全 文 ：中国植物名称数据库的建设及若干问题的探讨*
张暋宇1,2,王雨华1
**
(1中国科学院昆明植物研究所资源植物与生物技术重点实验室,云南 昆明暋650204;
2中国科学院研究生院,北京暋100049)
摘要:中国植物物种信息数据库是中国科学院科学数据库参考型数据库,中国植物名称数据库 (CPNI)
是中国植物物种信息数据库最重要的组成部分,是中国植物物种信息数据库收录植物的目录和索引,也是
其他数据库的参考和联系的桥梁。以 《中国植物志》和 《FloraofChina》为基础数据来源,加上少量参考
数据作为补充,设计建设了中国植物名称数据库,并从现有已建成同类数据库的评价、数据来源和数据组
成,以及建库策略实现对中国植物名称数据库建设进行了分析和探讨。中国植物名称数据库是植物名称的
参考型数据库,能够辅助植物学相关学科研究中关于植物名称的研究和利用。
关键词:CPNI;植物名称;科学数据库;数据标准
中图分类号:Q949,G350暋暋暋暋暋文献标识码:A暋 暋暋暋暋文章编号:0253灢2700(2010)05灢401灢06
TheResearchingandDiscussionontheConstructionofthe
DatabaseofChinesePlantNamesIndex(CPNI)*
ZHANGYu1,2,WANGYu灢Hua1**
(1KeyLaboratoryofEconomicPlantsandBiotechnology,KunmingInstituteofBotany,ChineseAcademyofSciences,
Kunming650204,China;2GraduateUniversityofChineseAcademyofSciences,Beijing100049,China)
Abstract:TheChinesePlantsreferencedatabase(CPRD)isapartoftheScientificDatabase.TheChinese
PlantNamesIndex(CPNI)isoneoftheimportantpartsofCPRD,becauseitisthenamesindexofCPRD
andthebridgetootherplantdatabases.BasedontheChineseversionandEnglishversionof“FloraofChi灢
na暠,theCPNIwasconstructedwithotherlittlereferencedata.Then,theadvantagesanddisadvantagesof
thedatabasesofplantnameswhichhavebeenpublishedintheworld,thedataresourcesandtheconstruction
strategiesoftheChineseplantnameswasdiscussed.TheCPNIisareferencedatabaseoftheChinesePlant
Nameswhichcanbeusedonstudiesonplantsciencesespecialywhenthenamesoftheplantswhicharestud灢
iedonmustbeensured.
Keywords:CPNI;Plantname;Scientificdatabase;Datastandard
暋 我国是世界上10个生物多样性大国之一,
生物物种极为丰富,中国拥有高等植物3万余
种,其中苔藓、蕨类、裸子植物和被子植物分别
占世界总数的9灡1%、22%、26灡7%和10% (裴
盛基等,2009)。名称是一个事物区别与另一个
事物的直接标识。而植物的 “名称标识暠就是植
物的唯一合法学名,且每一个分类等级都具有唯
一的合法学名 (张丽兵译,2007)。对于植物学
研究者来说,确定研究对象的唯一合法学名是整
个研究的首要前提。中国植物名称数据库 (the
云 南 植 物 研 究暋2010,32(5):401~406
