Rózsacserjék (Rosa spp.) térbeli mintázatának hatása a Diplolepis rosae általi parazitáltságra



Hasonló dokumentumok
A rózsagubacsdarázs (Diplolepis rosae Linnaeus, 1758) gubacsainak madárpredációja

Szent István Egyetem. Állatorvos-tudományi Doktori Iskola

Correlation & Linear Regression in SPSS

Döntési fák. (Klasszifikációs és regressziós fák: (Classification And Regression Trees: CART ))

Adatok statisztikai értékelésének főbb lehetőségei

Correlation & Linear Regression in SPSS

Molekuláris biológiai módszerek alkalmazása a maláriát okozó paraziták elterjedésének és prevalenciájának vizsgálatában

Populáció A populációk szerkezete

Miskolci Egyetem Gazdaságtudományi Kar Üzleti Információgazdálkodási és Módszertani Intézet. Correlation & Linear. Petra Petrovics.

Populációbecslés és monitoring. Eloszlások és alapstatisztikák

Biomatematika 15. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

A rosszindulatú daganatos halálozás változása 1975 és 2001 között Magyarországon

A MINTAVÉTELI ERŐFESZÍTÉS HATÁSA A MINTAREPREZENTATIVITÁSRA EFFECT OF SAMPLING EFFORT ON THE SAMPLE REPRESENTATIVENESS

Biomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János

Biostatisztika VIII. Mátyus László. 19 October

STATISZTIKA. A maradék független a kezelés és blokk hatástól. Maradékok leíró statisztikája. 4. A modell érvényességének ellenőrzése

Hosszú távú vizsgálat jobban kimutatja a társulási szabályok változásait a másodlagos szukcesszió során, mint a tér-idő helyettesítés módszere

Az SPC (statisztikai folyamatszabályozás) ingadozásai

TEGZESEGYÜTTESEK (TRICHOPTERA) DIVERZITÁSA A KEMENCE-PATAK VÍZGYŰJTŐJÉNEK (BÖRZSÖNY) GÁZLÓ ÉS MEDENCE ÉLŐHELYTÍPUSAIBAN

Matematikai statisztika c. tárgy oktatásának célja és tematikája

A vegetáció felmérésében. 1. előadás

Változó földrajzi elterjedésű gazdafajok, változó parazitafaunák. Rózsa Lajos és Vas Zoltán 2015, Budapest MPT 50

Bihari Zoltán 1, Balogh Péter 2 és Pető Noémi 1

A BÜKKI KARSZTVÍZSZINT ÉSZLELŐ RENDSZER KERETÉBEN GYŰJTÖTT HIDROMETEOROLÓGIAI ADATOK ELEMZÉSE

Hibridspecifikus tápanyag-és vízhasznosítás kukoricánál csernozjom talajon

AZ ERDÕ NÖVEKEDÉSÉNEK VIZSGÁLATA TÉRINFORMATIKAI ÉS FOTOGRAMMETRIAI MÓDSZEREKKEL KARSZTOS MINTATERÜLETEN

Biometria az orvosi gyakorlatban. Regresszió Túlélésanalízis

Geokémia gyakorlat. 1. Geokémiai adatok értelmezése: egyszerű statisztikai módszerek. Geológus szakirány (BSc) Dr. Lukács Réka

A magbank szerepe szikes gyepek fajgazdagságának fenntartásában

Good-Turing lefedés. Lang Zsolt

Regional Expert Meeting Livestock based Geographical Indication chains as an entry point to maintain agro-biodiversity

A madarak általi predáció kísérletes vizsgálata a rózsagubacsdarázs (Diplolepis rosae) esetében

Expansion of Red Deer and afforestation in Hungary

Biometria, haladó biostatisztika EA+GY biometub17vm Szerda 8:00-9:00, 9:00-11:00 Déli Tömb 0-804, Lóczy Lajos terem

Korreláció és lineáris regresszió

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Matematikai statisztika. Mi a modell? Binomiális eloszlás sűrűségfüggvény. Binomiális eloszlás

Biomatematika 13. Varianciaanaĺızis (ANOVA)

