王曉麗 倪震東 王力華 劉 波

(中國科學(xué)院研究生院，北京，100049) (中國科學(xué)院沈陽應(yīng)用生態(tài)研究所) (中國科學(xué)院東北地區(qū)植物與農(nóng)業(yè)生態(tài)研究所濕地環(huán)境與生態(tài)研究重點(diǎn)實(shí)驗(yàn)室)

分類學(xué)研究的信息量是無限的，如果分類學(xué)工作者大量的時(shí)間和精力都花在繁瑣的信息收集、整理、檢索等手工操作中，將阻礙整個(gè)分類學(xué)科的發(fā)展。所以，急需一種工具讓分類學(xué)家從傳統(tǒng)的手工操作中解放出來［1］。近年來，計(jì)算機(jī)在植物分類與鑒定上的應(yīng)用已取得了長足的發(fā)展［2］。

DELTA作為植物數(shù)據(jù)交換標(biāo)準(zhǔn)系統(tǒng)和交互式專家輔助鑒定系統(tǒng)在國際上享有盛譽(yù)，它可以規(guī)范分類學(xué)描述，對研究中所有常用性狀進(jìn)行識別和處理，對研究對象進(jìn)行詳盡的相似性和差異性比較［3］，但其研究對象局限于某一科或?qū)伲移鋸?fù)雜高深的檢索項(xiàng)也幾乎涵蓋了植物各方面的信息，使其只適用于植物分類學(xué)家。在國內(nèi)，中國數(shù)字標(biāo)本(http：//www.cvh.org.cn)由文香英翻譯的電子檢索表是一套綜合的交互式檢索系統(tǒng)，但其只能檢索到某個(gè)科。另外，石紅［4］對新疆的高等植物，王樹森［5］等對內(nèi)蒙古大青山地區(qū)植物，王彥勛［6］等對河北地區(qū)植物，馬紅梅［7］對山東省植物，馬承慧［8］對哈爾濱主要木本植物和主要綠化栽培植物，都利用了計(jì)算機(jī)和數(shù)據(jù)庫技術(shù)實(shí)現(xiàn)了植物電子檢索，但他們的檢索項(xiàng)大多是植物或其科屬名稱，很少或僅涉及幾個(gè)簡單的性狀檢索。由此可見，目前的研究多集中在電子檢索表的編制方面，對于檢索項(xiàng)的選取和檢索策略的優(yōu)化研究的較少。胡楊［9］根據(jù)每個(gè)植物特征出現(xiàn)的頻率，并結(jié)合野外觀測的特點(diǎn)，選取了若干關(guān)鍵詞作為檢索項(xiàng)來實(shí)現(xiàn)內(nèi)蒙古自治區(qū)境內(nèi)46種唇形科植物的檢索，但是他的檢索范圍較窄，其檢索項(xiàng)也包含“莖毛”等較難分辨的特征。

本研究以東北的木本植物為例，探討了傳統(tǒng)植物分類書籍在描寫所有植物時(shí)普遍共同使用了植物哪些方面的特征，用這些特征是否可以完成對東北常見木本植物的檢索，檢索策略如何優(yōu)化等問題，進(jìn)而找到一種東北常見木本植物簡單、快速、實(shí)用且有效的信息檢索方法。

1 研究對象與方法

1.1 數(shù)據(jù)準(zhǔn)備

選取4本最新版的東北常用植物分類學(xué)著作《中國植物志》、《東北植物檢索表》、《遼寧植物志》和《黑龍江植物志》。將以上文本格式的植物描述內(nèi)容掃描并識別后變成計(jì)算機(jī)可以處理的字符格式(共100多萬字)。

各本著作對植物的描述涉及植物的各個(gè)方面，這些方面不僅涉及植物的器官或組成器官的形態(tài)特征(如“花顏色”、“子房附屬物”等)，也包含了植物的習(xí)性、生境、分布等方面的信息。從計(jì)算機(jī)信息檢索的角度，這些方面都可以作為“檢索項(xiàng)”來檢索植物，對于任一“檢索項(xiàng)”，任一著作中任一物種對其的一個(gè)描述稱為一個(gè)“檢索值”，如“灌木”是《中國植物志》中Exochorda racemosa(白鵑梅)“習(xí)性”這一檢索項(xiàng)的檢索值(表1)，將物種的檢索項(xiàng)和檢索值分別提取出來組成一張二維矩陣表，每一植物的描述都來源于4本不同的著作，若檢索值相同則重復(fù)計(jì)入，若無描述則檢索值為0。

