植物分类研究进展

植物分类学是一门古老而富有活力的学科,植物分类学研究方法不断发展和创新,它由最初经典的形态分类发展到后来的染色体分类及基于生化标记的分类。到了现代,随着分子生物学的迅速发展,植物分类学家又将这一现代技术应用到植物分类学中来,有望从分子水平探讨物种的演化和系统分类。     

中国杜鹃花品种分类问题与思考

杜鹃花具有极高的观赏价值,是世界级名花。经过数百年的人工选育,全球杜鹃花品种已超过3万个。我国虽然拥有丰富的杜鹃花资源,但园艺化程度与国外差距明显,其中一个重要原因就是国内杜鹃花品种分类及品种名称较为混乱,阻碍了其进一步应用和发展。文中综述了近年来中国杜鹃花品种分类研究的成果与存在的不足,并展望了研究方向。分析认为,综合植物系统分类学研究及品种亲本来源信息是建立科学品种分类体系的基础,同时运用分子生物学技术和形态性状数量分析等方法进行归类将是重要的研究方向。     

链格孢属真菌分类研究进展

本文综述了链格孢属分类地位及特征,链格孢菌种间培养性状,介绍了链格孢菌属真菌在形态学、数值分类学和分子生物学方面的分类研究进展,对链格孢属真菌系统发育的认知和相应的应用开发提供科学的理论基础.     

计算机在昆虫分类中的应用

指出了随着计算机网络技术的发展和多媒体时代的到来,计算机在现代昆虫分类学中有了广泛的应用,计算机在昆虫分类学中的应用将打破传统方式的局限性,阐述了多媒体计算机应用于昆虫分类的优越性,并对其未来应用的前景进行了展望。     

林业昆虫数字化分类的应用现状与展望

文中首先介绍了昆虫数字化分类常用的2种方法:数学形态测量学和几何形态测量学,其中数学形态测量学主要利用22项形态特征参数进行昆虫的数字化分类,而几何形态测量学主要利用标记点坐标信息进行分类研究;然后进一步阐述了国内外林业昆虫数字化分类的应用现状;最后,对林业昆虫数字化分类进行了讨论与展望,以推动林业昆虫数字化分类方法被广大学者所了解。相信随着信息技术的逐步发展,林业昆虫的数字化分类将会得到更广泛的应用。     

垂丝海棠品种数量分类研究

采用数量分类学方法对27个垂丝海棠品种的19个性状进行了聚类分析。R型聚类分析结果表明垂丝海棠品种用于形态分类学研究的多数性状具有相对独立性和稳定性。Q型聚类分析结果表明:枝条直立或下垂应作为垂丝海棠品种分类的第一级标准,花径、花型应作为第二级标准,叶色、花期等应作为第三级标准。     

昆虫分类的主要技术手段

随着科学技术的进步以及各个学科的交叉渗透,昆虫分类也由过去的形态分类学逐步向综合性学科发展,无论是在技术上还是内容上都有了质的飞跃。新的昆虫分类技术对昆虫形态学以外的其他特征进行分析是对形态学观察的一个补充与完善,会使我们的工作更加简单,结果更加准确。     

山茶属植物分类综述

综述了山茶属植物的分类现状,对张宏达分类系统和闵天禄分类系统作了对比,列举了这两个分类系统在分类学和系统学上的主要分歧, 阐述了将山茶属植物的形态性状和细胞学特征等作为分类依据的优缺点, 最后简述了山茶属植物的分类前景     

Fuzzy聚类分析在造林立地分类中的应用

<正> 关于造林立地分类,我国目前普遍采用地形-土壤主导因子定性分类方法。由于电子计算机技术的发展,我国已开始应用数量化方法。这一方法的应用,无疑使造林立地质量评价的水平有了一个新的提高。由于“数量分类学”的发展,国外有人将聚类分析方法应用于造林立地分类中(D.Ra-dloff and D.Betters 1978),国内亦有人对此进行过研究。     

现代技术在昆虫分类中的应用

介绍形态学、行为学、遗传学、生物化学及分子生物学等几种分类方法在昆虫分类中的应用。     

北京西山风景林经营分类研究

结合风景林不同景观、林分、功能的特点,以聚类分析、回归分析及数据叠加等多种定量方法为主,定性为辅,将研究区风景林划分为3个等级经营类型,构成了风景林经营分类系统.一级经营分类利用聚类分析方法对具有相似景观特征的斑块类型进行归类;二级经营分类在一级经营分类基础上,结合优势种、立地因子及林分特征,从林分水平进行进一步划分;三级经营分类将同一林分经营类型内具有相同或相似功能特征的分别归类.各个等级的经营类型分别反映了不同景观空间配置特征、林分特征、功能特征.     

浅论几种植物分类方法

本文论述了几种主要的植物分类方法:形态分类、化学分类、花粉分类、染色体分类、血清分类,数值分类。并指出寻找一种既准确,而又简便易行的植物分类方法,是植物分类学需要迫切解决的主要任务之一。     

西北地区紫斑牡丹传统品种的数量分类研究

在对紫斑牡丹传统品种的形态学性状进行调查的基础上,把数量分类学中的Q型聚类分析方法应用于经鉴定命名的花果叶等性状齐全的16个品种分类,并对34个性状进行了R型聚类分析.Q型聚类分析的结果表明:结实情况、花型、雌蕊状况和雄蕊状况可为品种群下划分品种的标准.R型聚类分析的结果揭示了34个性状特征中,株高和冠幅(r=0.84...     

