Summary
生命表允许定量的来源和死亡率的昆虫种群, 有助于理解, 预测和操纵人口动态在生态。本文介绍了在无梗幼生物期的昆虫田间 cohort-based 生命表的传导和分析方法。
Abstract
生命表提供了一种方法来测量随着时间的推移人口出生和死亡的时间表。它们还可用于量化人口死亡率的来源和比率, 在生态学中有各种应用, 包括农业生态系统。水平, 或 cohort-based, 生命表提供了最直接和准确的量化关键人口率的方法, 因为他们跟随一群人从出生到死亡的人口。在这里, 我们提出的协议, 以进行和分析 cohort-based 生命表的领域, 利用无梗性质的不成熟生命阶段的全球害虫, 烟粉虱。个体昆虫位于棉叶的底面上, 通过用无毒的钢笔在昆虫周围画一个小圆圈来标记。随着时间的推移, 这种昆虫可以被反复观察, 用手部镜片来测量从一个阶段到下一个时期的发展, 并确定与自然和引入的死亡力量相关的特定阶段死亡原因。分析解释了如何正确地测量在每个阶段同时的多重死亡力量, 以及如何使用这些数据来提供有意义的人口动态指标。该方法不直接考虑成人的生存和繁殖, 从而限制了对未成熟阶段动力学的推断。一个例子是, 侧重于测量的影响, 自下而上 (植物质量) 和自上而下 (天敌) 影响的死亡率动态的B. 虱粉在棉花系统。
Introduction
生命表是一个在生态学中具有悠久历史的常用工具1,2。生命表实质上是一个时间内的人口出生率和死亡率的时间表, 这些数据可以用来量化一些重要的参数来理解和预测人口动态。生命表还可能提供有关死亡原因的信息, 这些因素对于了解营养相互作用以及制定农业和自然系统中害虫管理的控制策略都很重要。已经为昆虫搭建了许多实地的生命表3,4,5, 分析为许多管理和预测昆虫种群的动态、调控和预报提供了重要的洞察力。自然系统6,7,8,9,10,11,12,13,14."生命表" 一词也经常用于描述基于实验室的研究, 主要是检查出生和死亡的时间表, 但在人工条件下, 不会使昆虫暴露在自然死亡的力量和现实环境变量中。一般来说, 实验室研究的目的是估计一个物种的相对生物潜能。这里描述的方法的重点是针对基于字段的调查, 它定义了与环境相关的实现潜力。
生命表可以被描述为水平, 在这种情况下, 一个真正的平等年龄的人从他们的生命开始, 直到死亡, 或垂直, 经常样本是通过时间的人口与假设稳定的年龄结构然后从数学构造的队列中推断出生命率2,15。可以部署的生命表的类型取决于昆虫的性质。水平寿命表通常可以开发为 univoltine (每年一代) 昆虫, 而这种方法可能是非常具有挑战性的性昆虫与多和广泛重叠的世代每年。已经提出了许多分析方法, 并用于开发昆虫种群的垂直生命表 (参见伍德2 )。这里展示的方法允许开发 cohort-based, 水平的生活表在领域为性昆虫以具体生活历史特征, 特别是, 存在无梗生命阶段。对棉花主要害虫的模型体系进行了研究。
虱, 烟粉虱型 B (= 烟 argentifolii, 中东-亚洲小 116) 是一种全球农业害虫, 对许多农艺和园艺作物的产量和质量产生负面影响, 包括温带地区的农业保护系统17。影响发生的原因是韧皮部喂养扰乱了养分流动, 若虫喂养造成的不明病因失调, 许多植物病毒的传播和作物质量的影响由于甘露的沉积18,19.昆虫有一个宽广的寄主范围并且是性的, 有多达12-13 世代每年根据区域和可利用的食物资源20。管理方面的挑战也因其高的生殖潜力、其在农业系统内和之间的分散和迁移能力、缺乏静止阶段 (滞育或夏眠) 及其对迅速发展抗药性的处置而加剧。用于用于抑制21,22的杀虫剂。
在制定病虫害综合防治战略以有效和经济地管理受影响作物的害虫种群方面取得了相当大的进展23,24,25。这些管理系统是基于对B. 虱粉的种群动态的基本理解, 而生命表是使这一理解得以实现的关键技术。在亚利桑那州, 生命表允许在多个作物系统中对B. 虱粉的重要死亡率进行估计和识别1326, 使死亡率动态的测量相对于管理策略, 包括杀虫剂的非靶标效应14, 提供了一种估计潜在的功能非靶标的方法转基因棉生产杀虫蛋白的效果27, 支持严格评估一个经典的生物控制程序28 (纳兰霍, 未发布的数据), 并帮助探索自上而下和自下而上的效果对害虫动态的比较效果29。所有这些应用程序都部署了此处描述的方法。该方法可用于研究一些自然和管理系统中的昆虫种群生态学。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
注意: 下面描述的技术被认为是部分生命表, 因为它们没有明确包括成人阶段的复制或死亡。"队列" 一词等同于 "世代", 因为它从卵子到成人阶段的死亡率.
1. 建立字段站点
- 一旦出现昆虫, 就在作物生长的任何时候进行生命表。何时开始研究的选择将取决于研究的目标和目标.
- 在绘图中心附近选择两行裁剪, 以最小化周围地块或未开垦区域的边缘效果。用线旗或木桩标记每行的头, 以方便一旦作物变大, 便于搬迁.
- 从与行平行的绘图的边缘移动 3-4 m。使用一行建立卵群, 第二个建立若虫队列
2。建立卵群
- 使用8X 手透镜在棉花植株的主茎的顶部 (通常是顶部的第二或第三个节点) 附近的叶子的底部搜索新产卵.
