近年來，人們擔心全球環境的變化不僅會影響野生植物，還會導致農作物生產降低，目前研究植物環境反應的常用方法是在實驗室中操縱環境條件，例如光和溫度。在極其複雜萬變的室外環境中觀察到的植物反應，僅靠人工、簡單的室內環境是無法有效模擬的，特別是擬南芥屬植物作為作用機制研究的植物，為了闡明植物的環境反應，須累積擬南芥屬的知識並將其應用於其他物種。

　　研究重點為研究團隊首先開發了一種用於收集和分析影像資料的獨特系統PlantServation，將數位相機固定在旁，對室外種植的擬南芥進行時間序列照片，總共獲得了超過400萬張影像，從大規模影像資料中獲取有關植物部位的資訊並不簡單，有一些圖像的葉子顏色較深，看起來與背景非常相似，除非仔細觀察，否則肉眼很難辨識，利用人工智慧技術，成功地自動辨識了植物部位。

　　研究結果透過機器學習方法從植物顏色資訊中估計花青素之紅色色素含量，團隊能從影像資料庫中依照時間序列捕捉色素波動，根據季節和環境條件，植物之間的色素含量有所不同，如秋天的葉子所示，這反映在葉子的顏色上，因此色素量為植物對於環境反應之因素，此研究闡明植物在室外環境反應的研究需要在生態學、演化和農業等領域進一步發展，並有效利用大規模數據和人工智慧技術，成功得到演化新發現。

　　研究成果已發表在國際科學期刊《自然通訊》，研究團隊透過將新開發的PlantServation的圖像分析與基因層面的研究方法相結合，預計未來將能夠增強植物環境耐受性和應對氣候變遷的品種。【延伸閱讀】- 植物的乾旱威脅反應機制新發現