ActaBotanicaYunnanica暋暋暋暋暋暋暋暋暋暋暋暋暋暋暋暋暋暋DOI:10灡3724/SP灡J灡1143灡2010灡10101
*
**
基金项目:中科院科学数据库项目 (INFO灢115灢C01灢SDB1灢02);科技部科技基础性工作专项重点项目 (2007FY110100);云南
省科技计划项目 (2009CC016)
通讯作者:Authorforcorrespondence;E灢mail:wangyuhua@mail灡kib灡ac灡cn
收稿日期:2010灢05灢10,2010灢07灢20接受发表
作者简介:张宇 (1985-)男,在读硕士研究生,主要从事植物学,植物资源与生物多样性信息方向研究工作。
ChinesePlantNamesIndex,CPNI)是依照中国
科学院科学数据库中参考型数据库建设标准规范
(中国科学院计算机网络信息中心科学数据中心,
2009),以中国科学院昆明植物研究所为主的相
关研究机构长期积累的数据为基础建成的符合国
家或国际标准、有严格质量控制与管理、内容具
有完整性和权威性的数据库。它是 《中国植物物
种信息数据库》的一部分,也是整个物种信息数
据库的物种名录和查询索引;是连接物种信息库
中各个子数据库的桥梁,也是物种数据库和其他
数据库之间联系的纽带。所以成功建成中国植物
名称数据库是整个中国植物物种信息数据库建设
成功的关键所在,在建设过程中产生的相关问题
和结论亦值得深入研究探讨。
1暋国内外同类数据库的建设情况及其评价
自1992年环境与发展大会召开以来,各国
政府和从事生物多样性保护的国际组织普遍提高
了对生物多样性信息收集和管理的重视程度,开
发建立了大量的联网数据库和网站。比较知名的
有species2000,国际植物名录 (TheInterna灢
tionalPlantNamesIndex,IPNI)、theIntegrat灢
edTaxonomicInformationSystem (ITIS)、In灢
ternationalOrganizationforPlantInformation
(IOPI)、TROPICOS猝等等 (Singh,2004)。这
些基于生物多样性的植物数据库的出现,极大地
促进了相关研究和公众关注程度。国内主要开发
了中国生物多样性信息系统 (CBIS)、中国物种
信息系统 (CSIS)、中国科学数据库 (CSDB)、
中国科学院院生物局 “生物物种与标本信息系
统暠和国家科技基础平台生物标本馆项目,以及
不少的地方或专业的中小型库。中国生物多样性
数据资源的建设通过以上项目的大力支持得到了
长足发展。
1灡1暋国外同类著名数据库的建设情况与评价
国外尤其是欧美国家在植物数据库建设方面
起步较早,现已建成多个著名的大型植物数据
库。就提供名称信息查询而言,最著名的当数
species2000,现在该数据库已经建立中国节点
并收录 “中国植物名录暠(ChinaPlantCata灢
logue,CNPC),提供植物基本名称信息查询,
包括接受发表学名、异名、官方名 (CNPC还提
供中文官方名)、分类信息、作者引证及作者信
息、数据来源和文献信息、在线相关链接等信
息,但species2000毕竟是基于生物多样性保护
而建设的,提供名称信息并不是其主要任务,所
以species2000也只能是提供植物名称基本信息
的一个 “植物名录暠而已,不能进一步提供植物
命名上更为深入细致的信息。相比较species
2000而言,国际植物名录 (TheInternational
PlantNamesIndex,IPNI)是专业的植物名称
数据库。IPNI以APNI,GCI以及KI三大国际
权威性数据源作为其后台数据库,使得其具有了
得天独厚的先天优势,也被写入了 《国际植物命
名法规》作为推荐参考的国际标准植物名称查询
系统。IPNI的优势不仅体现在其权威性,还在
于其专业性和全面性,除了能够提供大多数植物
名称基础信息外,还提供了详细的作者信息、文
献引证信息,并且能够通过多种方式查询植物名
称信息。然而IPNI过于专业化,虽然在学名信
息查询上优势明显,却不能够提供更多的其他名
称信息,比如通用名,官方名等等。其它提供植