注: B. 虱粉 的生命阶段通常垂直分布在植物树冠上, 植物顶部附近有卵, 在下面逐渐若虫阶段。这一结果是因为 1 st 龄若虫与卵在同一叶上定居, 而植物在其生长的初始产卵点上方添加叶子。- 使用更高功率的15X 透镜观察新鲜的卵, 并在使用8x 透镜标记昆虫之前验证识别。新鲜的蛋在透镜之下有明亮的白色着色并且从老的蛋站立 ( 图 1A 和 1B )。鸡蛋变暗到 tannish 的颜色, 因为它们成熟.
- 使用无毒、超细点的黑色永久性标记在鸡蛋周围画一个小圆圈。画出足够小的圆圈以最小化雌性在以后的圆圈中产卵的几率.
- 用钢锯或钻头在8X 手透镜侧面切割一个孔或槽, 以便在绘制时可以通过透镜插入和查看钢笔 ( 图 2A ).
- 如果可能的话, 在同一叶上重复此过程, 以标记其他鸡蛋, 在单个叶子上标记总共不超过四个鸡蛋, 每个叶扇区不超过一个鸡蛋。对于棉花, 叶子被分成四区段由三主要叶子静脉 ( 图 3 ).
- 在包含有标记的蛋的叶子的叶柄周围绑一个小的轻质纸板标签。根据实验设计 ( 图 2B ) 对标记进行编号并包括绘图或处理编号的符号.
- 将1米长的下垂胶带系在靠近植株顶端的主茎附近。使用弓式领带, 使磁带可以很容易地重新定位, 以保持它在现场重复访问该位置可见.
- 在便携式模拟或电子笔记本上记录叶号和位置信息 ( 表 1 )。位置信息使用叶扇区更精细地记录位置 ( 例如 , 1-1、1-2、1-4 表示在扇区1、2和4中的蛋 #1).
- 在一天中建立每个队列.
注: 在给定的地块中, 一个队列由至少50个卵总数组成。- 每个工厂只使用一张叶子来更好地分配队列中的成员.
注: 根据昆虫的密度, 这可能包括任何地方从13叶与3-4 鸡蛋每或50叶与一个鸡蛋每。个别植物被选中, 以尽可能多的行分布标记的叶子.
- 每个工厂只使用一张叶子来更好地分配队列中的成员.
3。建立若虫队列
- 使用8X 手透镜搜索新解决的 1 st 幼虫在叶子的底部大约3-5 叶子从棉花植物的主要茎的顶端下来。使用15X 透镜在使用8X 透镜标记之前验证识别.
- 使用无毒、超细的黑色永久性标记在若虫周围画一个小圆圈。画出足够小的圆圈, 以最小化一个爬虫在以后的圈子里定居的机会.
注意: 新孵出的 1 st 龄若虫被称为爬行虫, 它可以在卵孵化后的最初几个小时内移动几厘米。然后, #34; 定居和 #34; 到一个网站, 它将饲料和蜕皮, 而不会再次移动, 直到成人出现。这些被安定的 1 st 幼虫若虫 ( 图 1C ) 是独特的从爬行者。首先, 它们是静止的, 其次, 它们是2维的, 在叶子上是扁平的, 并且有稍微半透明的琥珀色。- 用钢锯或钻头在8X 手透镜侧面切割一个孔或槽, 以便在绘制时可以通过透镜插入和查看钢笔 ( 图 2A ).
- 在同一叶上重复此过程, 如有可能, 标记其他若虫, 在单个叶子上标记不超过四若虫, 每个叶扇区不超过一个若虫。对于棉花, 叶子被分成四区段由三主要叶子静脉 ( 图 3 ).
- 在带有标记的若虫的叶子的叶柄周围绑一个小的轻质纸板标签。根据实验设计 ( 图 2B ) 对标记进行编号并包括绘图或处理编号的符号.
- 将1米长的下垂胶带系在靠近植株顶端的主茎附近。使用弓式领带, 使磁带可以很容易地重新定位, 以保持它在现场重复访问该位置可见.
- 在便携式模拟或电子笔记本上记录叶号和位置信息 ( 表 1 )。位置信息使用叶扇区更精细地记录位置 ( 例如 , 1-1、1-2、1-4 表示扇区中的若虫1、2和4在叶 #1).
- 若要确保已结算的 1 st 幼虫若虫和非爬行虫被标记, 请返回每个标记的叶子, 并在初始设置后观察1-2 小时左右的标记昆虫。可能需要对已定居的若虫进行陈述.
- 在一天中建立每个队列.
注: 在一个给定的情节中的队列是由至少50若虫总数组成。每株植物只用一片叶子来更好地分配队列中的成员。根据昆虫的密度, 这可能包括任何地方从13叶与3-4 若虫每或50叶与一个若虫每。个别植物被选择分布标记的叶子沿尽可能多的行。由于 1 st 幼虫爬行阶段, 在协议2标记的蛋不是相同昆虫然后被跟随作为若虫因此, 没有测量爬虫的死亡率, 并且生命表在时间上稍有脱节, 因为通常在同一天建立卵和若虫群。研究表明, 爬行的死亡率是微不足道的, 基本上可以忽略 30 .
4。卵孵化和死亡的观察和记录
- 在8-10 维 (28-32 和 #176; C; 平均亚利桑那州夏季条件) 在建立卵群后, 收集含有标记的鸡蛋的叶子并返回实验室进行观察解剖显微镜。鸡蛋太小, 无法清楚地评估田间死亡率和死亡率的原因.
- 确定在队列中启动的卵子的死因和记录 ( 表 1 ).
