Temperature and Morphology Affect the Performance and Cost of Flight in Spruce Budworm Females
Notice bibliographique
Résumé
Dispersal is a key process in the spatial and temporal dynamics of insect populations. Dispersal depends on the flight performance of individual insects, which is influenced by their environment, morphology, and physiological state. Temperature affects flight performance and costs through its effect on the metabolism of ectotherms. It can also induce developmental changes in flight-related traits that influence flight biomechanics and insect size, affecting the resources available for this activity. We thus need to understand how temperature during flight modulates flight performance and costs, but also how morphology affects them. Using flight mills, models were developed to describe how flight performance and costs of individual spruce budworm females varied over a range of temperatures (10°C-35°C). Variations of barometric pressure and morphological traits were also incorporated in these models. Flight propensity dropped below 20°C, and when female mass increased relative to wing area, suggesting that there is a wing load beyond which flight probability decreases. Speed, duration, and distance of flight decreased as temperature deviated from 23°C, while wingbeat frequency increased consistently with temperature. Females with long and broad wings had greater flight endurance. Mass loss and use of water and fuel (lipids and carbohydrates) increased with temperature, while the remaining lipids were not affected. As a result, female budworms allocated a daily energy budget to flight, which was proportional to their mass. Large females also benefited from an energy saving due to their mass during flight. Water loss was proportional to female mass but decreased with distance traveled, reaching hydric quasi-homoeostasis at distances greater than 10 km. Our approach reveals the underlying mechanisms of flight and highlights the factors that influence the landing process after dispersal in the spruce budworm. The relationships presented in this study can help develop more realistic models of dispersal for this boreal forest pest.
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 ».