Πληροφορίες

Αναγνωρίστε αυτό το δέντρο;

Αναγνωρίστε αυτό το δέντρο;


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Βρήκα αυτό το δέντρο στην Κρήτη, κοντά στη θάλασσα, φυτεμένο δίπλα σε ένα κτίριο. Επειδή δεν έχω δει αυτό το δέντρο πουθενά αλλού στο νησί, υποθέτω ότι το φύτεψε κάποιος. Εδώ είναι μερικές φωτογραφίες του.


Με βάση το χαρακτηριστικό σχήμα των φύλλων και την τοποθέτηση του καρπού κατά μήκος του στελέχους που φαίνεται να είναι παπάγια.

Αν ναι, τότε το φυτό θα πρέπει να "αιμορραγεί" το λάτεξ (ένα γαλακτώδες λευκό υγρό) όταν καταστραφεί. Μπορείτε να το δοκιμάσετε σπάζοντας ένα μικρό κομμάτι φύλλου. Πίστωση εικόνας: By Max.kit - Own work, CC BY-SA 4.0, https://commons.wikimedia.org/w/index.php?curid=54547062


Τι δέντρο είναι αυτό; Σε σύνδεση

Το δέντρο φέρει κώνους και έχει φύλλα που μοιάζουν με βελόνα;
ΕΝΔΕΙΞΗ: Αυτά τα δέντρα ονομάζονται ΚΩΝΟΦΟΡΑ (κωνοφόρα) και τα περισσότερα είναι ΑΕΙΘΑΛΑ (δέντρα με βελόνες ή φύλλα που παραμένουν ζωντανά και πάνω στο δέντρο κατά τη διάρκεια του χειμώνα και στην επόμενη καλλιεργητική περίοδο).

Έχει το δέντρο φύλλα που μοιάζουν με λέπια ή σε σχήμα σουβιού, συνήθως ΑΕΙΘΑΛΕΙΑ, μερικές φορές μειωμένα σε χοντρό σαρκώδες μίσχο;

Έχει το δέντρο φύλλα που είναι επίπεδα και λεπτά και γενικά πέφτουν ετησίως;
ΕΝΔΕΙΞΗ: Αυτά τα δέντρα ονομάζονται ΠΛΑΔΥΛΛΑ, (ένα δέντρο με φύλλα που είναι επίπεδα, λεπτά και γενικά πετούν ετησίως) τα περισσότερα είναι ΦΥΛΛΟΦΥΛΛΑ (που ρίχνουν όλα τα φύλλα ετησίως) και δίνουν ποικιλία καρπών και λουλουδιών.

Αποκτήστε τον Οδηγό πεδίων τσέπης Full-Color

Ιδανικό για όλους, από νέους φοιτητές έως επαγγελματίες δενδροκόμους.

Ένα από τα καλύτερα εγχειρίδια αναγνώρισης δέντρων σε μέγεθος τσέπης.
Steve Nix, About.com

Εμπνέουμε τους ανθρώπους να φυτεύουν, να καλλιεργούν και να γιορτάζουν δέντρα.

Το The Arbor Day Foundation είναι ένας μη κερδοσκοπικός οργανισμός διατήρησης και εκπαίδευσης σύμφωνα με το 501(c)(3). Ένα εκατομμύριο μέλη, δωρητές και συνεργάτες υποστηρίζουν τα προγράμματά μας για να κάνουμε τον κόσμο μας πιο πράσινο και υγιέστερο.


Αναγνωρίστε αυτό το δέντρο; - Βιολογία

Δέντρο του Παραδείσου (Ailanthus altissima)

Θηλυκό δέντρο του ουρανού. Φωτογραφία από τον Chuck Bargeron, University of Georgia, Bugwood.org

*Διακριτικά χαρακτηριστικά που διαχωρίζουν το δέντρο του ουρανού από τη μαύρη καρυδιά, το σουμάκι και τη στάχτη

ΜΕΓΕΘΟΣ ΚΑΙ ΑΝΤΑΓΩΝΙΣΜΟΣ

Μεγάλο δέντρο του ουρανού. Περιγραφή: Götterbaum (Ailanthus altissima ) Fotograf, Darkone , 5. Σεπτεμβρίου 2005. Wikipedia. https://creativecommons.org/licenses/by-sa/4.0/legalcode

Δέντρο του ουρανού κλώνοι. Φωτογραφία του David J. Moorehead, Forestry Images

Πάνω και κάτω από τα δέντρα του ουρανού. Φωτογραφία του John M. Randall, The Nature Conservancy

