研究与评述:生态与环境雷竞技苹果下载科学杂志
菜单ISSN: 2347 - 7830
ISSN: 2347 - 7830
+ 44-7723-59-8358德文·b·普雷斯顿*——史蒂文·G·约翰逊
美国新奥尔良大学生物科学系
收到:2022年10月22日，稿件号牛仔裤- 22 - 78015;编辑分配:2022年10月26日，QC预审牛仔裤- 22 - 78015 (PQ);综述:2022年11月10日QC号牛仔裤- 22 - 78015;修改后:2022年11月17日，稿件号牛仔裤- 22 - 78015 (A);发表:22-Nov-2022, DOI: 10.4172/2347-7830.10.06.005
浏览更多相关文章研究与评述:生态与环境雷竞技苹果下载科学杂志
行为体温调节进化的环境驱动因素仍在阐明中。在这方面对平均温度给予了很大的关注，但对热非均质性给予的关注较少。这里，我们进行了测试原位一个多面手蚱蜢的温度调节的有效性，在五个地点，在时间热异质性不同，看看是否从更多的异质地点的个体热调节更有效。我们采样了1)手术温度，2)首选温度，3)首选体温与现场体温之间的偏差，4)首选温度与手术温度之间的偏差，以及5)体温调节的有效性(E)。我们发现:1)不同地点的手术温度没有差异;2)不同地点的偏好温度没有差异;3)不同地点的环境热质量和温度调节精度存在差异，但与时间热非均质性之间没有明显的相关性;和4)E在不同的地点不同，部分遵循我们的假设模式，但模式在性别之间有所不同。我们的结论是，时间热异质性影响一些有机热性质，可能是种群间E差异的一个因素。然而，我们没有测量的热资源的空间异质性可能会影响我们所研究的种群的热性质演变。
温度调节;行为;Melanoplus;操作温度;气候;非均质性
昆虫面临着许多热挑战，并已经发展出各种各样的机制来克服它们[1]。其中一个挑战是在温度波动的环境中最大限度地适应，这可能会极大地影响许多物种的生物学[2]。由于气候变化，昆虫将面临新的热压力，需要数据来预测哪些种群面临的风险更大。人们对热带物种对平均温度变化的脆弱性给予了特别关注，但对温带物种对热变化的脆弱性关注较少，尽管最近的工作得出结论，温带物种将面临与热带物种相似的热应激水平[3.，4]。为了最大限度地提高适应性，生物应该有更喜欢的温度(T参照S)最大化性能，以及骨科医生的实验[5]。模型研究表明，种群应该在接近体温(TbS)最常见的经验和经验数据支持这一点。例如，在该领域，Huey和Kingsolver将均值Tb麦克林观察到，蜥蜴的耐寒性更强，而蜥蜴的耐寒性更强果蝇发生在较冷的气候中[6-9]。实验室研究结果与此一致，研究人员通过操纵环境温度，诱导了生物热极限的进化转变;较低的温度导致耐寒性的演变，较高的温度导致热的演变[10]。此外，热共适应假说预测T参照S应该进化以在最常见的操作温度下最大化性能，一些实证研究支持[11，12]。因此，当个体能够维持T参照s，他们应该能够最大化性能，反过来，T参照S应该近似于性能达到最大的温度[13，14]。与Blouin-Demers相反，Verheyen和Stoks发现，在决定性能方面，日热变化机制比平均温度更重要。然而，后一项研究检查了双翅目的种内差异，而前一项研究检查了鳞片的种间差异。因此，某些气候因子可能对不同分类群的热极限演化更为重要。
相对于最大性能而言，其性能处于给定阈值以上的温度范围称为热性能宽度[15]。热工通才具有较宽的热工性能宽度，因此他们也应该具有较宽的热工偏好(T参照)范围比热专家，原因如上所述。在一定条件下，环境异质性有望促进通才的进化[7，16]。代际热非均质性在促进热通才的演化中尤为重要，实验也证实了这一点[6，7，17，18]。代内热非均质性，另一方面，预计不会推动热普遍性。相反，假设在热宽度和最佳性能之间存在权衡;当代内热非均质性高时，热专家有望发展。吉尔克里斯特说，这是因为，只要生物体能够生长和繁殖的时间很短，自然选择就会倾向于提高效率，而不是环境耐受性的进化。相反，当代内热非均质性较低而代间热非均质性较高时，较宽的热宽度(热普遍性)将使生物有可能生长和繁殖一段时间，因此将受到青睐。相反，空间异质性和行为热调节可以抑制宽性能宽度的演变;当生物体可以在环境中不同的热斑之间移动以保持所需的温度时bS，它放宽了对宽热宽度的需求[19]。这是博格特效应的一个例子，在博格特效应中，有效的行为机制排斥并减缓了生理机制的进化。因此，当:
