文章- 農業科技新脈動

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。

海藻化合物降低放牧肉牛甲烷排放

2026/07/03

澳洲阿德雷德大學研究指出，在放牧安格斯牛補充飼料中添加來自紅藻的溴仿萃取油，可在未觀察到母牛體重與犢牛生長表現受負面影響的情況下，降低腸道發酵甲烷排放。研究結果顯示，該技術可作為放牧肉牛生產系統中減少甲烷排放的潛在途徑。

林試所發現想思樹根部優良菌株助貧瘠地造林

2026/07/02

林業試驗所從相思樹根瘤共生微生物中篩選出具促進植物生長與耐鹽能力的優良菌株，可降低高鹽與乾旱對苗木造成的生理傷害。其中YEM_C-3同時具備4種促生功能，並將搭配其他優勢菌進行複合應用。研究團隊後續將展開盆栽與田間試驗，評估其於貧瘠地、海岸地及乾旱山坡地造林復育的應用潛力。

農業職人-防檢署領犬員

2026/07/02

介紹防檢署領犬員與檢疫犬在機場及貨運站第一線的工作實況。領犬員負責提升犬隻偵測能力並確保其安全與工作動能，共同攔截旅客攜帶的禁止動植物產品，防止境外病蟲害侵入台灣。影片強調檢疫犬是守住旅客錢包、提醒主動申報的最後防線，同時分享了領犬員與檢疫犬從訓練到退休領養的深厚情感，展現農業防疫職人的專業與使命。

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。

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。

海洋奈米塑膠污染可能干擾魚類認知能力與行為決策

2026/06/29

中國與澳洲研究團隊以海水青鱂（Oryzias melastigma）為模式物種，探討奈米塑膠暴露對魚類認知能力的影響。研究結果顯示，海洋中的奈米塑膠可能損害魚類的認知能力與決策判斷，干擾與覓食及避敵相關的重要行為反應，進而影響其生態適應能力。

綠色畜牧：檳榔鞘廢棄物作為替代粗飼料之應用

2026/06/26

本研究以文獻回顧方式，評估檳榔鞘廢棄物（ASW）作為反芻動物飼料之可行性。ASW具高纖維特性，粗蛋白約3.5%、中性洗滌纖維（NDF）約71.3%，代謝能約7.52 MJ/kg，與稻草等傳統粗飼料相近。經適當處理後，可於全混合日糧（TMR）中添加10–15%，且不影響動物健康與生長表現。文獻顯示，ASW含適量酚類與單寧，有助於調節瘤胃發酵，並可能降低甲烷排放。整體而言，ASW可作為資源再利用途徑，並有助於降低飼料成本與農業廢棄物處理壓力。

台中農改場推耐候微生物提高抗逆境力最高5成

2026/06/25

台中區農業改良場開發耐候微生物技術，透過溫室與田間試驗證實，可提升農作物在淹水、乾旱、高溫及低溫等逆境下的生長表現2至5成。目前已有3株菌株完成商品化、1株辦理技術授權。研究團隊並建置耐候微生物機制篩選平台，自32株微生物中篩選出5株具應用潛力菌株，可有效提升作物存活率，為農業因應極端氣候提供新技術。

農業職人-水產獸醫師

2026/06/25

介紹水產獸醫師盧彥林如何擔任水產健康的守護者。透過專業的臨床檢查、解剖、細菌培養及藥物敏感性試驗，水產獸醫師在第一線協助漁民解決魚病問題並輔導正確用藥與水質管理。觀眾能藉此了解從檢驗到追蹤的嚴謹流程，以及醫師在確保食安、協助漁民減少損失並提升收成效益中的關鍵角色

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。