0

1
0

文字

分享

0
1
0

剛搬家就有蟲蟲危機?不速之蟲原來是玉米象──《害蟲偵探事件簿》

PanSci_96
・2017/05/30 ・2860字 ・閱讀時間約 5 分鐘 ・SR值 491 ・五年級

-----廣告,請繼續往下閱讀-----

  • 【科科愛看書】你以為只有骯髒的地方才會有害蟲?這種想法實在太天真了,翻開《害蟲偵探事件簿》就會發現,原來蟲蟲危機無處不在,就連新建成的潔淨建築也不例外。那我們到底該怎麼辦?不用擔心,跟著害蟲偵探一起辦案,就像有了金鐘罩鐵布衫,把害蟲通通擋在你家之外!

救命啊!新家被蟲蟲入侵了

大概是某一年的四月底吧,總之有一天早晨,住在神奈川日吉的朋友打電話到我橫濱的辦公室。他語氣沉痛地表示,剛蓋好的住家裡到處都是小黑蟲,妻子、孩子跟他自己都快崩潰了。

「拜託你幫幫我。」朋友說完這句話便掛掉了電話。

我頂著剛睡醒的一頭亂髮,立刻衝出辦公室前往他家。到了現場一看,他與家人正在院子裡嚇得直打哆嗦。

我馬上巡視新蓋好的建築物,只見地板、牆壁、天花板、廁所、浴室都看得到爬來爬去的玉米象。這棟新居蓋在由農地填土而成的人工建地上,誰也想不到怎麼會有這麼多玉米象?但答案就在腳下。檢查地板下方時,發現施工過後的木屑散落一地,裡面有些木片還有玉米象咬出的細小溝痕及孔洞……。

-----廣告,請繼續往下閱讀-----

玉米象一如其名,以啃噬穀物而聞名,其分布範圍遍及世界各地。這類昆蟲是米、麥、玉米等穀物的重要害蟲,主要有玉米象、米象(Sitophilus oryzae)、穀象(Sitophilus granarius)等。還沒發現穀象正式落腳於日本的確切證據。

玉米象是眾多穀類的敵人!圖/draculina_ak @ Flickr

飛啊飛啊~到處是玉米象

大量出現在新居的是玉米象(Sitophilus zeamais (Motschulsky))成蟲,體長約 2.3 到 3.5 公釐,具有象鼻狀的口吻。體色呈黑褐色、有光澤。前胸背板前方的幅圍狹窄,前翅有四個黃褐色的不明顯斑紋(照片 1)。幼蟲體長約 3 公釐,體色呈乳白色,各節有許多橫皺,體態肥滿,化蛹的體型則會稍微瘦一點。

照片1:啃食小麥的玉米象(Sitophilus zeamais (Motschulsky))。圖/《害蟲偵探事件簿》

可能發育的溫度範圍在 20~30 ℃,在氣溫 25 ℃、濕度 70%的環境下,從卵發育為成蟲的所需期間平均 32 天。據報告指出,在自然狀態下,夏季的發育所需期間約 35 天。

成蟲的食性除了義大利麵以外,也習慣在固體上穿孔及產卵,並以麵粉及米食粉類等食材為餌食。幼蟲是典型的「種子害蟲」,會在穀物種子裡發育,也會在義大利麵條裡、乾麵或蕃薯乾切片等食材裡繁殖。

-----廣告,請繼續往下閱讀-----

玉米象雌蟲會用象鼻狀的口吻(照片 2)在穀粒開一個小孔,在裡面各產一顆卵,再用分泌物將洞口封起來(egg plug)。

照片2:玉米象雌蟲的口吻(頭部)。圖/《害蟲偵探事件簿》

孵化的幼蟲會啃食穀類及其加工產品、義大利麵等食材的內部,成長到四齡幼蟲後即在原處化蛹。羽化的成蟲會在穀粒內部待數天,等到覆蓋身體表面的角質層(cuticle)硬化後,便咬破穀粒鑽出來(照片3)。成蟲具有飛行能力。

照片3:從義大利麵條裡羽化,正要鑽出來的玉米象。圖/《害蟲偵探事件簿》

至於一年長成次數,室內可達到四世代,野外的自然條件下約二到三世代。玉米象會以成蟲形態越冬,來到野外後,會棲息在倉庫的屋簷下或附近的石頭、木片下方。此物種分布範圍遍及全世界,是儲存穀物的重大害蟲。