注: 死亡的特征是变位、捕食或 inviability。变位: 由于天气事件 (风, 吹尘, 雨) 或咀嚼捕食, 鸡蛋是缺掉的。捕食: 吸吮捕食者留下一个折叠的绒毛膜 ( 图 4K )。孵出的卵可能会出现塌陷, 但卵绒毛膜会有垂直的缝隙。用30-minuten-takt 针在显微镜下的叶子上逗绒毛膜, 寻找这个狭缝。Inviability: 卵在 8-10 d 期后无法孵化, 是深色棕褐色。在亚利桑那夏天情况下 (28-32 和 #176; C) 蛋通常在5-7 天内孵化。这可能在其他区域有所不同, 在收集时间内可能需要从该字段进行调整.
5。若虫发育和死亡的观察和记录
- 在队列建立后一到两天, 使用15X 透镜来评估若虫的发育情况, 并在死亡时指定死亡原因。每星期至少做三次观察 (每隔一天).
- 使用相对大小 ( 图 1C -g ) 和建立后的时间来评估龄期.
注: 有四若虫龄和发展是快速的在亚利桑那夏天情况 (28-32 和 #176; C) 与前三个阶段的每一个持续大约 2 d 和最后阶段持久的 3-5 d (共计若虫发展2星期或更少)。新的观察者应该通过观察在实验室里饲养的昆虫或在寄主植物上的温室来了解幼虫的大小。相对于全身大小而言, bacteriosomes (共生虱) 腹部的相对体积是若虫幼虫的有用指标 ( 图 1C -g )。新蟾的若虫是非常平坦和半透明的。若虫准备蜕皮更肿胀, 圆顶的轮廓, 和不透明的外观. - 确定若虫死亡原因并记录在队列设置中启动的笔记本 ( 表 1 ).
注: 死亡的特点是变位, 寄生, 捕食或未知依赖于幼虫 ( 图 4 )。变位: 任何阶段的若虫由于天气事件 (风、吹尘、雨) 或咀嚼掠夺而失踪。估计被逐出的若虫的阶段作为死亡和活若虫的平均阶段在某一观察日期。寄生: 仅可观察在 4 th 幼虫若虫。配对的淡黄 bacterisomes 由开发的寄生蜂幼虫偏移 ( 图 4A );幼虫阶段有时是可见的 ( 图 4C )。寄生蜂的蛹阶段是独特的和属特定的 ( 图 4B , 4D )。捕食: 吸吮捕食者将疏散若虫的内容, 并留下一个倒下的尸体 ( 图 4G -4I )。很少, 咀嚼捕食者可能留下证据 ( 图 4J )。未知: 死亡不能归因于上述原因之一。在潮湿的环境中, 真菌病可能是另一种死亡原因。这个类别也可能包括由寄生蜂宿主喂养杀死的若虫。幸存的若虫出现在成人留下一个独特的 t 形插槽在人体 ( 图 1H )
- 使用相对大小 ( 图 1C -g ) 和建立后的时间来评估龄期.
- 记录开发阶段 (如果还活着) 和导致死亡和阶段在笔记本中启动的队列建立 ( 表 1 ).
- 一旦所有的若虫在一片叶子上被观察, 要么死亡, 要么成为成年虱, 收集树叶并返回实验室。使用解剖显微镜的更高放大倍数, 确认在现场所注意到的死因是准确的, 并作出任何更正.
注: 并非每 non-dislodged 死虫在典型的两周观察期内都将保留在叶子上, 因此无法进行一些验证.
6。数据摘要和分析
- 查阅可用的资源以帮助构建生命表从收集的数据 2 、 8 、 11 , 31 。一个示例生命表显示为表 2.
注意: 健壮的生命表分析要求在时间和/或不同站点上进行多个独立的生命表。对于像 B. 虱粉 这样的性昆虫, 这可能是一个单一季节和/或多个季节和地点的多个生命表。- 估计实际死亡率 ( d x /l 0 ) 根据在世代初建立的昆虫的数量.
真正的死亡率 = ( d x /l 0 )
, 其中 d x 是在阶段中死亡的数字 x 和 l 0 是世代开始时的昆虫数量。这些死亡率是累加的, 而 d x 的总和在各个阶段估计了生成的总死亡率 ( 表 2 ). - 估计在一个阶段 ( q x ) 内的明显死亡率基于在特定阶段开始时活着的昆虫数量 (表 2)。在阶段特定的 q x 中评估特定于阶段的 q x 或因子。这些速率仅在一个阶段内是累加的.
- 使用公式确定边际死亡率:
M B = d b /( 1 维 )
其中 M b 是死亡率因子的边际率 b, d b 是从因子的明显死亡率 B 和 d 是可战胜因子 B 13 、 32 ( 表 3 ) 的所有死亡因素的明显死亡率总和.
注意: 对于像虱和许多其他昆虫一样的无梗昆虫, 在特定生命阶段中死亡的多重原因是不连续的。相反, 他们采取行动同时, 因此, 需要估计边际率, 以准确估计特定阶段的死亡率从任何一个原因 32 , 34 。例如, 寄生蜂可能攻击虱若虫。寄生蜂卵可能孵化, 幼虫可能在寄主中发育。这项活动, 最初无症状的观察员, 做, 或将最有可能杀死宿主昆虫, 应归功于死亡的原因。但在某些情况下, 捕食者可能会攻击同样的若虫, 或者若虫可能会从叶中脱落, 导致观察者注意到死亡的原因是捕食或变位。边际死亡率校正。- 将边际阶段特定的速率转换为 k 值 35 为 k =- ln (1- M ), 其中 ln/em>> 是自然对数和 M 是边际死亡率的利息。k 值是加法, 并且这简化进一步分析。k 值可以被转换成比例的死亡率 1- e [-k] 。
- 估计不可替代的死亡率为 [1- e (-谈谈) ]-[1- e (-{谈谈-kvalue i ) ]。 注: 如果移除某一特定死亡因素, 这将使总世代死亡率的一部分无法实现。例如, 如果因为杀虫剂喷洒而去除了捕食或寄生, 那么世代死亡率可能会损失多少？无可替代的死亡率估计以这种方式假定没有密度依赖性在死亡率.
