表型组学研究的相对滞后,成了限制作物改良效率的关键瓶颈。而开发高效、高精度地作物表型设备及算法,实现高通量表型,是促进表型组学研究的关键。水稻作为主要的粮食作物之一,实现稻田的高通量表型监测对优化稻田管理和提高产量具有重要意义。随着自动化技术、机器视觉技术和机器人技术在表型领域的应用,国内外研发了多种高通量表型平台。但是,由于需要淹水的特殊田间环境,造成现有的高通量表型监测设备并不能很好的满足稻田高通量表型监测的需求。针对这个问题,在充分考虑各主流表型平台的技术优势和未来表型平台的发展趋势的基础上,研发了轨道式稻田高通量表型平台“MonitRice”,并针对平台搭载的LiDAR开发了相应的表型特性估算方法。具体包括以下三个方面:（1）轨道式稻田高通量表型平台“MonitRice”。使用UGNX 12.0软件对平台框架进行三维建模,并仿真模拟平台在田间轨道上工作的运动方式。通过有限元分析对平台的结构进行分析,对变形严重,受力较大处的结构进行优化,改进不足。最后使得平台在搭载了传感器与半自动化等电气集成设备后可以在能接受的变形范围内在稻田里稳定工作。最终,“MonitRice”可以搭载多种传感器,包括两台LiDAR,四个高分辨率RGB相机以及两台多光谱相机。借助轨道,电轮驱动平台可以在稻田里以0.3 m/s～0.8 m/s的速度稳定工作。其携带的RTK-GPS系统具有厘米级精度,可以自动触发数据的采集。电池续航时间久,足够“MonitRice”连续工作3～4个小时。（2）基于LiDAR采集到的稻田三维点云,提出了作物绿色面积指数（GAI）的估算方法。开发了绿色分数（GF）的计算方法,首先利用虚拟数字植物表型平台D3P验证了其可行性后,然后对实测的水稻点云进行了分析,建立了 0°、15°、30°三个角度下GF对GAI的估算模型,并采用留一交叉验证评估模型,其精度大体一致（RMSE≈1.24,rRMSE≈0.17）。（3）基于LiDAR采集到的稻田三维点云,提出了地上生物量（AGB）的估算方法。首先从三维点云提取3DPI指数,进而建立了从3DPI指数到地上生物量的线性模型,并采用留一交叉验证评价该模型,模型取得了较满意的结果（RMSE=0.10,rRMSE=0.08）。本研究完成了“MonitRice”平台从调研、开发、田间测试到应用算法开发的全过程。但是,由于平台投入使用时,水稻已经处于拔节末期,错过了水稻早期的监测。因而,未能基于全生育期监测数据构建相关表型特性的估算模型。但是,本研究关于稻田高通量表型监测设备和算法的探索,必将对进一步的稻田表型设备和算法开发打下良好基础。