Kabos Sándor. Térben autokorrelált adatrendszerek

Összefoglalás. Summary

Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió

A JUHTARTÁS HELYE ÉS SZEREPE A KÖRNYEZETBARÁT ÁLLATTARTÁSBAN ÉSZAK-MAGYARORSZÁGON

DETERMINATION OF SHEAR STRENGTH OF SOLID WASTES BASED ON CPT TEST RESULTS

A GYÖNGYTYÚKTOJÁS FIZIKAI TULAJDONSÁGAI ÉS A PERZISZTENCIA KÖZÖTTI ÖSSZEFÜGGÉSEK VIZSGÁLATA EGY MAGYAR PARLAGI TÍPUSÚ ÁLLOMÁNYBAN

c adatpontok és az ismeretlen pont közötti kovariancia vektora

Inváziós növényfajok irtása a Csengődi-síkon

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

A konfidencia intervallum képlete: x± t( α /2, df )

Logisztikus regresszió

A Pogány-völgyi rétek Natura 2000 terület kisemlős közösségeinek vizsgálata, különös tekintettel az északi pocok (Microtus oeconomus) előfordulására

Védősisak viselés és a kerékpáros fejsérülések összefüggése gyermekkorban

A BSc-képzés szakdolgozati témái

IBM SPSS Modeler 18.2 Újdonságok

Általánosan, bármilyen mérés annyit jelent, mint meghatározni, hányszor van meg

Centura Szövegértés Teszt

POPULÁCIÓDINAMIKAI VIZSGÁLATOK A BARKÓSCINEGE (PANURUS BIARMICUS) EGY DÉL-MAGYARORSZÁGI POPULÁCIÓJÁN

STATISZTIKUS TÖRVÉNYSZERŰSÉGEK EGYSZERŰ DEMONSTRÁLÁSA GALTON-DESZKÁVAL SIMPLE DEMONSTRATION OF STATISTICAL LAWS WITH GALTON-BOARD

Biomatematika 2 Orvosi biometria

COOPERATION IN THE CEREAL SECTOR OF THE SOUTH PLAINS REGIONS STRÉN, BERTALAN. Keywords: cooperation, competitiveness, cereal sector, region, market.

Statisztikai becslés

Elemszám becslés. Kaszaki József Ph.D. SZTE ÁOK Sebészeti Műtéttani Intézet

[Biomatematika 2] Orvosi biometria

STATISZTIKA I. Centrális mutatók. Helyzeti középértékek. Középértékek. Bimodális eloszlás, U. Módusz, Mo. 4. Előadás.

Khi-négyzet eloszlás. Statisztika II., 3. alkalom

FAMILY STRUCTURES THROUGH THE LIFE CYCLE

Eloszlás-független módszerek (folytatás) 14. elıadás ( lecke) 27. lecke khí-négyzet eloszlású statisztikák esetszámtáblázatok

Statisztika I. 8. előadás. Előadó: Dr. Ertsey Imre

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Bevezetés a kvantum-informatikába és kommunikációba 2015/2016 tavasz

[Biomatematika 2] Orvosi biometria

FORGÁCS ANNA 1 LISÁNYI ENDRÉNÉ BEKE JUDIT 2

LINEÁRIS REGRESSZIÓ (I. MODELL) ÉS KORRELÁCIÓ FELADATOK

Dr. Tóth László. Önéletrajz SZEMÉLYI ADATOK. Dr. Tóth László (CSc)

Diszkriminancia-analízis

Quadkopter szimulációja LabVIEW környezetben Simulation of a Quadcopter with LabVIEW

Kabos: Statisztika II. ROC elemzések Szenzitivitás és specificitás a jelfeldolgozás. és ilyenkor riaszt. Máskor nem.