- 关键因素
- 使用简单的图形分析来绘制任何一个阶段的 k 值, 或在一个阶段中的任何一个死亡率因子 (或一个死亡率因子) 与整个代的总 k 值 (总计 k = 所有单个 k 值的总和).
注: 最接近总 K 型的死亡因素是最重要的因素, 是造成世代死亡率变化最主要的因素 35 。一个更定量的方法退步单个 k 值的总 k, 并确定的关键因素, 作为一个最大的斜率值 3 .
- 使用简单的图形分析来绘制任何一个阶段的 k 值, 或在一个阶段中的任何一个死亡率因子 (或一个死亡率因子) 与整个代的总 k 值 (总计 k = 所有单个 k 值的总和).
- 通过对昆虫种群密度的自然对数的兴趣系数进行回归来测试密度依赖性 ( 例如 13 )。一个显著的正斜率表明了直接密度依赖性和负斜率逆依赖.
注: 关于成人生存和生殖的附加生命表信息, 许多附加参数 ( 例如 、生成时间、净繁殖率、瞬时增长率、给定阶段的预期寿命、 等 ) 和分析 (矩阵模型和弹性分析 36 , 37 可以进行.
- 估计实际死亡率 ( d x /l 0 ) 根据在世代初建立的昆虫的数量.
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
表 2中提供了一个队列示例, 以显示生命表结果的典型表示和计算。最有用的数据是在每个阶段的每个因素的边际死亡率中捕获的。通过将这些比率换算成 k 值 (议定书6节), 所有各阶段的特定阶段死亡率和所有因素的具体死亡率都可以很容易地估计出来, 就像总世代死亡率一样。这也促进了不可替代的死亡率、关键因素和密度依赖性分析。
Asiimwe et al.的研究显示了代表性的结果29. 这项研究使用生命表来衡量棉花系统中自下而上 (植物质量) 和自上而下 (天敌影响) 对死亡的影响的比较结果. 三年的复制 (n = 4) 分裂阴谋研究使用了三个灌溉频率 (20, 40 和60% 的土壤水分枯竭代表湿, 正常和干燥的条件) 作为主要地块和两级自然敌人操纵 (不和扰乱重复使用 broad-spectrum 杀虫剂) 作为分裂的情节。选用的杀虫剂对害虫无影响, 对棉花天敌群落有广泛的负面影响。在每一个实验地块上, 每年有三代人的生命表在三年的研究中总共进行了36。任何因素的边际或无可替代的死亡率每年都有很大差异, 因此在三年间汇集了结果。此外, 由于植物质量操纵而导致的死亡率和模式没有差异, 因此作为输出的一个例子, 只有自上而下的操作汇集在所有植物质量处理中的结果显示在图 5中。在应用杀虫剂时, 吸吮捕食者的边际捕食率明显下降, 这表明该系统的顶向下控制的影响。寄生率下降了数值, 但变化没有统计学意义。随着杀虫剂的应用, 卵 inviability 率略有增加。
无可替代死亡率的模式与边际率相似 (图 6)。当天敌没有被杀虫剂扰乱时, 捕食提供了最高水平的无可替代的死亡率, 这一水平明显下降与中断。寄生提供了低水平的不可替代的死亡率, 并再次有数字下降, 由于杀虫剂, 但变化没有统计学意义。变位和卵 inviability 因杀虫剂的破坏而增加。
使用瓦利和 Gradwell (1960)35的图形方法进行关键因素分析的示例如图 7所示。在这三年的研究中, 四复制地块的结果被合并成总共9人。对各个生命阶段的各种死亡率因子的个体 k 值与该世代总死亡率的比较表明, 捕食最接近于总死亡率的模式, 其次是变位和寄生。关键因子回归方法3定量地证实了这些视觉观察, 其最高斜率值与捕食有关。因此, 捕食与世代死亡率的变化密切相关。
最后, 一个密度依赖性分析的例子在图 8中显示了与自然敌人相关的两个主要死亡来源。再一次, 在三年中, 四复制地块被合并成总共9代人。这两种关系都显示出一种直接密度依赖性的模式, 这表明死亡率随着密度的增加而增加, 但是这种关系在寄生蜂的死亡率上只有统计学意义。
图 1: 活体未成熟的例子B. 粉虱生命阶段。() 新产卵.(B) 较旧的鸡蛋呈琥珀色。(C) 1st龄若虫。(D) 2nd若虫。(E) 3rd若虫。(F) 4th若虫。(G) 晚 4th幼虫有时称为 "蛹" 或 "red-eyed 若虫"。(H) 在成人出现后人体。请单击此处查看此图的较大版本.
图 2: 用于设置生命表队列的工具的示例.(A) 较大的8X 透镜用于定位和标记新孵出的卵或新近定居的 1st龄若虫。注意8x 透镜侧面的插槽, 允许插入笔, 以便观察者可以在通过透镜的同时观看昆虫周围的小圆圈。(B) 一个标记的叶子的例子, 显示有标记的若虫 (用箭头表示)。请单击此处查看此图的较大版本.
图 3: 棉花叶的下侧.三主要的叶脉被用来划定四扇区的叶子, 以方便将昆虫在重复观察间隔, 以评估发展和死亡率的卵和若虫的同伙。请单击此处查看此图的较大版本.