1.2 數(shù)據(jù)選取和處理

1.2.1 物種和檢索項(xiàng)選取原則

主要研究東北地區(qū)野生木本植物，對于在分類上有細(xì)小形態(tài)差異的變種和變型，如果不是分布較廣或有經(jīng)濟(jì)價(jià)值就不納入;另外，對于引進(jìn)種和栽培種，分布比較廣的納入，如果其分布只局限在很小的地區(qū)就不納入。

表1 植物信息表

統(tǒng)計(jì)4本著作中所選取植物每一個(gè)檢索項(xiàng)包含檢索值的個(gè)數(shù)，將檢索項(xiàng)按包含檢索值個(gè)數(shù)的多少降序排列，并根據(jù)檢索值的多少分成若干個(gè)區(qū)間，統(tǒng)計(jì)各區(qū)間內(nèi)包含檢索項(xiàng)的個(gè)數(shù)，計(jì)算各區(qū)間內(nèi)檢索項(xiàng)數(shù)占檢索項(xiàng)總數(shù)的比例，觀察各區(qū)間內(nèi)檢索項(xiàng)的特點(diǎn)，并據(jù)此按以下原則選則檢索項(xiàng)：

第一，檢索項(xiàng)應(yīng)該容易觀察和鑒別;第二，植物的生境、分布等檢索項(xiàng)唯一性和排他性較差，只作為參考;第三，選取的檢索項(xiàng)之間應(yīng)無相互性，并保證每一種植物至少有一本著作對其有描述;第四，各著作都有描述的某些科屬或某些類群所共同具有的特征也須考慮;第五，某一種或某幾種植物很特殊的特征，用“特殊特征”統(tǒng)一概括;第六，葉形有一定的變化幅度，可用“葉長寬比”的變化區(qū)間輔助檢索。

1.2.2 檢索值歸納整理

以《中國高等植物圖鑒》［10］和《東北木本植物圖譜檢索表》［11］為依據(jù)對檢索值歸納整理，并將植物不同著作的4個(gè)檢索值合并為一個(gè)，整理過程中還須遵循以下方法和原則：第一，植物性狀未達(dá)到穩(wěn)定狀態(tài)的特征暫不考慮;第二，某些變異性較大的檢索項(xiàng)，各本著作對其描述有差異，從檢索的角度對其檢索值進(jìn)行簡化。如葉形多是多個(gè)基本形狀的組合，組合后的形狀可達(dá)上百種，對于某一種植物，對其形狀的記載也可達(dá)幾種，表1中 Exochorda racemosa的葉形“長圓狀倒卵形”，將其分解為“倒卵形、長圓形”，在檢索時(shí)用“倒卵形”或“長圓形”都可以檢索到 Exochorda racemosa，保證了查全率［12］，同時(shí)簡化的檢索值方便了使用者選擇和判斷;第三，植物的一些很細(xì)微的特征，用肉眼很難看出其具體形態(tài)，為了降低鑒定的難度，將予以歸納合并，如植物的葉或枝上的硬毛、柔毛、伏毛等附屬物都?xì)w結(jié)為“有毛”。

1.3 檢索可行性檢驗(yàn)及檢索結(jié)果計(jì)算

因子分析是最常用的數(shù)據(jù)簡化方法，用于考察多個(gè)變量間的內(nèi)在關(guān)系，提取數(shù)據(jù)的主要信息，對選取的檢索項(xiàng)做因子分析，研究各檢索項(xiàng)之間相關(guān)性是否顯著。用選取的檢索項(xiàng)對所有植物種進(jìn)行兩兩對比分析，查找相同項(xiàng)，若無相同項(xiàng)，則證明選取的檢索項(xiàng)可以完成對植物的檢索。檢索項(xiàng)單獨(dú)檢索時(shí)，檢索出的物種數(shù)等于檢索項(xiàng)中不重復(fù)檢索值的個(gè)數(shù);檢索項(xiàng)組合檢索時(shí)，檢索出的物種數(shù)為物種與選取的檢索項(xiàng)矩陣中不重復(fù)檢索值的行數(shù)。

1.4 檢索項(xiàng)的權(quán)重

(1)多樣性指數(shù)(D)：多樣性指數(shù)是反映物種豐富度和均勻度的綜合指標(biāo)。選用辛普森多樣性指數(shù)(Simpson’s diversity index)［14］。

