①课题来源与背景： 本项目（对入侵植物薇甘菊的监测和防控方法的研究）是针对园林产业发展需求，自行研发的项目。

     ②技术原理及性能指标： 本项目通过基因组学技术揭示薇甘菊的入侵机制，可广泛应用于入侵生物领域。利用基因组学技术对薇甘菊基因组和基因家族进行整体分析，揭示其生长和环境适应的的分子基础；通过无人机高光谱技术和深度卷积神经网络图像识别技术监测薇甘菊生长分布；筛选有经济价值的本地豆科植物作为薇甘菊的生态替代植物，进行生态控制，实现对薇甘菊的智能监测和防治，消除薇甘菊的生态隐患。

    ③技术的创造性与先进性： 项目构建了薇甘菊染色体级别高质量的基因组，发现了薇甘菊基因组中参与生长素信号转导、茉莉酸合成、养分吸收转运以及参与光反应的基因家族和代谢通路，并发生了显著扩张，揭示了其快速生长机制；开发了一种基于深度卷积神经网络IAPsNet的无人机薇甘菊图像识别技术，识别率在90%以上；筛选出决明和异果山绿豆两种野外潜在竞争替代植物。本项目成果处于国内同类研究先进水平。

    ④技术的成熟程度，适用范围和安全性： 本项目构建了薇甘菊染色体级别高质量的基因组，并通过比较基因组学分析，发现薇甘菊基因组中参与生长素信号转导、茉莉酸合成、养分吸收转运以及参与光反应的基因家族或代谢通路，发生了显著扩张，为其快速生长提供了理论依据。并且利用无人机和自主开发的一种基于深度卷积神经网络(CNN)的新型IAPsNet（Invasive alien plants）来识别图像，薇甘菊的识别率在90%以上。同时发现决明和异果山绿豆对薇甘菊的防控效果比较好，可作为薇甘菊野外的替代植物。本项目为薇甘菊的快速生长机制、高效智能的监测和生态防控提供了重要的科学理论依据。

     ⑤应用情况及存在的问题： 本项目可应用于野外薇甘菊的精准监测、薇甘菊的生态修复及其入侵地的生态修复。利用基因组学技术对薇甘菊基因组和基因家族进行整体分析，揭示其生长和环境适应的的分子基础，对入侵植物在组学和分子生物学层面的入侵机制的研究奠定理论基础，也为生态替代和生物防治提供理论依据。利用无人机高光谱技术和图像识别技术监测薇甘菊生长分布，并筛选有经济价值的薇甘菊的替代植物，消除薇甘菊的生态隐患，为入侵植物薇甘菊的智能监测和防治提供理论基础和科学依据。

     ⑥历年获奖情况： 无。