米象對上玉米象:來啊,來單挑飛行能力

在日本的玉米象中有一近似種稱為米象(Sitophilus oryzae (Linnaeus))。成蟲的體長約 2.1 到 2.3 公釐,比玉米象略小,同樣具有象鼻狀的口吻,體色呈紅褐色到黑褐色,前胸背板的兩側邊緣大致呈平行。前翅的黃褐色斑紋比玉米象清晰。必須直接觀察生殖器才能判定其蟲正確的性別。

-----廣告,請繼續往下閱讀-----

在氣溫 25℃、濕度 75% 的環境下,發育所需期間平均 35 天。在自然條件下的發育期間比玉米象稍微長一些,氣溫 25℃ 的環境下,平均壽命可達到四個月,而食性與玉米象極為相似。

玉米象與米象的最大差異在於成蟲對寒冷的忍受程度。米象的成蟲在冬季的自然條件下會滅絕,僅有幼蟲能在穀粒裡越冬。生長適溫比玉米象高,約 30℃ 到 33℃,國內分布範圍最北達到宮城、秋田附近。抗寒力佳的玉米象甚至能在北海道旭川附近越冬。

玉米象與米象還有一項最大差異,有的米象沒有飛行能力,尤其是日本種的米象,生來不具飛行能力。分布範圍與玉米象類一樣遍及全世界,日本國內以玉米象居多,但是從整個世界來看,以米象略佔優勢。

真相只有一個,兇手就來自──

某間食品倉庫公司與我聯繫,說倉庫裡保存的伊朗人專用玉米食材裡有「玉米象」。我立刻前往現場調查,確實在玉米袋包裝裡發現了許多看似玉米象的蟲子。承辦人問我:「這些蟲子是從哪來的?」為了進一步確認,我便將相關證物帶回去詳細檢驗。

-----廣告,請繼續往下閱讀-----

經過鑑定後,確認這些侵入的蟲子不是玉米象,而是米象。但是找不到證據顯示它們究竟從何而來。困難之際幸得神助,當我向本書的監修者林晃史博士請教,他竟說道:「你仔細觀察看看,這米象會不會飛?」

我再次調查了帶回來的米象樣本,確定它具有飛行能力,倉庫的承辦人也證實:「它們的確在倉庫裡飛來飛去。」換句話說,由於日本國內的米象種類不具飛行能力,會飛的米象極有可能是從出口國或者流通據點等場所侵入。

木屑掰掰,蟲蟲不再來

話說回來在朋友的新居爬來爬去的玉米象,主要是把放置在地板下的木屑當成越冬場所,才會大量孳生。後來把所有木屑回收、室內各個角落全部清洗得乾乾淨淨,從此再也沒有發生蟲害,朋友一家人總算能安心居住。這次案件算是不幸中的大幸,地板下的木屑同樣是白蟻的棲息場所,但幸好這次白蟻並未入住。我建議朋友一定要向建設公司強調這一點。

木屑提供了玉米象越冬的環境。圖/steve lodefink @ Flickr

儘管如此,又得話當年了。在我們小時候,常常會在米粒裡看見玉米象,牠不會咬人,跟米一起煮來吃也不會中毒,更不是傳播疾病的媒介。但是對現代人來說,只覺得看起來很噁心、並因此產生恐懼。我趕到朋友家時,也不禁莫名其妙,為什麼人們對蟲子如此畏懼?

-----廣告,請繼續往下閱讀-----

不過,小時候一旦發現儲藏的米裡有玉米象,就會被大人叫去幫忙,要把米擺在戶外曝曬,並且看守一整天,防止麻雀來偷吃。小孩子玩遊戲的計畫也因此泡湯。只有那個時候,我們才恨透這些討厭的小蟲子,還替它取了名字,叫作「吃米蟲」。

順帶一提,朋友住家一案對我而言十分難忘。當時我剛投身除蟲工作,正猶豫著是否以此為終身志業,就在摸索未來的過程中遇到這件案子,總算讓我大致確定這一行「行得通」。一般人眼中的「害蟲」,對我可是「財蟲」。


 

 

本文摘自《害蟲偵探事件簿:50 年防蟲專家如何偵破食品中的蟲蟲危機》臉譜出版

文章難易度
PanSci_96
1226 篇文章 ・ 2332 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

