這篇文章把《CSIR NET Life Sciences Dec 2026 & June 2027｜Ecology Lecture 5》裡最常考、最容易失分的數學型觀念題，逐題整理成「看得懂、算得出、選得對」的完整概念地圖。你會用到的核心包含：族群生態的資源/密度題、指數成長 vs. 限制（後期）成長、以及以圖判斷方程形式的高頻考點。
我第一次在課堂上帶到「圖形題」時，學生問得最多的不是公式，而是：「看到圖要怎麼先判斷它屬於哪種成長模型？」那一刻我把自己教學筆記翻回來，發現很多人卡住的原因其實很一致：他們只會背「長怎樣」，卻不會把圖上的量（N、t、dn/dt、lnN 等）對應到方程式的關係。後來我把這堂（Lecture 5）最典型的圖題、計算題，直接用同樣的順序拆給大家：先看橫軸縱軸，再判斷方程，再回到選項。你讀完下面的整理，會知道每一題到底在測你什麼能力。
📝 目錄
- 🔥 CSIR NET 生命科學 Ecology Lecture 5 在考什麼？（Dec 2026 & June 2027）
- 📌 題型 1：資源密度×面積 → 族群豐度比例（Patches 題）
- 📈 題型 2：圖形判斷成長模型（Exponential vs Logistic）
- 🧠 題型 3：由圖/方程推斷「哪些量彼此有關」
- ✅ 題型 4：logistic 中「最大成長率」與 inflection point 的判斷
- 📚 你讀完 Lecture 5 之後，應該怎麼複習才會拿分？
- 🧾 總結：用 Lecture 5 把 Ecology 圖形題與計算題一次打通
- ❓FAQ：CSIR NET Life Sciences Ecology Lecture 5（Dec 2026 & June 2027）
- 🌿 1) Patch 題的 expected ratio of abundance 到底怎麼做？
- 📈 2) 怎麼從圖判斷是指數成長還是 logistic 成長？
- 🧮 3) 為什麼 (1/N)·dN/dt 的圖在指數成長下不依賴 N？
🔥 CSIR NET 生命科學 Ecology Lecture 5 在考什麼？（Dec 2026 & June 2027）
重點答案：Lecture 5 的核心是在訓練你「族群生態的成長模型判斷」與「用簡單乘除/比例把題目算乾淨」。它常用兩種題型：一種是把資源密度、面積換算成族群量，要求你做比例/期望豐度（expected ratio of abundance）；另一種是給你圖，要你判斷那張圖對應的是指數成長（exponential growth）、還是後期受限的成長（logistic growth），並且要能從圖上量的選擇推出方程形式。
在生態學裡，常見的陷阱是把「長得像」當成「就是」。但考題通常不會只看外形，它會暗示你：例如你畫的是N 對 t，或是ln(N) 對 t，或是dn/dt 對 N。這些選擇會直接決定曲線是否會是直線、是否會出現貝爾形（bell-shaped）。
因此，Lecture 5 的價值在於：你不只學到觀念，還學到「如何從題目給的圖與量，反推模型」。這正是 CSIR NET 族群生態題最愛考的能力。
📌 題型 1：資源密度×面積 → 族群豐度比例（Patches 題）
重點答案：先算每個 patch 的總資源量（面積×每平方公尺資源密度），再用兩個 patch 的總量做比例。這類題目看似是「資源」在講，其實它在測你能不能把題目翻譯成數學：每單位面積資源密度乘以patch 面積，得到該 patch 的總資源量；而題目常把資源量當作族群豐度的代表。
例如題目給：Patch 1 面積是2000 m²，資源密度是5 unit/m²。那麼 Patch 1 的總資源量就是：2000×5=10000。接著 Patch 2 面積是3000 m²，密度是10 unit/m²，所以 Patch 2 總量為：3000×10=30000。
但注意：有些題目會把密度或面積設定成讓你最後化簡比例。你要做的不是死算到最後，而是把比例化簡成「最乾淨的整數比」。在課堂題型中，常見做法是把比例寫成：Patch 1 : Patch 2，然後同時除掉共同因子，得到最終答案（例如常見會化成 1:3 這種形式）。