我们用不同蚱蜢的种群(Melanoplus differentialis)，随着时间的推移，它们经历不同程度的热非均质性。我们使用来自野外的环境数据，以及来自实验室的生理和行为数据，试图回答以下问题:
1.做常见的TeS决定温度偏好?其他研究人员已经注意到由于生境类型而引起的场间温度的巨大差异[21]。虽然为了保持一致性，我们从所有地点的相似栖息地取样，但我们的(大致相等的)地点跨越了1,602公里的范围。因此，植物群落和干扰制度可能在我们的站点之间至少略有不同，导致微生境类型和可用性不同。基于这个原因和上面的论点，我们假设Te位点之间的s会存在，这些会与T相关参照在这些地点的个人。
2.随着时间的推移，经历更多热异质性的人群是否在行为上更有效地调节体温?由于不同地点的热变异性不同，我们得出结论，对于个体来说，保持温度更具有挑战性参照由于热波动程度的不同，某些地点的Tes将更多地偏离个体T参照S在热非均相位置。然而，我们也预计来自这些地点的个体会有更大的热偏好范围，他们的环境会更偏离他们的T参照年代(22]。因此，我们预计这些个体将更有效地调节体温，即具有高E值(见方法)。一般来说，从西向东考虑，我们采样的地点的代际热非均质性下降。最西端站点的日热最大值、日热最小值和日温度变化更大，但最东端站点的日温度变化仅次于最西端站点[22]。因此，我们假设行为体温调节的有效性将有从西向东降低的总体趋势。
这项工作将有助于阐明时间热状态对人口温度调节能力的作用。通过提供与热极限和行为热调节相关的气候因子的信息，本实验告知是否可以根据气候变化的历史记录得出在当前气候变化情况下对新型热应激源的脆弱性的结论。
T的测量bT的测量与分析e
我们于2018年8月2日至8月10日进行了所有现场采样，每个站点花费1-2天。我们采集了野外活动体温(Tb5)来自堪萨斯州、密苏里州、伊利诺伊州、肯塔基州和弗吉尼亚州的站点(每个州一个站点)，热状态[22]。从早上9点到晚上9点，我们用手和扫荡网捕获个体并在捕获后5-30秒将热电偶插入胸腔的胸骨下。作为m . differentialis是一种体型较大的物种，与体型较小的昆虫相比，它们的热惯性相对较高。果蝇，我们期望个体之间在捕获和测量之间的延迟的差异对采样T的影响最小b5 .然后，我们将每个样本放入一个46 × 46 × 46厘米的不锈钢笼中，运往新奥尔良大学，但那些被安乐死以获得手术温度(Te)的值。
一个Te是特定动物具有相同颜色、大小和形状的物理结构在特定环境下达到的平衡温度，描述个体的内部温度b在没有体温调节的情况下。过去的测量方法是对铜管、琼脂模型和相关动物尸体等物体的内部温度进行取样[23-27]。手术温度会随时间和空间而变化[28，29]。空间,Te在不同的环境中，S在高分辨率和分辨率下都是不同的[30.，31]。
测量TeS，我们将雄性和雌性安乐死m . differentialis在每个站点(n=53)，我们观察到有活的个体。由于时间和人力有限，我们并没有随意放置这些内容。而一个非随机的位置可能有偏Te考虑到我们的局限性，我们期望抽样能产生比随机放置更有生态意义的结果。我们在每个人的胸腔上贴了一块大约胸腔大小的双面胶带，并将其连接到草或牧草的茎上。我们将每个标本放在茎的顶部，并允许胴体达到稳态(即五分钟后<0.1°C的变化)胸廓温度，然后我们记录下来。为了一致性和便利性，我们使用一个标尺来确保选择用于进行这些测量的每个草或牧草的高度约为0.9 m。我们对每个茎的中间(约0.457米)和底部(0米)重复了这一方法，结果每个胴体有三个样本。我们小心地让每个个体的头朝上，因为方位会影响Te年代(26]。此外，我们确保每只蚱蜢都保持相同的姿势，走路的腿摊开，后腿夹在下面。这些在茎上的位置，这个方向，这个姿势准确地模仿了我们在野外观察到的个体的状态。我们在9点到18点之间进行了这些测量。