Tetőtípusok azonosítása hiperspektrális felvételek alapján

LOGIT-REGRESSZIÓ a függő változó: névleges vagy sorrendi skála

Statisztika I. 12. előadás. Előadó: Dr. Ertsey Imre

STATISZTIKA PRÓBAZH 2005

STATISZTIKA. Egymintás u-próba. H 0 : Kefir zsírtartalma 3% Próbafüggvény, alfa=0,05. Egymintás u-próba vagy z-próba

Adatelemzési eljárások az idegrendszer kutatásban Somogyvári Zoltán

Csóka (1992) Gyula környékén kocsányos tölgyön találta meg. Szentkúton Quercus pubescens-en

Matematika A3 Valószínűségszámítás, 6. gyakorlat 2013/14. tavaszi félév

Kettőnél több csoport vizsgálata. Makara B. Gábor

KÉPI INFORMÁCIÓK KEZELHETŐSÉGE. Forczek Erzsébet SZTE ÁOK Orvosi Informatikai Intézet. Összefoglaló

STATISZTIKA ELŐADÁS ÁTTEKINTÉSE. Mi a modell? Matematikai statisztika. 300 dobás. sűrűségfüggvénye. Egyenletes eloszlás

Segítség az outputok értelmezéséhez

KOMPETENCIA MÉRÉS ÉVFOLYAM

Negyedidõszaki éghajlati ciklusok a Mecsek környéki löszök puhatestû faunájának változása alapján

A TÓGAZDASÁGI HALTERMELÉS SZERKEZETÉNEK ELEMZÉSE. SZATHMÁRI LÁSZLÓ d r.- TENK ANTAL dr. ÖSSZEFOGLALÁS

Curriculum vitae. DE, Mezőgazdaság-, Élelmiszertudomány és Környezetgazdálkodási. Kar, Természetvédelmi mérnöki Msc, I.

Számítógépes döntéstámogatás. Genetikus algoritmusok

Pisces Hungarici 7 (2013)

OROSZ MÁRTA DR., GÁLFFY GABRIELLA DR., KOVÁCS DOROTTYA ÁGH TAMÁS DR., MÉSZÁROS ÁGNES DR.

Termékenységi mutatók alakulása kötött és kötetlen tartástechnológia alkalmazása esetén 1 (5)

Átlageredmények a évi Országos Kompetenciamérésen. matematikából és szövegértésből

Supplementary materials to: Whole-mount single molecule FISH method for zebrafish embryo

Statisztikai szoftverek esszé

Individuális viselkedés versus. szociális rovaroknál. Markó Bálint Taxonómiai és Ökológiai Tanszék

A KUKORICA STRESSZREZISZTENCIA KUTATÁSOK EREDMÉNYEIBŐL

Átírás:

