小卷蛾斯氏线虫对辣椒烟粉虱的控制作用

本文研究了小卷蛾斯氏线虫Steinernema carpocapsae对烟粉虱Bemisia tabaci的侵染能力以及对田间辣椒烟粉虱的控制作用。结果表明，室温（28±2）℃，空气湿度（60±5）%，辣椒叶背面湿润的条件下，线虫约在4 h侵入烟粉虱若虫体内，2～3 d内致其死亡。不同浓度线虫对烟粉虱若虫的控制效果不同，小卷蛾斯氏线虫All品系22、16和13 IJs/mL对烟粉虱高龄（3龄和4龄）若虫的致死率分别为42.79%，34.74%，29.31%，对低龄（1龄和2龄）若虫的致死率分别为44.58%、41.66%、39.61%。助剂5% d-柠檬烯可溶液剂与线虫联合使用具有促进效果，线虫稀释22 IJs/mL，配合1000倍液5% d-柠檬烯可溶液剂时效果最佳，高龄若虫和低龄若虫的致死率分别达到60.61%和61.55%。田间辣椒叶片表面施水量对烟粉虱的防治效果存在明显的影响，在田间施水1.5、1、0.5 L/m²的条件下，高龄若虫校正死亡率分别为66.49%、66.50%、47.78%，低龄若虫校正防治效果分别为69.30%、58.52%、51.83%。综上，喷施小卷蛾斯氏线虫对烟粉虱有一定的控制效果，配合助剂5% d-柠檬烯可溶液剂有促进作用，保持辣椒叶片表面湿润可以提高对烟粉虱的防治效果。     

中国昆虫文化简论

中国昆虫文化是在历史过程中创造并发展起来的,保留在中华民族中间,具有稳定形态,并对现代社会仍有影响的与昆虫相关的精神文化现象的。它是在一定历史条件下,国人及其生存环境辩证地互相影响的结果,是由劳动创造和生活提炼的精神产品。它包含在国人思想观念、思维方式、价值取向、道德情操、生产生活方式、礼仪制度、风俗习惯、宗教信仰、文学艺术、教育科技等领域之中。它具有神秘性、功利性、民族性、地域性、综合性等特征,以及满足需要、认知、规范、凝聚和娱乐等功能。     

外来入侵植物光荚含羞草的研究进展

光荚含羞草(Mimosa bimucronata)原产于热带美洲,适应性和再生能力极强,是优良的薪炭林树种和各类果园、经济作物园中的绿篱树种。自引进我国以来,已经在华南地区蔓延开来,成为危害较严重的一种入侵树种,对入侵地的生态、社会、经济和文化甚至人类健康等各方面均造成危害。该文通过查阅国内外相关文献资料,介绍了光荚含羞草的生理、生态等特性,总结了它的防治和综合利用研究进展,旨在提醒人们重视这一外来入侵物种,并为光荚含羞草的合理开发利用、为防御该物种的进一步入侵和减轻其生态危害提供基础理论依据。     

果园天敌

果园以多年生果树为基础,构成生物群落,各种生物之间以食物营养链条为纽带建立起了生态系统,各种生物存在相生相克、相互依存和相互制约的关系,如果园病虫害及其天敌,果园内的天敌包括传统意义上的天敌昆虫、捕食螨,还有有益动物、真菌、细菌、放线菌、噬菌体、病毒、线虫、鸟类、两栖类等,能杀死或抑制果园内某种或某类生物。     

武汉市桔梗科一物种新记录——卵叶异檐花

报道了武汉市外来入侵植物新记录一种,为桔梗科Campanulaceae异檐花属Triodanis卵叶异檐花Triodanis perfoliata subsp.biflora(Ruiz et Pavon)Lammers。卵叶异檐花原产于美洲,在武汉地区是首次发现,凭证标本保存于长江文明馆(武汉自然博物馆)。     

外来入侵植物五爪金龙的防治及其资源化利用展望

五爪金龙[Ipomoea cairica (L.) Sweet]是华南地区的一种多年生草质藤本恶性入侵杂草,对生态系统的生物多样性和稳定性造成了严重危害。在介绍其生理生态特征的基础上,综述了对五爪金龙的防治技术和资源化利用等方面的研究进展。     

沙漠蝗生物学特性及防治技术研究进展

历史记载中,沙漠蝗Schistocerca gregaria(Forsk.,1775)主要在北非发生,对当地农作物构成严重威胁。大规模发生时,可向西亚等地继续扩散为害。2020年初沙漠蝗在巴基斯坦、印度大量发生,肆虐为害,对粮食安全和生态安全构成了严重威胁。因其具有迁飞性,周边多个国家面临重大入侵风险。因本次沙漠蝗发生规模与破坏程度堪比1985年非洲蝗灾,2020年2月11日,联合国粮农组织(FAO)向全球发布预警:"高度戒备正在肆虐的蝗灾,防止被入侵国家出现粮食危机"。本文介绍了沙漠蝗分类地位、形态学特征,概述了沙漠蝗生物学特性、监测预警与防治技术研究进展,为科学防控沙漠蝗提供理论支撑。     

基于改进Faster-RCNN模型的粘虫板图像昆虫识别与计数

针对传统机器学习采用人工提取特征方法时,由于人为主观性而影响昆虫识别效果与计数准确性的问题,采用图像特征自动提取方法,将深度学习目标检测模型引入昆虫的识别与计数领域,对Faster-RCNN目标检测模型进行改进:针对昆虫体积小,图像分辨率较低的特点,用网络深度更深,运算量更小的深度残差网络(ResNet50)代替原来的VGG16,以提取更加丰富的特征;针对部分昆虫密集的特点,用Soft-NMS算法代替传统的非极大值抑制(NMS)算法,以减少密集区域的漏检。结果表明:改进后Faster-RCNN模型的检测准确率达到90.7%,较未改进的Faster-RCNN模型提高了4.2%,可以运用于昆虫的分类计数。利用深度学习目标检测模型进行昆虫识别与计数较传统的昆虫识别与计数方法更加方便,能够将昆虫的识别、定位和计数融为一体。