我们分析了Te使用T进行重复测量方差分析e(°C)作为响应变量，而起源地点、性别、茎位置(三个层次:上/中/下)、在取样时通过目视观察确定的遮荫状态(两个层次:<或50%遮荫)、白天时间(四个层次:见下文)和“个体”作为预测变量。为了控制对同一个体的重复测量，我们将“个体”编码为随机变量。我们将一天的时间记录为四个级别的分类变量，901到1100点编码为“上午”，1101到1300点编码为“中午”，1301到1500点编码为“下午”，1501到1730点编码为“下午晚些时候”。我们在R [R]中进行了此操作和所有后续分析。32]。
T的测量与分析参照s和T集
首选温度(T)参照s)是特定的Tb个体试图达到的最优性能，它们在群体和个体内部和个体之间经常变化。影响T的因素参照S包括驯化效应、喂养状态、性别和一天中的时间[33-39]。因此，一个人的T参照是一个移动的目标，持续的体温调节是维持它的必要条件，特别是在一个不断变化的环境中。因此，如果T参照在野外测量时，需要在不同的时间点对许多个体进行采样。然而，在实验室中，这些因素中的一个或多个是可以控制的，从而将动物从生态约束中释放出来，并提供更有意义的结果。
经现场采集和测量b然后，我们将现场收集的个体运送到新奥尔良大学。我们确定了T参照从2018年8月14日至2018年9月5日，通过将每个人放入定制的10.16 × 91.44 × 10.16厘米的木制穿梭箱中。我们用一块透明的亚克力板覆盖在穿梭箱的主体上，用粘性挂钩和环扣固定。我们将穿梭箱划分为7个10.16 × 13.06 × 10.16 cm的分区(每个分区的开放空间为7.62 × 9.8 × 4.92 cm)。我们在一侧放置了一个空间加热器，在另一侧放置了一个窗户空调机组，并将它们与铝制管道和可拆卸配件连接到穿梭箱上。我们在每个隔板之间的木制隔板上切了一个2.54厘米的方形缺口，让个人可以在隔板之间自由通行。我们从左到右交替这些缺口，以部分限制分区之间的空气流动。从离空调机组最近的分区到离空间加热器最近的分区，各分区的稳态温度分别为8.2、9.2、11.2、15.4、18.0、44.3和67.2℃。对于每个T参照在试验中，我们允许分区达到其稳态温度，然后将一个人放入中间分区并立即开始试验。我们这样做(与允许行为调适期相反)是为了避免个体在试验开始前在穿梭箱中徘徊可能产生的偏差，可能在较热或较冷的分区开始试验。经过15分钟的时间，我们获得并记录了Tb每个人使用相同的协议，我们用来获得字段TbS如上所述。
我们用了T参照s来计算每个群体的设定点范围(T集）.一个T集是一个范围，在这个范围内个体试图保持他们的Tbs，可以通过取观察到的T的指定百分位数来计算参照人口中的S(例如中间的50%)[8]。曾经是人口的T集已知，它可以用来计算T参照s和1)Tbs (dbs)和2)TeS (des)在感兴趣的总体中。在本研究中，我们使用每个站点的个体值的中心50%来确定T集。之后，我们分析了T参照s与方差分析，使用T参照作为反应变量，以性别、原产地、体重及其相互作用作为预测变量。虽然体重会因进食状况而在很好的时间尺度上发生变化，而且通常不用于骨科动物，但体重是该种群中前骨长度的一个很好的预测指标[22]。此外，我们在测试前禁食12小时。因此，这种差异可能被最小化了。
d的测量和分析b和de