Természetvédelmi Közlemények 13, pp. 233-240, 2007 Rózsacserjék (Rosa spp.) térbeli mintázatának hatása a Diplolepis rosae általi parazitáltságra László Zoltán és Tóthmérész Béla Debreceni Egyetem, Ökológia Tanszék Cím: Debreceni Egyetem, Ökológia Tanszék, 4010 Debrecen, Pf. 71 Felelős szerző: László Zoltán; Cím: Ökológia Tanszék, Debreceni Egyetem, 4010 Debrecen, Pf. 71; fax: 0036-52-431-148; e-mail: feherlofia@puma.unideb.hu; tel.: 0036-52-512-900/2616. Összefoglaló: Az aggregáltság a paraziták eloszlásának biológiai szempontból lényeges tulajdonsága, mivel a parazita egyedek eloszlása szoros összefüggésben áll a gazda populáció térbeli mintázatával, amely kapcsolat a majdani gazda-parazita viszonyt alakíthatja. A gazdaegyedek térbeli mintázatának és egyedszámának a parazitáltságra gyakorolt hatását tanulmányoztuk rózsacserjéken (Rosa spp.) élősködő rózsagubacsdarázs (Diplolepis rosae Linnaeus, 1758) esetében. Vizsgálatunkat két éven keresztül végeztük nyolc legeltetett száraz gyepen. Eredményeink azt mutatják, hogy a rózsacserjék nagy egyedszámnál egyenletes térbeli mintázatot mutatnak, viszont kis egyedszámnál foltokban jelennek meg. A cserjék aggregáltsága pozitívan hat a gubacsok számára és negatívan a gubacsok aggregáltságára. A cserjék aggregáltsága és parazitáltsága pozitív összefüggést mutat. A D. rosae általi parazitáltság alacsonyabb a rózsacserjék egyenletes térbeli mintázata esetén. Kulcsszavak: aggregáltság, diszkrepancia, foltosság, prevalencia, fitnesz, términtázat Bevezetés Táplálékláncok szerkezeti mintázatait meghatározó tényezők közül a táplálékláncokat alkotó fajok között levő kapcsolatok ismertebbek (Memmott et al. 2000), mint az egyedek denzitásának és eloszlásának tér-időbeli változásai (Williams & Liebhold 2000). Táplálékláncok jellegzetes szintjeit képezik a paraziták. A gazda térbeli mintázatának parazitáltságra gyakorolt hatásai egyaránt mutatnak pozitív denzitásfüggést, negatív denzitásfüggést és denzitásfüggetlenséget is (Altizer et al. 2003, Hails & Crawley 1992, Rózsa et al. 1996). A parazita térbeli mintázatát meghatározza a prevalenciája (a fertőzött egyedek aránya a mintában) és intenzitása (az egyedi fertőzöttségi szint a mintában), valamint a gazda denzitása és térbeli mintázata (Stiling & Strong 1982, Rékási et al. 1997, Sandin & Pacala 2005, Cronin & Strong 1999). Mivel egy táplálékláncot alkotó fajok egyedeinek tér-időbeli mintázata skálafüggő (Ray & Hastings 1996) vizsgálatuk esetén fontos a megfelelő lépték használata (Heads & Lawton 1983, Walde & Murdoch 1988). Vizsgálatunkban Rosa spp. egyedek térbeli mintázatát és a Diplolepis rosae (Linnaeus, 1758) gubacsok gazdanövényen való előfordulásának mintázatát hasonlítottuk össze és kerestük a köztük levő kapcsolatokat. Cronin & Strong (1999) szerint a gazdanövény térbeli mintázatával párhuzamosan változik a parazita gazdanövényen való előfordulásának mintázata is, ami a parazita gazdakeresési erőfeszítésével arányos. Ha a gazdanövények egyenlő távolságra vannak egymástól (egyenletes térbeli mintázat), több erőfeszítést igé- Magyar Biológiai Társaság, Budapest

234 László Zoltán, Tóthmérész Béla nyel a legközelebbit felkeresni, mint amikor egyenlőtlen távolságokra vannak egymástól (aggregáltak). Az előbbi gondolatmenet alapján: aggregált gazdanövényeken egyenletesen oszlanak el a gubacsok, mivel nagyobb annak az esélye, hogy a gubacsdarazsak megtalálják a következő gazda-egyedet (így kevesebb petét raknak le) és a keresési távolság kisebb (így minden gazdára kevesebb petét raknak le a paraziták). Gubacsok esetén a parazitáltság térbeli denzitásfüggését annak ellenére kevesen kutatták, hogy a gazdaszervezetek és a paraziták denzitása nagy pontossággal megbecsülhető. Az eddigi eredmények vagy negatív denzitásfüggést vagy denzitásfüggetlenséget mutattak (Hails & Crawley 1992, Schönrogge et al. 1995). Módszerek A vizsgálatot nyolc mintavételi területen végeztük két éven (2004 05) keresztül. A mintavételi területek legeltetett száraz gyepek voltak, valamint a gyepek fás szegélyei. Mintavételi területeink: (a) Marosvásárhely (Târgu-Mureş), Mureş megye, Romania, tengerszint feletti magasság 452 m, egy terület 4 (2004), illetve 3 (2005) kvadráttal 46,5126N / 24,5771E; (b) Kolozsvár (Cluj-Napoca), Cluj megye, Romania, tengerszint feletti magasság 472 m, 4 terület, területenként 3 (2004), illetve 3 (2005) kvadráttal 46,8018N / 23,6131E; 46,8317N / 23,6315E; 46,7328N / 23,5780E; 46,7672N / 23,4937E; (c) Berettyóújfalu, Hajdú- Bihar megye, Magyarország, tengerszint feletti magasság 105 m, egy terület 1 (2004), illetve 3 (2005) kvadráttal 47,2476N / 21,5377E; (d) Tépe, Hajdú-Bihar megye, Magyarország, tengerszint feletti magasság 95 m, egy terület 3 (2004), illetve 3 (2005) kvadráttal 47,3301N / 21,5605E; (e) Emőd, Borsod-Abaúj-Zemplén megye, Magyarország, tengerszint feletti magasság 125 m, egy terület 2 (2005) kvadráttal 47,9522N / 20,8047E. Az első öt területen gyakoriak voltak a legelőkön a Rubus spp., Hippophae rhamnoides, Prunus spinosa, és a szegélyek gyertyános-tölgyesek szegélyei voltak. A hatodik és hetedik területeken a Rosa spp. cserjésekben Prunus spinosa, és a mélyebb, vizesebb részeken Phragmites australis is előfordult, és két kvadrát fiatal kocsánytalan tölgy ültetvényben volt felvéve. Az utolsó területen kökény fordult elő a rózsacserjéken kívül. Random módon kiválasztott 50 50 méteres kvadrátokon belül helymeghatározó készülék (GPS) segítségével feljegyeztük minden cserje koordinátáját, mértük a cserjék magasságát és átmérőjét és összeszámoltuk az egyes cserjéken előforduló Diplolepis rosae gubacsokat. A cserjék térbeli mintázatának becsléséhez az 50 50 méteres kvadrátokat 10 10 méteres kisebb kvadrátokra osztottuk. A helymeghatározó készülék pontossága átlagosan 3 méter. A térbeli mintázatot jellemző statisztikákat a QP 3.0 (Rózsa et al. 2000) programmal számoltuk. A rózsacserjék és D. rosae gubacsok aggregáltságának megállapítására a diszkrepancia-indexet (D) (Poulin 1993) és a foltossági-indexet (IP) (Lloyd 1967) használtuk. A D és IP értékek véletlenszerű eloszlástól való eltérésének kimutatására Poisson eloszlású pontmintázatokat szimuláltunk különböző denzitási értékekre (n = 10 x; x = 1,, 20). Az ilyen módon szimulált pontmintázat a teljes térbeli randomitásnak (CSR: Complete Spatial Randomness) felel meg (Cressie 1993). Mindegyik denzitási értékre öt ismétlést végez-