式中：Pi為檢索項(xiàng)中不重復(fù)唯一檢索值的個(gè)數(shù)與此檢索項(xiàng)單獨(dú)檢索出的物種數(shù)的比值;S為檢索項(xiàng)的個(gè)數(shù)。

(2)重要性指數(shù)(E)：一般意義上，植物花和果的穩(wěn)定性是鑒定植物的主要依據(jù)，其值賦予1，如“花序類型”“果實(shí)類型”等，其他的植物穩(wěn)定性狀(如“特殊特征”“習(xí)性”)賦予0.5，變異性較大的和數(shù)值型的檢索項(xiàng)(如“葉形”“葉長度”)，其值有一定的變化區(qū)間，賦予0。

(3)權(quán)重值(W)：權(quán)重值W=(D+E)/2，式中：D為多樣性指數(shù);E為重要性指數(shù)。

2 結(jié)果與分析

2.1 物種選取

東北地區(qū)有記載的木本植物有812種，選取399種作為研究對象，其中362個(gè)為野生種，這些植物種共涉及48個(gè)科、130個(gè)屬，基本涵蓋了東北地區(qū)木本植物所有的科屬。植物種選取后物種信息表是一個(gè)1596行、507列的二維矩陣，共有505個(gè)檢索項(xiàng)和43 911個(gè)檢索值。

2.2 檢索項(xiàng)與檢索值整理

檢索項(xiàng)包含檢索值個(gè)數(shù)在1 000～1 300之間的僅有4個(gè)，87%的檢索項(xiàng)包含的檢索值個(gè)數(shù)都低于100(表2)。各著作中植物描述多集中在“國內(nèi)分布”“生境”“葉形”“葉邊緣”“花序類型”等植物所共有的檢索項(xiàng)上，“小苞片質(zhì)地”、“花蕾附屬物”等檢索項(xiàng)則只是在某些種的描述中有涉及。結(jié)合檢索項(xiàng)的選取原則共選取出了29個(gè)檢索項(xiàng)，將其分為4組：第一組為一般特征組：習(xí)性、常綠性、高度、枝附屬物;第二組為葉特征組：葉類型、葉排列、葉先端、葉基、葉邊緣、葉形、葉表面附屬物、葉背面附屬物、葉長度、葉寬度、葉長寬比;第三組為花特征組：花序類型、花形狀、花顏色、花瓣數(shù)目、花直徑;第四組為果特征組：果實(shí)類型、果實(shí)形狀、果實(shí)成熟后顏色、果實(shí)長度;第五組為特殊類群組：葉裂片數(shù)、復(fù)葉小葉數(shù)、復(fù)葉長度、雙翅果夾角、特殊特征。

表2 檢索項(xiàng)在檢索值區(qū)間內(nèi)的個(gè)數(shù)統(tǒng)計(jì)

數(shù)據(jù)處理后物種信息表縮小為400行、30列，且數(shù)據(jù)格式規(guī)范，數(shù)據(jù)規(guī)整，可以用于計(jì)算機(jī)處理、計(jì)算并檢驗(yàn)。

2.3 檢索項(xiàng)的檢索檢驗(yàn)

2.3.1 因子分析

KMO統(tǒng)計(jì)量用于比較各變量間的簡單相關(guān)和偏相關(guān)的大小，取值范圍在0～1之間，如果各變量間存在內(nèi)在聯(lián)系，則KMO值接近1，做因子分析的效果好。一般認(rèn)為當(dāng)KMO大于0.9時(shí)效果最佳，0.7 以上時(shí)效果尚可，0.6 時(shí)效果很差，0.5以下時(shí)不適宜做因子分析［13］。

對399個(gè)植物種的29個(gè)檢索項(xiàng)做因子分析，KMO統(tǒng)計(jì)量是0.638，說明各檢索項(xiàng)之間的相關(guān)性不顯著，可以單獨(dú)作為獨(dú)立的檢索項(xiàng)。

2.3.2 唯一性檢驗(yàn)

用計(jì)算機(jī)對399個(gè)物種的29個(gè)檢索項(xiàng)的檢索值兩兩對比，沒有發(fā)現(xiàn)重復(fù)項(xiàng)，由此可知，此29個(gè)檢索項(xiàng)可以完成所有植物種的檢索。檢索項(xiàng)各組的指數(shù)和權(quán)重均值見表3。

