黑腹浮鷗在魚塭區集結出海

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

本文由 國立海洋生物博物館 委託，泛科學企劃執行

愛吃海鮮存在台灣人的 DNA 中，無論是巷口虱目魚粥的風味，或是夜市裡的炸蚵嗲攤都是許多人的心頭好，想著想著，乾脆週末揪一團去熱炒店大啖肥嫩的龍虎斑好了！

你知道嗎？這些餐桌上的海鮮佳餚都是來自水產養殖！多數人對水產養殖的印象，好像只停留在魚塭池和打水馬達，到底養殖漁業在養什麼？養魚有什麼眉眉角角，泛科學專訪台灣大學漁科所王永松老師來為大家解答。

台灣養殖漁業產值佔漁業總產值四成

台灣人愛吃海鮮其來有自，台灣位在全球最大的大陸棚邊緣，又有黑潮通過，所以漁獲量多、魚種多樣性也高。除了遠洋近海魚業外，養殖漁業也相當發達。去（2018）年台灣水產養殖產量高達 28.3 公噸，產值高達369 億元，佔台灣漁業總產值的四成^註1。

水產養殖包含觀賞魚養殖及食用魚養殖，本文主要討論食用面的水產養殖。食用魚養殖根據養殖的水質和地區分為：淡水魚塭、鹹水魚塭及海面養殖三大類。

淡水養殖與鹹水養殖都是在內陸設置魚塭，常見淡水養殖有鰻魚、泰國蝦、吳郭魚；鹹水養殖包括石斑魚、虱目魚。海面養殖則是將魚塭設於海上，像是箱網養殖或淺海養殖，牡蠣、文蛤和海鱺都屬此類。

台灣魚塭主要分布在雲林、嘉義和台南，不同魚種的養殖方式不同，以下介紹台灣常見的養殖魚種。

台灣人最愛吃的魚——虱目魚、吳郭魚

虱目魚的魚塭面積是全台之最，吳郭魚則是產量最大的魚種，兩種魚種產量相加約有 11.6 萬公噸，佔養殖魚產量的四成左右。王永松表示，吳郭魚和虱目魚屬於廣鹽類魚類，可以適應淡水和海水環境，且不容易生病，相當好養殖。

虱目魚的養殖的紀錄至少可追溯至鄭成功治台時期。民間流傳許多「鄭成功與虱目魚」的逸聞，如據傳鄭成功來台吃到虱目魚覺得好吃，就問漁民說：「什麼魚？」當地人以為鄭成功替虱目魚命名，就把它叫做「虱目魚」（什麼魚的諧音）。王永松提到，當時漁民就會把魚苗養在魚塭中，顯見虱目魚的養殖歷史悠久。

• 參考文章：虱目魚教的信徒啊，這是你該知道的虱目魚二三事

不過，早期養殖技術不佳得撈野生魚苗來養，魚苗的來源受制於野生族群因此十分不穩定。一直到 1979 年才發展人工繁殖方式，以賀爾蒙催熟虱目魚，讓魚提早性成熟，現行則改以飼料調配讓魚自然產卵，這才讓虱目魚成功走上穩定量產之路^註2。

相較於虱目魚需要五、六歲才能性成熟，需特別培育種魚育種，吳郭魚在四個月就能達到性成熟，可以一直生一直生，很快地池子就會塞滿魚。此時，養殖業者又頭痛了。王永松表示，母魚產卵後成長速度就變慢，加上池子內魚太多，大家營養不良，價格就不好。

因此，吳郭魚必須要「公母」分開養殖，且以體型較大的公魚作為主要的經濟魚種，母魚僅是交配的種魚。王永松提到，常見方式有以超雄性（YY）的吳郭魚和母魚配種，生出來的就都是公魚，抑或是在魚苗時期以含有激素的飼料控制魚的性徵，確保魚苗皆呈現雄性的性狀。

然而，吳郭魚土味重不受大家歡迎，王永松表示，部分業者會讓淡水養殖的吳郭魚販賣前「過海水」兩三天、去土味。之後養殖業者改良飼養方式，以乾淨海水養殖吳郭魚，鹹魚翻身變「潮鯛」，肉質鮮美可作為生魚片，成功進軍日本市場^註3。

好料上菜 產值最高的魚種——石斑魚

每當餐桌上出現清蒸石斑，就知道這場宴客不簡單，不是婚宴就是重要的家庭聚會。常見的石斑魚種類有青斑（點帶石斑魚）、龍膽石斑（鞍帶石斑魚），及老虎斑和龍膽石斑混種的「龍虎斑」，皆以鹹水魚塭養殖為主。

魚種不同，價格也落差很大。根據去年漁業署資料，青斑池邊均價一公斤大約 240 元左右，龍膽石斑則是 375 元^註4。隨著中盤商、零售商到餐廳，石斑魚的價格節節升高，到餐桌上一尾膠質肥厚的 90 公分龍膽石斑，喊價一公斤 800 元也是有可能的。