物名称信息查询的还有theIntegratedTaxonom灢
icInformationSystem (ITIS),密苏里植物园的
TROPICOS猝等,他们提供的查询内容都大同小
异。不过,国外数据库的最大优势,并不是权威
性和海量数据,而是各个大型数据库之间拥有一
套完善的交流分享机制,可以互相查询,互相整
合,形成一个植物科学的强大网络知识体系。
1灡2暋国内同类数据库的建设情况与评价
国内早在上世纪90年代就已经开始了植物
数据库的规划建设,至今已经有中国生物多样性
信息系统 (CBIS)、中国物种信息系统 (CSIS)、
中国科学数据库 (CSDB)、中国科学院生物局
“生物物种与标本信息系统暠、中国科学院昆明植
物研究所的 《中国植物志》数据库、《中国种子
植物》数据库和 《云南高等植物电子词典》等大
中型数据库,另外也出现了众多专业和地方性的
中小型数据库,如景观植物信息查询系统
(LPIIS)(韩成峰和张志国,2004),以及 《湖北
省植物志》数据库 (董梅等,2005)等。这些数
据库的建设与应用对我国植物科学,尤其是植物
生物多样性的研究和保护起到了重要的推动作
用。不过,相对而言,专门提供植物名称信息查
204暋暋暋暋暋暋暋暋暋暋暋暋 暋暋暋暋暋暋暋云暋南暋植暋物暋研暋究暋暋暋暋暋暋暋暋暋暋暋暋暋暋暋暋第32卷
询的数据库在我国十分罕见,较为成熟的仅见中
国科 学 院 植 物 研 究 所 的 “中 国 植 物 名 录
(CNPC)暠,而且还是species2000国际合作项目
的子项目。其他数据库只是顺带提供接受发表学
名和中文官方名的查询,收录的数据太少以至于
不能够满足用户需求;部分数据库缺乏维护,收
录的数据 “年代久远暠而严重过时;某些数据库
还大量设置访问权限,需要相当权限或者高额费
用才能访问其核心数据。基于这些现状,我国急
需要一个自主研发的,内容全面,信息权威,查
询科学,实时更新,自由共享的新一代植物名称
参考型数据库。
2暋数据基础与建设内容
2灡1暋植物的名称数据组成分析
根据最新 《国际植物命名法规》的相关规
定,植物的名称包括接受发表学名、异名、保留
名等等,而其中异名又分为分类学异名、命名学
异名、基原异名等等。从单个的学名来说,对于
种这一分类等级,完整的学名由属名、种加词、
命名作者、来源文献组成,对于种以上的分类等
级,则由名称、命名人和来源文献构成,对于种
下等级,则还包括相应的标识、如变种 (var.)、
亚种 (subsp.)等等,以及相应的加词、命名作
者和文献来源。这些组成部分按照一定的规则排
列得到一个完整的植物名称。一条完整的植物名
称记录可以看作一条按一定规则生成的编码,亦
可转换为相应的条形码,作为植物名称的唯一识
别依据。
2灡2暋中国植物名称数据库的建设内容、数据组
成与来源
中国植物名称数据库的目标是实现 “中国植
物电子名录暠和 “中国植物名称电子词典暠以及
“中国植物物种信息数据库查询索引暠三大功能。
基础数据库由 “一库两名录暠构成,即:一个名
称数据库和两个彼此联系而又相互独立的 《中国
植物名录》(分别基于 《中国植物志》和 《Flora
ofChina》)。所包含的内容包括植物的拉丁名称
(接受发表学名,异名)、中文名 (官方名,通用
名,地方名,行业名等)、植物命名信息 (接受
发表学名详细,作者引证,文献引证,植物志索
引),分类信息 (科属,种及种下等级)四大块。
另外还包含了一些为了实现上面 “三大功能暠和
智能化检索所加入的其他预处理信息以及开发的
小工具。根据用户需求,还加入了分布信息、特
有标识和生活型等少量 “非名称信息暠。
中国植物名称数据库的数据分为基础数据和
参考数据。基础数据是中国植物名称数据库的主
要数据和核心数据,占绝大部分。作为参考型数
据库,必须保证数据的正确与规范,所以除了专
门制定相关数据标准规范外,基础数据全部来源
于权威工具书 《中国植物志》和 《FloraofChi灢
na》。由于志书本身记载不完善,有少部分没有
记载的信息就要从其他资料或来源搜集,这部分
就是参考数据。参考数据来源于其他经考察认为
相对可靠的途径,按照事先制定的标准规范,经
