视觉诱捕陷阱增强天牛科昆虫吸引力的机制研究：基于种特异性视觉刺激的监测技术突破

本研究针对天牛科昆虫(Cerambycidae)监测技术瓶颈，创新性地将种特异性视觉刺激整合至诱捕装置。研究人员通过欧洲和加拿大的四组野外试验，证实模仿目标天牛鞘翅图案的视觉刺激可显著提升Neoclytus acuminatus和Xylotrechus antilope的捕获率，同时揭示了非目标天牛对花色模拟陷阱的偏好规律。该成果为入侵物种监测提供了多模态诱捕新策略，论文发表于《Journal of Pest Science》。

　　

在森林生态系统中，天牛科昆虫(Coleoptera; Cerambycidae)作为最具生态和经济重要性的甲虫类群之一，其监测技术长期面临效率瓶颈。传统黑色拦截板陷阱配合信息素诱芯的方案，难以满足日益严峻的生物入侵防控需求。尤其令人困扰的是，许多天牛物种鞘翅上醒目的色斑图案——这些被认为兼具警戒色(Batesian mimicry)和种内通讯功能的视觉信号，在现有监测体系中完全未被开发利用。随着全球木材贸易激增带来的生物安全挑战，开发整合多感官线索的诱捕技术已成为当务之急。

来自意大利帕多瓦大学等国际团队在《Journal of Pest Science》发表的研究，首次系统评估了鞘翅视觉特征对天牛行为调控的生态学价值。研究选取四种具有典型警戒色图案的天牛：Neoclytus acuminatus、Sarosesthes fulminans、Xylotrechus antilope和Xylotrechus stebbingi，通过设计五类视觉刺激陷阱（包括鞘翅条纹单色板、图案化条纹、成虫照片等），在欧洲和加拿大的四个试验点开展对照研究。结果表明特定视觉刺激可显著提升目标物种捕获率，同时揭示了非目标天牛对花色模拟陷阱的系统性偏好，为开发新一代多模态监测技术提供了理论依据。

研究团队采用标准化野外试验设计，在意大利东北部和加拿大新不伦瑞克省设立四个试验点。每个站点采用随机区组设计部署30个WitaPrall交叉翼板陷阱，分别加载五种视觉刺激处理。所有陷阱均配备目标物种已知的聚集信息素（如3-hydroxyhexan-2-one等）和超高通量乙醇诱芯。通过反射光谱分析验证视觉刺激的色彩保真度，使用广义线性混合模型(GLMM)分析捕获数据，重点关注目标物种与非目标天牛对不同视觉刺激的行为响应差异。

视觉刺激对目标物种的效应
研究显示视觉刺激的增效作用存在显著种间差异。X. antilope对黄色条纹单色板的响应最为强烈，捕获量较黑色对照提升93.4%（χ²=16.97, P=0.002），这种偏好在其非目标试验点依然保持，暗示黄色可能作为超常刺激(supernormal stimulus)参与该物种的配偶定位。N. acuminatus则对精确复刻鞘翅图案的陷阱表现显著偏好（+58.8%，χ²=13.498, P=0.009），证实几何图案在视觉通讯中的关键作用。与之形成鲜明对比的是，X. stebbingi对所有视觉刺激均无显著反应，这可能与其昼夜活动兼性和隐蔽色策略相关。

非目标天牛的响应模式
在分析的14个非目标物种中，访花类天牛（如Pachytodes erraticus）对浅色单色板表现出近乎专一的偏好，在黄色面板陷阱中的捕获量可达黑色对照的100倍（χ²=101.46, P<0.001）。非访花物种则呈现异质性响应：Plagionotus detritus对X. antilope图案化陷阱的偏好（+58.3%）暗示警戒色天牛间可能存在视觉信号共享机制，而Phymatodes testaceus对成虫照片陷阱的显著响应（+120.6%）揭示了视觉识别在近缘种间的潜在应用价值。

讨论与展望
该研究首次证实鞘翅视觉特征可作为天牛监测的有效增效因子，突破传统依赖嗅觉线索的技术范式。目标物种对特定视觉刺激的差异化响应，为理解天牛视觉通讯的进化提供了新视角——X. antilope的黄色偏好支持警戒色在种内通讯中的功能扩展假说，而N. acuminatus的图案敏感性则表明几何特征可能编码物种识别信息。非目标天牛的响应规律更具实践价值：访花类对花色模拟的普遍偏好支持"视觉生态位分区"理论，而非访花类的异质性响应则提示需开发种特异性视觉诱捕方案。

这项由Davide Rassati团队主导的研究，通过跨大陆协作揭示了视觉生态学在入侵物种防控中的关键价值。其创新性在于将昆虫行为学理论与实际监测需求相结合，开发的图案化陷阱技术已具备直接转化潜力。特别是对X. antilope等入侵风险高的物种，黄色陷阱的简单改良即可实现监测效率倍增。未来研究需结合电生理学手段解析天牛色觉机制，并探索视觉-嗅觉信号的协同作用规律，为构建智能化监测网络提供理论基础。该成果标志着森林害虫监测从"单一嗅觉"向"多模态感知"时代的重要跨越。