ΒΟΛΑ ΚΑΙ ΓΑΒΓΙΖΕΙ

Διαθέσιμο από http://www.bio.brandeis.edu/fieldbio/emmae24/Simaroubaceae/TreeofHeavenbark.jpg

Τμήμα Οικολογίας και Διαχείρισης Φυσικών Πόρων, Κρατικό Πανεπιστήμιο της Αϊόβα, Έιμς, Αϊόβα. Διαθέσιμο από τη διεύθυνση https://www.extension.iastate.edu/forestry/iowa_trees/trees/tree_of_heaven.html

Παλιό δέντρο του ουρανού φλοιός. Φωτογραφία από την Annemarie Smith, ODNR, Division of Forestry, Bugwood.org

Δέντρο του ουρανού φυλλάδιο περιθώριο και προσάρτηση. Φωτογραφία από τον Dave Jackson, PennState

Φυλλάδιο του Δέντρου του ουρανού κάτω από την πλευρά που δείχνει λεία περιθώρια, αδένα και αδενικό δόντι. Φωτογραφία από το NYSIPM

Δέντρο του ουρανού κλαδάκια. Φωτογραφία από τον Steven J. Baskauf, Πανεπιστήμιο Vanderbilt

Δέντρο του ουρανού καρπού (σαμαράς). Φωτογραφία από τον Gary Huntzinger, Rutgers NJAES Cooperative Extension

ΓΡΗΓΟΡΗ ΤΑΥΤΟΤΗΤΑ ΔΙΑΧΩΡΙΖΕΙ ΤΟ ΔΕΝΤΡΟ ΤΟΥ ΟΥΡΑΝΟΥ ΑΠΟ ΜΑΥΡΗ ΚΑΡΥΔΙΑ, ΣΟΥΜΑΚΙ ΣΤΑΓΚΟΥΡΑ ΚΑΙ Τέφρα


Αυτό το γνώριμο στυλ φύλλων βελόνας είναι από το έλατο Douglas, ίσως το πιο αναγνωρίσιμο δέντρο στις Ηνωμένες Πολιτείες επειδή πάντα πωλούνταν και χρησιμοποιούνταν ως χριστουγεννιάτικο δέντρο κατά την περίοδο των γιουλέτιδων. Το γεγονός αυτό δεν αποτελεί έκπληξη, καθώς το έλατο Douglas θεωρείται ως ένα από τα πιο κοινά είδη δέντρων ιθαγενών στην Αμερική, και μπορείτε να δείτε πολλά από αυτά στα Βραχώδη Όρη και σε πολλά άλλα μέρη.

Αυτό το ελαφρύ φύλλο είναι από τη ροδακινιά, η οποία όλοι γνωρίζουμε ότι παράγει υπέροχα νόστιμα φρούτα. Οι καρποί συνήθως μεγαλώνουν σε πιο στενές συστάδες σε ένα κλαδί, και θα δείτε επίσης πώς τα φύλλα θα προστατεύουν αυτές τις συστάδες ροδάκινου γύρω-γύρω, ακόμη και ενδιάμεσα.


1. Μάθετε να χρησιμοποιείτε ένα διχοτομικό κλειδί, οδηγούς πεδίου και άλλους πόρους για να αναγνωρίζετε τοπικά δέντρα.

2. Εξερευνήστε την κοινότητά σας και βρείτε δέντρα στη γειτονιά ή στο σχολείο σας. Φωτογραφίστε αυτά τα δέντρα με ψηφιακή φωτογραφική μηχανή ή τηλέφωνο.

3. Μοιραστείτε τις φωτογραφίες σας με πληροφορίες σχετικά με τα είδη δέντρων, τη θέση και την ημερομηνία του δέντρου με την τάξη σας. Ο εκπαιδευτής σας θα σας δώσει λεπτομέρειες σχετικά με τον τρόπο κοινής χρήσης των φωτογραφιών σας, υπάρχουν πολλές ψηφιακές επιλογές όπως:

4. Κάθε υποβολή δέντρου πρέπει να περιλαμβάνει τις ακόλουθες πληροφορίες:


Εσωτερικές Δομές Φύλλων Δέντρου

Η λεπίδα του φύλλου αποτελείται από στρώματα ιστού, καθένα από τα οποία παίζει σημαντικό ρόλο σε ένα λειτουργικό φύλλο. Βρείτε αυτές τις δομές στο συνημμένο διάγραμμα κυτταρικών ιστών φύλλων.

επιδερμίδα – Το εξωτερικό στρώμα του φύλλου και προστατευτικό «δέρμα» που περιβάλλει τους ιστούς των φύλλων.

