如何採冬筍

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位

• 採訪編輯｜廖英凱、美術編輯｜張語辰

顛覆你對「竹林」的認識

藝術文化視野的竹林，常享有簡練高潔的雅名。但就生態的觀點，中海拔森林中的「孟宗竹林」，卻是蠶食山林、劣化土壤的入侵外來種。而在杳無生機的月世界惡地，卻又有「刺竹林」肩負了改善土壤、為其他物種開疆拓土的重責大任。

亦俠亦盜

每一種生物，憑其外貌形態、生長歷程與生命特徵，在不同的文化中被賦予了獨特的文化意味。例如，竹子，在東亞文化圈中，象徵超然或正面的意涵。它是歲寒三友的要角，是花中四君子的一員，是日本「竹取物語」的發想起源，更是名校交通大學的象徵。

回歸於日常生活，竹子也一直是千百年來，人類生活中身兼多職的重要植物。作為建材，撐起了濕熱雨季的涼爽住宅；化做竹筏，承載了水鄉澤國的熙攘往來；憑藉工藝，以笙管笛簫之貌，譜寫出文化的世代交替；時至今日，蕨芽初長的竹筍，炊香後更是令人垂涎的佳餚。

不過，竹林的意涵與功能，不一定都是好的。透過生態學家之觀點——邱志郁團隊進行的竹林土壤學研究——揭露出不同竹林在生態中扮演的不同角色，例如：孟宗竹是劫掠資源的大盜，而刺竹則是營造希望的俠客。

大盜孟宗竹

孟宗竹，原產於中國大陸長江以南的溫帶地區，近百年前引進臺灣本島，適宜生長在氣候涼爽，海拔約 150-1600 公尺的中海拔地區，在臺灣以南投縣與嘉義縣種植最多。例如位於南投的「孟宗竹林古戰場」，是一片高聳入天的竹林，猶如電影「臥虎藏龍」裡的奇幻竹海。而孟宗竹的新生組織，就是我們常吃的竹筍，因採收季節的差異，而又有「冬筍」與「春筍」的不同稱呼。

然而，從生態的觀點來看，孟宗竹是個先天強勢的外來入侵物種，伴隨經濟誘因的人為操作，會逐漸蠶食摧毀森林。

孟宗竹具備「地下走莖」與生長快速的特色，能在地底下將竹林往外擴散蔓延，當竹筍從地下走莖伸出地表時，能迅速抽長生長，尋由林間的孔隙爭取獲致陽光的機會，若能達到既有林地的樹冠層高度，即已立於不敗之地。

孟宗竹林透過無孔不入的滲透本領，逐漸佔滿樹冠層的空隙，使日光難以照至地面，最終使得林木的幼苗因陽光不足而枯死，而既有林木也逐漸因自然老化而減少，使得森林衰退而被竹林取代。

除了先天生長快速和往外蔓延的本領，竹葉亦含有抑制其他植物生長的酚酸物質，也助長其生長優勢。此外，孟宗竹及其竹筍的經濟價值，也促使部分農人刻意損傷竹林邊緣的樹木，更加助長竹林生長擴張，以增加採收竹筍的機會。

孟宗竹林的擴張，除了侵略原有森林的空間，而使得生物多樣性降低以外，孟宗竹林的侵入，也會影響該地「土壤性質」的變化。

除了有機物總含量減少以外，孟宗竹林也會改變土壤中不同性質有機物的組成比例。相比起杉木林與過渡帶，孟宗竹林中的易分解有機物比例明顯較高，透過核磁共振、光譜分析與化學酸水解定量等技術，證實有機物比例的改變，源自於竹林的枯枝落葉與杉木林枝葉的成分差異。

枯落物的組成差異，造成土壤有機物組成結構改變。

竹林枯落物的成分，以易於分解的碳水化合物為主；但杉木林的枯落物，則含有不易分解的木質素、單寧、蠟質等物質。杉木林土壤中的有機物分解速度較慢，也具備較高比例的耐分解有機物，可維持土壤中腐植層組成的穩定性；相對而言，竹林只補充較少量的耐分解有機物，長久下來，土壤中耐分解有機物的成分會逐漸降低。

