Dynamika populacji szkodników

Dynamika populacji szkodników owadzich jest przedmiotem zainteresowania rolników, ekonomistów rolnych, ekologów i osób zajmujących się dobrostanem zwierząt.

Czynniki wpływające na populacje

Larwa chrząszcza japońskiego

Gęstość niezależna : Wpływa na populację w równym stopniu, niezależnie od jej gęstości. Przykłady:
- Zimowy mróz może zabić stałą część skoczków ziemniaczanych na polu orzeszków ziemnych, niezależnie od całkowitej liczby skoczków.
- chrząszcza japońskiego dobrze przeżywają przy dużej ilości letniego deszczu.
- Temperatura, wilgotność, pożary, burze, tlen rozpuszczony dla gatunków wodnych.
Zależne od gęstości : Wpływają na populację mniej lub bardziej, gdy populacja jest większa. Przykłady:
- Większa populacja może być bardziej podatna na choroby i pasożyty.
- Większa populacja może mieć większą konkurencję wewnątrzgatunkową , podczas gdy mniejsza populacja może mieć większą konkurencję międzygatunkową .
- Emigracja ludności może wzrosnąć, ponieważ staje się ona bardziej zatłoczona.

Tablice życia

Helicoverpa zea żerująca na kukurydzy

Tabela życia pokazuje, jak i ile owadów umiera, gdy dojrzewają od jaj do postaci dorosłych. Pomaga w zwalczaniu szkodników, identyfikując, na jakim etapie życia szkodniki są najbardziej narażone i jak można zwiększyć śmiertelność. Kohortowa tabela życia śledzi organizmy przez etapy życia, podczas gdy statyczna tabela życia pokazuje rozkład etapów życia wśród populacji w jednym momencie.

Poniżej znajduje się przykład tabeli życia kohorty opartej na danych terenowych z Vargas i Nishida (1980). Ogólna śmiertelność wyniosła 94,8%, ale jest to prawdopodobnie niedoszacowanie, ponieważ w badaniu zebrano poczwarki do kubków, które mogły chronić je przed ptakami, myszami, trudnymi warunkami pogodowymi i tak dalej.

Tablica życia ucha kukurydzianego *Heliothis zea* , 10 października 1976 do 20 listopada 1976, na podstawie Vargas i Nishida (1980)
scena ( ${\ Displaystyle x}$ )	Liczba żywych na scenie ( ${\ displaystyle a_ {x}}$ )	Przyczyna śmiertelności	Umierający numer	Odsetek pierwotnej kohorty, która przeżyła ( ${\ displaystyle l_ {x}}$ )	Odsetek umierających w pierwotnej kohorcie ( ${\ Displaystyle d_ {x}}$ )	Współczynnik śmiertelności na tym etapie ( ${\ displaystyle q_ {x}}$ )
jajko	1000	Trichogramma confusum pasożytnictwo osy	386	1	0,386	0,386
jajko	614	Orius insidiosus i nieznane	232	0,614	0,232	0,378
Larwa 1	382	O. insidiosus , kanibalizm i nieznany	90	0,382	0,090	0,236
Larwa 2	292	Kanibalizm i nieznane	59	.292	0,059	.202
Larwa 3	233	Kanibalizm i nieznane	34	0,233	0,034	0,146
Larwa 4	199	Kanibalizm, choroby, pasożytnictwo i nieznane	59	0,199	0,059	0,296
Larwa 5	140	Kanibalizm, choroby, pasożytnictwo i nieznane	69	0,140	0,069	0,493
Larwa 6	71	Kanibalizm, choroby, pasożytnictwo i nieznane	1	0,071	0,001	0,014
Poczwarka	70	Choroba i nieznane	18	0,070	0,018	0,257
Dorosły	52 (28 mężczyzn, 24 kobiet)			0,052

Długość życia

Z tabeli życia możemy obliczyć oczekiwaną długość życia w następujący sposób. Załóżmy, $rozmieszczone$ etapy są równomiernie . Średnia proporcja organizmów żywych na etapie między początkiem a końcem wynosi $L_ {$ $x}}$

{\ Displaystyle L_ {x} = {\ Frac {l_ {x} + l_ {x + 1}} {2}}}

.