3
3

文字

分享

0
3
3
圖形處理單元與人工智慧
賴昭正_96
・2024/06/24 ・6944字 ・閱讀時間約 14 分鐘

  • 作者/賴昭正|前清大化學系教授、系主任、所長;合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒,那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬.霍金(Stephen Hawking) 英國理論物理學家

大約在八十年前,當第一台數位計算機出現時,一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧;但七十年後,還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」(Artificial Intelligent,簡稱 AI)的能力最近十年突然起飛,在許多(所有?)領域的測試中擊敗了人類,正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元(graphic process unit,簡稱 GPU)是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia(英偉達)股票從每股不到 $5,上升到今天(5 月 24 日)每股超過 $1000(註一)的全世界第三大公司,其創辦人(之一)兼首席執行官、出生於台南的黃仁勳(Jenson Huang)也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人!可是多少人了解圖形處理單元是什麼嗎?到底是時勢造英雄,還是英雄造時勢?

黃仁勳出席2016年台北國際電腦展
Nvidia 的崛起究竟是時勢造英雄,還是英雄造時勢?圖/wikimedia

在回答這問題之前,筆者得先聲明筆者不是學電腦的,因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事,不是我們外行人需要了解的;但作為一位現在的知識分子或公民,了解基本原理則是必備的條件:例如了解「能量不滅定律」就可以不用仔細分析,即可判斷永動機是騙人的;又如現在可攜帶型冷氣機充斥市面上,它們不用往室外排廢熱氣,就可以提供屋內冷氣,讀者買嗎?

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」(central process unit,簡稱 CPU)。CPU 是電腦的「腦」,其電子電路負責處理所有軟體正確運作所需的所有任務,如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作;但為了簡單化,我們在這裡所談的工作將只是執行算術和邏輯運算的工作(arithmetic and logic unit,簡稱 ALU),如將兩個數加在一起。在這一簡化的定義下,CPU 在任何一個時刻均只能執行一件工作而已。

-----廣告,請繼續往下閱讀-----

在個人電腦剛出現只能用於一般事物的處理時,CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後,CPU 開始顯示心有餘而力不足:例如電玩動畫需要應用程式處理數以萬計的像素(pixel),每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年,英偉達將其一「具有集成變換、照明、三角形設定/裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」(註二)定位為「世界上第一款 GPU」,「GPU」這一名詞於焉誕生。不像 CPU,GPU 可以在同一個時刻執行許多算術和邏輯運算的工作,快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢?因每一時刻只能做一件事,所以其步驟為:

  • 計算 7×5;
  • 計算 6/3;
  • 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢?很多工作便可以同時(平行)進行:

-----廣告,請繼續往下閱讀-----
  • 同時計算 7×5 及 6/3;
  • 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間,但如果我們有 16 對 a×b 要相加呢?單獨的 CPU 需要 31 個運算的時間(16 個 × 的運算時間及 15 個 + 的運算時間),而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間(1 個 × 的運算時間及 4 個 + 的運算時間)!

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了,如何將它擺正成右圖呢? 一句話:「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點(座標 x, y)組成的,所以這句簡單的話可讓 CPU 忙得不亦樂乎了:每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

-----廣告,請繼續往下閱讀-----

即每一點均需要做四個 × 及兩個 + 的運算!如果每一運算需要 10-6 秒,那麼讓《我愛科學》一書做個簡單的角度旋轉,便需要 6 秒,這豈是電動玩具畫面變化所能接受的?

圖形處理的例子

人類的許多發明都是基於需要的關係,因此電腦硬件設計家便開始思考:這些點轉換都是獨立的,為什麼我們不讓它們同時進行(平行運算,parallel processing)呢?於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 106 運算,那上圖的轉換只需 10-6 秒鐘!

