Project
Advances in data-driven phenotyping
Het is een uitdaging om de enorme toename in genotypisch- en fenotypische data van de karakteristieken en prestaties van planten in allerlei experimenten goed en gestructureerde vast te leggen in systemen conform de richtlijnen van FAIR-data. Daarnaast is een collectieve aanpak nodig om ook de kennis en tools voor de analyse met elkaar te delen.
Doel
Dit project heeft tot doel om de potentie van fenotypische data te maximaliseren. Er wordt voortbouwend op eerdere datasets, inzichten en resultaten van andere lopende onderzoeksprojecten binnen WUR. Er wordt met name een link gelegd naar de ontwikkeling van de grootschallige onderzoeksinfrastructuur ontwikkelingen van het NEtherlands Plant Eco-phenotyping Centre (NPEC), waarbinnen het FAIR-compliant data management systeem PHIS wordt geimplementeerd om fenotypische data van een range aan experimenten wordt opgeslagen, varierend van experimenten in klimaatcellen, kassen en proefvelden. Door voldoende metadata toe te voegen aan deze fenotypische data, bijv. weersomstandigheden, meetprotocollen, link naar genotypische data, kan een volledig inzicht ontstaan van de presentatie van planten/rassen waardoor data uit verschillende experimenten, uitgevoerd op verschillende lokaties, met elkaar kunnen worden vergeleken op een objectieve manier.
Publicaties
-
Hotspot Vegetation Structure and Terrain Monitoring of Dutch Coastal Dunes with LiDAR and Optical Camera's Mounted on Drones
In: 2021 IEEE International Geoscience and Remote Sensing Symposium IGARSS - IEEE - ISBN: 9781665447621 - p. 739-742. -
Equivalence tests for safety assessment of genetically modified crops using plant composition data
Food and Chemical Toxicology (2021), Volume: 156 - ISSN 0278-6915 -
Phenotyping with drones : An overview of activities
-
Multivariate equivalence testing for food safety assessment
Food and Chemical Toxicology (2022), Volume: 170 - ISSN 0278-6915