近年来,随着光学成像系统和图像处理技术不断更新和发展,从图像层面对作物生长发育情况进行分析的表型获取方式已逐渐得到育种学家的认可。而水稻作为世界上种植最广泛的作物之一,是全球半数以上人口的主食和热量摄入来源,在我国农业生产中占有非常重要的地位。如何通过高通量作物表型采集平台实现水稻表型高通量、无损、精准动态解析,进一步挖掘其与遗传机制存在的潜在联系,在水稻遗传育种研究中具有重要意义。本文通过高通量可见光成像平台对水稻全生育期图像进行获取,提出一种基于图像的水稻全生育期时空表型组获取及解析策略,并对获取得到的时空多维度表型性状信息进行解读分析,挖掘表型和基因型之间的关联,主要研究工作如下:（1）盆栽水稻RGB图像处理。采用传统数字图像处理方法与深度学习图像处理方法并行的方式对盆栽水稻全生育期RGB图像进行处理,分别获取得到水稻整株、水稻稻穗及水稻茎秆分割图像。（2）盆栽水稻时空多维度表型性状提取。首先对水稻整株及稻穗部分全生育期性状和茎秆相关性状进行提取,并分别基于人工测量获得的水稻整株、稻穗及茎秆部分的干重性状,对性状可靠性进行评估,其R~2值分别为0.86、0.73及0.67,有效证实了由图像计算得到的表型性状的可靠性和准确性。随后分别从时间和空间维度对盆栽水稻全生育的复杂表型信息进行进一步分析,获取得到包括空间维度上的植株整株相关性状、植株稻穗相关性状、植株茎秆相关性状、植株籽粒相关性状及时间维度上的植株生育期相关性状、植株整株生长发育相关性状以及植株稻穗生长发育相关性状,总计64个时空多维度表型性状,用于后续分析研究。（3）基于盆栽水稻时空多维度表型性状的产量建模。采用逐步线性回归的方法分别以不同时空维度的表型性状集合对盆栽水稻最终产量进行预测,并设定回归模型变量进入规则进行变量筛除。最终发现,水稻稻穗相关性状及水稻稻穗生长相关性状的预测效果相较其他性状集合表现较好,而结合由各性状集合通过模型进入规则筛选所得性状集合对产量的预测效果具有最佳表现。（4）盆栽水稻时空多维度表型性状于不同基因型群体结构中的表现差异,及其于不同选育稻区的分布趋势分析。基于Kruskal-Wallis检验和两两对比的方式对不同组别样本进行多重检验。选育稻区分布趋势结果发现,盆栽水稻表型TFN和Plant TPA在籼稻亚种的选育稻区中表现出与纬度的负相关增长,盆栽水稻表型HS和Plant TPA在粳稻亚种的选育稻区中同样呈现出与纬度的负相关增长。群体结构表现差异分析结果发现表型性状HS、Ave LW、Panicle YPA和Plant Ypar在不同组别间均表现出显著性差异。（5）水稻时空维度表型性状全基因组关联分析。关联结果显示,表型性状Plant Ypar和Stem Ypar可分别于第2染色体和第4染色体定位得到一个QTL,而时间纬度性状集合和空间维度性状集合的前两个主成分各分别有55个QTLs和49个QTLs得到定位。综上,本文提出一种基于图像的水稻全生育期时空表型组获取及解析策略,并通过产量预测,群体结构表现差异及选育稻区分布趋势分析以及全基因组关联分析对该策略的可行性进行了验证,为作物全生育期表型性状提取和分析提供了一种新的技术方法和思考方向。