过考证后加入,由于无法完全确定其正确性,所
以仅供参考。
3暋建库策略实现
3灡1暋找准定位和用户对象
3灡1灡1暋专门针对特定的用户对象暋一个好的数
据库服务系统,首先是一个受用户欢迎和好评的
系统。所以要建设一个好的植物名称数据库,首
先要搞清楚面对的是什么样的用户,了解用户需
要什么。正如species2000面向的是与生物多样
性研究与保护相关的科学家,所以十分注重物种
收录的丰富程度和地区性,USDA面向美国的
广大农业和园艺工作者和爱好者,所以专注于收
录有用的美国资源植物,并提供详细的栽培养
护,应用开发等信息 (Singh,2004)。中国植物
名称数据库面向的是植物学及相关学科的科研人
员,他们不仅需要知道接受发表的学名和中文通
用名,还要了解名称的来源、分类等级、中文俗
名等等更为详尽的信息。所以中国植物名称数据
库只提供接受发表的学名是远远不够的,还要提
供相关的文献来源、植物的异名、中文通用名、
俗名等等,全方位的满足植物学研究人员所需。
3灡1灡2暋根据用户需要建设,尽量全面提供信息
暋暋在中国植物名称数据库中,按照惯例提供了
常规的名称信息查询检索,如分类等级 (科属),
接受发表学名、异名、详细的学名信息 (属名,
种加词,作者信息,种下等级及作者信息)、名
称来源文献、中文名 (通用名,俗名,地方名,
3045期暋暋暋暋暋 暋暋暋暋张宇和王雨华:中国植物名称数据库的建设及若干问题的探讨暋暋暋暋暋 暋暋暋暋暋暋
行业名等)。在国内外已经建成的植物数据库中,
提供的植物名称信息大体也是上述内容。
然而根据对用户的走访调查和用户反馈,发
现用户查询植物名称的时候,不仅仅只关心植物
的名称信息,还关心植物的特有性、分布、生活
型等 “非名称信息暠,尽管中国植物物种信息数
据库有专门的子库提供相关信息查询,但用户表
示 “不太方便暠,根据用户这一需求,加入了一
些 “额外暠信息,包括中国特有标识、分布
(省,自治区,直辖市级)、简要的生活型 (草
本,木本等),以方便用户所需。
根据用户需求和实际情况以及标准规范化的
要求,还提供独立的可供下载查询的 《中国植物
名录》。
3灡2暋数据共享策略
中国植物名称数据库是一个参考型数据库,
在不造成版权纠纷的前提下,原则上面向广大用
户免费、自由地提供信息,在信息检索服务上,
除了少数可能涉及版权问题的资源,绝大部分资
源不再设置访问权限。
在数据库中添加了对应的流行通用植物编号
代码等,如中国植物分类标准代码,仅由属名、
种加词构成的 “通用查询代码暠,利用这些编号
代码可以方便的在不同数据库中进行数据移植,
实现数据共享。
中国植物名称数据库,应该是人人都可以自
由分享信息的新一代植物名称数据库。
3灡3暋控制数据来源
3灡3灡1暋数据来源暋为了保证数据的正确性与准
确性,必须有可靠的数据来源。 《中国植物志》
及其英文版是我国植物科学的权威资料,是四代
植物学家的心血结晶,经过了历史和科学的验
证。因此,中国植物名称数据库中的核心数据
(接受发表学名,异名,名称详细信息,中文通
用名,分类等级)全部来自于 《中国植物志》及
其英文版。这样可以有效规避因为数据来源不明
而产生错误的风险。
3灡3灡2暋数据规范暋为了确保中国植物名称数据
库所收录数据的准确性与严谨性。特别制定了
《中国植物物种信息名称数据库标准规范》,以
《国际植物命名法规》为基本原则,以 《中国植
物志》及其英文版为数据依据,结合参考型数据
库建设的相关规范,对收录的植物名称进行规范
化,标准化管理,杜绝张冠李戴和拼写错误,及
时更新过时数据。
3灡3灡3暋数据完善暋植物科学的发展日新月异,
中国植物名称数据库也应该是动态实时更新的,
及时修正过时数据,比如接受发表学名因种种原
因被废弃为异名,植物分类群地位变化等。在数
据完善的策略上,引入目前流行的 “open&free暠
模式,通过用户的参与,采用 “普通用户提出+
管理员确认修改暠和 “权威专家直接修改暠两种
方式,结合传统的 “管理员直接修改暠方式,实
现数据库的实时动态更新。
3灡4暋结构化数据
将植物的标准名称数据各个组成部分解析后
分别作为独立字段储存,同时又可以组合成完整