GPU 的興起

GPU 可分成兩種:

  • 整合式圖形「卡」(integrated graphics)是內建於 CPU 中的 GPU,所以不是插卡,它與 CPU 共享系統記憶體,沒有單獨的記憶體組來儲存圖形/視訊,主要用於大部分的個人電腦及筆記型電腦上;早期英特爾(Intel)因為不讓插卡 GPU 侵蝕主機的地盤,在這方面的研發佔領先的地位,約佔 68% 的市場。
  • 獨立顯示卡(discrete graphics)有不與 CPU 共享的自己專用內存;由於與處理器晶片分離,它會消耗更多電量並產生大量熱量;然而,也正是因為有自己的記憶體來源和電源,它可以比整合式顯示卡提供更高的效能。

2007 年,英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後,科學家發現獨立 GPU 不但能夠快速處理圖形變化,在需要大量計算才能實現特定結果的任務上也非常有效,因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理,不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化,也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬(註三)等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分,正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲,遠遠落在英偉達(80%)及超微半導體公司(Advance Micro Devices Inc.,19%,註四)之後,大約只有 1% 的市場。

-----廣告,請繼續往下閱讀-----
典型的CPU與GPU架構

事實上現在的中央處理單元也不再是真正的「單元」,而是如圖二可含有多個可以同時處理運算的核心(core)單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心,因此其核心功能不如 CPU 核心強大,但它們能同時高速執行大量相同的指令,在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心;GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書,不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等,也知道它擺斜了。這種「平行運作」的能力不僅限於視覺,它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是:嘴巴在講,腦筋思考已經不知往前跑了多少公里,常常為了追趕而越講越快,將不少學生拋到腦後!這不表示筆者聰明,因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技,因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣(matrix)的讀者應該知道,如果用矩陣和向量(vector)表達,上面所談到之座標轉換將是非常簡潔的(註五)。而矩陣和向量計算正是機器學習(machine learning)演算法的基礎!也正是獨立圖形處理單元最強大的功能所在!因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石:它們的架構就是充分利用並行處理,來快速執行多個操作,進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」(deep learning)。

黃仁勳在 5 月 22 日的發布業績新聞上謂:「下一次工業革命已經開始了:企業界和各國正與英偉達合作,將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升,幫助企業降低成本和提高能源效率,同時擴大收入機會。」

附錄

人工智慧的實用例子:下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後,讀者是不是認為筆者該退休了?

-----廣告,請繼續往下閱讀-----

GPU(圖形處理單元)和 AI(人工智慧)之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力,特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步,使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率,使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐,而且使其更具成本效益,因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展,GPU 的角色可能會變得更加不可或缺,推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標,這些神經元網路可以獨立但有凝聚力地工作,使我們能夠執行複雜的任務,例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外,研究表明,與非人類動物相比,人類大腦具有更多平行通路,這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上,一邊聽音樂一邊做飯,或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技,因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵:透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

(註一)當讀者看到此篇文章時,其股票已一股換十股,現在每一股約在 $100 左右。

(註二)組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」(GeForce 256)插卡吧?

(註三)筆者於 1984 年離開清華大學到 IBM 時,就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士(fellow)」Enrico Clementi 的團隊:因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層,我們只能自己寫軟體將 8 台中型電腦(非 IBM 品牌!)與一大型電腦連接來做平行運算,進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

-----廣告,請繼續往下閱讀-----

(註四)補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商:英偉達及 ATI(Array Technology Inc.)。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立,2006 年被超微半導體公司收購,品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐(Lisa Tzwu-Fang Su)博士為執行長後,股票從每股 $4 左右,上升到今天每股超過 $160,其市值已經是英特爾的兩倍,完全擺脫了在後者陰影下求生存的小眾玩家角色,正在挑戰英偉達的 GPU 市場。順便一題:超微半導體公司現任總裁(兼 AI 策略負責人)為出生於台北的彭明博(Victor Peng);與黃仁勳及蘇姿豐一樣,也是小時候就隨父母親移居到美國。

(註五)

延伸閱讀

  • 熱力學與能源利用」,《科學月刊》,1982 年 3 月號;收集於《我愛科學》(華騰文化有限公司,2017 年 12 月出版),轉載於「嘉義市政府全球資訊網」。
  • 網路安全技術與比特幣」,《科學月刊》,2020 年 11 月號;轉載於「善科教育基金會」的《科技大補帖》專欄。
文章難易度

討論功能關閉中。

賴昭正_96
43 篇文章 ・ 56 位粉絲
成功大學化學工程系學士,芝加哥大學化學物理博士。在芝大時與一群留學生合創「科學月刊」。一直想回國貢獻所學,因此畢業後不久即回清大化學系任教。自認平易近人,但教學嚴謹,因此穫有「賴大刀」之惡名!於1982年時當選爲 清大化學系新一代的年青首任系主任兼所長;但壯志難酬,兩年後即辭職到美留浪。晚期曾回台蓋工廠及創業,均應「水土不服」而鎩羽而歸。正式退休後,除了開始又爲科學月刊寫文章外,全職帶小孫女(半歲起);現已成七歲之小孫女的BFF(2015)。首先接觸到泛科學是因爲科學月刊將我的一篇文章「愛因斯坦的最大的錯誤一宇宙論常數」推薦到泛科學重登。