图 4: 未成熟的B. 虱的例子由各种各样的起因杀害.(A) 第四龄若虫寄生的证据。注意如何配对的黄色 bacteriosomes 已被转移到周长, 表明存在一个发展中的寄生蜂幼虫。(B) 蛹阶段蚜 sophia, 一个介绍了寄生蜂的B. 虱粉,在一个4的th的幼虫尸体。注意在这寄生蜂属特征的尸体边缘的褐色 meconia (粪丸)。(C) En 索非亚的幼虫, 发育在 4th虱若虫内。(D) 蛹在 4日龄尸体中引入Eretmocerus sp (埃塞俄比亚) 的阶段。(E) 从En. 索菲亚在 4th虱尸体上出现孔。这在队列中永远不会出现, 因为寄生蜂的发展比虱的发展要长, 而队列将在寄生蜂出现之前结束。(F) 寄生蜂在一个 4th的幼虫中喂养宿主, 其中宿主器官仍基本完好, 但尸体略有塌陷, 有时变色。注意尸体上的 bacteriosomes 和微弱的眼睛斑点的保留。(G-I)第四龄若虫捕食捕食者。部分或完全地被疏散的尸体遗骸的在叶子。在 G, 从掠食的绿色蛉幼虫的入口创伤是可看见的。(J) 罕见的例子, 一个4的th幼虫部分被咀嚼捕食者吃掉。最常见的是整个若虫从叶子上移除。(I) 被吸吮捕食者 (毗邻叶毛) 捕食的卵。(L-n)分别捕食 1st、2nd和 3rd的若虫。请单击此处查看此图的较大版本.
图 5: 棉花中的B. 虱粉的边际死亡率.由于 broad-spectrum 杀虫剂的应用, 由多个因素造成的边际死亡率的比较, 由自然敌人自上而下的控制被破坏了,29。对于地块 (n = 36; 9 个群复制4次), 方框内的线是中位数, 方框表示 25 th和 75th分, 胡须代表 10th和 90 th 分和点描述 5th和 95th分。在使用杀虫剂时, 吸吮掠食者捕食的边际率显著下降。寄生率下降了数值, 但变化没有统计学意义。随着杀虫剂的应用, 卵 inviability 率略有增加。修改自 Asiimwe et al. 201629 请单击此处查看此图的较大版本.
图 6: 棉花中的B. 虱粉的不可替代的死亡率.broad-spectrum 杀虫剂的应用破坏了由多个因素造成的无可替代死亡率的对比率29。无可替代的死亡率估计, 如果有关因素缺席, 将不会发生世代死亡率的一部分。对于地块, 方框内的线是中位数, 方框表示 25th和 75th分, 胡须代表 10 th 和 90 th分和点描述 5th和 95th分。当天敌没有被杀虫剂破坏时, 捕食提供了最高水平的不可替代的死亡率, 但这一水平下降显着喷雾。无可替代的死亡率是由寄生提供的, 它们没有随杀虫剂的使用而改变。修改自 Asiimwe et al. 201629 请单击此处查看此图的较大版本.
图 7: 棉花中B. 虱的关键因子分析的种群.关键因素分析试图找出与世代死亡率变化最密切联系的因素。该方法使用 k 值, 估计为-ln(1-mi), 其中ln是自然日志, Mi 是因子i的边际死亡率。k-总和是所有死亡率因子 k 值的总和, 代表了这一代人的总死亡率。9代以上的人所显示的模式与特定的死亡因素 (这里总结了所有生命阶段) 相比较。最接近 K 的因素是关键因素。更定量的方法是在 k-总计3上回归单个 k 值。斜率值最高的因子 (在括号中) 是关键因素。在这里, 捕食被确定为关键因素。请单击此处查看此图的较大版本.
图 8: 对死亡率因素的密度依赖性测试.时间密度依赖性可以通过对特定死亡因子的 k 值进行回归测试, 从而影响生命阶段的 ln 密度。一个统计学上显著的正斜率表示直接密度依赖性或增加的死亡率随着昆虫密度的增加。负斜率表示反密度依赖性。在这里的例子中, 直接密度依赖性是支持若虫寄生, 但不捕食若虫。请单击此处查看此图的较大版本.
表 1: 带到字段的数据表示例记录生命表的观察.下表显示了数据在字段中的记录方式的示例。每只被跟踪的昆虫要么在观察时活着, 要么死于几个原因之一。当观测完成后, 就可以方便地把以前死掉的昆虫的线弄黑了。给出了两个假设观测日期的数据。请单击此处下载此表.