的植物名称。这样,看似不规则的植物名称,变
成了一段由中文通用名、分类等级 (科)、属名、
种加词、种命名作者、种下等级类型、种下等级
加词、种下等级命名作者、异名标记、文献来源
构成的一串代码,它们相互独立又可以组合成
串,这样大大提高了检索效率。
3灡5暋查询服务建设
判断一个数据库系统好坏的另一个标准就是
看用户能否利用该系统容易快捷的检索到需要的
信息,所以部署一个好的数据检索方式是保证中
国植物名称数据库建设成功的重要前提条件。
在已建成的国内外数据库中,几乎都是采用
传统的检索功能,智能化技术应用的相当少,中
国植物名称数据库定位是新一代的植物数据库,
所以在开发过程中应用了一些已有的技术和搜索
策略,使之尽量实现智能化,最终是呈现给用户
一个 “会思考暠的智能中国植物名称数据库。
3灡5灡1暋检索策略暋判断一个数据库系统好坏的
另一个标准就是看用户能否利用该系统容易快捷
的检索到需要的信息。所以部署一个好的数据检
索方式是保证中国植物名称数据库建设成功的重
要前提条件。
在结合对用户进行访问调查结果和以往其他
成功的数据库产品的经验基础上,在中国植物名
称数据库的检索方式部署上,采取了如下策略。
对于结构化的植物名称数据,既可以单独查询
某个部分,也可以组合查询部分记录或整条完整记
404暋暋暋暋暋暋暋暋暋暋暋暋 暋暋暋暋暋暋暋云暋南暋植暋物暋研暋究暋暋暋暋暋暋暋暋暋暋暋暋暋暋暋暋第32卷
录。这部分采用传统的关键词搜索,直接匹配。
对于植物的中文非官方名,如俗名、地方
名、行业名等,即所谓 “中文异名暠。这些名称
多而复杂,异物同名和同名异物现象非常普遍。
这些数据通常不规则。但经过研究发现,这些
“中文异名暠的使用频率差异很大,有的使用率
很高很普遍,甚至比植物志上记录的中文官方名
还广为人知,而有的虽然存在这个名称,但使用
很少,几近废弃。所以通过各种渠道对名称进行
打分,如通过资料文献依据、查询频率、与用户
互动等方式,按照打分高低排列,可以有效减少
查出无关结果的概率。
3灡5灡2暋用户行为分析技术和智能代理技术暋通
过记录用户的查询检索记录,对用户行为进行分
析,将分析结果以访问IP为索引存档,可以了解
用户的兴趣和检索习惯,当用户下次登录到系统
时,利用智能代理技术,依据存档的用户行为分
析结果,可以帮助用户快速方便地查询到自己需
要的记录 (夏勇,2009;郑玲和陈都,2007)。
3灡6暋科研工具开发
利用数据资源开发科研工具可以为科学研究
提供极大的便利。例如基于生物多样性数据和地
理信息系统开发的BiodiversityMapping,可以用于
地区生物多样性评价 (赵海军和纪力强,2004)。
考察国内外已经完成的植物名称数据库,几乎都
是 “电子植物名录暠,“植物学名电子词典暠,或者
“电子版植物志索引暠,没有进一步的开发利用。
中国植物名称数据库作为参考型数据库,除了要
实现传统的查询功能外,还要利用其本身的数据,
开发一些工具,可以替代科研人员做一些简单的
分析处理工作,提高科研的工作效率。
3灡6灡1暋文献知识索引系统暋通过事先对植物名
称的解析和预处理,生成 “查询代码暠,包含了
植物名称信息的主要部分,以此作为关键词,链
接各大知识文献搜索引擎,进行文献查询。通过
中国植物物种信息数据库的 “内部编码ID暠链
接到中国植物物种信息数据库的各个字库。通过
“查询代码暠或 “国家标准代码暠(国家质量监督
检验检疫总局,1993)链接到其他植物数据库。
上述结果返回后,可以给用户提供相当丰富的关
于用户所查询相关植物的各类知识和文献资料。
同时,尽量争取与国际大型植物数据库的合作共
享,形成一个强大的植物知识网络系统。
3灡6灡2暋命名追溯系统暋中国植物名称数据库收
录了大量的文献引证数据,这些文献引证数据记
录了植物名称的发表和引用记录,包括了文献的
名称缩写、页码、年代和其他说明。通过对文献
引证数据进行分析,可以掌握一个植物名称的来
龙去脉。中国植物名称数据库将分析文献引证的
过程通过开发命名追溯系统的小工具,将极大地
减轻植物命名追溯的工作量。
4暋讨论
中国植物名称数据库是中国科学院科学数据
库中国植物物种信息数据库的一部分,也是整个
