Spatial Distribution Pattern and Sampling Technique of Stephanitis chinensis Egg

doi:10.11924/j.issn.1000-6850.casb2025-0276

Abstract

Abstract:

To clarify the spatial distribution pattern and sampling techniques of Stephanitis chinensis egg, this study analyzed the spatial distribution of S. chinensis egg in tea plantations using six aggregation indices, Taylor’s power law, and Iwao’s regression model. The aggregation causes and the optimal theoretical sampling number were further investigated. The results demonstrated that S. chinensis egg exhibited a density-dependent negative binomial aggregated distribution, where the basic component of the distribution was individual egg, and mutual repulsion was observed among individuals. The aggregation was jointly driven by the insect’s life history traits and environmental factors. When the control threshold was set at 6 eggs per leaf and the confidence level parameter was 1.96, the upper and lower limit equations were $T 1 (n) = 6 n + 15.3478 n$ and $T 0 (n) = 6 n - 15.3478 n$ , indicating that chemical intervention is required when the egg density exceeds 753 eggs per 100 leaves. By utilizing the spatial distribution parameters of S. chinensis egg, an Iwao’s theoretical sampling model was established to determine the optimal sampling number and sequential sampling table. This provides a methodological reference for accurate field density surveys and population prediction of S. chinensis eggs in tea plantations.

Key words: tea plant, Stephanitis chinensis, egg, spatial distribution, aggregation index, gathering, sampling technique

CHEN Tingxu, CHEN Shichun, JIANG Hongyan, LIAO Shuran, WANG Xiaoqing. Spatial Distribution Pattern and Sampling Technique of Stephanitis chinensis Egg[J]. Chinese Agricultural Science Bulletin, 2025, 41(31): 118-122.

Figures/Tables 6

References 26

[1]	彭萍, 王晓庆, 李品武. 茶树病虫害测报与防治技术[M]. 北京: 中国农业出版社,2013:140-143.
[2]	罗鸿, 崔清梅, 陈清华, 等. 恩施茶区茶网蝽发生规律及综合防控技术[J]. 中国植保导刊, 2023, 43(4):62-64.
[3]	吴平昌, 李尤学. 陕南茶区茶网蝽发生现状和防控研究[J]. 陕西农业科学, 2014, 60(3):73-76.
[4]	陈世春, 江宏燕, 胡翔, 等. 重庆茶网蝽及其主要天敌军配盲蝽的发生特点[J]. 贵茶, 2021(1):58-64.
[5]	陈世春, 江宏燕, 廖姝然, 等. 基于COI基因解析我国茶网蝽种群遗传多样性和遗传结构[J]. 茶叶科学, 2023, 43(6):795-805.
[6]	丁岩钦. 昆虫数学生态学[M]. 北京: 科学出版社,1994:14-57.
[7]	徐汝梅. 昆虫种群生态学[M]. 北京: 北京师范大学出版社,1987:303-316.
[8]	HUTCHINSON G E. Homage to Santa Rosalia or why there are so many kinds of animals[J]. American naturalist, 1959,93:145-159.
[9]	彩万志, 庞雄飞, 花保祯, 等. 普通昆虫学[M]. 北京: 中国农业出版社,2001:445-446.
[10]	苏恒, 李国平, 孙小旭, 等. 绿盲蝽越冬卵在苹果园中的空间分布型及抽样技术[J]. 植物保护, 2022, 48(5):298-303.
[11]	李胜华, 路广亮, 高磊. 杜鹃冠网蝽越冬卵空间分布型及抽样技术[J]. 江苏农业科学, 2023, 51(20):133-136.
[12]	王海旭, 袁玲, 丁嘉欣, 等. 番茄潜叶蛾卵和幼虫在温室大棚及露地的空间分布型及抽样技术[J]. 应用昆虫学报, 2024, 61(4):731-740.
[13]	付永文, 章金明, 谭文青, 等. 三门县沿赤地区秋季斜纹夜蛾卵块分布型调查[J]. 浙江农业科学, 2014(10):1582-1585.
[14]	殷郑艳, 罗优, 武承旭, 等. 茶网蝽空间分布型及其抽样技术研究[J]. 植物保护, 2022, 48(4):226-230.
[15]	TAYLOR L R. Aggregation, variance and the mean[J]. Nature, 1961,189:732-735.
[16]	IWAO S. A new regression method for analyzing the aggregation pattern of animal populations[J]. Researches on population ecology, 1968, 10(1):1-20.
[17]	IWAO S. Application of the method to the analysis of spatial patterns by changing the auadrat size method to the analysis of spatial patterns by changing the quadrat size[J]. Researches on population ecology, 1972, 14(1):97-128.
[18]	IWAO S. A new method of sequential sampling to classify populations relative to a critical density[J]. Researches on population ecology, 1975, 16(2):281-288.
[19]	殷郑艳. 不同茶树品种对茶网蝽的抗性研究[D]. 贵阳: 贵州大学, 2024.
[20]	祁先慧, 朱舒亮, 刘胜亮, 等. 吐鲁番地区杏树小蠹虫的空间分布研究[J]. 中国农学通报, 2018, 34(10):126-130. doi: 10.11924/j.issn.1000-6850.casb17040006
[21]	全林发, 董易之, 徐淑, 等. 荔枝园荔枝蒂蛀虫常规爆发期的种群空间分布格局[J]. 环境昆虫学报, 2021, 43(4):950-958.
[22]	张聪, 葛星, 赵磊, 等. 双斑长跗萤叶甲越冬卵在玉米田的空间分布型[J]. 生态学报, 2013, 33(11):3452-3459.
[23]	钦俊德, 王琛柱. 论昆虫与植物的相互作用和进化的关系[J]. 昆虫学报, 2001(3):360-365.
[24]	徐蓬军, 张丹丹, 王杰, 等. 草地贪夜蛾对玉米和烟草的偏好性研究[J]. 植物保护, 2019, 45(4):61-64.
[25]	王梦思. 茶脊冠网蝽的生物学特性及防治研究[D]. 武汉: 湖北大学, 2019.
[26]	殷郑艳, 赵如娜, 何应琴, 等. 茶网蝽对茶树品种的取食选择性、适应性及其与叶片生化物质含量的关系[J]. 植物保护, 2024, 50(6):221-229.

