Summary

Metod för att utveckla liv tabeller för fastsittande insekter i fält med hjälp av mjöllus, Bemisia tabaci, i bomull som ett modellsystem

Published: November 01, 2017
doi:

Summary

Liv bord möjliggöra kvantifiering av källorna och priser av dödlighet i insekternas populationer och bidra till att förstå, förutsäga och manipulera populationsdynamik i agroecosystems. Metoder för att genomföra och analysera kohort-baserade liv register i fältet för en insekt med fastsittande omogna levnadsstadier presenteras.

Abstract

Liv bord ger ett sätt att mäta scheman för födelse och död från populationer över tid. De kan också användas för att kvantifiera källor och priser av dödlighet i populationer, som har en mängd olika applikationer i ekologi, inklusive jordbruket ekosystem. Horisontell eller kohort-baserade, liv tabeller ger för den mest direkta och exakt kvantifiera vital befolkning priser eftersom de följer en grupp individer i en population från födseln till döden. Här presenteras protokoll för att genomföra och analysera kohort-baserade liv register i fältet som utnyttjar de omogna stadierna av en global insekt pest, Bemisia tabacioskaftade karaktär. Enskilda insekter finns på undersidan av bomull blad och markeras genom att rita en liten cirkel runt insekt med en icke-giftig penna. Denna insekt kan sedan observeras upprepade gånger över tid med hjälp av hand-objektiv för att mäta utvecklingen från ett stadium till nästa och att identifiera scenen-specifika dödsorsaker är associerad med naturliga och introducerade dödlighet krafter. Analyser förklara hur att korrekt mäta flera dödlighet tvingar akten samtidigt inom varje steg och hur man använder sådana uppgifter för att ge meningsfull befolkningen dynamiska mätvärden. Metoden står inte direkt för vuxna överlevnad och reproduktion, vilket begränsar inferens dynamiken i omogna stadier. Ett exempel presenteras som fokuserade på mäta effekterna av bottom-up (växt kvalitet) och uppifrån (naturliga fiender) effekter på dödlighet dynamiken i B. tabaci i bomull systemet.

Introduction

Liv bord är ett gemensamt verktyg med en lång historia i ekologi1,2. Liv bord är i huvudsak ett schema av födslar och dödsfall i en befolkning över tid och sådana uppgifter kan användas för att kvantifiera ett antal parametrar som är viktiga att förstå och förutsäga populationsdynamik. Liv bord kan också ge information om dödsorsaker som är viktiga att förstå trofiska interaktioner och utveckla kontrollstrategier för att hantera skadedjur i jordbruket och naturliga system. Många fält-baserade liv tabeller har byggts för insekter3,4,5, och analyser har gett viktiga insikter i dynamics, reglering och Prediktion av insekt befolkningar i många hanteras och naturliga system6,7,8,9,10,11,12,13,14. Långsiktiga liv bordet är också ofta används för att beskriva baserade laboratoriestudier som till stor del undersöker scheman av födslar och dödsfall, men under konstgjorda förhållanden som inte Utsätt insekten till naturlig dödlighet styrkor och realistiska miljövariabler. I allmänhet är målet av laboratoriestudier att uppskatta jämförande Biotisk potentialen av en art. Fokus för de metoder som beskrivs här är för fält baserat utredningar som definierar insåg potentialen i förhållande till miljön.

Liv bord kan karakteriseras som horisontell, där en riktig kohort av lika åldern individer följs från början av sitt liv till död, eller vertikal, där frekventa prover tas genom tiden för en population med en förmodad stabil åldersstruktur och sedan avgörande priser är utläsas matematiskt Byggyta kohorter2,15. Vilken typ av liv tabell som kan distribueras beror på vilken typ av insekten. Horisontella liv tabeller kan ofta utvecklas för univoltine (en generation per år) insekter, medan ett sådant tillvägagångssätt kan vara mycket utmanande för en multivoltine insekt med flera och allmänt överlappande generationer varje år. En mängd analytiska metoder har föreslagits och används för att utveckla vertikala liv tabeller för insekternas populationer (se Southwood2 för exempel). Den metod som visat här möjliggör utvecklingen av kohort-baserade, horisontell liv register i fältet för multivoltine insekter med specifika livshistoria egenskaper, särskilt förekomsten av fastsittande levnadsstadier. Metoden demonstreras för en nyckel pest i bomull som modellsystem.