Επιδερμίδα – Μια κηρώδης προστατευτική επίστρωση στην επιδερμίδα των φύλλων που αποτρέπει την απώλεια νερού στα φύλλα, τους πράσινους μίσχους και τους καρπούς.

Τρίχες φύλλων – Καλύμματα στην επιδερμίδα ενός φύλλου που μπορεί να υπάρχουν ή να μην υπάρχουν σε κάθε είδος δέντρου.

Στρώμα Palisade - Ένα σφιχτά συσκευασμένο στρώμα ιστών παρεγχύματος που μοιάζουν με μακρύ σωλήνα γεμάτο με χλωροπλάστες για φωτοσύνθεση.

Χλωροπλάστες – Υποκυτταρικές, φωτοσυνθετικές δομές σε φύλλα και άλλους πράσινους ιστούς. Οι χλωροπλάστες περιέχουν χλωροφύλλη, μια πράσινη φυτική χρωστική ουσία που συλλαμβάνει την ενέργεια στο φως και ξεκινά τη μετατροπή αυτής της ενέργειας σε σάκχαρα.

Αγγειακή δέσμη – Ιστοί ξυλώματος και φλοιώματος, κοινώς γνωστοί ως φλέβες φύλλων.

Σπογγώδης μεσόφυλλος – Στρώμα ιστών παρεγχύματος χαλαρά διατεταγμένο για να διευκολύνει την κίνηση του οξυγόνου, του διοξειδίου του άνθρακα και των υδρατμών. Μπορεί επίσης να περιέχει κάποιους χλωροπλάστες.

Στομάτα – Φυσικά ανοίγματα σε φύλλα και ποώδη στελέχη που επιτρέπουν την ανταλλαγή αερίων (υδρατμοί, διοξείδιο του άνθρακα και οξυγόνο).

Φρουρά κελιά – Εξειδικευμένα κύτταρα σε σχήμα νεφρού που ανοίγουν και κλείνουν τη στομία.


Ο καθηγητής Βιολογίας αναπτύσσει την εφαρμογή Tree Identification

Αν έχετε αναρωτηθεί ποτέ, "Τι δέντρο είναι αυτό;" η απάντηση είναι τώρα, "Υπάρχει μια εφαρμογή για αυτό." Ο Matt Ritter, καθηγητής βιολογίας, έχει αναπτύξει το City Tree, μια εφαρμογή iPhone για τον εντοπισμό αστικών δέντρων.

Τα δέντρα που ευδοκιμούν σε αστικά περιβάλλοντα είναι κάπως ομοιόμορφα σε όλο τον κόσμο. Σύμφωνα με τον Ritter, τα ίδια περίπου 450 δέντρα χρησιμοποιούνται σε πόλεις σε όλο τον κόσμο. "Εάν βρίσκεστε στη Σιγκαπούρη ή στο Λος Άντζελες ή στο Σαν Φρανσίσκο, μπορείτε να αναγνωρίσετε τα δέντρα χρησιμοποιώντας αυτήν την εφαρμογή", είπε ο Ritter.

Επαγγελματίες δενδροκόμοι στην Καλιφόρνια άρπαξαν το City Tree αμέσως μόλις εμφανίστηκε, αλλά οι πιο απλοί λάτρεις των φυτών θα βρουν επίσης την εφαρμογή εύκολη στη χρήση. Ο Ritter το σχεδίασε για να απευθύνεται σε ένα ευρύ κοινό επειδή ήθελε να μοιραστεί την αγάπη του για την αναγνώριση των δέντρων.

"Μπορώ να θυμηθώ πού ήμουν την πρώτη φορά που χρησιμοποίησα ένα βιβλίο για να προσδιορίσω έναν άγνωστο οργανισμό. Ήταν μια ισχυρή εμπειρία. Ήθελα να δώσω στους ανθρώπους αυτή την εμπειρία σε μια νέα, προσιτή τεχνολογία", είπε ο Ritter. «Μπορούμε να το κάνουμε με τρόπο που κάποιος 18χρονος να είναι πρόθυμος να ζήσει μια φοβερή εμπειρία;»

Ως εκπαιδευτικός, ο Ritter ήθελε οι άνθρωποι να μάθουν κάτι από την εφαρμογή. "Ήθελα να φτιάξω μια εφαρμογή όπου θα χρησιμοποιείς τη δική σου πολύ καλή παρατήρηση. Τώρα ξέρεις κάτι για τον οργανισμό που προσδιορίσατε. Στην πραγματικότητα γίνεσαι πιο έξυπνος και καλύτερος όσο τον χρησιμοποιείς", είπε.

