-
题名大灰优蚜蝇雌成虫足感器扫描电镜分析
- 1
-
-
作者
吴基楠
董婉莹
刘同先
王冰
王桂荣
-
机构
青岛农业大学植物医学学院
中国农业科学院植物保护研究所植物病虫害综合治理全国重点实验室
浙江省农业科学院植物保护与微生物研究所
-
出处
《新疆农业科学》
CAS
CSCD
北大核心
2024年第4期937-944,共8页
-
基金
国家自然科学基金面上项目(32272621)
国家自然科学基金重点项目(32130089)
中国烟草总公司重大科技项目(110202201017(LS-01))。
-
文摘
【目的】分析大灰优蚜蝇Eupeodes corollae雌成虫胸足的感器类型、特征及分布,为天敌昆虫食蚜蝇产卵选择机制奠定形态学基础。【方法】利用扫描电镜技术观察其足上感器的超微结构。【结果】大灰优蚜蝇雌成虫胸足由基节、转节、腿节、胫节、跗节和前跗节6个部分组成,其上分布5种类型的感器,分别为锥形感器(3种亚型Ⅰ~Ⅲ)、毛形感器(长毛形感器2种亚型Ⅰ~Ⅱ;短毛形感器2种亚型Ⅰ~Ⅱ)、刺形感器(2种亚型Ⅰ~Ⅱ)、Bohm氏鬃毛和微毛感器。锥形感器仅分布于足跗节,其中锥形感器Ⅰ亚型顶端具孔,在化学感受过程中发挥重要的作用;毛形感器和刺形感器在雌成虫胸足腿节、胫节和跗节均有分布,这2种类型感器的毛干表面有纵脊,无壁孔,基部具可活动的臼状窝,是典型的机械感器;Bohm氏鬃毛和微毛感器数量较多,散布在各类感器之间。【结论】在大灰优蚜蝇雌成虫胸足上鉴定了5种类型的感器,足跗节上的感器类型和数量最多,是足上重要的化学感受区域。
-
关键词
大灰优蚜蝇
足跗节
锥形感器
超微结构
化学感受
机械感受
-
Keywords
Eupeodes corollae
tarsus
sensilla basiconica
ultrastructure
chemosensation
mechanosensation
-
分类号
Q964
[生物学—昆虫学]
S43
[农业科学—农业昆虫与害虫防治]
-
-
题名化学信息介导的昆虫产卵行为及机制研究进展
被引量:1
- 2
-
-
作者
董婉莹
陈瑞朋
吴基楠
王冰
王桂荣
-
机构
中国农业科学院植物保护研究所植物病虫害综合治理全国重点实验室
浙江省农业科学院植物保护与微生物研究所
-
出处
《应用昆虫学报》
CAS
CSCD
北大核心
2023年第2期389-410,共22页
-
基金
国家自然科学基金面上项目(32272621)
国家自然科学基金重点项目(32130089)
+1 种基金
中国烟草总公司重大科技项目(110202201017(LS-01))
国家重点研发计划政府间国际科技创新合作重点专项(2022YFE0116500)。
-
文摘
产卵行为是昆虫完成个体发育、繁衍后代、维持种群稳定的重要行为活动之一,化学信息在昆虫产卵选择行为中发挥着重要作用。昆虫在识别和定位产卵位点时会受到来自植物、昆虫本身以及微生物释放的挥发性有机化合物等因素的影响,合理应用这些化学信息调控昆虫行为是实现害虫绿色防控的重要方式。本文综述了昆虫多样的产卵策略及其影响的主要因素,详述了调控昆虫产卵行为的化学信息的来源,论述了植物、昆虫信息化合物和微生物释放的挥发物对昆虫行为的调控作用,从昆虫外周神经系统中重要化学感受蛋白的作用机制为切入点阐述了昆虫的产卵机制与研究现状,及其在害虫绿色防控中的应用,并对未来重点研究的方向进行了分析和展望。
-
关键词
挥发物
产卵行为
植食性昆虫
天敌昆虫
化学感受
行为调控
-
Keywords
volatile organic compounds
egg-laying behavior
herbivore
natural enemy
chemical detection
behavioral regulation
-
分类号
Q965
[生物学—昆虫学]
-
-
题名昆虫自动识别研究进展
- 3
-
-
作者
吴基楠
何大东
龚子慧
陈功
-
机构
湖南农业大学植物保护学院/植物病虫害生物学与防控湖南省重点实验室
-
出处
《华中昆虫研究》
2018年第1期140-149,共10页
-
基金
湖南省大学生研究性学习和创新性实验(XCX18053)
-
文摘
昆虫自动识别的研究是将昆虫分类学和计算机技术相结合的新兴研究领域。近年来有关昆虫自动识别的研究十分火热,越来越多的学者开始探索昆虫自动识别的技术理论和方法,并取得了一定的成果。面对如此多的研究成果,总结该领域的研究进展就显得尤为重要。本文综述了昆虫自动识别中最关键两部分的研究进展,即图像特征的提取和识别模型的构建。详细介绍了有关轮廓特征提取、整体形态特征数字化提取、翅脉特征数字化提取、颜色特征数字化提取的特点和方法。以及识别模型构建的主要方法:模板匹配法、主成分分析法、核判别法、机器学习法中的人工神经网络和支持向量机法,并分析了这些方法的优缺点。综合讨论了目前昆虫自动识别所存在的问题,提出了未来的研究应该更倾向于以多种技术相结合的方式开发新的昆虫自动识别技术,以探求更有效率、准确度更高的方法。
-
关键词
昆虫自动识别
图像特征提取
识别模型构建
研究进展
-
Keywords
Automatic insect recognition
Image feature extraction
Identification model construction
Research progress
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-