De mjöllus, Bemisia tabaci biotyp B (= Bemisia argentifolii, Mellanöstern och Asien mindre 116) är en global pest av jordbruket som negativt påverkar avkastning och kvalitet i många agronomiska och trädgårdsodling grödor, inklusive skyddade jordbrukssystem i tempererade områden17. Effekter uppstå på grund av phloem utfodring som stör näringsämnen flödet, störningar av okänd etiologi som orsakas av nymphal utfodring, överföring av talrika växt virus och gröda kvalitet effekter på grund av nedfallet av honeydew18,19 . Insekten har ett brett spektrum och är multivoltine, att ha så många som 12-13 generationer per år beroende på region och finns mat resurser20. Management utmaningar förvärras också av dess höga fertil ålder, sin förmåga att skingra och migrera inom och mellan jordbrukssystem, dess brist på ett quiescent skede (diapause eller estivation) och dess disposition att snabbt utveckla resistens till insekticider som används för undertryckande21,22.

Avsevärda framsteg har gjorts i utvecklingen integrated pest management (IPM) strategier att ekonomiskt och effektivt hantera populationer av denna skadegörare i drabbade grödor23,24,25. Dessa system var baserad på en god grundläggande förståelse av populationsdynamiken hos B. tabaci och liv tabeller har varit en viktig teknik som har aktiverat denna förståelse. I Arizona, liv tabeller har låtit den uppskattning och identifiering av viktiga dödlighet krafter för B. tabaci i flera gröda system13,26, har aktiverat mätning av dödlighet dynamics förhållande till strategier inklusive icke-målorganismer effekter av insekticider14, har lämnat ett sätt att beräkna potentiella funktionella målarter effekter av transgena bomull producerar insektsbekämpning proteiner27, stött rigorösa bedömning av en klassisk biologisk kontroll program28 (Naranjo, opublicerade data) och hjälpte till att utforska de jämförande effekterna av top-down och bottom-up effekter på pest dynamics29. Alla dessa program har distribuerat den metod som beskrivs här. Metoden kan vara användbar för studiet av insekten befolkningen ekologi i ett antal naturliga och hanterade system.

Protocol

Obs: de tekniker som beskrivs nedan anses delvis liv tabeller eftersom de inte omfattar uttryckligen reproduktion eller dödlighet hos vuxna stadier. Termen kohorten är likvärdigt till generation eftersom det undersöker dödligheten från ägg till vuxen scenen. 1. fastställa fältet platser beteende liv tabeller när som helst under tillväxten av grödan gång insekter är närvarande. Valet av när du ska inleda studier beror på de mål och syften av forskningen. …

Representative Results

Ett exempel kohort presenteras i tabell 2 visar en typisk presentation och beräkning av liv tabell resultat. De mest användbara data fångas i marginalnummer dödlighet för varje faktor inom varje steg. Genom att konvertera dessa priser till k-värdena (protokoll avsnitt 6), kan skede-specifika över alla faktorer och faktor-specifika mortalitet över alla stadier enkelt uppskattas, som kan Summa generationsväxling dödlighet. Detta underlättar också oersättliga d?…

Discussion

Typiskt, utvecklingen av livet tabeller för multivoltine insekter med brett överlappande generationer är begränsade till ett vertikalt synsätt där en befolkning samplas upprepade gånger över tid och olika grafiska och matematiska tekniker används sedan för att uppskatta rekrytering till olika stadier och härleda priser dödligheten från att ändra tätheter av olika liv steg2. Styrkan i metoden är att den navigerar denna begränsning genom att isolera en grupp av orörliga lika-ålder…

Declarações

The authors have nothing to disclose.

Acknowledgements

Vi tackar D. Ashton, V. Barkley, K. Beimfohr, F. Bojorquez, J. Cantrell, G. Castro, R. Christensen, J. Fearn, C. Jara, D. Meade, G. Owens, L. Rodarte, D. Sieglaff, A. Sonoqui, M. Stefanek, B. Stuart, J. Trejo, A. Slade och E. Yescas för tekniskt bistånd. Delvis stöd tillhandahölls av USDA-jordbruks forskning Service, USDA-Institutet för livsmedel och jordbruk filändelsen IPM-programmet och Pest Management alternativ särskilda projekt, Cotton Incorporated, Arizona bomull odlare Association, bomull Stiftelser, USDA-CREES, NAPIAP (västra regionen) och västra regionen IPM specialprojekt.

