Глобальне потепління сприяє біологічній інвазії шкідника медоносних бджіл - Корнеліссен - 2019 - Глобальний

bees @ wur, Дослідження рослин у Вагенінгені, Університет і дослідження Вагенінгена, Вагенінген, Нідерланди

Листування

Брам Корнеліссен, бджоли @ wur, Дослідження рослин у Вагенінгені, Університет і дослідження Вагенінгена, Вагенінген, Нідерланди.

Інститут здоров’я бджіл, Вецуйський факультет, Бернський університет, Берн, Швейцарія

Департамент екології громади, Центр досліджень довкілля UFZ ім. Гельмгольца, Галле (Заале), Німеччина

bees @ wur, Дослідження рослин у Вагенінгені, Університет і дослідження Вагенінгена, Вагенінген, Нідерланди

Листування

Інститут здоров’я бджіл, Вецуйський факультет, Бернський університет, Берн, Швейцарія

Департамент екології громади, Центр досліджень довкілля UFZ ім. Гельмгольца, Галле (Заале), Німеччина

Анотація

1. ВСТУП

Окрім біотичних факторів, абіотичні фактори також можуть сприяти успіху вторгнення SHB. На відміну від інших жуків, які можуть завершити цілий життєвий цикл у колоніях-господарях (Krishnan, Neumann, Ahmad, & Pimid, 2015), SHB повинні окукливаться в грунті, щоб завершити свій життєвий цикл (Ellis, Hepburn, Luckman, & Elzen, 2004; Лунді, 1940). Успіх окукливания SHB (рівень виживання) і тривалість окукливания визначаються вологістю та температурою грунту (Akinwande & Neumann, 2018; Bernier, Fournier, & Giovenazzo, 2014; Ellis et al., 2004; Meikle & Diaz, 2012; Meikle & Патт, 2011). Отже, очевидно, що абіотичні фактори можуть зіграти ключову роль у поясненні продуктивності і, отже, успіху вторгнення цього виду. Дійсно, за сприятливих умов навколишнього середовища, тобто високої вологості та температури, СГБ можуть завдати значної шкоди бджільництву поза його ендемічним ареалом. Наприклад, у 1998 р. SHB завдав збитків у Флориді на понад 3 млн. Дол. США (Neumann & Elzen, 2004). У кліматичних умовах США та Південно-Африканської Республіки може бути до шести поколінь SHB на рік (Neumann & Elzen, 2004), а Де Гусман та Фрейк (2007) показали, що протягом року при постійному ґрунті можна досягти майже 16 повних життєвих циклів температура 34 ° C.

2 МАТЕРІАЛ І МЕТОДИ

2.1 Дані про продуктивність лялечок SHB

Дані щодо продуктивності маленьких вуликів жуків тут визначаються як рівень виживання та час розвитку та були зібрані з рецензованої літератури з акцентом на вплив температури ґрунту та вологи (Таблиця S1). Оскільки вологість ґрунту забезпечувалася або як вага (волога), або як об'ємні співвідношення (вміст води в ґрунті), гравіметричні міри були перетворені в об'ємні міри відповідно до об'ємної щільності (кг/м 3) використовуваних типів грунтів (таблиця S1). Для заповнення виявлених прогалин даних в опублікованих дослідженнях були проведені додаткові лабораторні експерименти (таблиця S1 та метод S1).

2.2 Криві продуктивності лялечок SHB

Ми використовували підхід нелінійної регресії для отримання кривих продуктивності шляхом підгонки спостережуваних показників виживання лялечок ((Т) і (М)) при відповідній температурі (Т) та умови вологи (М) до рівнянь (1.1) та (1.2) та оцінив параметри Топт, Тмакс, Мопт, Ммакс. та σстор. Початкові значення для ітеративного підходу до оцінки, шляхом мінімізації суми квадратів, були отримані шляхом візуальних оглядів складання графіку рівня виживання щодо температури та вологості ґрунту. Ми порівняли моделі, що включають лише одну функцію (будь-яку (Т) або (М)), моделі, включаючи їх добавку та їх інтерактивні ефекти. Найнижчі значення AIC вказували на те, що інтерактивний ефект виявився найкращим (таблиця S2).

