Attraction of <I>Ips pini</I> (Coleoptera: Scolytidae) and Its Predators to Various Enantiomeric Ratios of Ipsdienol and Lanierone in California: Implications for the Augmentation and Conservation of Natural Enemies
Notice bibliographique
Résumé
Many natural enemies of bark beetles are attracted to bark beetle pheromones, and substantial numbers of them are removed along with the target pests in mass trap-out programs. Thus, additional information on bark beetle and predator behavior is needed to maximize trap-out of target pests while decreasing trapping of beneficial insects. Ips pini (Say) is the most widespread bark beetle associated with pine trees in the United States and Canada. Geographically distant populations vary considerably in their production of, and response to, different stereoisomers of their principal pheromone component, ipsdienol, and an additional pheromone component, lanierone. California populations of I. pini are attracted to 99.9%(–)-ipsdienol, and the presence of lanierone has no effect on attraction. We simulated trap-outs by conducting no-choice assays using three different ratios of (+)/(−) enantiomers of ipsdienol with or without lanierone in the field. Experiments were performed in mixed pine forests in northern California in 1997 and 1998. Experiments were performed twice each year to sample the two major flight periods of I. pini. Ips pini and its predators showed temporal and behavioral differences in their attraction to lures. Lures that are preferred by I. pini, 3(+)/97(−) ipsdienol with or without lanierone, selectively removed up to 5–7 times more pests than predators during early summer. Moreover, the ratios of pest to predators were much higher in the late than early summer, and pest numbers were as much as 282 times higher than predators. In contrast, lures most attractive to predators removed as much as 10 predators for each I. pini trapped. These results suggest that timely applications of carefully selected synthetic lures, in combination with other complementary forest management practices, can greatly improve trap-out programs for bark beetles and natural enemy conservation. In addition, behavioral differences in attraction suggest the potential for augmentation of natural enemies.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».