我们计算了度量db，在Hertz等人[8]。一个人的T越远b是从T开始的参照db值越高。这一度量(db)与提高温度调节的准确度和精度呈负相关，这除其他外，取决于人口可用热资源的空间配置[40]。Sears等人构建了一个模型，表明当Te如果T是分散的，而不是聚集在一起，那么个体就更容易得到T参照在没有竞争的情况下。他们随后用经验数据验证了他们的预测，进一步支持了T扩散的观点eS允许个人保持低db。决定db的另一个因素是有关物种的进化策略;热专家被期望比通才更仔细地调节温度[40，41]。因此，专家应该比通才拥有更小的db。然而，一个更大的T集通才可以抵消这种影响。
为了测量db，我们取各个字段T之间差的绝对值bs和人口T集由于这些值符合泊松分布，我们使用广义线性模型(GLM)对它们进行了分析，其中db作为响应变量，起源位置，性别和前前额长度(体型)作为预测变量。然后，我们用偏差表分析总结了GLM结果。由于存在显著的性别影响，并且我们对站点间差异更感兴趣，因此我们随后使用相同的变量(无性别)进行了性别特异性GLMs。由于即使在性别分开分析时，体型也有显著的影响，因此我们使用前角长度和db之间GLM的残差作为响应变量，以控制体型的影响。由于这些残差符合泊松分布，但利用这种分布的分析不适用于负值，我们通过将数据集中最小值的绝对值添加到每个值来转换所有值。最后，我们使用emmeans软件包来获得估计边际均值(EMMs)，以进行事后分析，以确定哪些位点的db差异显著。32，42]。
在Hertz等人[8]。This measure is similar to db, except that it is a measure of how far an individual's environment, instead of its Tb，偏离它的T集。为了得到de，我们计算了T之间的绝对偏差es和T集在每个站点。与db一样，我们使用GLM分析这些数据，使用de作为响应变量，使用起源地点、性别和体型作为预测变量。由于体型有显著的影响，我们对db进行了如上的随访分析，使用体型与de之间线性回归的变换残差作为响应变量。
d的计算̅b, d̅e和e
我们在Hertz等人[8]。E表示群体中个体保持T的能力bit’在T附近集用环境温度与种群温度的偏离量加权集。E值对实验人员很有用，因为它们可以在多个种群之间进行比较，以确定种群间有效调节温度能力的差异。
来计算d ?b和d̅e，我们分别使用每个站点的平均db和de。在每个地点，我们计算了所有个体的这些以及用于计算E的男性和女性特定值。为了获得每个地点的E值，我们使用公式1-(b/ E)，根据Hertz等人[8]。注意，当个体接近完美的体温调节(Tb= T集), d̅b会很低，而E会很高。当环境温度接近个体温度时参照s (Te= T集)， d′e会很低，e也会很低。更极端和多变的环境具有更高的e值，因此在其他条件相同的情况下，e值也会更高。
工作温度，首选温度和设定点范围
我们对每个分析都有不同数量的个体。只有体位(ANOVA: F2,23 = 14.88, p<0.001)和遮荫状态(ANOVA: F2,23 = 7.918, p=0.01)对T有显著影响e年代;意思是TeS在茎中和<50%遮荫处最高。性别、人口和体重对T均无显著影响参照s(方差分析:p值均为0.05)。T集下界和上界范围为13.4 (IL)至35.29°C MO (表1和表2）.
体温和手术温度与首选温度的偏差
现场(偏差分析表:X24191年= 130.392, p<0.001)、性别(偏差表分析:X2191= 9.107, p=0.003)、体型(偏差表分析:X2191= 8.684, p = 0.003)影响db。当我们单独分析男性时，体型(偏差分析表:X21128年= 4.993, p = 0.026)，发病部位仍影响db(偏差表分析:X21128年= 4.993, p = 0.026)。当我们控制体型的影响时，部位仍然影响男性的体重(偏差表分析:X)25128年= 118.67, p<0.001)。IL在db中显著低于其他所有位点(EMMs: p值均<0.001)。男性db (EMMs)的其他位点间差异无统计学意义(p值均为0.05)(图1）.
