博論摘要
我的論文題目為【水稻生長相轉換之高通量鑑定技術研究】，研究內容聚焦於水稻從營養生長相 (late vegetative phase, LV) 轉化成生殖生長相 (early reproductive phase, ER) 的非破壞性與高效率探測。此項研究的現實意義為提高水稻氮肥施用的效率。當水稻剛從LV轉向ER (轉折點稱為幼穗分化期 (panicle initiation, PI))，此時期的植株氮素需求飆升，根部吸收能力下降，整體營養器官的氮素入不敷出；在此階段施用氮肥可以提高稻穀產量與質量，同時也不會出現明顯的莖稈過度伸長的副作用。然而，有別於分蘗期和抽穗期此等具明顯外形特徵的時期，PI無法透過肉眼觀察得知。因此，我致力於開發多方面的輔助工具，以現代化的技術克服此限制。此論文涉及的技術包括基礎統計、多變量分析、程式設計、機器學習、圖像識別，以及無人機相關之地理資訊系統。
Chapter 1. Fundamental study on growing degree days (GDD) and rice leaf appearance
此研究首先修正了傳統的葉齡計算方式，使衡量水稻植株的量化指標更為連續且不受季節與品種所影響，此指標被命名為 leaf appearance scale (LAS)。另一方面，熱量單位 (GDD) 被定義為植株生長週期內每日累積之有效熱量，具不同計算方式。其核心概念為，透過線性或非線性的公式計算，使其在一定範圍內與植株生長速率呈現簡單線性關係，且當 GDD 為零時，植株停止生長。基於此，假設每日的熱量累積與LAS的增長量呈簡單線性關係，即可進行線性擬合以求得關鍵參數，如基礎溫度、最適溫度，以及上限溫度。數據集被區分為四個階段，分別為幼苗期、分蘗期、最大分蘗期，以及ER。各時期獨立進行線性回歸，得知 DTUzhou3具較佳預測能力，同時亦得知其關鍵參數的具體數值 (Figure 1)。然而，各階段的參數套用至熱量單位計算後，於外部數據驗證時結果不理想，無法消除季節間的GDD閾值差異。因此，也嘗試從生長階段分類的角度找出合適的參數。結果顯示，透過分類推算出的參數雖不具植物生理上的解釋性，但成功使得季節間的 GDD 數值無顯著差異。最後，實際應用至田間亦表現良好。至此，本文提供了一個相對較佳的水稻植株生長量化方式、闡明各關鍵生長階段的溫度參數，同時亦建議於實際應用中直接使用分類方式統一各階段溫度參數進行 GDD 計算，有望消除 GDD 在不同季節間的閾值差異。
Chapter 2. Assessment of the rice panicle initiation by using NDVI-based vegetation indices
此研究透過高光譜主動探測水稻植株的自然光反射光譜，搭配 NDVI 此植被指數觀察水稻於 PI 期間 NDVI 的變化趨勢。數據的散佈圖呈現類似二次方程的非線性分佈，且擬合後該方程的一次微分結果與實際觀測的 GDD 數值接近。研究結果顯示，雖然 NDVI 的絕對數值於不同樣本批次間具極大波動性，但是其變化趨勢仍是穩定的，即當 NDVI 的變化斜率接近零的時候，PI 可能發生。根據此觀測結果，萌生了利用二次方程斜率變化的趨勢判斷 PI 發生的時間點。可惜因反射光譜的高浮動性，不足以提供穩定的斜率變化，使此想法無法於實際應用中實現，只能作為歷史性的數據推回測。因此，為解決這一限制，產生了第三章的研究項目。
Chapter 3. Real-time detection of rice growth phase transition for panicle nitrogen application timing assessment
此研究展示了高光譜感測應用於區分水稻 LV 和 ER 的技術流程。此外，也嘗試解釋了機器學習訓練結果與水稻植株在階段轉換期間的生理變化。當使用特征選取方式，可以鎖定 402 nm、432 nm、579 nm，以及 696 nm 四個波長進行探測；而使用特征萃取則使用前三個主成分。外部驗證結果表明，以特征萃取之主成分作為模型輸入因子更能準確且穩定預測 ER。萃取之主成分與現實植株之變化關聯可能主要是葉片覆蓋面積 (LCA) 與葉片氮素累積 (LNA) 的變化。根據實際調查的植株性狀數據，水稻於 PI 前其 LCA、LDW，以及 LNA 持續增加，而 SPAD 與 LNC 則不變。當 PI 發生後，這些性狀變化則相反，LCA、LDW，以及 LNA 停滯且有下降的趨勢，而 SPAD 與 LNC 則明顯下降。另外，本研究為克服研究資源之限制，自行摸索出幾乎為零成本的 LCA 之量化方式，以取代常見之昂貴的葉面積指數測定儀器。
Chapter 4. Real-time detection of rice growth phase transition for panicle nitrogen application timing assessment
此研究是第三章的延續，屬於應用層面的探討。基於手持高光譜的探測面積不足的限制，繼續探討利用無人機進行大面積掃描水稻的可行性。由於無人機平台的光譜解析度與空間解析度遠小於地面探測儀器，因此此試驗嘗試更多的方法組合與多模型的綜合評估以求得出較為穩定的結果。試驗結果顯示，低成本的原色相機搭配點雲或植被指數圖層足以勝任此探測任務。此研究主要是參考其他學者的研究，站在巨人的肩膀上，集各家所長而實現。但就以技術層面而言，這一章節為此論文的最高門檻，因其涉及許多的跨領域知識。