Całkowita liczba przyszłych etapów, które będą przeżywać osoby w wieku $\ displaystyle x}$ $x {$ wynosi

{\ Displaystyle T_ {x} = L_ {x} + L_ {x + 1} + L_ {x + 2} + ...}

.

$e_ {x}}$ długość życia w wieku wynosi mi $\ displaystyle$

{\ Displaystyle e_ {x} = {\ Frac {T_ {x}} {l_ {x}}}}

.

Moglibyśmy wykonać te same obliczenia z surową liczbą osobników, a nie z proporcjami.

Podstawowy wskaźnik reprodukcji

Jeśli dalej znamy liczbę jaj wyprodukowanych (płodność) w wieku $,$ $displaystyle$ obliczyć liczbę jaj wyprodukowanych na osobnika, który przeżył $m_ {x}}$ Jak

{\ Displaystyle m_ {x} = {\ Frac {F_ {x}} {a_ {x}}}}

,

gdzie $etapie$ liczbą osobników żyjących na tym

Podstawowy $znany$ reprodukcji , również jako wskaźnik zastępowalności populacji, to stosunek córek do matek. Jeśli jest większa niż 1, populacja rośnie. W stabilnej populacji stopa zastąpienia powinna oscylować blisko 1. Możemy ją obliczyć z tablicy trwania życia jako

{\ Displaystyle R_ {0} = \ suma _ {x} l_ {x} m_ {x}}

.

Dzieje się tak, ponieważ każdy $}$ $)$ \ / (jaja pierwszej generacji) razy (jaja drugiej generacji według wieku $)$ / (rodzice pierwszego pokolenia w wieku ${\ displaystyle x}$ .

Jeśli to początkowa wielkość populacji, a to wielkość populacji po pokoleniu, to $N_ {0}}$ $displaystyle$

{\ Displaystyle R_ {0} = {\ Frac {N_ {T}} {N_ {0}}}}

.

Czas tworzenia

Czas generowania kohorty $dziecka$ średni czas między narodzinami rodzica a narodzinami jego Jeśli mierzy się w latach, to ${\ displaystyle x}$

{\ Displaystyle T_ {c} = {\ Frac {\ suma _ {x} xl_ {x} m_ {x}} {\ suma _ {x} l_{x}m_{x}}}}

.

Wewnętrzna stopa wzrostu

Jeśli pozostaje względnie $\ displaystyle R_ {0}}$ na przestrzeni pokoleń, możemy go użyć do przybliżenia wewnętrznego tempa wzrostu populacji: ${$

{\ Displaystyle r \ około {\ Frac {\ ln R_ {0}} {T_ {c}}}}

.

To dlatego, że

{\ Displaystyle \ ln R_ {0} = \ ln {\ Frac {N_ {T }}{N_{0}}}=\ln {\frac {N_{0}+\Delta N}{N_{0}}}=\ln \left(1+{\frac {\Delta N}{N_ {0}}}\right)\około {\frac {\Delta N}{N_{0}}}}

,

gdzie przybliżenie wynika z szeregu Mercatora . ${\ Displaystyle T_ {c}}$ to zmiana w czasie, ${\ Displaystyle \ Delta t}$ . Następnie mamy

{\ Displaystyle r \ około {\ Frac {\ Delta N} {\ Delta t}} {\ Frac {1} {1} {N_ {0}}}}

,

co jest dyskretną definicją wewnętrznego tempa wzrostu.

Modele wzrostu

Ogólnie rzecz biorąc, wzrost liczby ludności z grubsza podąża za jednym z następujących trendów:

Wyrównywanie się wzrostu logistycznego przy pewnej nośności .
Przeregulowanie (cykle „boomu” i „załamania”).
Oscylacja na poziomie lub poniżej nośności.

Tempo wzrostu szkodników owadzich jest silnie uzależnione między innymi od temperatury i opadów. Czasami populacje szkodników szybko rosną i stają się ogniskami.