物种信息数据库的物种名录和查询索引,所以在
建设过程中就一定要突出其 “物种名录暠和 “索
引暠的功能。所以在建设过程中,就要特别注意
收录名称的正确性和权威性,建立严格且有操作
性的名称标准规范。在建设中采用的 “名录独
立,索引分开,编码联系暠策略,就是一种既保
证植物名录规范准确又体现索引功能的有效手
段。由于数据来源本身可能存在多版本、重复记
录、失误甚至错误,如果简单照搬中国植物志的
名录索引作为 《中国植物名录》,必然存在很大
问题,所以建立独立的 《中国植物名录》,以 《中
国植物志》名录为基础,通过多来源,多渠道的
方法,反复订正,有效排除错误。同时,增加对
应的内部及通用编码代号,同名称数据库与物种
信息库其他部分以及其他数据库连接起来。
中国植物名称数据库的定位是参考型数据
库,要求具有相当的规范性和权威性。采用 《中
国植物志》和 《FloraofChina》作为基础数据
来源可以保证基础数据的规范性和权威性。然而
在实际操作中,由于志书记录不完整的少量信
息,需要后期进行补充,这部分数据的权威性就
难以得到保证,所以只能作为参考数据看待。
植物的学名,包括接受发表学名和异名,是
一种结构化的数据,而且不重复,可看作一串规
则编码,认定容易。但植物的中文名,则是相当
复杂,数量多而且重复率高,因此在中国植物名
称数据库中,认定植物的中文官方名就显得十分
不易。原则上以 《中国植物志》记录为准,同时
参考实际使用情况,可以保证大部分的中文官方
5045期暋暋暋暋暋 暋暋暋暋张宇和王雨华:中国植物名称数据库的建设及若干问题的探讨暋暋暋暋暋 暋暋暋暋暋暋
名认定是合理可靠的。
在数据检索方面,要达到真正意义上的智能搜
索,在技术上现在还难以实现,所以我们需要通过
其他技术手段使搜索尽可能的 “智能化暠,比如用
户行为分析技术和智能代理技术。然而,记录用户
的行为可能会构成隐私纠纷,还可能被杀毒软件误
判为木马。解决的方式可以采用在页面告知用户,
用户可以自行选择是否需要相关服务,并与网络安
全公司合作,得到其安全软件认证,条件允许的话
还可以向国家权威部门申请安全认证。
中国植物名称数据库作为中国植物物种信息
数据库的起步,其成功建设可以为中国植物物种
信息数据库其他子库的建设提供一个模式,同时
为其他子库的建设奠定了名录和索引基础。随着
计算机技术的发展,越来越多的新技术新方法将
逐渐引入,数据库将越来越丰富化、智能化。以
极其丰富的数据资源为基础,利用先进的计算机
技术,比如云计算技术等 “未来技术暠,还可以
建立一套有效的植物科学研究专家系统,为推动
植物科学的进步革新提供部分动力。
暡参暋考暋文暋献暢
中国科学院计算机网络信息中心科学数据中心,2009.中国科学
院数据应用环境建设与服务-参考型数据库建设规范
[M].
张丽兵译,2007.国际植物命名法规 (维也纳法规)[M].北京:
科学出版社;圣路易斯:密苏里植物园出版社
国家质量监督检验检疫总局,1993.中国植物分类与代码 [M].
GB/T14467灢1993
郑玲,陈都,2007.用户行为分析在智能化搜索中的应用研究
[J].中国电力教育,2:386—387
赵海军,纪力强,2004.生物多样性评价软件BiodiversityMap灢
ping的设计与实现 [J].生物多样性,12 (5):541—545
夏勇,2009.网络信息检索与智能化搜索引擎 [J].计算机与网
络,14:226—226,228
韩成峰,张志国,2004.景观植物信息查询系统 (LPIIS)的构
建 [J].山东林业科技,151(2):41—44
董梅,王健,中山诚宪等,2005.《湖北省植物志》数据库的设计
与构建 [J].湖北林业科技,1:27—30
裴盛基,淮虎银,AlanHamilton等,2009.植物资源保护 [M].
北京:中国环境科学出版社
SinghG,2004.PlantSystematics:AnIntegrated Approach
[M].SciencePublishersLtd
604暋暋暋暋暋暋暋暋暋暋暋暋 暋暋暋暋暋暋暋云暋南暋植暋物暋研暋究暋暋暋暋暋暋暋暋暋暋暋暋暋暋暋暋第32卷