Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

蜻蜓的100種生活方式 ——《飛啊!蜻蜓》

PanSci_96
・2017/11/25 ・1984字 ・閱讀時間約 4 分鐘 ・SR值 435 ・四年級

文/槐真史|厚木市鄉土資料館研究員
譯/張東君

空中生活:蜻蜓

空中的蜻蜓,圖/by Chanzj@pixabay。

具有大大的眼睛、透明膠帶般的翅膀和細長腹部的蜻蜓,是很擅長在空中飛行的昆蟲。只有活生生的蜻蜓才具有的眼睛及身體的鮮豔色彩,和優雅的飛行翱翔姿態,讓每個看到的人都覺得感動——那箇中滋味只有看過蜻蜓的人才能體會。

雖然蜻蜓是在空中飛行的昆蟲,但在幼蟲時期,幾乎所有蜻蜓的幼蟲(水蠆)都是生活在水中,這就是為什麼常常可以在水邊看到蜻蜓。我們經常可以看到雄蜻蜓在同一場所來回不停飛來飛去,然後停在固定的樹枝前端等待的樣子,這是因為雄蜻蜓擁有自己的領域,牠們會在那裏等待雌蜻蜓。此外,也可以看到雄蜻蜓驅趕進入自己領域的其他雄蟲或是他種蜻蜓的行為;在領域中相會的雌、雄蜻蜓則會交配、產卵。

水中生活:水蠆

蜻蜓的幼蟲——水蠆,圖/by André Karwath aka Aka@wikipedia commons。

依物種的不同,水蠆的棲息場所也是五花八門:有些是抓著水中的植物莖或是漂浮物等,也有些會潛到泥中。水蠆是以小昆蟲等為食的肉食性動物,會花上幾個月到幾年的時間,經過八至十五次左右的蛻皮來讓身體長大。

在水中生活的水蠆,有著和成蟲不同的身體結構與機制,活動方式也不一樣:以呼吸為例,成蟲是以位於胸部或腹部、稱為「氣門」的管狀器官呼吸;水蠆則分成從腹部的前端讓水出入、以直腸呼吸,或是以位於腹部前端的三個像鰓般的器官呼吸的種類。

-----廣告,請繼續往下閱讀-----

在水中的移動,除了步行之外,還有把水貯存在直腸中,一口氣把水噴出的方式移動,或是扭動位於腹部前端的鰭或是身體來移動等。不同於成蟲以飛行來追捕獵物,水蠆是靜靜的坐等獵物自己上門——等獵物靠得夠近,再立刻伸出能夠伸展到跟自己的身體差不多長度的大顎加以捕捉。

變身時刻:羽化

一隻剛從幼蟲殼中蛻出的藍晏蜓(Aeshna cyanea),圖/by Böhringer Friedrich@wikipedia commons。

當身體已經長到夠大的時候,位於胸上的翅芽(會成為成蟲翅膀的部分)就會逐漸鼓脹,這就是羽化的信號。雖然羽化的場所會因蜻蜓的種類而異,不過季節大多數是集中在初夏。細蟌、綠胸晏蜓和白刃蜻蜓這類蜻蜓的羽化中意場所,是突出於水面上的植物的莖、葉,或木樁、枯枝、倒木等;而像春蜓類的蜻蜓,除在石頭或水泥護岸之外,也有那種只把身體從水面伸出一半左右就羽化的種類。除了在水邊,也有像無霸勾蜓那般在離開水邊幾公尺處的建築物壁面或是樹幹羽化的種類。

雖然羽化的經過就像這本繪本所描繪的一樣,不過我還是想要再做一點補充:即將羽化的水蠆,雖然會把頭和胸部從水中探出來靜靜的待著,這不僅是在判斷羽化場所跟氣溫等條件是否良好,也是配合羽化,將呼吸方式從水中改變成在空中呼吸的重要時期。

隨著羽化過程的進展,翅膀逐漸完全伸展,這時腹部前端就會流出數滴液體——這是用來把縮在一起的翅膀展開所用的體液,在翅膀完全伸展後就不再需要。當液體掉落後,蜻蜓的腹部也會變得纖細,成為神氣的蜻蜓。

-----廣告,請繼續往下閱讀-----

哪裡可以看到綠胸晏蜓呢?