鸢尾属植物分类系统的研究与发展

自1735年迄今为止,鸢尾属（Iris）植物分类的学术研究争论不休,先后历尽经典分类系统创建初期、兴起与成熟时期、实验分类学与后成熟发展时期的4个时期,国内外植物分类学工作者逐渐建立和发表了多个鸢尾属分类系统,其中有比较完善的经典分类系统——Mathew分类系统和我国鸢尾属植物的赵毓棠分类系统。然而它们并没有很好解决鸢尾属植物的系统与亲缘演化关系、以及争议类群的分类学地位确定等问题,鸢尾属植物分类进入了21世纪的实验分类学研究的第4个发展时期。     

基于ASD与Hyperion高光谱数据的主要针叶树种分类研究

以云南省香格里拉市为研究区,对ASD光谱仪实测的4种针叶树种光谱数据采用包络线去除法、光谱一阶微分法和光谱二阶微分法3种波段选择方法得到Hyperion高光谱影像数据的分类特征波段,采用最大似然法、支持向量机2种分类方法对所选的特征波段开展树种识别分类,对原始影像采用光谱角填图分类方法作对比实验。结果表明,基于ASD数据的光谱一阶波段选择方案的支持向量机分类方法精度最高,总体分类精度为81.95%,Kappa系数为0.725 1。采用ASD实测光谱数据能有效指导Hyperion进行树种分类,基于数据尺度和换算方式,一阶微分更适合特征波段选择;与传统的数理统计分类方法和光谱特征分类方法相比,基于机器学习的方法如支持向量机等在高光谱遥感分类中具有更大的应用潜力。     

柳树杂种的聚类分析

应用聚类分析方法,根据多种数量性状,即根据株高(H)、底径(D)、分枝长(Bl)、枝干距(Hl)和分枝数(Bn),将旱柳×白柳(S. matsudana×S. alba)F_1当年生119株苗本进行数量分类。研究其数量性状遗传变异规律。结果表明:在r为0.1—0.6时可分为9个类群,它们分属于两大类;即多枝型和稀枝型,其相关系数只有—0.92。 柳树(Salix L)雌雄异株,容易杂交,自然界的柳树都是杂合体。用不同种柳树杂交,杂种一代变异极大,对杂种一代真实基因型的分析,便有利于选择出优良基因型的单株。得到大量的F_1变异体,对数量极多的杂种一代只有按照其性状差异程度进行归类才便于比较和鉴别。研究杂种后代变异的传统方法是根据某些不连续的相对性状进行归类。但是柳树的许多重要经济性状都是连续的数量性状,因此,从选择的实际需要出发,按照多种数量性状将F_1变异体进行分类是十分必要的。近十几年来数理统计多元分析方法发展甚为迅速。应用也十分广泛。其中聚类分析(ceusteanalysis)便是进行数量分类的有效方法。我们应用聚类分析方法对柳树F_1变异体进行数量分类,研究其F_1遗传变异规律,为选择提出可靠依据。聚类分析的统计计算是在电子计算机上实现的。     

中国盘腹蚁属19种蚂蚁的形态测量学研究

目的 探究形态测量学方法在蚁科昆虫分类中的应用价值。 方法 采用因子分析、主成分分析和系统聚类的统计分析方法进行中国盘腹蚁属19种蚂蚁的形态测量学研究。 结果 4个主成分胸长（MSL）、头宽（HW）、腹柄长宽比（LPI）和腹柄长高比 （DPI）有较高的载荷值,可综合反映其他14个变量,其主成分得分散点图能够明显区分该属19种蚂蚁;聚类分析可将19种盘腹蚁聚成4分支,第一支与第二亲缘关系最近,与第四支最远,其结果与主成分的分散点图的聚类情况以及形态特征分类结果基本一致。 结论 形态测量学方法对蚁科昆虫的分类学研究具有很好的应用价值,具有重要应用前景,可为物种分类鉴定提供新的方法。     

植物分类和进化原理讲座 第一讲 植物分类学的回顾

一、植物分类学的目标和发展阶段分类学是生物科学中的一门最古老、最基础和最包罗万象的学科。说分类学是最基础的,是因为在采用某种分类方法之前是不可能开始了解有机体丰富的变异性的;说它是最包罗万象的,是因为在把所有其他研究领域的资料综合在一起之前,分类学是不完整的。     

分层分类与监督分类相结合的遥感分类法研究

遥感分类技术是获取土地利用/覆盖数据的主要方法.分层分类思想强调将分类过程逐级进行,每层选用不同的分类标准和方法;监督分类是基于传统统计分析的分类法,具有算法成熟,简便易行的特点.将2种方法相结合,建立起一个复合分类模型,并在SPOT影像上进行试验.试验证明:该方法能有效地提高分类精度,比单一使用监督分类法得到的结果精度提高了8.41%.     

基于遥感技术的植被分类研究现状与发展趋势

综述了国内外基于遥感技术进行植被分类的研究现状, 并提出植被分类的发展趋势:(1)从单时相、单源遥感分类向多时相、多源信息融合发展; (2)从单一分类方法向复合分类方法发展; (3)从“硬”分类向“软”分类方向发展; (4)从基于像元分类向混合像元分解分类和面向对象分类方向发展; (5)从传统分类向智能分类方向发展。