使用高通量表型系統(tǒng)和非破壞性成像被廣泛認為是解決作物優(yōu)良基因-表型互作研究的關鍵技術，此項技術可以允許科學家和育種者在不同的環(huán)境條件下開展作物的表型研究取得了一定進展。許多表型研究已經(jīng)使用模式植物—擬南芥完善好，進行了優(yōu)化實驗。下面我們主要以C4模式經(jīng)典植物—玉米與高粱為例積極參與，進行表型案例的具體分析問題分析。

玉米（學名：Zea mays）是一年生禾本科草本植物，是*總產(chǎn)量的重要糧食作物交流研討。近代美國為了擴大玉米產(chǎn)量更加完善，有私營公司研究出以基因重新排序的方式改造玉米生長與面對環(huán)境的能力，演變出產(chǎn)量巨大的超級玉米建設應用。使美國成為世界大的玉米出口國支撐作用。用途：轉基因玉米被拿來當作飼料喂牛、豬動力，以及制成玉米淀粉間接制成給人類食用的食品與調味料同時。用高通量成像系統(tǒng)可以準確地識別和區(qū)分玉米的生長相關的特異性表型性狀。軟件提供用了強大而簡約的R腳本效高性，以允許其他用戶的成像系統(tǒng)可以很容易地提取有用的數(shù)據(jù)模式，從而減輕了表型篩選的瓶頸，更快進行重要作物的多種基因型后續(xù)分析提升。

玉米株型研究領域重點關注的參數(shù)：植物冠層寬度發揮重要帶動作用、垂直高度、緊密度意料之外、對稱性文化價值、投影葉面積、空間體積置之不顧、植物結構不斷完善、葉角度、節(jié)間長度方便、葉長

玉米對生物脅迫反應的領域重點關注的參數(shù)：垂直高度營造一處、投影葉面積、空間體積知識和技能、葉顏色、葉病斑、植物結構實現、葉角度不容忽視、節(jié)間長度、葉長

玉米對非生物脅迫反應的領域重點關注的參數(shù)：整株相對含水量分布服務體系、植物結構說服力、葉角度、節(jié)間長度分析、葉長表示、垂直高度、投影葉面積非常激烈、空間體積競爭力所在、葉顏色、投影葉面積領域、空間體積

玉米產(chǎn)量研究領域重點關注的參數(shù)：植物冠層寬度溝通機製、垂直高度、空間體積（生物量）註入新的動力、玉米軸直徑領先水平、玉米軸厚度、玉米種子成熟度雙重提升、性狀戰略布局。

玉米可以計算單葉葉長、葉朝向表現明顯更佳，如下圖更為一致。

文章來源：Lloren, Cabrera-Bosquet et al., New Phytologist(2016)

上面這篇文章通過頂部和側面的3D成像，分析空間廣闊、提取出不同品種的玉米植株骨架數(shù)據(jù)至關重要，可進一步計算包括葉傾角在內(nèi)的多種參數(shù)。

另外一項研究中服務品質，澳大利亞阿德萊德大學的PlantAccelerator^®進行了高粱的表型研究的發生，后者和玉米類似，同樣是C4植物影響。他們進行了不同濃度的N處理和控水處理新的動力，使用成像并發(fā)現(xiàn)與脅迫耐受性相關的參數(shù)，例如晝夜葉卷曲和葉面積指數(shù)發展契機。使用不同光譜范圍的成像來監(jiān)測植物組成廣泛關註，葉綠素和水分含量。表型圖像分析準確測量植物生物量發力。數(shù)據(jù)采集還獲得了不同高粱品種對實驗處理的響應優勢領先，并建模迎來新的篇章。

各項相關性分析，植株投影面積與生物量呈現(xiàn)正相關性推動並實現。

不同濃度N處理高粱的表型圖像（植株大小薄弱點、顏色分析）

干旱處理下高粱的表型（植株形態(tài)、生物量優化程度、葉面積積極性、葉卷曲度）

近紅外反射

（NIR）分析是水分含量和葉厚度的良好預測因子，與植物水分含量相關不斷豐富。

顏色分析圖像顯示實施體系，葉面顏色和葉綠素含量相關

如果是離體的穗，我們以水稻為例各有優勢，可以精準分離每一顆種子效果較好，再進一步做表型分析。

如果是在體測量植物的穗快速增長，可以使用激光3D的方法開放以來，結合RGB成像，分型穗型高質量、穗夾角等參數(shù)提供了有力支撐。