| 实际死亡率 | 明显的死亡率 | 边际死亡率 | k 值 | |||||||
表 2: 美国亚利桑那州马里科帕的一个烟粉虱的棉花种群的示例生命表.下表显示了在生命表中通常估计的标准值。lx 是在每个生命阶段开始时活着的昆虫的数量 (按约定结果从1000开始正常化), 阶段dx 是在每个阶段间隔期间死亡的数字, 而因子dx指示在每个阶段中由给定原因死亡的数字。阶段或因素qx 估计在特定阶段发生的死亡率, 是根据在该阶段开始时活着的昆虫的数量计算的。表观因子qx 值用于估计每个因素造成的边际死亡率 (参见协议6.2.3 和表 3)。真正的死亡率给每个阶段的死亡率和每个因素相对于在队列开始时活着的昆虫数量 (这里 1000)。世代死亡率可以通过实际死亡率的总和或边际死亡率的 k 值之和来估计。不同之处在于, 边际利率是近似的32。通常, 平均错误率为 0.07%13。
| 边际利率 (M B) | 表观率 (d B) | 明显速率 (d A) | 阶段 |
| Inviability | Inviability | 捕食 + 变位 |
表 3: 用于估计烟粉虱种群的边际死亡率的矩阵.该系统的死亡率因素不按顺序执行, 但同时, 因此需要特殊技术来估计阶段特定死亡率的边际率。公式为Mb = db/(1 维A), 其中, Mb 是死亡率因子的边际率b, db 是从因子b和d 中观察到的死亡率是对可战胜因子B的所有死亡因素求和的观察到的死亡率。该表显示了哪些明显的 (观察) 死亡率是必要的, 以估计一个特定的死亡率因子的边际率。Aphelinid 寄生蜂能够攻击所有的若虫阶段的B. 粉虱38,39,40, 但在田间寄生的证据只能在第四龄若虫中可靠地看到。为了充分考虑所有若虫阶段的捕食和变位的同时竞争, 对边缘寄生的dA 估计为所有若虫阶段的明显捕食和取出总和。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
通常情况下, 性昆虫的生命表的发展被限制在一个垂直的方法, 即人口被反复取样, 然后使用各种图形和数学技术来评估各个阶段的招聘情况, 并根据不同生命阶段的密度变化推断死亡率2。这种方法的优点是, 它通过将一群不动的等龄昆虫从一个种群中隔离出来, 然后随着时间的推移而跟随他们的命运, 来导航这个限制。死亡率可以直接估计, 同样重要的是, 可以确定这种死亡率的代理人, 至少在广泛的类别 (例如, 吸吮捕食, 变位)。
这些广泛的死亡类别是相对容易区分的领域与15X 镜头, 但具体的死因是不确定的。进一步划定的特定吸吮捕食物种或具体原因的变位是可能的。纳兰霍和埃尔斯沃思13使用多重回归来识别与特定阶段捕食率相关的捕食物种, 以及各种咀嚼捕食物种和天气参数 (降雨量、风速) 与速率的关联特定阶段的变位。这个未知的类别可能捕获了几个潜在的死亡来源。例如, 许多种类的 aphelinid 寄生性天敌是已知的主机饲料41,42。这种喂养导致宿主死亡, 但与捕食的情况不同 (比较图 4F到4 g-4 i)。在许多年的生命表中, 我们从来没有观察到寄生于寄生蜂的若虫, 但这在其他系统中可能有所不同, 可能是一个单独的死亡来源, 可以量化。
该协议中的关键步骤包括准确鉴定新产卵和新定居的 1st龄若虫。如果上述两个阶段的老年人都被标记, 那么所产生的死亡率将被审查, 因此, 不那么准确。在队列建立后反复观察的准确性和一致性也很重要。有时研究的规模需要多观察者来完成这项研究。在纳兰霍和埃尔斯沃思的研究中13,14有四主要观察者, 他们各自负责实验的一个复制块。在统计分析中, 观察者之间的差异是通过区块变化来解释的。观察员还定期为减少对阶段发展和死亡原因的解释方面的个人差异作出了安排。在其他研究中, 单个个体做了所有的观察29, 从而减少了基于观测器的不一致性。同样重要的是, 要在相当狭窄的时间窗口内建立这些群体, 以便在随后的观测日期中确定特定的种群。根据研究的范围, 有可能错开队列启动, 但随后需要仔细规划, 以确保随之而来的发展和死亡率的观测按类似的时间间隔进行, 特别是在发展迅速的情况下,就像这里所研究的物种一样
该方法的一个明显的限制是, 它不包括复制和死亡率的移动成人阶段。一些捕食者可能会捕食成虫B. 粉虱43,44,45 , 可能是此方法未捕获的重要死亡来源。生殖对于理解一个物种的总体种群动态也是至关重要的。可以将实验室生成的有关温度依赖性成人生殖和生存的信息与未成熟阶段的基于现场的生命表数据结合在一起13, 但尚不清楚这些实验室数据是如何表现变场环境下的生殖过程。随着虱种群动态的同期测量和模型, 这些生命表的结果可以用来推断有关成人移民和移民的13。另一个限制是, 在昆虫的爬行阶段的死亡率没有测量。支持研究表明, 在持续时间内, 爬网程序阶段非常短46,47 , 而死亡率是微不足道的30。第三个限制是, 队列中的昆虫都位于植物顶部附近。某些死亡因素 (捕食、寄生、变位) 可能因与树冠的位置不同而有所不同。例如, 某些捕食者或寄生动物可能有特定的微气候偏好, 而变位的力量, 如风和雨, 在树冠下可能不那么严重。通过简单地改变队列中有标记的昆虫的分布可以很容易地克服这个限制。其他的限制值得进一步研究和发展, 以实现更完整的生命表。类似的限制可能会影响其他具有类似生活方式和行为的昆虫物种。
额外的限制涉及这里描述的一些分析方法。当关键因素分析被广泛应用于生命表分析12时, 它被批评为一种不适当的方法来定义驱动人口动态的随机机制48。然而, 与其他分析结合起来, 它可以揭示影响昆虫种群的重要生命阶段和死亡力量13。密度依赖性分析也受到了方法论和生态学方面的质疑, 而直接密度依赖性有时与人口管制有关, 关于如何最好地衡量和示范效果的辩论仍在继续,4 ,31,49,50,51。最后, 无可替代的死亡率分析是一个数学结构, 很难确切知道同期死亡率将如何相互作用, 并补偿任何可能被消除的因素2,11。这里提出的方法假定在死亡率上没有密度依赖性。
该领域的协议是灵活的, 可以适用于许多情况下, 并在许多不同的作物以外的棉花, 只要昆虫阶段的利益是无梗26。它可以用于简单地描述昆虫种群的死亡来源和死亡率, 也可以用于实验环境以评估大量因素对种群死亡率的影响31,36.一般的分析方法都有广泛的应用, 尽管关键因素的限制, 密度依赖性和不可替代的死亡率分析已经指出。通过应用矩阵模型和他们允许的丰富的解释工具, 将成人生殖和生存纳入其中将开辟更多的分析和理解渠道。例如, 一个完整的生命表将使弹性分析的应用, 一个稳健的方法, 以确定哪些生命阶段贡献最大的人口增长36,52。这可以使人们更基本地了解一个物种的种群动态, 也有助于确定哪些生命阶段可能是最有利可图的控制措施, 如生物控制37。此类分析应用于B. 粉虱能(d) 在受影响的耕作制度中作出更有力的管理战略。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者没有什么可透露的。
Acknowledgments
我们感谢 d. 阿什顿, 五. 巴克利、k Beimfohr、f Bojorquez、j 坎特雷尔、g. 卡斯特罗、r. 费恩、Jara、米德、欧文斯、l. Rodarte、d. Sieglaff、Sonoqui、m. Stefanek、b. 斯图尔特、j Trejo、a. 斯莱德和 e. Yescas 技术援助。部分支持是由美国农业部-农业研究局, 美国农业部-国家食品和农业推广 IPM 计划和害虫管理替代方案的特殊项目, 棉花注册, 亚利桑那州棉花种植者协会, 棉花基金会, 美国农业部-人大, NAPIAP (西部地区), 和西部地区 IPM 的特殊项目。
Materials
| Name | Company | Catalog Number | Comments |
| Flagging tape | Gempler, Janesville, Wisconsin USA | 52273 | Five colors |
| Manila merchandise tags | American Tag Company, Pico Rivera, California USA | 12-104 | |
| Ultra fine point marker | Sanford, Bellwood, Illinois, USA | 451898 | Available at Office Max, Amazon |
