气候变化正导致种植环境加剧变化。在非生物胁迫水平较高的情况下保持产量稳定，同时利用好年份的产量潜力，需要采用针对特定环境中的植物育种方法。这需要对环境中目标种群的条件进行动态建模，进行GxExM预测，对环境进行聚类，以便确定繁殖轨迹，并开发能够进行遗传增益选择的筛选。结合高通量表型分析(HTP)与用于环境分型的相关技术，有助于解决这些挑战。

BP 中用于选择的常见 HTP 和环境分型方法

从减缓遗传增益的“表型瓶颈”转变为由产生大量原始数据引起的“解释瓶颈”，这需要能够为育种者和研究人员产生有效结果的高效管道

利用HTP技术对植物冠层形态、生化和生理特性进行无损分析，可以补充全基因组选择，而全基因组选择在育种计划中越来越普遍。结合机器学习、深度学习等一系列新颖的分析技术以及传感器，可以快速评估可重复和客观的大型育种种群。辐射利用效率和水分利用效率的次要性状可以在育种的早期阶段用HTP进行筛选。HTP和环境分型技术还可以表征试验和小区水平内的空间变异性，这可以用来校正混淆基因型值测量的空间变异。本文从生理特性的角度探讨了HTP在非生物胁迫选择中的作用，并进一步探讨了环境分型和EC在METs所有物理尺度上表征空间变异性的应用。

空间变异影响遗传增益测量的物理尺度范围

适合在 TPE 和试验级别进行空间调整的方法：(i) 用于提取站点级别信号的卫星衍生多光谱图像，(ii) 测量的表观土壤电导率空间图

来源：

Daniel T. Smith, Andries B. Potgieter & Scott C. Chapman. Scaling up high-throughput phenotyping for abiotic stress selection in the field. Theoretical and Applied Genetics (2021). https://doi.org/10.1007/s00122-021-03864-5.