- 關鍵字：Area of patch、Resource density、Expected ratio of abundance
- 計算順序：面積×密度 → 得到 patch 總量 → 寫比例 → 化簡
你若把這題做熟，會發現它其實是 CSIR NET 在考「基本乘法與比例化簡的確定性」。這類題失分通常不是觀念，而是你在換算時粗心。
📈 題型 2：圖形判斷成長模型（Exponential vs Logistic）
重點答案：看橫軸縱軸的量是否能線性化；指數成長常對應到 ln(N) 對 t 為直線，而 logistic growth 常出現 dn/dt 對 N 的貝爾形。Lecture 5 的圖題會給你多張選項圖，並要求你判斷「這是哪一種族群成長」。
我在帶這一段時，會先讓學生把圖的量對應到方程式的形式。對指數成長，基本模型可寫成：dN/dt = rN。當你把它改寫後，你會得到：ln(N) 與 t 呈線性關係。因此，如果題目給的圖是把ln(N)畫在縱軸、t畫在橫軸，最終就應該是直線。
相反地，logistic growth 的特徵是族群受到carrying capacity（環境容納量）限制。此時成長速率會隨 N 上升先增加、後下降。當你畫dn/dt（成長速率）對N（族群大小），會得到貝爾形曲線：在 N 接近容納量的一半時，dn/dt 最大；當 N 趨近 carrying capacity，dn/dt 下降趨近 0。
| 題目給的圖 | 最可能對應模型 | 你應該看到的形狀/特徵 |
|---|---|---|
| 縱軸：ln(N)；橫軸：t | Exponential | 直線（線性化後） |
| 縱軸：dn/dt；橫軸：N | Logistic | 貝爾形（先升後降） |
所以在選項題中，你要做的是：先確認畫的是哪個量，再用它推模型，而不是只看曲線像不像。
🧠 題型 3：由圖/方程推斷「哪些量彼此有關」
重點答案：指數成長中，dN/dt 與 N 成正比；但若你把式子改寫成 (1/N)·dN/dt，它會變成只與 r 有關，與 N 無關。這是 Lecture 5 最容易讓人誤判的觀念點：很多學生看到四個圖就想「背答案」，但題目其實在測你能否做代數轉換後的關係判斷。
指數成長：dN/dt = rN。兩邊同除以 N，你得到：(1/N)·dN/dt = r。也就是說，在指數成長模型下，(1/N)·dN/dt 是常數（等於 r），不隨 N 改變。
因此，如果選項中某張圖的縱軸是 (1/N)·dN/dt，橫軸是 N 或與 N 相關的變數，而那張圖呈現「隨 N 變化」的趨勢，那就不符合指數成長。這類題的獲勝關鍵是：你要敢把式子改寫，再用「常數/非常數」去排除錯誤曲線。
- 常見錯誤：只看圖形直覺，忽略了代數改寫後的「是否依賴 N」。
- 正確做法：先寫模型方程 → 再改寫到題目給的縱軸形式 → 判斷圖應該是常數或線性。
這也是我最想強調的：CSIR NET 不只考你記得哪個公式，而是考你能不能把公式「搬到題目要的那個量上」。
✅ 題型 4：logistic 中「最大成長率」與 inflection point 的判斷
重點答案：在 logistic growth 中，當族群大小 N 約等於 carrying capacity 的一半時，成長速率 dn/dt 達到最大，對應到圖上的關鍵點（常以 inflection/最大斜率概念出現）。Lecture 5 的教學段落會用到這個判斷，因為它常被用來區分 logistic 與其他模型。
當你看到題目問「哪一條曲線最能描述 logistic equation 的圖」，且圖的縱軸是 成長速率、橫軸是 族群大小，你就要想到：成長不可能一路上升。原因是 logistic 的限制項會讓成長在後期變慢，最後趨近 0。
因此，你應該期待的形狀是：先上升到最大值，再下降回到接近 0。在課堂講解中，我會把這一段用「貝爾形曲線」幫你固定：最大點就是你要抓的判斷依據。