「石斑魚價格高昂，除了肉質鮮美外，最主要是牠很難養，又要養很久。」王永松表示，石斑魚苗從孵化到長成 2 吋苗這段期間，容易被神經壞死病毒和虹彩病毒感染，一旦養殖池環境不好、魚免疫力降低，病毒就易好發，死亡率高達八成以上。

為了分散風險，王永松以龍膽石斑為例，說明石斑養殖業者發展出「三階段」的養殖型態：

1. 魚苗孵育場：受精卵至孵化為白身苗，大約 48 天，一尾約 8-16 元。
2. 中間育成場：白身苗養至2吋魚苗，大約 48 天，一尾約 32 元。
3. 成魚養殖場：2 吋魚苗至成魚至運銷端，養殖期 2-3 年，一公斤 375 元。

（上述價格為池邊交易價）

王永松表示，養魚賺頭大，風險也高。舉例來說，面臨颱風來襲，養殖業者就得做好準備，備好發電機、蓋好帆布，稍有不慎就可能百萬的心血付之一炬。因為數量太少無人收購。許多漁民看到價格差，甚至寧可放水流，重養一批。除此之外，養殖的日常也十分辛苦，王永松開玩笑表示，養殖業者曾歡迎他去養魚，「不過四點就要起床餵魚，一天要餵五餐！」可見養殖業並不輕鬆呢！

石斑魚是肉食性的兇猛魚種，易有彼此相食的現象，一殘殺起來，池裡的魚就更少了，所以養石斑魚就要讓牠們吃飽。

解不開的秘密  台灣努力30年仍無法人工繁殖鰻魚

儘管石斑魚產值這麼高，那麼養鰻魚產值不就更高嗎？在日本一份蒲燒鰻魚飯 500 元起跳呢！王永松表示，鰻魚價格高是因為至今全世界還沒有找到人工繁殖鰻魚苗的方式，所以目前飼養的鰻魚，都是在出海口抓準備進入河川長大的玻璃鰻（鰻線），來作為鰻苗來養殖。

當玻璃鰻無法回到河川長大，再返回大海產卵，漸漸地鰻魚苗就會減少，價格也就提高了，目前常用來作為蒲燒鰻的日本鰻，已被國際自然保護聯盟（IUCN）評為瀕危物種。

為什麼鰻魚生殖秘密難以被破解呢？為什麼日本鰻難以完全人工養殖呢？

王永松表示，以日本鰻來說，牠一生只會產一次卵、一次精子，但難以掌握牠「性腺發育」的時機，過往從未有人看過一隻抱卵的野生母鰻魚，我們僅推知牠在台灣、日本或韓國河中長大後，會再回到太平洋中產卵，而現行人工飼養的鰻魚若不使用特殊的方法催熟，牠一輩子都不會性腺成熟。

• 延伸閱讀：複雜又充滿滋味的鰻魚生活

王永松提到，早在 20、30 年前就有用「鮭魚腦下垂體」混合「促進性腺激素」注射催熟日本鰻，確實讓鰻魚性成熟，並成功孵出不到 5 釐米的透明小鰻魚，可是大都在 6、7 天就夭折了！

至今學界都還在努力解開難題，而台灣也努力了快 30 年，今年日本宣佈已成功將鰻卵成功養殖成鰻^註五。對此，王永松卻保守地認為，日本應該不算完全成功，一是還不知道養殖方式，二則是鰻魚一次可產卵 100 萬顆至 600 萬左右，若只有幾隻可以長至成熟的鰻魚，也許有些是機率的問題。

鰻魚吃什麼、何時變態、喜歡在什麼環境產卵，還有好多事情是未知的。王永松表示，在未解開鰻魚之謎以前，保育工作要先做好。

養殖業者與科學家在養殖上投注許多心力，為了就是保護自然生態，避免野生魚源枯竭，破壞生態平衡，當我們有了這個省思後，就不必執著於吃野生現撈了，因為養的「嘛足 tshinn」（台語「很新鮮」的讀音）啊！！

參考資料

1. 2018年漁業署漁業統計年報
2. 水產試驗所特刊第9號
3. 漁業署《漁業推廣》雜誌第284期
4. 2018.10.29漁業署新聞稿
5. 財經新報〈日本研究機構實現鰻魚完全人工養殖，朝向能量產的「完全飼養」目標邁進〉

「水產養殖實境探索」特展 10 月 25 日海生館登場

教育部技職司與國立社教館所辦理的職業試探體驗計畫，由國立屏東科技大學與國立海洋生物博物館合作的「水產養殖實境探索」特展，將於 10 月 25 日在海生館世界水域館 3 樓盛大開幕，藉由特展中介紹水產養殖業的各項面貌與科技化經營模式，吸引更多學生投入相關職涯產業。

