《Crop Protection》：Monitoring method shifts codling moth biofix timing across Midwest orchards: implications for pest management decisions
编辑推荐：
苹果蠹蛾监测中自动相机陷阱的性能评估：研究在密歇根和俄亥俄州苹果园比较了自动相机陷阱与常规陷阱及气象模型的生物固定点估算精度，发现相机陷阱能提前3-7天检测虫害活动，优化农药施用窗口，且大规模数据可校正气象模型的区域偏差。
作者：Heather Leach、Julianna Wilson、Frank Becker、Arnol Gomez、Ashley Leach
所属机构：密歇根州立大学昆虫学系
摘要
苹果蠹蛾（Cydia pomonella, L.）是美国苹果生产中的主要害虫，需要及时采取管理措施以减少作物受损的风险。传统上，人们使用信息素诱捕法和/或基于天气的模型来预测害虫出现的时间（即“生物固定点”），从而确定施用杀虫剂的最佳时机。而新型的自动化相机诱捕系统能够以每日为单位记录害虫活动，这可能提高生物固定点预测的准确性以及害虫管理的精准度。我们在密歇根州和俄亥俄州的商业苹果园中评估了自动化相机诱捕系统（CropVue?）在检测苹果蠹蛾和预测生物固定点方面的效果，并将其与每周检查一次的传统诱捕装置及基于天气的模型进行了对比。我们的研究目标包括：（1）评估相机诱捕系统的检测准确性；（2）分析生物固定点预测时间的变化对害虫管理建议的影响；（3）利用大规模的相机诱捕数据来验证基于天气的模型的有效性。研究结果表明，相机诱捕系统比传统诱捕装置更早地发现苹果蠹蛾的活动，某些情况下甚至提前3至7天。这种提前发现的时间差异会影响到杀虫剂的施用时机，从而可能提升对苹果蠹蛾的控制效果。大规模的相机诱捕数据集（共599个监测点）还揭示了不同预测模型之间存在系统性的方向性偏差，这些偏差范围从比实际观测结果提前7天到滞后12天不等。基于相机的诱捕系统为人工监测提供了一种可靠且可扩展的替代方案，能够更早、更准确地监测苹果蠹蛾的活动。随着机器学习算法的不断发展，将智能诱捕设备整合到害虫预测系统中有望提升模型校准的精度，并促进低风险杀虫剂的广泛应用。
引言
苹果蠹蛾（Cydia pomonella L.）是全球苹果生产中造成经济损失最严重的害虫之一（Balasko等人，2020年；Knight等人，2019年；Witzgall等人，2008年）。虽然其幼虫偶尔也会啃食苹果枝条，但主要的经济损失源于它们在果实内部取食，导致果实无法销售（Barnes，1991年；Witzgall等人，2008年）。由于一个季节内可有多代苹果蠹蛾繁殖，其种群数量会迅速增加。在中西部地区，每年通常会出现2到3代苹果蠹蛾。
材料与方法
我们在俄亥俄州和密歇根州选择了具有苹果蠹蛾发生历史的果园作为研究地点（密歇根州：2023年3个地点，2024年7个地点；俄亥俄州：2023年5个地点，2024年5个地点）。俄亥俄州的监测点分布在Holmes、Lorain、Erie、Wayne和Stark县；密歇根州的监测点位于Leelanau、Benzie和Grand Traverse县。每个苹果园的面积在4至15公顷之间，种植了多种嫁接在矮化砧木上的苹果品种。
季节性害虫密度
总体而言，两种诱捕方法捕获到的苹果蠹蛾数量在季节间没有显著差异（图2）。在俄亥俄州，2023年和2024年自动化相机诱捕装置与传统诱捕装置捕获的害虫数量无显著差异（p = 0.90，n = 5；p = 0.19，n = 5，图2a）。每年的害虫密度相对稳定，2023年自动化相机诱捕装置平均每台诱捕器捕获3.50 ± 1.51只苹果蠹蛾，传统诱捕装置捕获3.45 ± 1.21只。
讨论
苹果蠹蛾是全球范围内对苹果危害最大的害虫之一，在美国中西部地区依然是一个严重的威胁。通过诱捕和建模技术可以准确预测害虫的发展阶段，从而确定最佳的杀虫剂施用时机（Doerr等人，2012年；Breth等人，2013年）。过去十年中，自动化相机诱捕技术和改进的基于天气的模型的发展显著提升了我们对苹果蠹蛾的监测能力。我们预期这些新技术将有助于更精确地预测害虫的发生时间。
结论
本研究表明，监测方法对苹果蠹蛾的首次出现时间及其后续杀虫剂施用时机的预测具有重要影响。自动化相机诱捕系统提供的生物固定点预测结果更早且更准确，有助于更好地匹配杀虫剂的施用建议。虽然基于天气的模型无需人工操作，但其性能会因地区和年份而异，因此需要针对具体地点进行校准。此外，自动化诱捕系统还能减少监测工作量。
作者贡献声明
- Ashley Leach：负责撰写、审稿与编辑、方法论设计、资金筹集、数据分析、概念构建。
- Julianna Wilson：负责撰写、审稿与编辑、项目监督、资源协调及资金筹集。
- Heather Leach：负责撰写、审稿与编辑、数据可视化、项目管理、方法论设计、实验实施及数据分析。
- Arnol Gomez：负责撰写、审稿与数据整理。
- Frank Becker：未参与具体写作工作。
未引用参考文献
Adams等人，2017年；Beckerman等人，2004年；Chappell等人，2015年；?irjak等人，2022年；Enviroweather，2025年；Glenn，1922年；Joshi等人，2016年；Jones，2021年；Juszczak等人，2013年；Kadoi? Bala?ko等人，2020年；Knight，2019年；Kührt等人，2006年；Lenth，2016年；Noorazar等人，2022年；Pitcairn等人，1992年；Preti等人，2021年；Riedl等人，1976年；Rincon等人，2025年；Suto，2022年。
利益冲突声明
作者声明不存在任何利益冲突。
数据获取
本研究的相关数据可向通讯作者索取。由于数据来自商业果园，为保护果农的隐私，部分详细地点信息和大规模区域数据集的内容无法公开。
利益冲突声明
作者声明可能存在以下可能构成利益冲突的财务关系或个人关联：Ashley Leach表示获得了美国农业部的资金支持；Julianna Wilson和Heather Leach获得了密歇根州立大学AgBioResearch项目的资金支持；Julianna Wilson和Heather Leach还获得了密歇根州果树委员会的资助。
致谢
感谢参与数据收集的研究技术人员，包括Melina Gabele、Kayla Pumphrey、Raven Schaffter、Jaclyn Maynard和Emma Gerds，以及FMC公司的Nichole Funigiello、Adam Byrne、Heidi Davey和Erica Rudolph，他们提供了所需的设备和数据支持。同时感谢密歇根州和俄亥俄州的14位苹果种植者，他们允许我们在他们的果园中进行采样工作。J. Wilson和H. Leach的部分研究工作得到了相关研究资金的资助。
