آمنه کرمی - دانشجوی دکتری، گروه حشره شناسی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران
علی اصغر طالبی - گروه حشره شناسی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران
یعقوب فتحی پور - گروه حشره شناسی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران
محمد مهرآبادی - گروه حشره شناسی، دانشکده کشاورزی، دانشگاه تربیت مدرس، تهران، ایران

شرایط اقلیمی مهمترین عامل در پراکنش و فراوانی موجودات زنده و دما یک عامل مهم اقلیمی است که اثرات زیادی بر رشد حشرات آفت و دشمنان طبیعی آنها دارد و مهمترین نقش را در دینامیسم جمعیت، بیولوژی و اکولوژی آفات و دشمنان طبیعی آنها ایفا میکند. استفاده از مدلهای دمایی یکی از اجزای مهم سیستم های نوین و پیشرفته ی مدیریت تلفیقی آفات محسوب میشود که توانمندی و کارایی برنامه مدیریتی را افزایش میدهد. مگس Exorista larvarum (Linnaeus, ۱۷۵۸) (Diptera: Tachinidae) پارازیتویید داخلی و تجمعی لارو بالپول کداران و یک عامل بیولوژیک برای کنترل بسیاری از بالپول کداران از جمله Hyphantria cunea (Drury, ۱۷۷۳) (Lepidoptera, Erebidae) در محیط های جنگلی و کشاورزی است. برای بهبود پرورش انبوه این گونه و بهینه سازی کاربرد آن در مدیریت تلفیقی آفات، طول مرحلهی رشد پیش از بلوغ این پارازیتویید روی لارو شب پره موم خوار بزرگ Galleria (Lepidoptera: Pyralidae) mellonellaدر شرایط آزمایشگاهی در هفت دمای ثابت از ۱۵ تا ۳۵ درجه سلسیوس مورد بررسی قرار گرفت. در دمای ۳۵ œC هیچ رشدی مشاهده نشد. برای توصیف نرخ نشو و نمای E. larvarum به عنوان تابعی از دما، دو مدل خطی و ۲۶مدل غیرخطی برازش داده شدند. آستانه پایین دمایی و ثابت دمایی (K) توسط مدل خطی ordinary به ترتیب œC۵/۰۹ و ۳۸۹/۴۱ DD و توسط مدل خطی Ikemoto and Takai به ترتیب ۹/۷۳ œC و ۲۹۲/۷۴ DD برآورد شد. مدل هایغیرخطی Performance-۲، Beta، Janisch/Kontodimas، Analytis-۱ و Analytis-۳/Kontodimas به ترتیب بهترینمدل ها برای توصیف نرخ نشوونمای وابسته به دمای این پارازیتویید تعیین شدند. برآورد شده توسط مدل هایPerformance- ۲ وJanisch/Kontodimas به ترتیب۳۳/۲ و ۳۱/۴ œC محاسبه شد که نزدیکترین مقادیر را بهمشاهده شده (۳۲/۵ œC) داشتند. یافته های این پژوهش اطلاعاتی در مورد بیولوژی E. larvarum ارائه میدهد که می تواند در مدل های پیش آگاهی این پارازیتویید گنجانده شود و کاربرد آن را به عنوان یک عامل کنترل بیولوژیک بهبود بخشد.

آستانه های دمایی، کنترل بیولوژیک، مدل های خطی و غیرخطی، نرخ نشو و نما، .Galleria mellonella