台灣為生物多樣且水產養殖種類繁多的海島國家，根據政府統計資料顯示水產養殖從業人口逐年老化，年輕人投入此產業相當有限。目前國內大多數人對於水產養殖相關工作，停留於做苦力與低階工作的印象，事實上隨著國人對於環境保育與食物衛生安全的注重、生活水準提升，與產業科技進步，水產養殖生產模式逐步改變為精緻性且為技術導向，並著重管理的新興產業。

對此，本次特展透過 360 度 ＶR 虛擬實境探索的方式，幫助民眾了解台灣水產養殖的在地特色與養殖方式，以水產養殖相關的互動遊戲，了解養殖達人在實際操作漁具時的小技巧與藉由大自然結合產出的知識，並在現場以 IOT 物聯網科技的方式，執行養殖場的管理與操作，讓養殖變得更加便利與精簡，以翻轉社會大眾對於水產養殖產業的刻板印象。

「水產養殖實境探索」展期為 108 年 10 月 25 日至 110 年 12 月 19 日，歡迎蒞臨海生館世界水域館3樓，以實境方式探索水產養殖產業。

本文由 「國立海洋生物博物館」委託，泛科學企劃執行

黑腹浮鷗以往被稱為黑腹燕鷗，但分類上牠屬於鷗科浮鷗屬，不是燕鷗屬，所以稱「黑腹浮鷗」才符合分類認知。

數年來每逢冬季就有大量的黑腹浮鷗來台度冬，牠們常選擇在台南市北門區（2010年12月25日前稱台南縣北門鄉）的外海蚵架過夜，在黃昏時會上演從各白天覓食區前來集結飛舞的壯觀場面，是台南北門冬季熱門的賞鳥活動。不過壯觀場面並非每年都有，有時數量很少，2011年冬天甚至只來一小段時間後，就不在北門鹽田上空集結，改到布袋外海夜棲。（請參考自由時報20111130報導：北門數萬隻黑腹燕鷗 一夕「搬家」）

2011年1月4日黃昏時刻，我在嘉義縣布袋鎮巧遇一串串黑腹浮鷗列隊飛過頭頂，那正是要回到海邊棲息過夜的集結飛行。尋得來源，是一片廣大的魚塭區。有的在魚塭水面上飛躍點食，有的在魚塭上空盤旋集結，最後一群群編隊往海邊方向飛去，煞是熱鬧！

此影片可全螢幕觀賞，如頻寬夠可在放映後點選更高畫素觀看，效果更佳。錄影器材：Panasonic HDC-HS700

2011年12月15日，再到同樣地方攝影記錄：

您可點Flickr網路像簿「黑腹浮鷗（黑腹燕鷗）」看更多相關照片。

黑腹浮鷗在台灣是普遍過境鳥與部分冬候鳥，在河口、濕地或魚塭地帶幾乎全年可見，但以春秋過境期可見數量較多，夏季則少很多。

黑腹浮鷗食物主要是水生昆蟲、小魚、螺貝類、蝌蚪、青蛙等。在水域上空飛行覓食，一發現獵物會短暫定點振翅後俯衝入水捕食，有時則是淺啄水面的小生物。

英文名：Whiskered Tern

Kingdom Animalia  動物界
Phylum Chordata  脊索動物門
Class Aves  鳥綱
Order Ciconiiformes  鸛形目
Family Laridae  鷗科
Genus Chlidonias  浮鷗屬
Chlidonias hybrida hybrida (Pallas, 1811) 黑腹浮鷗(黑腹燕鷗)

原發表於賴鵬智的野FUN特區

長腳鷸在台灣是普遍冬候鳥及不普遍的留鳥，以前被稱為「高蹺鴴」（反嘴鴴科），分類上現在改為長腳鷸科，若還是稱為高蹺鴴，容易被誤認為是屬於鴴科的鳥，所以還是改稱「長腳鷸」比較妥當。

影像是20111215攝於嘉義縣東石鄉布袋鎮路邊水塘，長腳鷸在此避風、覓食、休息。影片後段一群長腳鷸在逆光魚塭歇息，其中夾雜了幾隻黑尾鷸（鷸科）。

英文名：Black-winged Stilt

Phylum Chordata  脊索動物門

Class Aves  鳥綱

Order Ciconiiformes  鸛形目 

 Family Recurvirostridae  長腳鷸科 

Genus Himantopus  長腳鷸屬 

 Himantopus himantopus himantopus (Linnaeus, 1758) 長腳鷸(高蹺鴴;黑翅長腳鷸)

影片: 

此影片可全螢幕觀賞，如頻寬夠可在放映後點選更高畫素觀看，效果更佳。錄影器材：Canon EOS 7D＋EF 600×1.5

此影片可全螢幕觀賞，如頻寬夠可在放映後點選更高畫素觀看，效果更佳。錄影器材：Panasonic HDC-HS700

照片：

您可點Flickr網路像簿「長腳鷸」看更多相關照片。

原文發表於賴鵬智的野FUN特區