摘要: 致瘿昆虫是一类能够引起寄生植物变态增殖后形成虫瘿的一类昆虫，全世界约有6目20科之多。致瘿昆虫寄生具有高度专一性，但可为害寄主多个部位，其中最为广泛、危害程度最重的是植物叶片，在全世界范围内造成了严重的经济损失，破坏了区域的生态平衡和生物链的稳定性。本文以瘿蚊科(Cecidomyiidae)、瘿蜂科(Cynipidae)、姬小蜂科(Eulophidae)、木虱总科(Psylloidea)、蚜总科(Aphidoidea)和瘿螨总科(Eriophyoidea)这6类叶部致瘿昆虫为对象，综述了植物叶瘿的简单结构与复杂结构；围绕三大假说阐述叶部虫瘿形态的多样性，更深层次地阐明虫瘿这一结构对于叶部致瘿昆虫的意义；以枣瘿蚊Dasineura jujubifolia为典例探讨叶瘿昆虫的危害特点，并从实践角度探讨其致害的原因。结合国内外对于叶部致瘿昆虫现已实行和有待发展的防治措施进行综合论述，包括化学防治、农业措施防治以及生物防治等3种主要措施。这6类叶部致瘿昆虫在为害方式、致瘿特点、世代完成方式等各有特点，虫瘿不同的结构组成与激素变化也分别相对应解释了营养假说、微环境假说以及天敌假说。根据目前有限的研究，将虫瘿的形成过程分为初期、成长期、成熟期和羽化期，对叶瘿昆虫通过分泌特定活性分子导致宿主植物糖类、蛋白质、脂质和生长激素等多方面发生变化的规律进行了详细讨论。叶部致瘿昆虫为害时间长、危害程度重和防治难度大的三大危害特点，介绍了在成虫羽化期前以化学防治为主，营林期间农业措施防治为辅的防治方法，与此同时，以自然天敌与生物制剂作为生物防治还有较大的发展前景。叶部致瘿昆虫在我国的研究仍有很大的发展空间，其特殊的为害方式表明了物种间协同进化的趋向，从宏观和微观角度叶部致瘿昆虫的综合防治具备重大的经济价值与现实意义。

摘要: 【目的】针对一些昆虫在进行生命表研究时由于个体从出生到死亡的发育、存活和繁殖数据无法连续记录或难以记录的问题，本研究旨在引入一种适宜该类昆虫的生命表组建技术，并证明该技术的可靠性。【方法】将24个以传统方式组建的昆虫连续记录生命表拆分为未成熟期与成虫期生命表，再利用自我重复取样匹配技术重新组建新的完整生命表，与原始生命表的主要种群参数进行比较与验证。利用该技术重新组建包含滞育期的梨小食心虫Grapholita molesta生命表，并借助模拟软件预测越冬种群增长趋势，将预测的种群数据与田间取样数据进行对比。【结果】24个种群基于0.5百分位净增殖率（R₀）和周限增长率（λ）采用自我重复取样匹配构建的生命表的种群参数与原始生命表一致。梨小食心虫自我重复取样匹配生命表无滞育期与含180 d滞育期的生命表周限增长率（λ）、内禀增长率（r）与平均世代周期（T）有显著差异，但净增殖率（R₀）与平均繁殖率（F）无显著差异。进行种群增长预测时，忽略滞育期会高估田间种群的增长潜力，呈现不现实的快速增长，而包含180 d滞育期的同时降低繁殖率并增加越冬期幼虫的死亡率的生命表，可得到更接近田间观察的实际种群结构。【结论】本研究展示了分别独立收集未成熟期和成虫期数据，利用两性生命表软件经100 000次自我重复取样和匹配，进而组建完整生命表的技术。借助年龄-龄期两性生命表理论的计算机模拟可以预测害虫种群增长，有助于确定防治的最佳时期和制定有效的害虫管理方案，以促进农业可持续发展。