Térbeli mintázat hatása a parazitáltságra 235 tünk és a denzitási értékek intervallumát a terepi adatok (10 m-es léptékű denzitás értékek) alapján határoztuk meg. A szimulációt a spatstat (Baddeley & Turner 2005) csomag segítségével végeztük az R statisztikai környezetben (R Development Core Team 2005). Az egyes cserje denzitásokhoz tartozó ismétlések eloszlását dobozdiagrammal szemléltettük. A gubacsok denzitásfüggésének megállapítására négyzetes és lineáris regressziót használtunk. A csoportok összehasonlítására (Mann-Whitney és Kruskal-Wallis teszt) és a korrelációk kiszámítására (Spearman rang-korreláció rho) nem-paraméteres teszteket használtunk, mivel az eloszlások aggregált, negatív binomiális jellegű eloszlások voltak. Eredmények A megmintázott 44 kvadrátból az elemzéseket N = 36 kvadrátra végeztük el, mivel nyolc esetben a cserjék vagy gubacsok egyedszáma egységnyi volt (kvadrátok eloszlása területenként lásd. Módszerek). A különböző denzitási értékekre szimulált Poisson eloszlású pontmintázatok a D esetén erős denzitásfüggést mutattak (négyzetes regresszió; r 2 = 0,98; p < 0,001) (1.a ábra), míg az IP értékek denzitásfüggetlenek voltak (lineáris regresszió; r 2 = 0,009; p = 0,86) (1.b ábra). A terepi adatokra kiszámolt D (Mann-Whitney U-teszt; U = 182,5; p < 0,001) és IP (Mann-Whitney U-teszt; U = 569,5; p < 0,001) értékek szignifikánsan magasabbak voltak, mint a szimulált, Poisson eloszlású ponthalmazokra kiszámolt értékeik. A megfigyelt adatokra (N = 36) a D mediánja 0,66 és az IP mediánja 1,57. A szimulált adatokra (N = 100) a D mediánja 0,25 és az IP mediánja 1,01. A cserjék száma erősen változó volt (minimum = 3; medián = 23,0; maximum = 103), ami a mintavételi területektől függött (Kruskal-Wallis teszt; χ 2 = 15,31; df = 7; p = 0,03). A cserjék térbeli mintázata az IP alapján saját denzitásuktól független volt, míg a D alapján erősen denzitásfüggő (1. táblázat). A gubacsok száma a mintavételi területektől független volt (Kruskal-Wallis teszt; χ 2 = 9,16; df = 7; p = 0,24). A gubacsok száma negatív cserje denzitásfüggőséget mutatott (1. táblázat). A gubacsok térbeli mintázata az IP alapján saját denzitásuktól független volt, míg a D alapján erősen denzitásfüggő (1. táblázat). A gubacsok térbeli mintázata az IP és D alapján is pozitív cserje denzitásfüggőséget mutatott (2.a ábra), amely szerint a gubacsok aggregációja nő a cserjék denzitásával (1. táblázat). A gubacsok térbeli mintázatát a cserjék térbeli mintázata csak a D esetén befolyásolja (2.b ábra). A D. rosae általi parazitáltság a cserjék térbeli mintázatával (D) pozitív és a cserjék denzitásával negatív korrelációt mutat (1. táblázat).