| Peak Loupe 8X | Adorama, New York, NY USA | 2018 | |
| Peak Loupe 15X | Adorama, New York, NY USA | 19621 |
References
- Deevey, E. S. Life tables for natural populations of animals. Quart. Rev. Biol. 22, 283-314 (1947).
- Southwood, T. R. E. Ecological Methods. , 2nd Ed, Chapman and Hall. (1978).
- Podoler, H., Rogers, D. A new method for the identification of key factors from life-table data. J Anim Ecol. 44, 85-114 (1975).
- Stiling, P. Density-dependent processes and key factors in insect populations. J Anim Ecol. 57, 581-593 (1988).
- Cornell, H. V., Hawkins, B. A. Survival patterns and mortality sources of herbivorous insects: some demographic trends. Am Nat. 145, 563-593 (1995).
- Morris, R. F. The interpretation of mortality data in studies on population dynamics. Can Entomol. 89, 49-69 (1957).
- Morris, R. F. Single-factor analysis in population dynamics. Ecology. 40, 580-588 (1959).
- Varley, G. C., Gradwell, G. R., Hassell, M. P. Insect Population Ecology: An Analytical Approach. , Blackwell Sci. Pub. London. 212 (1973).
- Southwood, T. R. E., Reader, P. M. Population census data and key factor analysis for the viburnum whitefly, Aleurotrachelus jelinekii, on three bushes. J Anim Ecol. 45, 313-325 (1976).
- Royama, T. Fundamental concepts and methodologies for the analysis of animal population dynamics, with particular reference to univoltine speices. Ecol Monogr. 51, 473-493 (1981).
- Carey, J. R. The multiple decrement life table: a unifying framework for cause-of-death analysis in ecology. Oecologia. 78, 131-137 (1989).
- Hawkins, B. A., Mills, N. J., Jervis, M. A., Price, P. W. Is the biological control of insects a natural phenomenon? Oikos. 86, 493-506 (1999).
- Naranjo, S. E., Ellsworth, P. C. Mortality dynamics and population regulation in Bemisia tabaci. Entomol Exp Appl. 116, 93-108 (2005).
- Naranjo, S. E., Ellsworth, P. C. The contribution of conservation biological control to integrated control of Bemisia tabaci in cotton. Biol Control. 51, 458-470 (2009).
- Applied Demography for Biologist: With Special Emphasis on Insects. Carey, J. R. , Oxford, NY. (1993).
- Dinsdale, A., Cook, L., Riginos, C., Buckley, Y. M., De Barro, P. Refined global analysis of Bemisia tabaci (Hemiptera: Sternorrhyncha: Aleyrodoidea: Aleyrodidae) Mitochondrial cytochrome oxidase 1 to identify species level genetic boundaries. Ann Entomol Soc Am. 103, 196-208 (2010).
- Oliveira, M. R. V., Henneberry, T. J., Anderson, P. History, current status, and collaborative research projects for Bemisia tabaci. Crop Protect. 20, 709-723 (2001).
- Jones, D. R. Plant viruses transmitted by whiteflies. Eur J Plant Pathol. 109, 195-219 (2003).
- United States Department of Agriculture, Agricultural Research Service. Sticky Cotton - Causes, Impacts and Prevention. Hequet, E. F., Henneberry, T. J., Nichols, R. L. , Technical Bulletin No. 1915 (2007).
- Palumbo, J. C., Horowitz, A. R., Prabhaker, N. Insecticidal control and resistance management for Bemisia tabaci. Crop Protect. 20, 739-765 (2001).
- Horowitz, A. R., Kontsedalov, S., Khasdan, V., Ishaaya, I. Biotypes B and Q of Bemisia tabaci and their relevance to neonicotinoid and pyriproxyfen resistance. Arch Insect Biochem Physiol. 58, 216-225 (2005).
- Nauen, R., Denholm, I. Resistance of insect pests to neonicotinoid insecticides: current status and future prospects. Arch Insect Biochem Physiol. 58, 200-215 (2005).
- Naranjo, S. E., Ellsworth, P. C. Fifty years of the integrated control concept: moving the model and implementation forward in Arizona. Pest Manage Sci. 65, 1267-1286 (2009).