Οι υψηλότερες πωλήσεις της εφαρμογής μέχρι στιγμής σημειώθηκαν στις ΗΠΑ και στο Ηνωμένο Βασίλειο, αλλά ο Ritter έχει δει πωλήσεις να πραγματοποιούνται και από τη Γερμανία και τη Νότια Αφρική. Διατίθεται επίσης μια έκδοση Android, σχεδιασμένη από έναν φοιτητή πληροφορικής του Cal Poly.

"Υπάρχουν όλα τα είδη εφαρμογών για τους ανθρώπους στο δάσος, αλλά δεν υπάρχει τίποτα τέτοιο", είπε ο Ritter.


Βιολογία δέντρων & Αναγνώριση ενίσχυσης (Σεπτ. ད)

Σε αυτό το μάθημα αρχαρίων θα περάσουμε την πρωινή συνεδρία στην τάξη εισάγοντας την εξέλιξη και τη βιολογία των δέντρων προκειμένου να ανακαλύψουμε πώς αυτά τα φυτά ήταν τόσο επιτυχημένα στον αποικισμό του πλανήτη.

Μετά το μεσημεριανό γεύμα θα κάνετε ένα ταξίδι γύρω από το δασικό φυσικό καταφύγιό μας, όπου θα έχετε την ευκαιρία να εντοπίσετε μια ποικιλία δέντρων που βρίσκονται στο Surrey χρησιμοποιώντας πολυάριθμες μεθόδους ανίχνευσης που δεν απαιτούν την προβολή των φύλλων.

Δάσκαλος Paul Ritchie: Ως βιολόγος με πάνω από 20 χρόνια εμπειρίας φροντίζει τα φυσικά καταφύγια και τα κοινά ο Paul είναι σε θέση να διδάξει μαθήματα οικολογίας, διατήρησης και πρακτικές δεξιότητες στην ύπαιθρο. Είχε ρόλους εκπαίδευσης υπαλλήλων και εθελοντών για τη Μητροπολιτική Αστυνομική Υπηρεσία, την City of London Corporation και το Surrey Wildlife Trust. Βοήθησε στη δημιουργία ενός κοινοτικού έργου δασικής έκτασης στο Ashtead Common NNR εκπαίδευσε και αξιολόγησε μαθητευόμενους και συνεργάστηκε στενά με εθελοντές και ομάδες κοινότητας.


Δέντρα από μαλακό ξύλο

Τα μαλακά ξύλα είναι επίσης γνωστά ως γυμνόσπερμα, κωνοφόρα ή αειθαλή δέντρα. Είναι άφθονα σε όλη τη Βόρεια Αμερική. Τα αειθαλή διατηρούν το φύλλωμά τους που μοιάζει με βελόνα ή λέπια όλο το χρόνο, δύο εξαιρέσεις είναι το φαλακρό κυπαρίσσι και το αλμυρίκι. Τα δέντρα από μαλακό ξύλο δίνουν τους καρπούς τους με τη μορφή κώνων.

Τα κοινά κωνοφόρα που φέρουν βελόνες περιλαμβάνουν το έλατο, το πεύκο, τον πεύκο και το έλατο. Αν το δέντρο έχει φύλλα που μοιάζουν με λέπια, τότε μάλλον πρόκειται για κέδρο ή άρκευθο, που είναι επίσης κωνοφόρα δέντρα. Εάν το δέντρο έχει τσαμπιά ή συστάδες βελόνων, είναι πεύκο ή πεύκη. Αν οι βελόνες του είναι τακτοποιημένες κατά μήκος ενός κλαδιού, είναι έλατο ή έλατο. Ο κώνος του δέντρου μπορεί επίσης να δώσει ενδείξεις. Τα έλατα έχουν όρθιους κώνους που είναι συχνά κυλινδρικοί. Οι κώνοι ερυθρελάτης, αντίθετα, δείχνουν προς τα κάτω. Οι άρκευθοι δεν έχουν κώνους, έχουν μικρές ομάδες από μπλε-μαύρα μούρα.

Το πιο κοινό δέντρο από μαλακό ξύλο στη Βόρεια Αμερική είναι το φαλακρό κυπαρίσσι. Αυτό το δέντρο είναι άτυπο στο ότι ρίχνει τις βελόνες του κάθε χρόνο, εξ ου και το «φαλακρό» στο όνομά του. Γνωστό και ως Taxodium distichum, το φαλακρό κυπαρίσσι βρίσκεται κατά μήκος των παράκτιων υγροτόπων και των χαμηλών περιοχών της νοτιοανατολικής περιοχής και των ακτών του Κόλπου. Το ώριμο φαλακρό κυπαρίσσι μεγαλώνει σε ύψος από 100 έως 120 πόδια. Έχει φύλλα με επίπεδες λεπίδες μήκους περίπου 1 εκατοστού που εξατμίζονται κατά μήκος των κλαδιών. Ο φλοιός του είναι γκριζοκαφέ έως κόκκινο-καφέ και ινώδης.


