【摘 要】
:
种间竞争是物种演化的动力,也是影响种群动态和群落结构的重要因素。虽然种间竞争在大型脊椎动物和无脊椎动物中得到了广泛证实,但植食性昆虫是否存在强烈的种间竞争仍然存在争论。按照传统竞争理论,所有利用资源相似的物种之间都存在显著的竞争。但植食性昆虫可能因为:1)生活史极为复杂(使植食性昆虫之间相遇概率下降)和2)捕食者的控制(使植食性昆虫的密度下降至较低水平)导致种间竞争作用不显著。特别是寄生性植食性昆
论文部分内容阅读
种间竞争是物种演化的动力,也是影响种群动态和群落结构的重要因素。虽然种间竞争在大型脊椎动物和无脊椎动物中得到了广泛证实,但植食性昆虫是否存在强烈的种间竞争仍然存在争论。按照传统竞争理论,所有利用资源相似的物种之间都存在显著的竞争。但植食性昆虫可能因为:1)生活史极为复杂(使植食性昆虫之间相遇概率下降)和2)捕食者的控制(使植食性昆虫的密度下降至较低水平)导致种间竞争作用不显著。特别是寄生性植食性昆虫,可能因为:1)个体小或生活在宿主植物组织的内部而难以观察;2)宿主植物被寄生性植食性昆虫感染的概率通常较低,昆虫学家往往认为其种间竞争更不显著。本研究分别实验探讨了川西北红原高寒草甸远缘和近缘寄生性植食性昆虫的种间竞争。远缘物种竞争实验探讨寄生钝苞雪莲(Saussurea nigrescens)花序、取食种子的实蝇(Tephritidae;未开花前产卵)和麦蛾(Gelechiidae;开花后产卵)的类群间的竞争,实验包括四个处理:无寄生(花序套袋)、仅实蝇寄生(开花后套袋隔离),仅麦蛾寄生(开花前套袋隔离、开花后打开)、两者都寄生(无套袋)。近缘物种竞争实验探讨不同实蝇物种的种间竞争,包括1)野外对钝苞雪莲成熟花序的取样和羽化实蝇的鉴定;2)室内解剖未成熟花序,收集寄生在花序中实蝇的卵、蛆和蛹,应用DNA条形码技术鉴定实蝇物种。远缘物种竞争实验的结果表明:1)实蝇和麦蛾之间存在类群间竞争,两者单独作用对寄生率、种子损失率、种群种子损失率的影响之和大于两者都寄生处理的影响;2)实蝇和麦蛾类群间的竞争是对称的,实蝇和麦蛾都能分别同等程度降低对方的寄生概率。近缘物种竞争实验的结果表明:3)不同实蝇物种之间存在种间竞争,不同实蝇物种共存的花序数量占有实蝇寄生的花序数量的比例在羽化前为13%,而羽化后占比为0;4)随机相遇机制能有效解释同一花序具有两个以上的实蝇个体的不同组合比例(P<0.01)。综上所述,本研究验证了寄生性植食性昆虫无论是在远缘类群间还是近缘种间都存在显著的种间竞争。实验检验可能是研究植食性昆虫之间竞争存在与否的有效方法。
其他文献
随着城市化的推进,城市建成面积不断的扩张,城市病越来越严重,并且给城市居民带来健康危机。久坐不动的生活方式,以及缺乏体力活动是导致居民超重,及高血压、高血脂、糖尿病等相关慢性病的重要原因。而大量实证研究表明建成环境与居民的体力活动有着密切的关系,通过改善建成环境来提升居民体力活动是一种干预居民健康的有效措施。西方发达国家就建成环境、体力活动、健康之间的关系已经进行了大量的实证研究,并且已经开展了一
互联网技术的高速发展以及5G时代的来临产生了大量需要进行处理的数据,在这些巨量数据中潜藏着宝贵财富。越来越多的企业和学者开始关注和研究如何从这些巨量的数据中提取出对人们有用的信息这一问题。为了解决这一难题,人们采用集群的方式并行化地处理数据,显著加快了巨量数据地处理能力。聚类算法是处理数据时常用的算法之一,Spark平台中并行化聚类算法可以很好地解决大数据环境下的聚类问题。但Spark平台核心聚类
布洛芬(ibuprofen,简称IBP)作为一种常见的抗炎解热药物,是非甾体抗炎药(Non-steroidal Anti-inflammatory Drugs,NSAIDs)的典型代表。由于其广泛应用,估计每年全球IBP产量为几千吨。IBP在水生环境中具有相当高的流动性,不能完全被人体吸收,也不能被市政污水处理厂完全降解。因此水生环境中IBP含量不断富集到较高浓度,导致对人类健康和生态环境造成一定
陆地生态系统总初级生产力(Grossprimary prodution,GPP)作为陆地碳循环的重要组分,是量化生物圈碳收支的重要指标。准确地估算GPP对于理解生态系统对大气CO2浓度升高的响应以及相关政策的制定至关重要。论文以MODIS数据、站点通量数据和气象数据为基础,结合基于光化学反射植被指数的光能利用率估算模型(PRI-LUE model,Light use efficiency mode
苏锡常地区是我国地裂缝灾害重灾区之一,给当地群众的生产生活造成了巨大的经济损失。地裂缝造成地表破裂、地下管道错位、水井干涸和地上房屋建筑等破坏。因此,利用已有地质调查资料对地裂缝在未来时间和空间内进行准确预测,具有非常重要的现实意义。本文以苏锡常地区为研究区域,通过地裂缝的野外调查和成因机制分析确定影响苏锡常地裂缝发育的因子,利用灰色关联度理论确定各影响因子权重,最后结合Arc-GIS平台进行苏锡
机器学习旨在研究如何通过计算的手段,利用经验来改善系统自身的性能。在这个过程中,经验常常以数据的形式存在。因此机器学习主要研究的是从任务数据中产生模型的算法。在现实世界中,根据来源不同,数据的结构和特性也不相同,从而需要使用不同的任务结构进行学习。例如,维基百科中的词条可能有一个或多个标记,而标记维度成千上万,想要对每个词条进行准确的分类,我们就需要建立高维多标记学习任务对其进行学习;而对于互联网