為了利用孟宗竹的經濟價值，人類經常砍伐竹林與採集竹筍，會連帶影響到竹林的土壤性質。因為砍伐竹林會直接帶走該塊土地的有機物；而採集竹筍因需翻動土壤，更會加速土壤有機物的分解，而使地力逐漸耗損。特別是耐分解性有機物，可以結合土壤礦物、形成穩定的團粒結構，而團粒結構之間的空隙，能使土壤具備保水、排水、透氣與蘊含養分的功能。孟宗竹林枯枝落葉只能貢獻較少的耐分解有機物，又加上人為頻繁翻動土壤，促進有機物分解，長期而言，耐分解有機物含量日漸減少，將造成土壤劣化。

因此，當土地長期被孟宗竹林佔據、並逐漸擴張時，會影響到森林健康且危及水土保持的機能。

除了觀察土壤性質，從微觀尺度來看微生物族群的組成，孟宗竹林土壤中的細菌多樣性高於杉木林。進一步分析微生物（包括細菌和真菌）族群結構，可發現孟宗竹林與過渡帶的微生物族群結構相似，但與杉木林截然不同，如下方兩張圖片所示。

雖然我們常認為自然界中生物多樣性越豐富越好，但對於森林土壤微生物的多樣性而言，則是不同的概念。

生態系的干擾和棲地破壞，會造成數量有限的高等動植物無法維持正常繁衍甚至滅絕，導致物種多樣性迅速減少。因為高等動植物原本數量就較為稀少，繁衍世代所需的時間也較長，當環境受到破壞時，個體數量遽減，可能導致滅絕，因此造成生物多樣性下降。

相對而言，孟宗竹林土壤微生物多樣性的增加，這現象主因是生態系被干擾，而改變微生物生存的環境壓力。例如，採收竹筍翻動土壤，會促進土壤有機物分解，釋放大量的養分。由於土壤中原本潛伏種類多樣、呈現休眠狀態的微生物，一旦環境中增加了大量養分，會促使各種微生物大量滋生。

原本個體數量稀少或維持休眠的微生物族群也被喚醒，爭相繁衍，引爆了微生物的多樣性。

如同城市汙水的微生物多樣性，會遠高於清澈溪水，但並不代表城市汙水的生態狀況較好。同樣地，當孟宗竹林土壤易分解的有機質變多，使環境壓力下降，就有利於微生物生長。

由此可見孟宗竹林的入侵，呈現表面繁榮的假象，實質不僅使土壤的品質劣化，更根本性地改變了整體生態。極為諷刺地，自古被文人雅士們歌頌志節的竹子，對森林生態系來說卻是個霸占掠奪資源、劣化土地的大盜。

義俠刺竹

忠義之士往往起於草莽之間。不若大盜般的孟宗竹，數百年來，「刺竹」則肩負起了保衛家園的任務，最近的研究更發現刺竹林有改善惡地土壤的生態功效。

刺竹，原產於中國大陸東南各省，數百年前隨漢人移居臺灣而被引入，普遍栽植於臺灣各地低海拔平地與丘陵。刺竹耐貧瘠、乾旱、水浸與強風，種植後可用來固定河堤，防止土壤被沖刷流失。又因竹桿基部密集且具備帶刺的枝條，構成類似鐵絲網的防衛功能，因此也常被先民種植於聚落四周當作圍籬，以抵抗盜賊與猛獸的侵擾。

日據時期，刺竹被引進種植於台南左鎮、龍崎與高雄田寮一帶，俗稱「月世界」的惡地。此類地形是由海底沉積的泥岩所構成，土壤質地緻密。隨板塊運動隆起浮出海面後，因質地黏重，使乾季時土壤堅硬而雨季濕滑；另因土壤間缺乏孔隙，難以洗去鹽分，呈現高鹽鹼性，不適合植物生長。

月世界的土壤缺乏孔隙，使得土壤排水性極差，下雨時因雨水無法向下滲透底層，而產生地表逕流沖蝕表土，最終形成了裸露崎嶇地貌。

然而，在這樣的惡劣環境，刺竹是少數能在惡地存續的優勢物種，特別是在較潮溼的北向坡，更可看到蔚然成林的刺竹林。

此外，透過有機物的累積和根部的延伸穿透，刺竹林也能增加惡地的土壤孔隙，使土壤保水能力增加，同時排水性質也變好，有助於洗去鹽類，並降低土壤的 pH 值。使惡地的土壤條件改善，而在未來能有利於其他植物的生存。