图1:使用野外体温与设定点温度(db)之间的偏差的线性模型的残差的平均转换值(±1SE)Melanoplus differentialis来自美国堪萨斯州(KS)、密苏里州(MO)、伊利诺伊州(IL)、肯塔基州(KY)和弗吉尼亚州(VA)野外站点的雄性作为响应变量和前角长度作为预测变量。我们通过将数据集中的绝对最小值添加到所有值中来转换残差值。IL显著低于其他所有位点(预期边际均值:所有p值<0.001)，但其他位点之间没有显著差异(预期边际均值:所有p值< 0.05)。
当我们单独分析女性时，地点是唯一显著影响db(偏差表分析:X)的因素263= 52.339, p < 0.001)。IL的平均值为0。与男性一样，IL人群中女性的db显著低于所有其他人群(图2）.
图2:野外体温与设定点温度(db)偏差的平均值(±1SE)Melanoplus differentialis雌性来自美国堪萨斯州(KS)、密苏里州(MO)、伊利诺伊州(IL)、肯塔基州(KY)和弗吉尼亚州(VA)。IL显著低于其他所有位点(预期边际均值:所有p值< 0.001)，但其他位点之间没有显著差异(预期边际均值:所有p值< 0.05)。
身体尺寸显著影响de(偏差表分析:X21, 53岁=7.319, p=0.007)，现场也是如此(偏差表分析:X24, 53岁=171.59, p<0.001)，但与性别无关(偏差分析表:X21, 53岁= 0.77, p < 0.05)。当我们控制身体尺寸时，现场(偏差分析表:X25, 53岁= 115.591, p<0.001)，但与性别无关(偏差表分析:X21, 53岁= 2.594, p < 0.05)，显著影响de。
KS de和MO de显著高于IL, MO de显著高于KY (EMMs: p值均<0.009)。其他位点的de (EMMs)无显著差异:p值均为0.05)(图3）.
图3:使用环境温度与设定点温度(de)之间的偏差的线性模型的残差的平均转换值(±1SE)Melanoplus differentialis来自美国堪萨斯州(KS)、密苏里州(MO)、伊利诺伊州(IL)、肯塔基州(KY)和弗吉尼亚州(VA)现场的个体作为反应变量和前位长度作为预测变量。我们通过将数据集中的绝对最小值添加到所有值中来转换残差值。
体温调节的有效性
在男性中，当两种性别一起考虑时，E在MO位点最高，而在KY位点最低，尽管在数学上没有定义。当雌性单独考虑时，E在IL位点最高，在VA位点最低(表3）.
工作温度和首选温度
我们的假设是eS将不同的网站不支持。这些结果与其他一些对变温动物的研究相一致。穆勒和吉格发现，平均Te两条蛇(腹蛇。)不同月份的物种有差异，但相距100公里和海拔相差50米的地点没有差异[28]。相反，只有我们测量的小气候条件、茎上位置和遮荫状态才会影响Te这表明小气候因素可能比地点或日温度波动更重要e在我们的网站。同样，Pincebourde和Suppo发现，热带变温动物的空间温度分布在细微尺度上变化巨大，并得出结论，这种变化调节了昆虫达到温度的能力参照年代(30.]。此外，模拟工作表明，精细尺度的空间异质性在决定生物体性能和热适应方面发挥着作用[12，43]。这可能是我们研究地点的情况，因为行为温度调节在热资源空间变化的环境中是最合适的，并且在Te在我们的人口中。因此，我们的实验个体可能有充足的机会进行行为体温调节，并且由于内部结构的复杂性，可能存在有效行为体温调节的选择。这一结果与Tes和T集在我们的网站上，与上述模型一致。我们的结论有两点需要注意:1 .昆虫的热偏好可能因实验室和野外而异;2 .可能具有较低的遗传性;3 .热性能可能具有可塑性Melanoplus物种(44-47]。