| logistic 的判斷點 | 你應該記住的結論 |
|---|---|
| dn/dt 最大 出現位置 | N 接近 K/2（K 為 carrying capacity） |
| 後期趨緩 | N 趨近 K 時 dn/dt 下降到接近 0 |
只要你把這個判斷點抓牢，後面再遇到類似題，你就能快速排除錯選項。
📚 你讀完 Lecture 5 之後，應該怎麼複習才會拿分？
重點答案：用「圖→量→方程→關係」的順序做回想練習，並用題目把每個判斷落地。如果你只看懂概念但沒有做題，CSIR NET 的圖形題仍然可能在考場讓你猶豫。我的建議是：你每一次複習都要回答同一個問題——「這張圖的縱軸與橫軸分別代表什麼量？」
接著你要把它對應到方程式的形式：dN/dt = rN 對應指數成長；而 logistic 會引入 carrying capacity 使成長率隨 N 變化。最後再用「是否常數、是否線性、是否貝爾形」做排除。
你可以用下面的要點當作自我檢核清單：
- 我能在 10 秒內指出圖的縱軸是 N、ln(N) 還是 dn/dt 嗎？
- 我能立刻寫出對應的基本模型（指數/ logistic）嗎？
- 我能把方程改寫成題目縱軸形式，判斷它是否應該是直線/常數/貝爾形嗎？
- 我能把題目中的 面積×密度換算成比例並化簡嗎？
當你把這幾件事做到位，Lecture 5 的題型就會從「看起來很難」變成「我知道怎麼下筆」。
🧾 總結：用 Lecture 5 把 Ecology 圖形題與計算題一次打通
總結答案：CSIR NET 生命科學 Dec 2026 & June 2027 的 Ecology Lecture 5，關鍵在於兩件事——資源密度×面積的比例換算，以及用圖上的量（N、t、dn/dt、lnN）反推指數或 logistic 的成長模型。你只要掌握「圖→量→方程→關係」的對應，就能更快排除錯選項，並把計算題穩穩做對。
如果你正在準備 JRF，這一段內容值得你反覆練到手感：因為它不是單純背公式，而是考你能不能用最短路徑把題目翻譯成可計算的關係。
❓FAQ：CSIR NET Life Sciences Ecology Lecture 5（Dec 2026 & June 2027）
🌿 1) Patch 題的 expected ratio of abundance 到底怎麼做？
先算每個 patch 的總資源量，再做比例化簡。把題目給的 Area of patch 乘上 Resource density（每單位面積資源量），得到每個 patch 的總量；最後寫成 Patch 1 : Patch 2，並化簡成最小整數比，這就是 expected ratio 的答案。
📈 2) 怎麼從圖判斷是指數成長還是 logistic 成長？
看你畫的是哪個量組合：ln(N) 對 t 通常是直線；dn/dt 對 N 通常是貝爾形。指數成長可寫成 dN/dt = rN，因此 ln(N) 與 t 會線性化；logistic 受到 carrying capacity 限制，成長率會先升後降，所以 dn/dt vs N 會出現貝爾形並在接近 K/2 時達最大。
🧮 3) 為什麼 (1/N)·dN/dt 的圖在指數成長下不依賴 N？
因為把指數成長方程兩邊除以 N 後，(1/N)·dN/dt 直接等於常數 r。從 dN/dt = rN 推得 (1/N)·dN/dt = r。因此若選項圖顯示它會隨 N 改變，就可直接排除；這題真正測的是你能否做代數改寫並判斷依賴關係。
📺 來源影片參考
我是親職講師和老師，長年觀察發現，孩子們花大量時間在學校和補習班，卻沒真正享受生活，更別提快樂地玩耍。父母多半照著自己求學的模式，希望孩子也能如此，但孩子們往往抗拒，家長無策，心中惶恐。
我的好友彼得先生常提醒，生命應該是多面向的，包含家庭、工作、社交、自然、靈性等，如果任何一方面失衡，其他再努力也無法達成人生的圓滿。這就是水桶理論的精髓。如今我已退休，生活不再步步為營，決定回饋多年來彼得先生的輔導。我希望透過生活小故事和有趣介紹，幫助家長與孩子點亮心中想法，過上有意義、有目標的生活。