型PROSPECT以及土壤表面的光散射模型SOILSPECT，被国际同行广泛引用（PROSPECT: A model of leaf optical properties spectra，被引1708次）。

（2）基于遥感监测的冠层特性反演算法及产品开发

在遥感领域，率先将机器学习方法应用在遥感影像处理，并提出了时间序列遥感监测异常点剔除，插值以及数据平滑的综合方法，被法国（ESA），美国（NASA）和欧盟（ASE）等国航天局广泛应用于全球遥感产品开发（LAI, fAPAR and fCover CYCLOPES global products derived from VEGETATION: Part 1: Principles of the algorithm，被引472次）。他领导了全球范围的遥感反演产品的地面验证实验，构建了全球共享的数据库。

（3）基于近地监测的作物高通量表型平台及算法开发

在作物表型领域，率先将卫星遥感监测手段和数据分析方法拓展到到近距离的表型监测。他领导开发了基于无人机（UAVs），田间机器人（UGVs）和物联网（IOT）的田间表型监测系统，开发了一系列表型特性监测算法，并领导组建了法国表型监测网络（Review of methods for in situ leaf area index determination: Part I. Theories, sensors and hemispherical photography，被引1071次）。他开发了基于作物三维结构功能模型的数字化表型平台（Digital Plant Phenotyping Platform, D3P），可对小麦等作物进行虚拟表型监测，通过融合高通量表型平台的多源时间序列信息，实现对作物三维结构和功能性状的监测和预测。