Materials

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

Referências

  1. Deevey, E. S. Life tables for natural populations of animals. Quart. Rev. Biol. 22, 283-314 (1947).
  2. Southwood, T. R. E. . Ecological Methods. , (1978).
  3. Podoler, H., Rogers, D. A new method for the identification of key factors from life-table data. J Anim Ecol. 44, 85-114 (1975).
  4. Stiling, P. Density-dependent processes and key factors in insect populations. J Anim Ecol. 57, 581-593 (1988).
  5. Cornell, H. V., Hawkins, B. A. Survival patterns and mortality sources of herbivorous insects: some demographic trends. Am Nat. 145, 563-593 (1995).
  6. Morris, R. F. The interpretation of mortality data in studies on population dynamics. Can Entomol. 89, 49-69 (1957).
  7. Morris, R. F. Single-factor analysis in population dynamics. Ecology. 40, 580-588 (1959).
  8. Varley, G. C., Gradwell, G. R., Hassell, M. P. . Insect Population Ecology: An Analytical Approach. , 212 (1973).
  9. 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).
  10. 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).
  11. Carey, J. R. The multiple decrement life table: a unifying framework for cause-of-death analysis in ecology. Oecologia. 78, 131-137 (1989).
  12. 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).
  13. Naranjo, S. E., Ellsworth, P. C. Mortality dynamics and population regulation in Bemisia tabaci. Entomol Exp Appl. 116, 93-108 (2005).
  14. 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).
  15. Carey, J. R. . Applied Demography for Biologist: With Special Emphasis on Insects. , (1993).
  16. 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).
  17. 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).
  18. Jones, D. R. Plant viruses transmitted by whiteflies. Eur J Plant Pathol. 109, 195-219 (2003).
  19. Hequet, E. F., Henneberry, T. J., Nichols, R. L. . Sticky Cotton – Causes, Impacts and Prevention. , (2007).
  20. Palumbo, J. C., Horowitz, A. R., Prabhaker, N. Insecticidal control and resistance management for Bemisia tabaci. Crop Protect. 20, 739-765 (2001).
  21. 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).
  22. Nauen, R., Denholm, I. Resistance of insect pests to neonicotinoid insecticides: current status and future prospects. Arch Insect Biochem Physiol. 58, 200-215 (2005).
  23. 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).
  24. 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).
  25. Ellsworth, P. C., Martinez-Carrillo, J. L. IPM for Bemisia tabaci: a case study from North America. Crop Protect. 20, 853-869 (2001).
  26. Naranjo, S. E., Ellsworth, P. C., Cañas, L. . Mortality and populations dynamics of Bemisia tabaci within a multi-crop system. , (2009).
  27. 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).
  28. Naranjo, S. E. Establishment and impact of exotic Aphelinid parasitoids in Arizona: A life table approach. J Insect Sci. 8, 36 (2008).
  29. 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).
  30. Naranjo, S. E. Survival and movement of Bemisia tabaci (Homoptera: Aleyrodidae) crawlers on cotton. Southwest Entomol. 32, 17-23 (2007).
  31. 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).
  32. Buonaccorsi, J. P., Elkinton, J. S. Estimation of contemporaneous mortality factors. Res Popul Ecol. 32, 151-171 (1990).
  33. Royama, T. Evaluation of mortality factors in insect life table analysis. Ecol Monogr. 51, 495-505 (1981).
  34. 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).
  35. Varley, G. C., Gradwell, G. R. Key factors in population studies. J Anim Ecol. 29, 399-401 (1960).
  36. Caswell, H. . Matrix population models. , (2001).
  37. Mills, N. J. Selecting effective parasitoids for biological control introductions: Codling moth as a case study. Biol Control. 34, 274-282 (2005).
  38. 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).
  39. 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).
  40. 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).
  41. 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).
  42. 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).
  43. 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).
  44. 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).
  45. 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).
  46. Price, J. F., Taborsky, D. Movement of immature Bemisia tabaci (Homoptera, Aleyrodidae) on poinsettia leaves. Florida Entomol. 75, 151-153 (1992).
  47. Simmons, A. M. Settling of crawlers of Bemisia tabaci (Homoptera : Aleyrodidae) on five vegetable hosts. Ann Entomol Soc Am. 95, 464-468 (2002).
  48. Royama, T. A fundamental problem in key factor analysis. Ecology. 77, 87-93 (1996).
  49. 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).
  50. 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).
  51. Berryman, A. A. Population regulation, emergent properties, and a requiem for density dependence. Oikos. 99, 600-606 (2002).
  52. Sibly, R. M., Smith, R. H. Identifying key factors using lambda contribution analysis. J Anim Ecol. 67, 17-24 (1998).
check_url/pt/56150?article_type=t

Play Video

Citar este artigo
Naranjo, S. E., Ellsworth, P. C. Methodology for Developing Life Tables for Sessile Insects in the Field Using the Whitefly, Bemisia tabaci, in Cotton As a Model System. J. Vis. Exp. (129), e56150, doi:10.3791/56150 (2017).

View Video