綠胸晏蜓,圖/by 云中鸟@flickr。

這本繪本的主角綠胸晏蜓,是從日本北海道到沖繩縣之間,在各地的池塘和水田等都能夠看見(台灣的話,則可見於台北陽明山國家公園、花蓮太魯閣國家公園一帶的池塘及水邊。編按:台灣其實也蠻常見的喔,另外出現時間與日本不同,大約在9月到隔年3月左右)。牠們在 4~11 月左右出現,夏天以後,雄蜓會在水岸飛來飛去巡邏。雖然看起來像是在守護自己的領域,但當巡邏路線有人經過的時候,牠們的飛行路線就會變得相當迂迴。

由於綠胸晏蜓的眼力很好,所以應該也會把拿著捕蟲網的人看得很清楚吧。產卵是在雌、雄蜻蜓相連在一起時進行,把卵產在水中植物的莖或是漂浮物上——只要是柔軟的材質,即使是像保麗龍等人工製品,雌蜓也能毫不猶豫的產卵。孵化出來的水蠆會抓住水中植物的莖,有時候也會緩慢的在水底行走,牠們在感覺到危險的時候,會從腹部前端噴射出水來逃逸。

水對蜻蜓的影響很大,只要水質惡化或是水源地消失時,蜻蜓很快就會消失無蹤。不過由於成蟲的移動力很高,所以只要再重新建造水池環境,牠們就會立刻飛回來定居。覺得「生活周遭好像沒有蜻蜓呢!」的你,可以注意看看學校的池塘、公園的水灘,或放置在庭院中有雨水堆積的容器附近,難道都沒有蜻蜓造訪嗎?沒有從水面偷偷探出來窺伺的水蠆嗎?在某處,一定有著在等待你的蜻蜓喔。

本文為繪本《飛啊!蜻蜓》的導讀,出版社為青林出版。

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)」!

-----廣告,請繼續往下閱讀-----

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。

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。

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。/ 圖片提供:研華科技

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。

-----廣告,請繼續往下閱讀-----

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。

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。/ 圖片來源:MotionArray

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)。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----

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。

-----廣告,請繼續往下閱讀-----
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。/ 圖片提供:研華科技

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

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

0
1

文字

分享

0
0
1
【成語科學】噤若寒蟬:為什麼蟬在冬天不會叫?
張之傑_96
・2023/10/18 ・1085字 ・閱讀時間約 2 分鐘

章老師寫這篇「噤若寒蟬」時,適逢 6 月初,住在美國東部的同學傳來十七年蟬的影片。一般的蟬,幼蟲在土裡生活 1-5 年;十七年蟬的幼蟲(若蟲)卻在地下生活 17 年!今年的大發生過後,下次是 2038 年。

十七年蟬大發生時,數以億計的蟬傾巢而出,鳴聲震天,排泄物落如雨下,這時人們出門都要打傘,在戶外舉行的婚禮、球賽和其他活動均被迫延期或改在室內。

十七年蟬大發生時,數以億計的蟬傾巢而出,鳴聲震天。圖/giphy

不過喧鬧不出 3 個星期,十七年蟬交配、產卵後就會死去,新的一輪生命週期又開始了。

蟬屬於半翅目、蟬科。一般的蟬,不會像十七年蟬般集體行動。到了夏季,幼蟲陸續的從土裡鑽出來,然後爬到樹上,抓著樹幹,脫掉蟬殼(蟬蛻),羽化為成蟲。蟬的成蟲壽命很短,通常不到一個月。雄蟬羽化出來後,一俟翅膀硬了,就開始大聲鳴叫,用來吸引雌蟬。雌蟬沒有發聲器官,不會鳴叫。

-----廣告,請繼續往下閱讀-----
日本暮蟬。圖/wikipedia

雄蟬的腹部有一對鳴器,裡面有發音肌、鼓膜和共鳴室。雄蟬求偶鳴叫時,發音肌會不停的收縮,使鼓膜上下振動,有如打鼓般發出聲響;共鳴室則有如擴音器,使鳴聲擴大。

蟬的發聲,和直翅目的蟋蟀、螽斯、蝗蟲不同,牠們以磨擦翅膀發聲。蟋蟀、螽斯的翅基部,有一條橫脈,上頭有齒,稱為「音銼」,左右翅磨擦,就會發聲。蝗蟲則是利用牠的腿節內側和前翅縱脈,互相摩擦而發聲。

當雌蟬被雄蟬的鳴聲吸引過來,交配過後,雌蟬將卵產在小樹枝上,夏季時大約經過一個月就可以孵化成幼蟲。接下去,幼蟲落到地面,鑽入土中,吸取植物根部的養分,經過若干年(視種類而異),才能長大成熟,然後鑽出地面,羽化為成蟲。

蟬經過若干年才能長大成熟,羽化為成蟲。圖/giphy

蟬是夏季活動的動物,從初夏到初秋,蟬的幼蟲陸續鑽出地面,羽化為成蟲,使得整個夏季都可聽到蟬聲。秋季才羽化的蟬,通常鳴聲較弱,如果天氣突然轉冷,就會凍得不再鳴叫,這個自然現象衍生為成語「噤若寒蟬」,比喻因某種原因而不再出聲。讓我們造兩個句吧。

