農糧特作- 農業科技新脈動

2026/08/07

沙烏地阿拉伯阿卜杜拉國王科技大學研究團隊提出以微小DNA片段k-mer為基礎的基因體分析方法，可降低傳統分析對單一參考基因組的依賴，並快速比對大型種子基因庫與野生近緣種中的遺傳變異。研究指出，這類方法有助於找出現代育種過程中流失或未被利用的有益基因，作為提升作物抗病性與氣候韌性的育種參考。

國際

覆蓋作物具提升稻田土壤有機碳儲存潛力，並有助降低水稻耕作全球暖化潛勢

2026/08/04

中國華中農業大學（Huazhong Agricultural University）研究團隊整合135篇研究，評估覆蓋作物對稻田溫室氣體排放、土壤有機碳儲存與水稻產量之影響。結果顯示，覆蓋作物雖增加甲烷與氧化亞氮排放，但亦可提升土壤有機碳儲存與水稻產量；相較單純施用化學肥料，其全球暖化潛勢可顯著降低30.6%。研究亦指出，當氮肥替代率低於26%時，覆蓋作物管理具達成淨零排放之潛力。

國際

多光譜衛星資料評估無人機施用矽肥防治水稻稻熱病之效果

2026/07/21

西班牙瓦倫西亞理工大學研究團隊利用無人機（UAV）施用矽肥與矽錳混合肥，評估其對水稻稻熱病之防治效果，並結合Sentinel-2多光譜衛星資料監測作物生長反應。結果顯示，矽肥處理可降低稻熱病侵染指數（PII），最高降幅達77%，並提升水稻產量；衛星遙測與植生指數分析亦可作為大範圍農田作物健康監測、精準農業管理與病害監測之參考。

國際

種子透過感知降雨聲音於適宜播種深度下調節發芽反應

2026/07/20

研究顯示，種子可感知降雨產生之聲音（機械振動），並據此調節發芽反應。實驗透過播放降雨聲音，發現種子在適宜播種深度下可加速發芽；若埋藏過深或過淺，則無顯著差異。結果指出，聲音訊號可作為種子判斷環境條件之輔助依據之一，有助於在適宜條件下啟動發芽過程。

國際

葡萄冠層密度對露菌病葉片易感性與病害流行之影響

2026/07/17

本研究探討葡萄冠層密度對露菌病（Plasmopara viticola）發生之影響。透過田間試驗比較不同冠層結構下葉片感染情形與病害發展。結果顯示，較高冠層密度會提升葉片對病原菌之易感性，推測與葉面微氣候條件改變有關；在整體疫情尺度上，冠層密度對病害流行程度則未呈現顯著影響。進一步分析指出，葉片感染與疫情發展屬不同層級之過程，顯示病害流行仍受多重環境因子共同調控。

國際

無人機多光譜影像結合人工智慧模型評估田間氮素狀態

2026/07/15

丹麥奧胡斯大學(Aarhus University)等跨國研究團隊以春大麥田間試驗為基礎，利用無人機多光譜影像結合人工智慧模型，預測作物氮濃度、氮吸收量與乾物重。結果顯示，類神經網路模型與代表性光譜特徵可提升田間氮素評估效率，作為精準施肥與氮肥管理參考。

國際

AI模型預測大豆生育障礙發生風險

2026/07/10

日本農研機構（NARO）開發AI模型，用於預測大豆生育障礙發生風險。該模型整合品種特性、氣溫變化與土壤水分等環境資料，並以16年約 500筆種植案例進行訓練。結果顯示，開花後持續高溫為未熟落果與裂皮粒之主要影響因子，風險隨氣溫累積增加，有助於支援栽培管理決策。

國際

農林廢棄物資源化提升咖啡苗生產力

2026/07/06

為解決咖啡與松樹複合林產生的大量有機廢棄物，印度尼西亞與馬來西亞研究團隊透過微生物強化技術，將咖啡皮、咖啡葉與松針轉化為複合堆肥。研究結果顯示，該堆肥可提升土壤有機碳與有效磷，並改善羅布斯塔咖啡幼苗高度與生長勢，為農林廢棄物資源化與永續咖啡生產提供應用參考。

國際

對話式多代理人工智慧應用於自動化植物表型分析

2026/07/01

英國愛丁堡大學（University of Edinburgh）研究團隊與英美多所研究機構合作開發PhenoAssistant，以大型語言模型（LLM）擔任管理者，建立可用自然語言操作的對話式多代理系統。PhenoAssistant可自動拆解植物表型分析任務並串接工具執行，整合植物專用視覺模型庫、資料分析與統計功能，並支援於缺乏適用模型時建立自動化訓練流程。研究結果顯示，此系統可協助使用者完成植物影像分析與資料處理工作，降低跨工具操作與植物表型分析的使用門檻。

國際

結合作物模擬與機器學習解析長期連作試驗中之水稻產量差距

2026/06/30

日本岐阜大學、國際稻米研究所（IRRI）與日本京都大學研究團隊，利用近50年的水稻連續栽培試驗資料，結合作物生長模型ORYZA v3與機器學習方法，分析不同季節下水稻產量差距的形成原因。研究結果顯示，乾季水稻實際產量可達潛在產量約六成以上，但雨季受病害逆境與品種老化影響，產量差距明顯擴大。研究亦指出，即使排除病害與品種老化等因素，熱帶雨季條件下水稻產量仍難達國際常用之80%潛在產量基準，顯示不同生產環境下可能需重新評估適用的產量基準。

國際

數位果園：數據驅動技術於蘋果育種與基因改良之應用

2026/06/24

本研究採系統性文獻回顧方法，分析2018至2025年間47篇相關研究，探討數據驅動技術於蘋果育種與基因改良之應用。文獻歸納顯示，高通量表型分析、機器學習與深度學習，以及CRISPR/Cas9基因編輯為三大核心技術，並透過農業物聯網整合應用。相關技術可提升品種辨識準確率至96%以上、提高性狀預測能力約18%，有助於提升育種效率與精準度。

國際