【What if 系列】暴龙兽

提问:

如果在纽约市释放一头暴龙,那么它每天要吃掉多少个人才能满足卡路里摄入量?

—— Tony Schmitz


回答:

差不多半个成人吧,或者一个10岁小孩也行:

09154241_2FAl.gif

(呃,昨天我忘记吃了,今天我能多吃一个嘛?)


暴龙和一头大象的重量差不多。[1]

09154241_BPvw.png(犹他龙可嫉妒了)

没有人能够准确地知道恐龙的新陈代谢是怎么样的,但是一个比较接近的估计是暴龙每天需要摄入约4万大卡的热量。[2]

如果我们假设恐龙的新陈代谢和如今的哺乳动物相似,那么它们每天要吃进去的可就远远不止4万大卡了。不过现在人们认为虽然恐龙比如今的蛇类和蜥蜴更加活跃(或者说更加“温血”),但大型恐龙的新陈代谢和大象老虎比起来没有和科莫多龙像。[3]

其次我们要知道一个人含有多少大卡的热量。不过这个数字有人已经算过了,他就是《Dinosaur Comics》的作者Ryan North,数字印在这件非常不错的T恤上。Ryan制作的这件衣服上的数字表明一个体重80千克的人类约含有11万大卡的热量。

这么算来一头暴龙每隔两三天只需要吃一个成年人就可以了。[4]纽约市2011年一共有23.9736万人出生,可以养活约1000头暴龙。不过这么算忽略了人员流动的影响——尤其是往外流动——在现在这种情况下这一数量会大大增加。


09154241_lG2n.gif

(我在想暴龙能不能被塞到一节地铁车厢里)


麦当劳在全世界的3.3万家门店每年要售出150亿个汉堡,[5]相当于每家门店每天售出1245个。1245个汉堡约含有60万大卡的热量,这意味着每天暴龙只需吃大约80个汉堡就能保证饿不死,而一家麦当劳门店仅靠售出的汉堡包就能养活超过一打的暴龙。


09154242_aB88.gif


(球坑里住着一只,快告诉你家熊孩子)


所以说如果你住在纽约,而你又不幸看到一头暴龙,别害怕,因为你不需要找一个好朋友给你垫背,你只需要点80个汉堡就行了。

但如果暴龙无视着80个美味的汉堡还是把你的好朋友给吃了呢?嘿,那你手头就剩下80个汉堡可以充饥啦~

09154242_hNL8.png

(真的不只是熟人哈哈)

注1:我以前一直觉得这两者不应该这么相近:我的印象里大象的大小应该和汽车在一个数量级上,而暴龙应该可以一脚踩在车子上。但在我谷歌了一下大象+汽车的照片后,我才意识到大象也可以像暴龙那样踩在汽车上。好吧,我现在开始害怕大象了。

注2:来源:这个这个,还有这个这个里面提到的一些,还有这个歪楼的东西。

注3:对于蜥脚类恐龙来说肯定是这样的,否则它们的体温就会过高。不过对于像暴龙这种大小的恐龙来说,不确定性可大着呢。

注4:不过暴龙应该会一顿吃上几十个人,然后就很长一段时间不用进食啦。

注5:麦当劳现在已经不在招牌上写“已售出XX只汉堡”了,不过这个网站上有对这个数字的推断。

版权声明:
本译文仅用于学习和交流目的。非商业转载请注明译者、出处,并保留文章在译言的完整链接。


转载于:https://my.oschina.net/kiwivip/blog/191745

CSDN海神之光上传的代码均可运行,亲测可用,直接替换数据即可,适合小白; 1、代码压缩包内容 主函数:main.m; 调用函数:其他m文件;无需运行 运行结果效果图; 2、代码运行版本 Matlab 2019b或2023b;若运行有误,根据提示修改;若不会,私信博主; 3、运行操作步骤 步骤一:将所有文件放到Matlab的当前文件夹中; 步骤二:双击打开main.m文件; 步骤三:点击运行,等程序运行完得到结果; 4、仿真咨询 如需其他服务,可私信博主或扫描博客文章底部QQ名片; 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 功率谱估计: 故障诊断分析: 雷达通信:雷达LFM、MIMO、成像、定位、干扰、检测、信号分析、脉冲压缩 滤波估计:SOC估计 目标定位:WSN定位、滤波跟踪、目标定位 生物电信号:肌电信号EMG、脑电信号EEG、心电信号ECG 通信系统:DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪(CEEMDAN)、数字信号调制、误码率、信号估计、DTMF、信号检测识别融合、LEACH协议、信号检测、水声通信 1. EMD(经验模态分解,Empirical Mode Decomposition) 2. TVF-EMD(时变滤波的经验模态分解,Time-Varying Filtered Empirical Mode Decomposition) 3. EEMD(集成经验模态分解,Ensemble Empirical Mode Decomposition) 4. VMD(变分模态分解,Variational Mode Decomposition) 5. CEEMDAN(完全自适应噪声集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 6. LMD(局部均值分解,Local Mean Decomposition) 7. RLMD(鲁棒局部均值分解, Robust Local Mean Decomposition) 8. ITD(固有时间尺度分解,Intrinsic Time Decomposition) 9. SVMD(逐次变分模态分解,Sequential Variational Mode Decomposition) 10. ICEEMDAN(改进的完全自适应噪声集合经验模态分解,Improved Complementary Ensemble Empirical Mode Decomposition with Adaptive Noise) 11. FMD(特征模式分解,Feature Mode Decomposition) 12. REMD(鲁棒经验模态分解,Robust Empirical Mode Decomposition) 13. SGMD(辛几何模态分解,Spectral-Grouping-based Mode Decomposition) 14. RLMD(鲁棒局部均值分解,Robust Intrinsic Time Decomposition) 15. ESMD(极点对称模态分解, extreme-point symmetric mode decomposition) 16. CEEMD(互补集合经验模态分解,Complementary Ensemble Empirical Mode Decomposition) 17. SSA(奇异谱分析,Singular Spectrum Analysis) 18. SWD(群分解,Swarm Decomposition) 19. RPSEMD(再生相移正弦辅助经验模态分解,Regenerated Phase-shifted Sinusoids assisted Empirical Mode Decomposition) 20. EWT(经验小波变换,Empirical Wavelet Transform) 21. DWT(离散小波变换,Discraete wavelet transform) 22. TDD(时域分解,Time Domain Decomposition) 23. MODWT(最大重叠离散小波变换,Maximal Overlap Discrete Wavelet Transform) 24. MEMD(多元经验模态分解,Multivariate Empirical Mode Decomposition) 25. MVMD(多元变分模态分解,Multivariate Variational Mode Decomposition)
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值