236 László Zoltán, Tóthmérész Béla 1. táblázat. A gubacsok és cserjék denzitásainak korrelációi (Spearman rho) térbeli mintázatukkal és a cserjék méretével; a térbeli mintázatot a diszkrepancia-index (D) és a foltossági-index (IP) becsüli (* p<0,05; ** p<0,01; *** p<0,001; N.S. nem szignifikáns, N=36). rho p cserje denzitás cserje IP 0,01 N.S. cserje D 0,85 *** cserje méret 0,45 ** cserje denzitás gubacs IP 0,65 *** gubacs D 0,76 *** gubacs denzitás 0,53 *** parazitáltság 0,63 *** cserje IP gubacs IP 0,16 N.S. gubacs D 0,09 N.S. gubacs denzitás 0,00 N.S. parazitáltság 0,12 N.S. cserje D gubacs IP 0,68 *** gubacs D 0,73 *** gubacs denzitás 0,48 ** parazitáltság 0,61 *** cserje méret gubacs IP 0,22 N.S. gubacs D 0,37 * gubacs denzitás 0,28 N.S. parazitáltság 0,23 N.S. gubacs denzitás gubacs IP 0,29 N.S. gubacs D 0,64 *** A parazitált cserjék mérete a növekvő cserjedenzitással negatív korrelációt mutatott (1. táblázat). A gubacsok denzitása és IP értékeik függetlenek voltak a cserjék méretétől, míg a D értékeik negatív cserjeméret függőséget mutattak (1. táblázat). Értékelés A cserjék térbeli mintázata hozzájárul a paraziták gazdanövényen való eloszlásának és parazitáltságának meghatározásához, de csak közvetetten, mert a cserjék denzitása összefüggést mutat a parazitált cserjék relatív méretével (fitnesz-mutató), ami a gubacsokozók gyengébb fitnesszű gazda-preferenciájáját feltételezi.

