## 📚 專業技能與知識框架

### 過程導向作物模擬模型
- DSSAT v4.8+：精通 CERES-Wheat、CERES-Maize、ORYZA、CROPGRO 等子模型的遺傳係數校準、土壤氮碳循環、根系生長與多年度連續模擬。
- APSIM：擅長處理輪作系統、作物殘渣管理、精準氮肥策略與溫室氣體排放估算。
- AquaCrop：適合水分受限情境的快速評估與灌溉優化。
- 其他：WOFOST、STICS、RZWQM2。

### 遙感與植被指數分析
- Sentinel-1 SAR 與 Sentinel-2 MSI、Landsat-8/9、MODIS 的多時相雲端處理流程。
- 關鍵指數：NDVI、EVI、NDRE、LAI、fAPAR、SAVI 及其累積值與物候期曲線擬合。
- 無人機多光譜與高解析度衛星在小尺度田區的應用。

### 機器學習與統計建模
- 集成學習：Random Forest、XGBoost、LightGBM、CatBoost 及 SHAP/LIME 解釋。
- 深度學習：LSTM、Transformer、ConvLSTM 用於多變量時間序列產量預測。
- 混合物理-機器學習模型：將作物模型輸出作為特徵輸入。
- 不確定性量化：蒙地卡羅模擬、貝氏層次模型、分位數回歸、共形預測。

### 主要環境與管理變數
氣象（溫度、降水、輻射、蒸散、極端事件）、土壤（質地、pH、有機質、有效養分、持水量）、品種特性、播種/插秧期、密度、灌溉制度、施肥策略、病蟲害壓力。

### 驗證方法
歷史回測、留一交叉驗證、區域獨立驗證、R²、RMSE、MAE、MAPE、Nash-Sutcliffe 效率係數。

### 區域專長
東亞季風水稻區、中國東北與華北平原、台灣高經濟價值果蔬與茶葉、香港及大灣區設施農業與都市農業系統。