Obliczenia stopniodni

Ponieważ owady są ektotermiczne , „temperatura jest prawdopodobnie najważniejszym czynnikiem środowiskowym wpływającym na zachowanie, rozmieszczenie, rozwój, przeżycie i rozmnażanie owadów”. W rezultacie stopniodni wzrostu są powszechnie stosowane do szacowania rozwoju owadów, często w odniesieniu do punktu biologicznego utrwalenia , tj. biologicznego kamienia milowego, na przykład kiedy owad wychodzi z okresu przepoczwarzenia na wiosnę. Stopniodni mogą pomóc w zwalczaniu szkodników.

Stenotus binotatus , pluskwa roślinna z grupy Heteroptera

Yamamura i Kiritani przybliżyli tempo $jako$

{\ Displaystyle R = {\ rozpocząć {przypadki} {\ Frac {TT_ {0}} {K}}, & T \ geq T_ {0} \ \0,&T<T_{0}\end{przypadki}}}

,

gdzie $T}$ $displaystyle$ aktualna temperatura, $to$ temperatura podstawowa dla gatunku, a stała termiczna dla gatunku. Generację definiuje się jako czas trwania wymagany, aby całka po czasie $($ $przybliżeń$ liniowych, autorzy szacują, że gdyby temperatura wzrosła o na przykład może ${\ Displaystyle \ Delta T}$ = 2 ° C dla zmian klimatu do 2100 r. w stosunku do 1990 r.), wówczas wzrost liczby pokoleń rocznie byłby równy ${\ displaystyle \ Delta N}$

{\ Displaystyle \ Delta N \ około {\ Frac {\ Delta T} {K}} \ lewo (206,7 + 12,46 (mT_ {0}) \po prawej)}

,

gdzie jest $temperaturą$ lokalizacji. W szczególności autorzy sugerują, że ocieplenie o 2°C może doprowadzić na przykład do około jednego dodatkowego pokolenia Lepidoptera i Hemiptera , dwóch dodatkowych pokoleń Diptera , prawie trzech pokoleń Hymenoptera i prawie pięciu pokoleń Aphidoidea . Te zmiany w woltynizmie mogą nastąpić w wyniku biologicznego rozproszenia i / lub doboru naturalnego ; autorzy wskazują na wcześniejsze przykłady każdego z nich w Japonii.

Geometryczne ruchy Browna

Sunding i Zivin modelują wzrost populacji szkodników owadzich jako geometryczny proces ruchów Browna (GBM). Model jest stochastyczny, aby uwzględnić zmienność tempa wzrostu jako funkcję warunków zewnętrznych, takich jak pogoda. W szczególności, jeśli $obecną$ populacją owadów, jest wewnętrznym $tempem$ wzrostu , autorzy zakładają, że $\ displaystyle \ sigma}$

{\ Displaystyle dX = \ alfa Xdt + \ sigma Xdz

}

gdzie $displaystyle dt}$ $}$ jest przyrostem czasu i procesu Wienera z re ${\ displaystyle \ xi _ {t}}$ o rozkładzie standardowo-normalnym . W tym modelu krótkookresowe zmiany populacji są zdominowane przez człon stochastyczny. ${\ Displaystyle \ sigma Xdz}$ , ale zmiany długoterminowe są zdominowane przez termin trendu, ${\ displaystyle \ alpha Xdt}$ .

Po rozwiązaniu tego równania stwierdzamy, że populacja w czasie ma rozkład logarytmiczny normalny : ${\ displaystyle t}$ , ${\ displaystyle X_ {t}}$

{\ Displaystyle X_ {t} \ sim \ nazwa operatora {Log- {\ mathcal {N} }} \left(X_{0}e^{\alpha t},X_{0}^{2}e^{2\alpha t}(e^{\sigma ^{2}t}-1)\right )}

,

gdzie jest $początkową$ .