- Palumbo, J. C., Castle, S. J. IPM for fresh-market lettuce production in the desert southwest: the produce paradox. Pest Manage Sci. 65, 1311-1320 (2009).
- Ellsworth, P. C., Martinez-Carrillo, J. L. IPM for Bemisia tabaci: a case study from North America. Crop Protect. 20, 853-869 (2001).
- Naranjo, S. E., Ellsworth, P. C., Cañas, L. Mortality and populations dynamics of Bemisia tabaci within a multi-crop system. , USDA Forest Service (2009).
- Naranjo, S. E. Long-term assessment of the effects of transgenic Bt cotton on the function of the natural enemy community. Environ Entomol. 34, 1211-1223 (2005).
- Naranjo, S. E. Establishment and impact of exotic Aphelinid parasitoids in Arizona: A life table approach. J Insect Sci. 8, 36 (2008).
- Asiimwe, P., Ellsworth, P. C., Naranjo, S. E. Natural enemy impacts on Bemisia tabaci (MEAM1) dominate plant quality effects in the cotton system. Ecol Entomol. 41, 642-652 (2016).
- Naranjo, S. E. Survival and movement of Bemisia tabaci (Homoptera: Aleyrodidae) crawlers on cotton. Southwest Entomol. 32, 17-23 (2007).
- Bellows, T. S., Van Driesche, R. G., Elkinton, J. S. Life-table construction and analysis in the evaluation of natural enemies. Annu Rev Entomol. 37, 587-614 (1992).
- Buonaccorsi, J. P., Elkinton, J. S. Estimation of contemporaneous mortality factors. Res Popul Ecol. 32, 151-171 (1990).
- Royama, T. Evaluation of mortality factors in insect life table analysis. Ecol Monogr. 51, 495-505 (1981).
- Elkinton, J. S., Buonaccorsi, J. P., Bellows, T. S., Van Driesche, R. G. Marginal attack rate, k-values and density dependence in the analysis of contemporaneous mortality factors. Res. Pop. Ecol. 34, 29-44 (1992).
- Varley, G. C., Gradwell, G. R. Key factors in population studies. J Anim Ecol. 29, 399-401 (1960).
- Caswell, H. Matrix population models. , 2nd ed, Sinauer Associates, Inc. Publishers. (2001).
- Mills, N. J. Selecting effective parasitoids for biological control introductions: Codling moth as a case study. Biol Control. 34, 274-282 (2005).
- Foltyn, S., Gerling, D. The parasitoids of the aleyrodid Bemisia tabaci in Israel: development, host preference and discrimination of the aphelinid wasp Eretmocerus mundus. Entomol Exp Appl. 38, 255-260 (1985).
- Headrick, D. H., Bellows, T. S., Perring, T. M. Behaviors of female Eretmocerus sp nr californicus (Hymenoptera: Aphelinidae) attacking Bemisia argentifolii (Homoptera: Aleyrodidae) on sweet potato. Environ Entomol. 24, 412-422 (1995).
- Liu, T. X., Stansly, P. A. Oviposition, development, and survivorship of Encarsia pergandiella (Hymenoptera: Aphelinidae) in four instars of Bemisia argentifolii (Homoptera: Aleyrodidae). Ann Entomol Soc Am. 89, 96-102 (1996).
- Ardeh, M. J., deJong, P. W., vanLenteren, J. C. Selection of Bemisia nymphal stages for oviposition or feeding, and host-handling times of arrhenotokous and thelytokous Eretmocerus mundus and arrhenotokous E-eremicus. BioControl. 50, 449-463 (2005).
- Zang, L. S., Liu, T. X. Host-feeding of three parasitoid species on Bemisia tabaci biotype B and implications for whitefly biological control. Entomol Exp Appl. 127, 55-63 (2008).
- Hagler, J. R., Naranjo, S. E. Determining the frequency of heteropteran predation on sweetpotato whitefly and pink bollworm using multiple ELISAs. Entomol Exp Appl. 72, 63-70 (1994).
- Hagler, J. R., Naranjo, S. E. Qualitative survey of two Coleopteran predators of Bemisia tabaci (Homoptera, Aleyrodidae) and Pectinophora gossypiella (Lepidoptera, Gelechiidae) using a multiple prey gut content ELISA. Environ Entomol. 23, 193-197 (1994).
- Hagler, J. R., Jackson, C. G., Isaacs, R., Machtley, S. A. Foraging behavior and prey interactions by a guild of predators on various lifestages of Bemisia tabaci. J Insect Sci. 4, (2004).
- Price, J. F., Taborsky, D. Movement of immature Bemisia tabaci (Homoptera, Aleyrodidae) on poinsettia leaves. Florida Entomol. 75, 151-153 (1992).
- Simmons, A. M. Settling of crawlers of Bemisia tabaci (Homoptera : Aleyrodidae) on five vegetable hosts. Ann Entomol Soc Am. 95, 464-468 (2002).
- Royama, T. A fundamental problem in key factor analysis. Ecology. 77, 87-93 (1996).
- Stiling, P., Throckmorton, A., Silvanima, J., Strong, D. R. Does spatial scale affect the incidence of density dependence - A field test with insect parasitoids. Ecology. 72, 2143-2154 (1991).
- Hassell, M., Latto, J., May, R. Seeing the wood for the trees: detecting density dependence from existing life table studies. J Anim Ecol. 58, 883-892 (1989).
- Berryman, A. A. Population regulation, emergent properties, and a requiem for density dependence. Oikos. 99, 600-606 (2002).
- Sibly, R. M., Smith, R. H. Identifying key factors using lambda contribution analysis. J Anim Ecol. 67, 17-24 (1998).