摘要: 昆虫不育技术(sterile insect technique, SIT)是一种通过释放经辐射不育的雄性至野外与野生雌性交配从而产生不能孵化后代的害虫防治技术。随着分子生物学技术如基因编辑技术CRISPR/Cas9的不断发展，基于性别操控的昆虫不育技术如精确引导昆虫不育技术(precision-guided SIT, pgSIT)、昆虫不相容技术和昆虫不育技术相结合(incompatible insect technique and sterile insect technique, IIT-SIT)以及昆虫性比扭转(sex ratio distortion, SRD)已成功应用于多种农业害虫和媒介昆虫的防控。本文综述了pgSIT, IIT-SIT和SRD的研究现状，并对这些基于性别操控的昆虫不育技术的优缺点进行了讨论。介绍了细菌和病毒介导的杀雄分子机制及其在害虫防治中的应用潜力，以期为靶向昆虫性别的害虫不育防治技术提供理论支持。

摘要: 【目的】昆虫常在色彩、纹理或形态上和背景相似，具有伪装性，识别难度大。本研究旨在探索基于深度学习的伪装昆虫前背景自动分割方法。【方法】将显著目标检测算法(salient object detection algorithm)、大模型图像分割算法(large-scale model-based image segmentation algorithm)以及伪装目标检测算法(camouflaged object detection algorithm)应用于伪装昆虫数据集，该数据集包括10类昆虫共1 900张图片；并进一步针对现有伪装目标检测算法的不足，提出了一种基于DGNet(deep-gradient network)的网络模型改进方法，即ZDNet(zoom-deep gradient network)。在构建该模型时，充分运用图像特征增强、交错图像金字塔、梯度诱导和跳跃式特征融合等技术。利用伪装目标检测公开数据集COD10K与CAMO构建了包含螽斯、蜘蛛等10个目昆虫的图像数据集，结合迁移学习进行网络训练，将经过训练的模型用于分割伪装昆虫。【结果】现有的伪装目标检测模型用于伪装昆虫前背景分割时，其分割性能明显优于显著目标检测模型和大模型分割图像。同时，ZDNet在性能上也明显优于现有的伪装目标检测算法，获得的S度量值、最大F度量值、平均F度量值、最大E度量值、平均E度量值和平均绝对误差(mean absolute error,MAE)分别为0.890, 0.865, 0.824, 0.966, 0.951和0.020。【结论】研究结果证明了ZDNet网络模型能够获得很好的伪装昆虫前背景分割结果，有利于提高昆虫识别的性能，也进一步拓宽了伪装目标检测方法的应用范围。

摘要: 扁叶蜂科(Pamphiliidae)是扁叶蜂总科(Pamphilioidea)下最大的科级阶元，有着种类丰富的现生类群。该科一些种类是重要的林业害虫，历史上曾在欧洲以及我国北方多次暴发成灾，危害林木。全世界已报道的扁叶蜂科化石种类7属14种，均分布于北半球，从中侏罗晚期到中新世各时期均有记录。综合现生与化石类群的扁叶蜂总科系统发育研究证实了扁叶蜂科的单系性，但扁叶蜂科内部分化石属以及纽扁叶蜂属Neurotoma的位置仍存疑。此外，现有的分类体系将扁叶蜂科分为侏罗扁叶蜂亚科(Juralydinae)、腮扁叶蜂亚科(Cephalciinae)与扁叶蜂亚科(Pamphiliinae),其中侏罗扁叶蜂亚科仅包含大部分的化石属种，另外2个亚科主要由现生属种构成。现生亚科依据体表颜色、胫端距尖端质地、爪内齿排列等细微结构进行区分。而侏罗扁叶蜂亚科受化石材料限制，主要依据翅脉以及触角等易于保存的特征进行鉴定与区分。近年来随着标本的积累，侏罗扁叶蜂亚科历经3次修订后仅保留前翅1-Rs近乎1-M的一半或稍长为明显的鉴别特征。近期，另外一些特征如跗爪内齿的大小与排列方式、后翅Sc脉的分叉等得到关注，但这些特征仅在部分化石属种中观察到，是否稳定仍需后续进一步的探讨。化石类群与现生类群分类体系间的差异不仅在扁叶蜂科出现，在其他昆虫类群中也屡见不鲜。只有不断积累标本，运用更先进更全面的手段深入挖掘每件标本的信息，才能架好连接化石与现生类群的桥梁，科学探讨类群的演化。