Artificial lighting affects the predation performance of the predatory bug <i>Orius insidiosus</i> (Say) against the Western flower thrips <i>Frankliniella occidentalis</i> (Pergande)
Notice bibliographique
Résumé
Abstract Protected crops, such as greenhouses and indoor farming environments, using light-emitting diodes (LEDs) enable the modulation of the light spectrum, intensity, and photoperiod for agronomic purposes. This creates dynamic artificial light conditions for insects and arachnids, including predators used in biological control. Despite increasing interest, the effects of LEDs on predator behavior and control performance remain poorly understood. In the laboratory, we examined the locomotion and predation behaviors of the generalist predator Orius insidiosus against the pest Frankliniella occidentalis under various light spectra and intensities. We tested narrowband blue, green, and red spectra, three ratios of red and blue light, and a spectrum combining all three colors across a gradient of light intensity in microcosms. Orius insidiosus was active and successfully attacked prey under all lighting conditions, with 70% of individuals engaging in predation during the observation period. The light spectrum significantly influenced all recorded behaviors, while light intensity had negligible effects. Narrowband spectra led to the highest attack probabilities, but the mixed blue-red spectrum with a higher proportion of red light yielded the highest prey capture rates. The spectrum with all three colors showed intermediate capture success. These trends were consistent regarding capture probability in more complex environments with cucumber plants, where thrips were exposed to 24-hour artificial light sequences before and during predator releases. However, thrips survival rates remained similar across all lighting treatments. Our results demonstrated that while lighting treatments affect predator behavior, Orius insidiosus retains its ability to capture prey under various light conditions. This paves the way for developing lighting strategies that balance plant productivity with effective biological control in protected crop environments.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».