0

0
1

文字

分享

0
0
1
米缸裡的小飛象
何翰蓁
・2013/07/01 ・1523字 ・閱讀時間約 3 分鐘 ・SR值 416 ・四年級

-----廣告,請繼續往下閱讀-----

米象只有 0.2-0.3 公分長,比米粒還小。

米蟲正式的名字應該是米象,有個像象鼻長長的喙(rostrum)向前伸出,而且還會飛。米象在分類上被歸為米象屬(Sitophilus),米象屬的三個種:穀象(S. granarius L.),米象(S. oryzae L.)和玉米象(S. zeamais Mots.),都是惡名昭彰的害蟲,每年吃掉不少人類辛苦生產出來的糧食。

這場對決早已在米蟲與人之間進行了超過一萬年,這群迄今還站在擂台上的對手,實在讓人不得不敬佩。打從人類出現後,人蟲大戰應該從沒斷過,但是在眾多前前後後加入戰場的敵手中,如果要憑證據來說誰是最早出現在人類生活裡的搗蛋鬼,米象可是第一個有留下”入侵人類生活”證據的蟲兒。日本研究團隊在九州的種子島(Tanegashima Island)縄文時代(Jōmon period)後期遺址找到米象存在的證據[1]。不過被找到的不是它們的遺體,而是它們留在陶器碎片裡的壓痕。大概它們當年的數量不少,經過陶胚時被黏住,或是在陶土裡躲藏,不小心變成陶器的一部份。經過時間的長河,屍首早已分解殆盡,只留下印入陶器的身影。過去認為米蟲是跟著新石器時代的農業耕作到處傳播的,不過東亞估計是在 7000 年前才趕上這波農耕風潮[2],這群研究人員找到的這個一萬年前的證據,就證實了米蟲的出現不是跟著農耕行為來的,而可能是附近森林的住戶,只是後來發現人類家裡的食物好豐富才搬進米缸或倉庫裡的。

陶片上印下的米蟲倩影。照片出自 PLoS One 原研究( doi:10.1371/journal.pone.0014785)。

-----廣告,請繼續往下閱讀-----

這場戰爭繼續持續到現在,家裡的米缸有時會出現這些小小的米蟲。它們一胎生下大約四隻小蟲,好像不多,但是配合每天一胎的能力就很可怕了。媽媽在米粒上打好了洞產卵,小蟲出生後把米粒啃空,我們就失去了一個香噴噴的飯粒。忙碌的現代人看到米象繁生大概會是一句咒罵接著手工除蟲,而泛科學的讀者們大概會有強大的好奇心,想仔細看看這米象到底長得怎麼樣。希望下面這些照片希望能滿足你的好奇心,這些照片是用掃描式電子顯微鏡(scanning electron microscope)拍的,應該比你拿放大鏡仔細端詳半天還清楚一些。我不是昆蟲專家,希望貼出這些照片可以引起專家的興趣,告訴我這些有趣的構造是什麼。

米象的側面。可以看到單邊的三隻腳,一個長長的喙(rostrum),和兩根觸角。放大 40 倍。

翅鞘上毛狀突起的放大圖。放大 1010 倍。

米象頭部兩根觸角,上面還有毛狀突起。放大 495 倍。

-----廣告,請繼續往下閱讀-----

米象的頭部放大,中間是複眼,下面是觸角的基部。放大 200 倍。

米象的複眼。放大 1100 倍。

米象頭側波浪狀突起。放大 1800 倍。

米象的腹面。放大 40 倍。

-----廣告,請繼續往下閱讀-----

米象的吻端。放大 500 倍。

參考資料

  1. Obata H, Manabe A, Nakamura N, Onishi T, Senba Y (2011) A New Light on the Evolution and Propagation of Prehistoric Grain Pests: The World’s Oldest Maize Weevils Found in Jomon Potteries, Japan. PLoS ONE 6(3): e14785. doi:10.1371/journal.pone.0014785
  2. Neolithic. Wikipedia.