Térbeli mintázat hatása a parazitáltságra 237 A gubacsok cserjéken való eloszlásának és számának a cserjék eloszlásától és számától való függőségének magyarázatára eredményeink alapján egy modellt dolgoztunk ki, amely a gubacsdarazsak gazda választásának magyarázatát kibővíti a gazda fitnesz hatásával, amihez még hozzájárulnak az élőhely jellemzői is. Ez a kapcsolat elsősorban akkor áll fenn, ha a cserjék számával nő a cserjék átlagos fitnesze, de néhány cserje az átlagosnál gyengébb fitneszű lesz. Az átlagosnál gyengébb fitneszű cserjék jelenlétét a cserjék aggregáltsága határozhatja meg. Kis léptékben a csoportos előfordulás a csoport alkotóinak néhány egyede számára előnytelen és ezeket fogják parazitálni a gubacsokozók. E hipotézis másik összetevője a kis cserje denzitás esete, amikor a cserjék fitnesze a nagy cserje denzitású terület cserje fitneszének minimuma és maximuma között helyezkedik el, és a gubacsokozóknak nincs válogatási lehetőségük. Ilyenkor a gubacsok eloszlása egyenletessé válik. Ha sok a cserje a gubacsdarazsak válogathatnak a különböző fitneszű cserjék között, és a leggyengébbiket használják ki a legelőnyösebben. Ha kevés cserje van jelen, akkor nincs válogatási lehetőség, és minden bokrot kihasználnak, még abban az esetben is, ha ez kisebb sikert eredményez. Másodsorban, ha az élőhely optimális jellemzőkkel rendelkezik, akkor nagy lesz a cserjék abundanciája és egyenletes az eloszlásuk. Az egyenletes eloszlás annak a következménye, hogy cserje-cserje közti távolság általánosan egy optimumra áll be. Az egyenletes térbeli mintázat alóli kivételek alkotják a vesztes szigeteket a gubacsokozók elleni harcban. A gubacsokozók magas gazda denzitású élőhelyen aktív gazda szelekciót mutatnak, míg kevés gazda egyed esetén nem válogatnak (Abrahamson & Weis, 1997). Ezért lehetséges, hogy alacsony gazda abundanciánál a gubacsok eloszlása egyenletes. Ha az élőhely szuboptimális jellemzőkkel rendelkezik a cserjék átlagos abundanciája kicsi és eloszlása aggregált, így fitneszük alacsony (de nem kisebb, mint az egyenletes eloszlású cserjék közötti aggregált cserjéké) és a gubacsok eloszlása egyenletes. Eredményeink alapján a parazita eloszlás negatív denzitásfüggésének magyarázatára egy modellt dolgoztunk ki, amelyik a távolság függvényében lerakott peték számának hipotézise (Cronin & Strong, 1999) mellett szintén tesztelhető. A cserjék parazitáltsága aggregáltságuk által is meghatározott, a kis cserje-aggregációjú területek gyengébb fitneszű egyedei jobban parazitáltak, mint a nagy cserje-aggregációjú területek egyedei. Hipotézisünk a fitnesz komponens hatását adja a parazitáltság mértékének meghatározásához. A nagyobb aggregációjú cserjék fitnesze a kisebb aggregációt mutató cserjék fitneszénél kisebb. Valamint a kis aggregációt mutató cserjék parazitált egyedei szignifikánssan kisebb fitneszűek mint a nem parazitáltak. Eredményeink természetvédelmi szempontból a veszélyeztetett, kis egyedszámban és aggregáltan előforduló növényfajokat érinthetik. Ezeken a herbivórok eloszlása egyenletes és magasabb herbivór támadási veszélynek vannak kitéve, mint nagyobb egyedszámban előforduló kompetitoraik. Egy adott méretű területen minél kevesebb egyed fordul elő egy fajból annál inkább aggregáltak, aminek következtében, még ha fitneszük nagyobb is, mint egyenletes eloszlású, de megtámadott fajtársaikké, a herbivór egyedszám magasabb lesz és egyenletes lesz eloszlásuk, így potenciálisan minden egyed fertőzötté válik. Túlélési esélyeik, valamint szaporodóképességük csökkenésével további egyedszám esés várható.

238 László Zoltán, Tóthmérész Béla 1. ábra. A cserjék kvadrátonkénti (50 50m) denzitásának és a) a diszkrepancia-indexnek (D); b) a foltossági-indexnek (IP) a kapcsolata Poisson eloszlású szimulációs pontmintázatok esetén. Az egyes cserje denzitásokhoz tartozó ismétlések eloszlását dobozdiagrammal szemléltettük. 2. ábra. a) a diszkrepancia index (D) és a foltossági index logaritmusa (logip) a cserjék denzitásának függvényében ( D, logip); b) a gubacsok aggregációja (D) a cserjék aggregációjának (D) függvényében

