Rethinking trophic interactions in agricultural landscapes through tracking secondary feeding
Notice bibliographique
Résumé
Abstract Conservation biological control efforts depend on accurately estimating predator roles in crop fields, and knowledge of plant resources generalist predators utilize in agricultural landscapes. Generalist predators move among habitats to feed on insect prey and some predators feed on plants for non‐prey nutrients. Studying predation with molecular gut content analysis (MGCA), provides estimates of within field frequencies of predation on target pests and alternative prey. However, prey DNA takes time to move through the predator digestive system, so a portion of the observed predation likely occurs in adjacent crops or semi‐natural habitats. Therefore, we tested a strategy to estimate recent secondary feeding to help trace predation back to the source habitat. We selected the diamondback moth and three common predators with different mouthparts: Coccinella septempunctata , Geocoris punctipes , and Pardosa spiders, as model organisms for these proof‐of‐concept experiments. We estimated post‐feeding primary and secondary plant DNA detection time and compared it between these three predators using previously designed Lepidoptera primers and newly designed Brassica ‐specific primers. Our results indicate secondary plant feeding detection largely depends on predator mouthparts. While secondary collard DNA detectability half‐life was 5.5 h and remained detectable for up to 30 h for the chewing predator, C. septempunctata , only 4% and 8.3% of G. punctipes and Pardosa spp. individuals, respectively, tested positive for collard DNA. However, more studies are required to confirm this mouthpart‐specific post‐feeding plant DNA detection time. Our feeding trials confirmed the possibility of primary and secondary plant feeding detection for chewing predators. Hence, when crops are not flowering (or anthesis), secondary plant feeding detection can be used to trace chewing predators to source habitats where they consumed sessile prey (e.g., nymphs and sessile adults). Such multitrophic linkage knowledge could unravel the landscape‐wise contribution of predators to pest control services.
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 ».