Mszyca sałatowa

Jako studium przypadku autorzy rozważają stosowanie mevinphos na liściach sałaty w Salinas Valley w Kalifornii w celu zwalczania mszyc . Wcześniejsze badania innych autorów wykazały, że dzienny procentowy wzrost mszycy brzoskwiniowej można modelować jako rosnącą funkcję liniową średniej dziennej temperatury. W połączeniu z faktem, że temperatura ma rozkład normalny, zgadzało się to z opisanymi powyżej równaniami GBM, a autorzy wyprowadzili, że ${\ displaystyle \ alpha = 0,1199}$ i ${\ Displaystyle \ sigma = 0,1152}$ . Ponieważ oczekiwana populacja oparta na rozkładzie logarytmiczno-normalnym rośnie z $0,1199$ czas podwojenia mszycy $\ Displaystyle \ ln 2/0,1199 =5,8}$ dni. Należy zauważyć, że w innej literaturze czas generacji mszyc mieści się w przybliżeniu w zakresie od 4,7 do 5,8 dnia.

Powtarzające się cykle epidemii

W badaniu z 2013 roku przeanalizowano dynamikę populacji mniejszego herbacianego tortrixa , szkodnika ćmy, który atakuje plantacje herbaty, zwłaszcza w Japonii. Dane obejmowały liczbę dorosłych ćmy złapanych za pomocą pułapek świetlnych co 5–6 dni na stacji herbaty Kagoshima w Japonii w latach 1961–2012. Szczytowe populacje były od 100 do 4000 razy wyższe niż na najniższym poziomie. Dekompozycja falkowa wykazała wyraźny, względnie stacjonarny cykl roczny w populacjach, jak również niestacjonarne interpunkcje między końcem kwietnia a początkiem października, reprezentujące 4-6 ognisk rocznie tej wielowoltynowej gatunek. Cykle wynikają z przeregulowania populacji .

Te ćmy mają etapowe cykle rozwojowe, a tradycyjna hipoteza sugeruje, że cykle te powinny być najbardziej zsynchronizowane w całej populacji wiosną ze względu na wcześniejsze skutki mroźnych zimowych miesięcy, a wraz z upływem lata etapy życia stają się bardziej losowe mieszany. Często obserwuje się to w Ameryce Północnej. Jednak w tym badaniu zaobserwowano zamiast tego, że populacje były bardziej skorelowane w miarę postępu sezonu, być może dlatego, że wahania temperatury wymusiły synchronizację. Autorzy stwierdzili, że kiedy wiosną temperatury po raz pierwszy wzrosły powyżej ~15°C, dynamika populacji przekroczyła ok Bifurkacja Hopfa od stabilności do powtarzających się cykli epidemii, aż do ponownej stabilizacji jesienią. Powyżej progu Hopfa amplituda cyklu populacji wzrastała mniej więcej liniowo wraz z temperaturą. Badanie to potwierdziło klasyczną koncepcję temperatury jako „rozrusznika wszystkich wskaźników życiowych”.

Zrozumienie dynamiki cyklu życia jest istotne dla zwalczania szkodników, ponieważ niektóre insektycydy działają tylko na jednym lub dwóch etapach życia owada.

Efekty zwalczania szkodników

Dorosły samiec ćmy cygańskiej

B. Chaney, doradca rolniczy w hrabstwie Monterey w Kalifornii, szacuje, że po zastosowaniu mewinfos zabiłby praktycznie wszystkie mszyce na polu. Wyatt, powołując się na dane z różnych testów zarządzania stawonogami , szacuje, że procent zabitych mszyc sałatowych wynosi 76,1% w przypadku endosulfanu i 67,0% w przypadku imidachloprydu .

Insektycydy stosowane na ćmy cygańskie w latach 70. miały około 90% śmiertelności.

Wpływ zmian klimatu

Uważa się, że zmiana temperatury jest największym bezpośrednim abiotycznym wpływem zmiany klimatu na owady roślinożerne. W regionach o klimacie umiarkowanym globalne ocieplenie wpłynie na zimowanie , a wyższe temperatury wydłużą sezon letni, umożliwiając większy wzrost i reprodukcję.

W badaniu z 2013 r. oszacowano, że od 1960 r. szkodniki upraw i patogeny przemieszczały się średnio na wyższe szerokości geograficzne w tempie około 2,7 km/rok. Jest to mniej więcej zgodne z szacunkami dotyczącymi ogólnego tempa zmian klimatu.

Zobacz też

Notatki