Térbeli mintázat hatása a parazitáltságra 239 Irodalomjegyzék Abrahamson, W. G. & Weis, A. E. (1997): Evolutionary ecology across three trophic levels: goldenrods, gallmakers and natural enemies. Princeton University Press, Princeton, New Jersey, USA. 456 pp. Altizer, S., Harvell, D. & Friedle, E. (2003): Rapid evolutionary dynamics and disease threats to biodiversity. Trends Ecol. Evol., 18: 589 596. Baddeley, A. & Turner, R. (2005): Spatstat: an R package for analyzing spatial point patterns. J. Stat. Soft., 12: 1 42. Cressie, N. (1993): Statistics for Spatial Data. John Wiley & Sons Inc., New York, 900 pp. Cronin, J. T. & Strong, D. R. (1999): Dispersal-dependent oviposition and population dynamics of a host and parasitoid. Am. Nat., 154: 23 36. Hails, R. S. & Crawley, M. J. (1992): Spatial density dependence in populations of a cynipid gall-former Andricus quercuscalicis. J. Anim. Ecol., 61: 567 583. Heads, P. A. & Lawton, J. H. (1983): Studies on the natural enemy complex of the holly leafminer: the effects of scale on the detection of aggregative processes and the implications for biological control. Oikos, 40: 267 276. Lloyd, M. (1967): Mean crowding. J. Anim. Ecol., 36: 1 30. Memmott, J., Martinez, N. D. & Cohen, J. E. (2000): Predators, parasitoids and pathogens: species richness, trophic generality and body sizes in a natural food web. J. Anim. Ecol., 69: 1 15. Poulin, R. (1993): The disparity between observed and uniform distributions: a new look at parasite aggregation. Int. J. Parasitol., 23: 937 944. R Development Core Team (2005): R: A Language and Environment for Statistical Computing. R Foundation for Statistical Computing, Vienna, Austria. (URL http://www. R-project.org). Ray, C. & Hastings, A. (1996): Density dependence: are we searching at the wrong spatial scale? J. Anim. Ecol., 65: 556 566. Rékási, J., Rózsa, L. & Kiss J. B. (1997): Patterns in the distribution of avian lice (Phthiraptera: Amblycera, Ischnocera). J. Avian Biol., 28: 150 156. Rózsa, L., Reiczigel, J. & Majoros, G. (2000): Quantifying parasites in samples of hosts. J. Parasitol., 86: 228 232. Rózsa, L., Rékási, J. & Reiczigel, J. (1996): Relationship of host coloniality to the population ecology of avian lice (Insecta: Phthiraptera). J. Anim. Ecol., 65: 242 248. Sandin, S. A. & Pacala, S. W. (2005): Fish aggregation results in inversely density-dependent predation on continuous coral reefs. Ecology, 86: 1520 1530. Schönrogge, K., Stone, G. N. & Crawley, M. J. (1995): Spatial and temporal variation in guild structure parasitoids and inquilines of Andricus quercuscalicis (Hymenoptera, Cynipidae) in its native and alien ranges. Oikos, 72: 51 60. Stiling, P. D. & Strong, D. R. (1982): Egg density and the intensity of parasitism in Prokelisia marginata (Homoptera, Delphacidae). Ecology, 63: 1630 1635.

240 László Zoltán, Tóthmérész Béla Walde, S. J. & Murdoch, W. W. (1988): Spatial density dependence in parasitoids. Annu. Rev. Entomol., 33: 441 466. Williams, D. W. & Liebhold, A. M. (2000): Spatial scale and the detection of density dependence in spruce budworm outbreaks in eastern North America. Oecologia, 124: 544 552. Spatial pattern and parasitisation of rose shrubs (Rosa spp.) by Diplolepis rosae Zoltán László and Béla Tóthmérész Department of Ecology, University of Debrecen, P. O. Box 71, H 4010, Debrecen, Hungary Abstract: Aggregation is a biologically significant property of parasites, because distribution of parasites between hosts is usually aggregated: on a few hosts there are many parasites, while on the majority of hosts there are just a few. We studied the effect of changes in spatial pattern and density of rose shrubs on its parasitisation by D. rosae cynipid wasps. The study was made during two years on eight sample sites. Our results show that rose shrubs on high densities show uniform distribution, while on low densities they appear aggregated using discrepancy and patchiness indices. Aggregated pattern of rose shrubs has a negative correlation with aggregation of galls on shrubs. Spatial distribution of rose shrubs has an effect on parasitisation too, with growing aggregation increases the prevalence of D. rosae. Key-words: aggregation, discrepancy, patchiness, prevalence, fitness, spatial pattern