我们的假设是来自高T点的个体es有更大的T参照s无法检测，因为我们在T中没有检测到位点之间的差异e此外，我们没有检测到T参照S，与其他一些研究人员的结果一致[48]。Taucare-Ríos等人注意到T参照在一些，但不是全部，来自六个地点的蜘蛛种群中[49]。其中3个地点位于沿海，日平均气温较低，而另外3个地点位于内陆，日平均气温幅度较高。T参照沿海站点的s较低，表明日热波动的差异可能对T的选择起了作用参照年代研究中的个体。虽然我们收集的大多数站点的日变化范围不同，但这些差异可能不足以在站点间产生相同的模式参照S在我们取样的种群中，或种群内的空间异质性可能抵消了这些影响[22]。
我们研究的一个主要限制是我们对每个地点的T的分辨率非常小e5 .虽然我们通过在8天内对所有站点进行采样来消除季节性影响，并且在采样期间(个人观察)每个站点普遍存在相似的大气条件，但我们的T样本容量很小e（表1）.如果T有更大的样本量和持续时间eS，我们就能更好地描述每个地点的热资源。此外，我们放置了所有用于获得T的尸体eS保持同样的姿势。虽然这有助于控制姿势的影响，但它也导致采样更有限的T范围e比我们人口中实际可用的还要多。
| N | KS | 莫 | 伊尔 | 肯塔基州 | 弗吉尼亚州 | 总计 |
|---|---|---|---|---|---|---|
| Te | 14 | 15 | 12 | 6 | 6 | 53 |
| T参照 | 21 | 31 | 19 | 23 | 20. | 114 |
| db | 38 | 40 | 43 | 29 | 40 | 190 |
| de | 14 | 15 | 12 | 6 | 6 | 53 |
表1。确定操作温度(T)的实验样本大小e)，首选温度(T参照)，现场体温与设定点温度的偏差(db)， T的偏差e从设定点温度(de)，分别来自美国堪萨斯州(KS)、密苏里州(MO)、伊利诺伊州(IL)、肯塔基州(KY)和弗吉尼亚州(VA)。
| 州 | T集下限(°C) | T集上限(℃) |
|---|---|---|
| KS | 15.27 | 32.66 |
| 莫 | 16.665 | 35.29 |
| 伊尔 | 13.4 | 34.62 |
| 肯塔基州 | 15.89 | 32.745 |
| 弗吉尼亚州 | 15.935 | 35.055 |
表2。设定点温度(T集)，从美国堪萨斯州(KS)、密苏里州(MO)、伊利诺伊州(IL)、肯塔基州(KY)和弗吉尼亚州(VA)的野外站点采集了差异黑加种群。
另一个原因是我们可能没有检测到T的差异参照S可能是种群间的基因流动，即使理想的热最优在不同的地点是不同的。Melanoplus differentialis在Day建立的描述种内竞争者之间的基因流、热异质性和热最优协同进化的模型中，热异质性和基因流的耦合抑制了竞争者之间热最优的分化。如果这对我们的人群来说是正确的，那么他们之间可能存在某种程度的基因流动。最后,T参照由于上述各种原因，S可以在种群内变化，并且与其他热性能(例如热容)相比具有本质上较大的标准误差。因此，可能需要比我们更大的样本量来检测T的差异参照年代(50]。
体温和手术温度与首选温度的偏差
除IL外，所有站点的男性和女性的dbs相当。因为我们没有发现T参照解析:选db)， IL位点相对低db最可能的原因是低e;来自IL位点的个体不需要小心地调节体温来保持他们的Tbs在总体T的范围内集因为那里的温度相对稳定。然而，KY的de值与IL相当，但db值没有随之下降。因此，IL和KY之间的db差异也可能是由于这两个位点的空间配置差异。空间异质性的差异对体温调节的能量成本具有重要意义，并影响着种群向专门化或普适化的进化轨迹。虽然没有争议的是，矫形动物的行为体温调节可以起到很大的作用，但一些变温动物的体温调节比其他动物更仔细[43，51，52]。如果这种情况发生在我们的站点上，这可能是由于在最佳性能和性能广度之间的权衡;在空间异构环境中，选择倾向于更高的最大性能(专家)，而在空间同质环境中，选择倾向于更宽的性能宽度(通才)。然而，我们没有正式测量或分析我们的站点之间的空间异质性差异，因此我们无法得出任何结论。