表3 檢索項(xiàng)各組的指數(shù)和權(quán)重均值

2.4 檢索方案

任一檢索項(xiàng)單獨(dú)檢索平均每個(gè)僅能檢索出34個(gè)植物種，僅占總植物種數(shù)的9%，檢索效率很低，其中“葉形”能檢索出151個(gè)植物種，而“雙翅果夾角”僅能檢索出2個(gè)植物種，檢索結(jié)果的變異系數(shù)很大［15］，達(dá)到94%。

選取7種檢索項(xiàng)組合模式，分別計(jì)算特征項(xiàng)組合內(nèi)檢索項(xiàng)個(gè)數(shù)，檢索項(xiàng)組合檢索出的物種數(shù)，乘以權(quán)重均值得到實(shí)際的檢索效果(表4)。

表4 檢索項(xiàng)組合及其檢索結(jié)果

2.5 檢索實(shí)例

隨機(jī)選取5種植物，計(jì)算本系統(tǒng)檢索和《東北植物檢索表》傳統(tǒng)二歧式檢索使用的步驟數(shù)(表5)。

表5 檢索實(shí)例

本系統(tǒng)通過C#開發(fā)的winForm程序?qū)崿F(xiàn)，數(shù)據(jù)庫選用Access數(shù)據(jù)庫。軟件的主界面如圖1。界面的左上角是檢索項(xiàng)的選擇框，系統(tǒng)支持用植物的基本性狀檢索，如“習(xí)性”、“常綠性”、“葉形”、“葉先端”等，同時(shí)還支持用“科拉丁名”、“科中文名”、“屬拉丁名”、“屬中文名”、“種拉丁名”、“種中文名”等植物基本信息檢索，本系統(tǒng)共有35個(gè)檢索項(xiàng)。

圖1 系統(tǒng)主界面

界面的左下角是檢索用過的檢索項(xiàng)和檢索值，右擊可以刪除檢索值，以撤銷某次操作;界面的右半部分是檢索結(jié)果，顯示“符合條件的物種中文名和拉丁名”，并統(tǒng)計(jì)符合統(tǒng)計(jì)的物種個(gè)數(shù)，點(diǎn)擊物種名稱可以打開物種的圖片和文本描述信息界面。對于數(shù)據(jù)庫中不存在的物種是檢索不到的，檢索結(jié)果一欄為空。

3 討論

本研究選取的399種木本植物涉及東北地區(qū)木本植物所有的科屬，是一個(gè)綜合的檢索系統(tǒng)，這明顯不同于DELTA系統(tǒng)的科或?qū)俚燃壍臋z索，但是本文僅選取了東北地區(qū)較為常見的木本植物，可以滿足一般的檢索需求，對于稀有種和分布區(qū)很小的植物種，本系統(tǒng)沒有涉及，這將在以后的研究中進(jìn)一步討論。

本文的檢索系統(tǒng)和傳統(tǒng)植物分類的書籍和工具是不同的。傳統(tǒng)植物分類為了增加分類的客觀性，會選擇植物相對穩(wěn)定的性狀作為分類的依據(jù)，這些性狀大多和植物的生殖器官有關(guān)，且可觀察時(shí)間短，基于這些性狀編寫的檢索表在使用時(shí)有時(shí)間上的限制。DELTA系統(tǒng)和目前數(shù)量分類學(xué)［16］的研究也多選取這樣的性狀。本文的檢索項(xiàng)與DELTA系統(tǒng)和現(xiàn)有的檢索表的檢索項(xiàng)有明顯的不同，本文的檢索項(xiàng)沒有與植物生殖器官有關(guān)的復(fù)雜微小和難鑒別的特征，都是植物簡單的基本信息，容易理解和把握，尤其適用于植物分類的初學(xué)者。另外，本系統(tǒng)較多地使用了植物葉的特征，由于其穩(wěn)定性較差，所以檢索結(jié)果會受到影響。因此，本系統(tǒng)可以作為檢索工具廣泛使用，但還不能完全替代傳統(tǒng)植物分類書籍。