样地	采样时间	采样地点	东经	北纬	海拔/m
1	2019年1月17日	重庆市永川区	105°53′37″	29°23′05″	605
2	2019年1月17日	重庆市永川区	105°53′33″	29°23′02″	611
3	2019年8月13日	重庆市永川区	105°53′37″	29°22′58″	615
4	2019年8月13日	重庆市永川区	105°53′50″	29°22′51″	570
5	2023年1月12日	重庆市城口县	108°39′34″	31°41′02″	820
6	2023年2月8日	重庆市城口县	108°39′34″	31°41′08″	868

样地	采样时间	采样地点	东经	北纬	海拔/m
1	2019年1月17日	重庆市永川区	105°53′37″	29°23′05″	605
2	2019年1月17日	重庆市永川区	105°53′33″	29°23′02″	611
3	2019年8月13日	重庆市永川区	105°53′37″	29°22′58″	615
4	2019年8月13日	重庆市永川区	105°53′50″	29°22′51″	570
5	2023年1月12日	重庆市城口县	108°39′34″	31°41′02″	820
6	2023年2月8日	重庆市城口县	108°39′34″	31°41′08″	868

样地编号	平均密度(m)/ (粒/叶)	样本方差 (S²)	平均拥挤度 (m^*)	扩散系数 (C)	聚块性指标 (m^/m*)	久野指数 (C_A)	丛生指数 (I)	负二项分布 (k)	聚集均数 (λ)
1	10.73	170.07	25.58	15.85	2.38	1.38	14.85	0.72	6.48
2	14.08	341.42	37.33	24.25	2.65	1.65	23.25	0.61	7.54
3	33.46	2571.59	109.31	76.85	3.27	2.27	75.85	0.44	12.68
4	12.10	454.65	48.67	37.57	4.02	3.02	36.57	0.33	2.26
5	34.87	3383.29	130.90	97.03	3.75	2.75	96.03	0.36	8.89
6	12.49	410.76	44.38	32.89	3.55	2.55	31.89	0.39	3.82

样地编号	平均密度(m)/ (粒/叶)	样本方差 (S²)	平均拥挤度 (m^*)	扩散系数 (C)	聚块性指标 (m^/m*)	久野指数 (C_A)	丛生指数 (I)	负二项分布 (k)	聚集均数 (λ)
1	10.73	170.07	25.58	15.85	2.38	1.38	14.85	0.72	6.48
2	14.08	341.42	37.33	24.25	2.65	1.65	23.25	0.61	7.54
3	33.46	2571.59	109.31	76.85	3.27	2.27	75.85	0.44	12.68
4	12.10	454.65	48.67	37.57	4.02	3.02	36.57	0.33	2.26
5	34.87	3383.29	130.90	97.03	3.75	2.75	96.03	0.36	8.89
6	12.49	410.76	44.38	32.89	3.55	2.55	31.89	0.39	3.82

模型	回归方程	相关系数
Taylor幂法则模型	lgS²=0.1357+2.1763lgm	0.9732
Iwao回归模型	m^*=-7.1593+3.7298m	0.9788