ככל ששינויי האקלים מעצימים את השונות הבין-שנתית של מזג האוויר, מגדלי צמחים נמצאים תחת לחץ להעריך יותר גנוטיפים בסביבות מגוונות תוך שמירה על עלויות פנוטיפינג ניתנות לניהול. בדיקות דלילות - הערכת תת-קבוצה של גנוטיפים בלבד לכל מיקום - מציעות פתרון מעשי, אך הן דורשות מודלים ניבוייים חזקים כדי למלא נתונים חסרים. מחקר חדש שפורסם ב דוחות מדעיים מדגים כי פנוטיפינג בתפוקה גבוהה (HTP) מתמונות רחפנים יכול לשמש כתחליף רב עוצמה למידע גנומי בתרחישים כאלה. חוקרים שעבדו עם 256 שיבוטי תפוחי אדמה בשלוש סביבות שוודיות (שני מיקומים במהלך 2020-2021) חילצו מדדי צמחייה משולבים בזמן, כיסוי חופה וגובה צמחים מתמונות RGB מבוססות רחפנים. באמצעות ניתוח רכיבים עיקריים (PCA) על תכונות אלו הנגזרות מהתמונה, הם בנו "גרעין סביבתי" (E-kernel) שמכמת דמיון בין אתרי בדיקה והשוו את ביצועי החיזוי שלו מול מטריצת הקשר הגנומית הסטנדרטית (G-kernel) תחת רמות דלילות נתונים הנעות בין 10% ל-66%.
התוצאות בולטות: בשני תרחישי סביבה עם שלמות נתונים של 50%, ליבת ה-E עלתה באופן משמעותי על ליבת ה-G ועל השילוב שלהם בכל התכונות, מה שהגביר את דיוק החיזוי עבור תנובת הפקעות הכוללת ב-60% ועבור חלק הגודל של 50-60 מ"מ ב-62%. עם שלמות של 33%, תכולת העמילן הייתה התכונה היחידה עם r² > 0.5, ורק ליבת ה-E סיפקה רמה זו. הגרעין הגנומי הוכיח חזק יותר רק תחת דלילות קיצונית (10-20%), בעוד שמשתנים מטאורולוגיים קונבנציונליים הראו יכולת מוגבלת להבחין בין מיקומים סמוכים. ראוי לציין ששילוב גרעיני G ו-E לא שיפר את החיזויים, דבר המצביע על חפיפה של מידע. המחברים מכירים במגבלות - גודל מדגם צנוע ודליפה סביבתית - אך מדגישים שגרעיני סביבה מבוססי תמונה הם חסכוניים, ניתנים להרחבה ובעלי ערך במיוחד עבור גידולים בעלי מחזור איטי כמו תפוח אדמה טטרפלואידי. גישה זו מציעה נתיב פרגמטי להאצת רווח גנטי בתוכניות רבייה מוגבלות במשאבים, במיוחד עבור תכונות הקשורות ליבול, תוך הפחתת נטל הפנוטיפינג באמצעות נתוני HTP לשימוש חוזר.