本文從檢索的角度對檢索值進(jìn)行了歸納整理，將復(fù)雜的檢索值給予簡化，這在DELTA等國內(nèi)外的軟件中是沒有的，整理后的檢索值數(shù)據(jù)格式統(tǒng)一、規(guī)整，為交互式電子檢索軟件的編寫提供了很好的數(shù)據(jù)基礎(chǔ)。使用者可以根據(jù)植物的生長期和自身喜好隨機(jī)組合檢索項(xiàng)來檢索植物，但是從檢索的準(zhǔn)確性和速率來說，選用權(quán)重值高的檢索項(xiàng)可以更快地得到更準(zhǔn)確的檢索結(jié)果。雖然使用植物葉檢索項(xiàng)可以達(dá)到99%的檢索率，但由于其穩(wěn)定性較差，檢索結(jié)果會受到影響。在檢索時(shí)推薦用花和葉的檢索項(xiàng)組合或果和葉的檢索項(xiàng)組合來檢索植物，此種組合的檢索率接近90%，雖然其結(jié)果會受到葉檢索項(xiàng)的影響，但總體的檢索效果還不錯(cuò)。由此可見，植物無論是在營養(yǎng)期、花期還是果期，適當(dāng)?shù)臋z索項(xiàng)組合都可以達(dá)到很好的檢索效果。

經(jīng)與傳統(tǒng)的二歧式檢索表比較，發(fā)現(xiàn)本系統(tǒng)僅用4～5個(gè)檢索項(xiàng)就可以檢索到目標(biāo)種，有的植物種僅需輸入一個(gè)檢索項(xiàng)，這大大簡化了檢索的步驟;另外，本系統(tǒng)檢索項(xiàng)的輸入順序是隨意的，大大方便了使用者。由此可見，本系統(tǒng)研究的東北木本植物檢索方法是一種簡單、快捷、實(shí)用和有效的并行檢索方法，它尤其適用于植物分類的初學(xué)者，同時(shí)也為植物分類學(xué)家檢索植物提供了一種簡單、快捷且有效的檢索方法和工具。

［1］宋延齡，楊親二，黃永青.植物種多樣性研究與保護(hù)［M］.杭州：浙江科學(xué)技術(shù)出版社，1998：151-158.

［2］鐘揚(yáng).電子計(jì)算機(jī)在植物學(xué)中的應(yīng)用［J］.武漢植物學(xué)研究，1986，4(3)：311-320.

［3］陳翔，陳訓(xùn).新版DELTA系統(tǒng)在植物分類學(xué)中的應(yīng)用：以羊茅屬研究為例［J］.廣西植物，2008，28(6)：759-763.

［4］石紅.新疆高等植物檢索和資源查詢系統(tǒng)的研建［D］.烏魯木齊：新疆大學(xué)，2006.

［5］王樹森，張學(xué)軍，羅于洋.植物檢索與查詢技術(shù)的建立：以內(nèi)蒙古大青山地區(qū)植物鑒定與檢索系統(tǒng)為例［J］.內(nèi)蒙古草業(yè)，2002，14(4)：26-28.

［6］王彥勛，孫宏凱，王利民，等.植物計(jì)算機(jī)檢索系統(tǒng)的研究與開發(fā)［J］.安徽農(nóng)業(yè)科學(xué)，2008，30(22)：9659-9660.

［7］馬紅梅，馬玉強(qiáng)，楊衛(wèi)軍.UML在植物資源檢索系統(tǒng)中的應(yīng)用［J］.計(jì)算機(jī)工程與設(shè)計(jì)，2009，30(15)：3645-3648，3652.

［8］馬承慧，王維芳，劉牧.木本植物分類檢索軟件的研制［J］.東北林業(yè)大學(xué)學(xué)報(bào)，2007，35(8)：74-77.

［9］胡楊.植物數(shù)字化檢索系統(tǒng)初探：以內(nèi)蒙古地區(qū)唇形科植物為例［D］.呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)，2010.

［10］中國科學(xué)院植物研究所.中國高等植物圖鑒：第1冊［M］.北京：科學(xué)出版社，1972：1020-1039.

［11］董世林，白勝文，高恩柱，等.東北木本植物圖譜檢索表［M］.哈爾濱：東北林業(yè)大學(xué)出版社，1993：4-37.

［12］邰曉英，北研二.信息檢索技術(shù)導(dǎo)論［M］.北京：科學(xué)出版社，2006：18-19.

［13］張文彤.SPSS11統(tǒng)計(jì)分析教程：高級篇［M］.北京：北京希望電子出版社，2002：192.

［14］尚玉昌.普通生態(tài)學(xué)［M］.北京：北京大學(xué)出版社，2002：275-277.

［15］楊持.生物統(tǒng)計(jì)學(xué)［M］.呼和浩特：內(nèi)蒙古大學(xué)出版社，1996：76.

［16］李曉東，咎艷燕，李建強(qiáng)，等.地黃屬和崖白菜屬的數(shù)量分類［J］.植物分類學(xué)報(bào)，2008，46(5)：730-737.