-----廣告,請繼續往下閱讀-----

極權國家沒有言論自由,人們噤若寒蟬,不敢隨便發表意見。

爸爸嚴肅的眼神一掃過來,我們就噤若寒蟬,再也不敢吵鬧。

-----廣告,請繼續往下閱讀-----
張之傑_96
103 篇文章 ・ 224 位粉絲
張之傑,字百器,出入文理,著述多樣,其中以科普和科學史較為人知。

0

1
0

文字

分享

0
1
0
【成語科學】蜻蜓點水:所有蜻蜓都會點水產卵嗎?蜻蜓和豆娘怎麼分?
張之傑_96
・2023/08/04 ・1367字 ・閱讀時間約 2 分鐘

蜻蜓的幼蟲稱為水蠆,是環境指標生物之一。如果水中可以找到水蠆和蜉蝣幼蟲,表示水質沒有受到污染。如果只找到水蠆,沒找到蜉蝣幼蟲,表示水質輕度污染。如果找不到水蠆,那就表示中度或重度污染。

藍晏蜓 Aeshna cyanea (歐洲一種晏蜓科蜻蜓)的水蠆。圖/wikimedia

如今平地的河川或湖泊大多遭到中度或重度污染,難怪蜻蜓已難得一見。章老師小時候可不是這樣,那時溪流大多水質清澈,連最不耐受污染的蜉蝣幼蟲也到處都是,孩子們稱蜉蝣幼蟲為「水蟲」,還抓來當魚餌呢。

姬蜉蝣幼蟲。圖/嘎嘎昆蟲網

那時候,到了夏季,白天蜻蜓和豆娘在居家附近出沒。到了夜晚,拖著兩根長尾鬚的蜉蝣,因趨光性飛到紗窗上,有時飛進屋裡。這些昆蟲隨處可見,一點兒也不稀奇。

蜉蝣的幼蟲在水中約生活一年,羽化為成蟲,只能再活幾小時到幾天。成語「朝生暮死」,指的就是蜉蝣。其實,如果連同連牠們的幼蟲期,在昆蟲中壽命並不算短。

-----廣告,請繼續往下閱讀-----

話題拉回蜻蜓。到了夏季,蜻蜓在水面上飛行時,常用尾部輕觸水面,古人不明白其用意,於是產生了「蜻蜓點水」這個成語,用來比喻做事膚淺或不深入。讓我們試著造兩個句吧。

讀書要多溫習多思考,不能只是蜻蜓點水。

學習要踏踏實實,不能蜻蜓點水敷衍了事。

蜻蜓點水產卵,使得水面激起漣漪。圖/嘎嘎昆蟲網

其實對蜻蜓來說,點水是為了產卵。蜻蜓的幼蟲水蠆,在水裡生活 1-2 年,長大後爬出水面,羽化成蜻蜓。蜻蜓和豆娘的產卵方式大致分為兩類,一類產在水生植物上,一類邊飛邊把卵產在水裡。古人所觀察到的蜻蜓點水,指的就是後者。

棋紋鼓蟌將卵產在腐敗的枯葉或枯枝上。圖/嘎嘎昆蟲網

昆蟲綱的蜻蛉目,包含蜻蜓和豆娘兩類,兩者的形態和習性相近。那麼蜻蜓和豆娘怎麼區分?蜻蜓的身體較為粗壯,兩個複眼距離較近,停棲時翅膀平展。豆娘的身體較為纖細,頭部似啞鈴狀,兩側為明顯的複眼,停棲時上下翅疊合在一起。兩者的幼蟲都稱作水蠆,以捕捉孑孓、小魚、蝌蚪或其他水生昆蟲為食。
蜻蜓和豆娘的幼蟲屬於肉食性,成蟲也是。蜻蜓體型粗壯,除了捕食小型的昆蟲,也捕食蒼蠅、蜜蜂、蝴蝶、蛾、蟬等較大型的昆蟲,部分甚至捕食魚類。豆娘體型較小,飛行速度較慢,以捕食體型小的蚊、蠅和蚜蟲、介殼蟲、木蝨、飛蝨等為主。

由圖可見豆娘的啞鈴狀頭部(上)與蜻蜓距離較近的複眼(下)。圖/台北市立動物園
-----廣告,請繼續往下閱讀-----
張之傑_96
103 篇文章 ・ 224 位粉絲
張之傑,字百器,出入文理,著述多樣,其中以科普和科學史較為人知。