進一步分析土壤中的微生物族群結構，由於不同微生物物種的細胞膜的磷脂質脂肪酸組成種類與比例皆有差異，藉由此特性，利用氣相層析質譜儀 （GC-MS） 可判定土壤微生物的族群結構。結合統計上的主成分分析，可發現裸露地與刺竹林，呈現截然兩群不同的微生物群體。

再以 DNA 定序技術分析惡地的細菌種類，如下圖所示，裸露地土壤中「放線菌」與「 γ 變形菌」比例明顯較高，但細菌物種數量較少。而刺竹林中「酸桿菌」與「 α 變形菌」的比例則大幅提升。酸桿菌較適宜 pH 值較低的環境，是森林中的常見菌種，在裸露地則不存在。

刺竹林土壤中的細菌物種數量大幅增加，顯見刺竹林的生長，能改變土壤中的微生物族群結構，並增加微生物的多樣性。與前述孟宗竹林土壤微生物多樣性升高的概念相似之處，在於養分的供應和釋放；差異之處，在於刺竹林貢獻了彌足珍貴的有機物，得以讓瘠劣的月世界惡地土壤綻放生機；而孟宗竹林則是驕奢無度，揮霍原先樹林積累的資產。

相較於裸露地土壤貧乏的微生物多樣性，刺竹林中土壤微生物族群的增加與改變，亦有助於改善土壤物理化學性質，進而為未來其他植物的生長與生態演替，營造出有利的條件。

在萬物俱廢、生機凋零的月世界惡地，唯獨一身荊棘、生人勿近的刺竹林，以先驅者的角色在此綿延，更為後續演替的物種，奠基得以存續的立地條件。對比孟宗竹林侵占繁盛的森林，卻又揮霍剝奪土壤的有機質；刺竹林則是進駐凋敝殘破的惡地，貢獻極度欠缺的有機物。

孟宗竹林與刺竹林相比，儼然是生態系的地痞與俠客。

隨著分子生物學、細胞膜磷脂質成分分析、 DNA 鑑定等科學研究方法的建立與完備，研究團隊已能更有效率地理解自然現象，並建立解釋生態現象的理論。除了看透不同竹林的亦俠亦盜，目前也用於理解原始和次生林，以及紅樹林與水田土壤中的生命現象。

透過生態學家之觀點，讓我們能運籌帷幄於實驗室之中，決戰千里之外的山林惡地之巔。而研究也不只是發表於論文，邱志郁將竹筍在土壤中沉潛蓄勢待發的生態習性，隱喻為下方這首詩，融合對意中人的思慕，與期勉學子立定標竿、堅持不懈的心思。

延伸閱讀

• 邱志郁的個人網頁
• 〈綠逸詩情：竹林〉，作者：邱志郁
• 〈刺竹林明顯改善惡地土壤品質〉，作者：邱志郁
• 〈孟宗竹入侵杉木林促進土壤劣化〉，作者：邱志郁
• 〈雨中竹──三部曲〉，作者：邱志郁。《秋水詩刊》第 154 期，2012.7Lin, Y.T., Whtman, W.B., Coleman, D.C., Shiau, Y.J., Jien, S.H. and Chiu, C.Y.*, 2018, “The influences of thorny bamboo growth on the bacterial community in badland soils of southwestern Taiwan”, Land Degradation & Development, 29(8), 2728-2738.
• Shiau, Y.-J., Wang, H.-C., Chen, T.-H., Jien, S.-H., Tian, G., and Chiu, C.-Y.*, 2017, “Improvement in the biochemical and chemical properties of badland soils by thorny bamboo”, Scientific Reports, 7, 40561.
• Wang, H.C., Tian, G., and Chiu, C.Y.* , 2016, “Invasion of moso bamboo into a Japanese cedar plantation affects the chemical composition and humification of soil organic matter. ”, Scientific Reports, 6, 32211.
• Chang, E.H. and Chiu C.Y.* , 2015, “Changes in soil microbial community structure and activity in a cedar plantation invaded by moso bamboo ”, Applied Soil Ecology, 91, 1-7.
• Lin, Y.T., Tang, S.L., Pa, C.W., Whtman, W.B., Coleman, D.C. and Chiu C.Y. * 2014, “Changes in the soil bacterial communities in a cedar plantation invaded by moso bamboo”, Microb. Ecol. , 67, 421-429

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位