虽然我们没有在我们的人群中测试博格特效应，但证明了可用环境温度的空间变化可以抵消某些特征的博格特效应。由于我们检测到小气候因子(遮阴覆盖度、茎位)对Tes(影响de的计算)，这可能发生在IL位点[53]。
昆虫可能积极改变TbS包括热微调，以优化资源获取和能量消耗之间的权衡，优化飞行能量学和行为发烧，以减少或消除真菌病[54，55]。因此，IL和KY之间的dbs可能存在多种偶然原因。
相对于其他热均匀的样点，KS和MO样点的de值较高，说明这些样点的热环境质量较差。虽然空间异质性已被认为是环境热质量的一个贡献者，但在本研究中考虑的地点，时间异质性似乎减少了环境热质量[22，43]。如果这也适用于其他地点和分类群，这对在变暖的世界中生活在不同程度热波动环境中的种群的生存有影响。
体温调节的有效性
我们的假设是，来自暂时热异质性环境的种群具有更高的E值，这得到了部分支持;当只考虑雄性或与雌性一起考虑时，除了地理位置最极端的种群(KS和VA;表3）.Lynch和Gabriel模拟了绩效广度(绩效高于特定水平的温度范围)的演变，并得出结论，绩效广度与代际异质性直接相关。Gilchrist模型的相似之处在于，它也表明代际异质性在绩效广度的演化中发挥了作用，但与Lynch和Gabriel模型的不同之处在于，它表明最优绩效广度严格遵循代际差异的比例;当代内的变化等于或超过代间的变化时，窄的性能宽度就会演变。这种差异是由于在每个模型中表现对适合度的贡献方式(Lynch、Gabriel和Gilchrist的模型分别是个体一生的几何平均表现和加性表现)。虽然我们没有测量代际差异的比率，但E的模式大致遵循Lynch和Gabriel的预测，假设更宽的表现宽度导致更大的T范围集，因此E的值更大。
| 州 | 两种性别 | 男性 | 女 |
|---|---|---|---|
| KS | 0.22 | -0.42 | 0.67 |
| 莫 | 0.75 | 0.78 | 0.69 |
| 伊尔 | 0.63 | -22.23 | 1 |
| 肯塔基州 | -5.96 | 未定义的 | -1.31 |
| 弗吉尼亚州 | -3.9 | -10.7 | -2.48 |
表3。的种群中雄性和雌性的体温调节能力的E值m . differentialis来自美国堪萨斯州(KS)、密苏里州(MO)、伊利诺伊州(IL)、肯塔基州(KY)和弗吉尼亚州(VA)的现场站点。E表示KY男性，在数学上没有定义，为德对总体来说是零。
然而，当只考虑女性时，IL的E值最高，VA的E值最低。m . differentialis男性体型比女性小，而体型会影响E的关键成分db(男性)和de(两性)，因此，E在两性之间的差异也就不足为奇了。昆虫体温调节性别差异的其他原因也已被注意到，例如雄性直翅目动物为优化Tbs表示调用和T的调制bS能提高女性卵巢的发育速度。皮夫尼克和麦克尼尔观察到，尽管雄性蝴蝶的体重较低，但它们的胸部温度始终较高，并假设这可能是由于性选择倾向于雄性，而不是雌性，在次优条件下飞行的能力。56-59]。
因此，在未来，研究不同T细胞的性别特异性选择可能是有用的b在我们抽样的人群中，E的性别特异性模式的差异是一个驱动因素。我们的结论是1:热资源的变化m . differentialis2:我们取样的种群在db上存在差异，这很可能是由热变异性的差异造成的;3:时间热变异性可能与种群的有效热调节有关m . differentialis我们从，但这一趋势并不适用于男女。
这项工作得到了东南生物学家协会(学生支持奖)和新奥尔良大学的支持。
实验个体的所有治疗都符合《动物护理和使用指南》和《国立卫生研究院实验室动物护理和使用指南》(国立卫生研究院出版物第8023号，1978年修订)。
没有一个
Devin B Preston:概念化，数据管理，形式分析，资金获取，调查，方法论，写作-原稿，写作-审查和编辑。
Steven G Johnson:资金申请、调查、项目管理、监督、写作、评审、编辑。