2.3 Глобальні дані про температуру та вологість грунту

Ми передбачили глобальний розподіл та інвазивність SHB за сучасних кліматичних умов, використовуючи складений показник продуктивності лялечок (Пі) на основі екологічної інформації про температуру ґрунту та вологість ґрунту. Для температури ґрунту ми використовували дані, надані мікроклімом (Kearney, Isaac, & Porter, 2014). Microclim забезпечує погодинні оцінки від поверхні до глибини 1 м на середній день кожного місяця з роздільною здатністю 10 аркмін (тобто 18,6 км на екваторі), включаючи шість рівнів тіні та три типи субстрату (грунт, скеля та пісок). Згідно з біологією SHB (De Guzman, Frake, & Rinderer, 2010; Pettis & Shimanuki, 2000), ми витягували дані для ґрунту на глибині 10 см та для підгрупи кожної третьої години. Для оцінки рівня затінення рослинним покривом ми використовували дані про Нормалізований індекс індексу рослинності (NDVI) як проксі. Дані NDVI були отримані в рамках Глобальних досліджень моделювання та картографування запасів (GIMMS; Pizon, 2005; Tucker et al., 2005) 1981–2010 рр. (Tucker, Pizon, & Brown, 2016) з інтервалом у два тижні та з роздільною здатністю 5 кутових хвилин (9,3 км на екваторі). Ці дані були зведені до середньомісячних значень при роздільній здатності 10 градусів хвилини даних про температуру грунту та усереднені за 30-річний період. Значення NDVI були однаково об'єднані в п'ять класів і призначені відповідним рівням затінення для даних мікрокліма (0%, 25%, 50%, 75%, 100%). На основі значень NDVI ми отримали відповідні дані температури ґрунту для кожної комірки сітки, що призвело до глобальних оцінок температури ґрунту на середній день кожного місяця за кожну третю годину.

Дані про вологість ґрунту отримували щодня за період з 1985–2014 рр. За проектом ESA CCI Surface Soil Moilist (ESA CCI SM) v2.2 (Liu et al., 2011, 2012; Wagner et al., 2012). роздільна здатність 15 кутових хвилин (27,9 км на екваторі). Ми розрахували середньомісячні середні значення протягом 30-річного періоду та розподілили дані до роздільної здатності 10 дуг. Оскільки дані ESA CCI SM не охоплювали тропіки, ми заповнили ці прогалини даними продукту даних NASA SMAP L4_SM (Reichle, Lannoy, Koster, Crow, & Kimball, 2017) на 3-годинній основі за період 2015–2017 рр. з роздільною здатністю 9 км (надається на глобальній циліндричній сітці з рівною площею). Ми розрахували середньомісячні значення за 3-річний період і після репроекції згрупували дані до роздільної здатності 10 арк.

Оскільки SHB спостерігався лише у вегетованих районах, ми маскували нерослі рослини, використовуючи продукт сітки кліматичного моделювання типу НАСА (MCD12C1; Nasa Lp Daac, 2013). Ці дані про домінуючі типи земельного покриву, спочатку надані з роздільною здатністю 3 мкм (5,6 км на екваторі), знову були зведені до сітки 10 мкм.

2.4 Глобальні прогнози та майбутні прогнози продуктивності ляльок SHB

Ми використовували криві ефективності показників виживання учнів ((ТМ)) і час розробки (D(Т)) передбачити обидва процеси окремо на основі поточної температури ґрунту та умов вологи. Щоб врахувати сильні географічні відмінності в добових варіаціях температури ґрунту та відповідні наслідки для продуктивності лялечок, ми прогнозували ефективність для кожного з 3-годинних інтервалів на місяць та інтегрували їх на другому етапі шляхом усереднення. Потім ми використовували рівняння (3.1) для розрахунку складеного індексу продуктивності лялечок за місяць, тоді як використовували максимум (ТМ) /D(ТМ) у всіх клітинах сітки та місяцях (загальні карти щомісячного рівня виживання, часу розвитку та продуктивності лялечок представлені на рисунках S2 – S4). Щомісячна продуктивність лялечок була додатково скорочена двома способами: (а) вона була усереднена за місяцями на осередку сітки, припускаючи, що продуктивність лялечки накопичується в різних умовах протягом року; і (b) шляхом вилучення найвищого рівня продуктивності за місяці на осередку сітки, припускаючи, що інвазивність залежить від максимальної продуктивності протягом коротших періодів.