Αναγνωρίστε αυτό το δέντρο; - Βιολογία

Η αναγνώριση είναι μια βασική δραστηριότητα και ένας από τους πρωταρχικούς στόχους της συστηματικής. Αν και η ταυτοποίηση είναι μια ξεχωριστή δραστηριότητα ή διαδικασία, στην πράξη περιλαμβάνει τόσο ταξινόμηση όσο και ονοματολογία. Η ταύτιση είναι απλώς ο προσδιορισμός των ομοιοτήτων ή των διαφορών μεταξύ δύο στοιχείων, δηλαδή, δύο στοιχεία είναι ίδια ή διαφορετικά. Η σύγκριση ενός άγνωστου φυτού με ένα ονομαζόμενο δείγμα και ο προσδιορισμός ότι τα δύο στοιχεία είναι ίδια περιλαμβάνει επίσης ταξινόμηση, δηλ. όταν κάποιος αποφασίσει σωστά ότι ένα άγνωστο ανήκει στην ίδια ομάδα (είδος, γένος, οικογένεια κ.λπ.) ως ένα γνωστό δείγμα, οι πληροφορίες που είναι αποθηκευμένες στα συστήματα ταξινόμησης καθίστανται διαθέσιμες και εφαρμόσιμες στο υπό εξέταση υλικό. Και οι δύο διαδικασίες - η αναγνώριση και η ταξινόμηση - περιλαμβάνουν σύγκριση και κρίση και απαιτούν έναν ορισμό κριτηρίων ομοιοτήτων. Η ταυτοποίηση είναι, επομένως, μια βασική διαδικασία ταξινόμησης με την ονοματολογία να παίζει ουσιαστικό ρόλο στην ανάκτηση πληροφοριών και ως μέσο επικοινωνίας. Σύμφωνα με τον Blackwelder (1967) «η ταυτοποίηση μας δίνει τη δυνατότητα να ανακτήσουμε τα κατάλληλα στοιχεία από το σύστημα (ταξινόμηση) που θα συσχετιστούν με κάποιο δείγμα στο χέρι» και «περιγράφεται καλύτερα ως η πλευρά ανάκτησης της ταξινόμησης». Στην πράξη συνήθως προσδιορίζει κανείς ένα φυτό με άμεση σύγκριση ή με χρήση κλειδιών και καταλήγει σε ένα όνομα. Οι πρακτικές πτυχές και οι μέθοδοι των συστημάτων αναγνώρισης και ταυτοποίησης φυτών συζητούνται σε αυτό το κεφάλαιο. Για περισσότερες πληροφορίες, δείτε το βιβλίο των Harrington and Durrell How to Identify Plants.

Ενότητα Α. ΠΑΡΑΔΟΣΙΑΚΕΣ ΜΕΘΟΔΟΙ ΑΝΑΓΝΩΡΙΣΗΣ

Οι μέθοδοι αναγνώρισης περιλαμβάνουν (1) προσδιορισμό ειδικού, (2) αναγνώριση, (3) σύγκριση και (4) χρήση κλειδιών και παρόμοιων συσκευών. Για μια διεξοδική και τεχνική συζήτηση της ταυτοποίησης του δείγματος βλέπε Sneath and Sokal (1973).

Όσον αφορά την αξιοπιστία ή την ακρίβεια, η καλύτερη μέθοδος αναγνώρισης είναι ο προσδιορισμός των ειδικών. Γενικά, ο εμπειρογνώμονας θα έχει προετοιμάσει θεραπείες (μονογραφίες, αναθεωρήσεις, συνόψεις) της εν λόγω ομάδας και είναι πιθανό ότι οι πιο πρόσφατες χλωρίδες ή εγχειρίδια περιλαμβάνουν τις έννοιες του ειδικού για τα taxa. Αν και είναι μεγάλης αξιοπιστίας, αυτή η μέθοδος παρουσιάζει προβλήματα απαιτώντας τον πολύτιμο χρόνο των ειδικών και δημιουργώντας καθυστερήσεις για την αναγνώριση. Η αναγνώριση, σύμφωνα με τον Morse (1971) προσεγγίζει τον προσδιορισμό των ειδικών στην αξιοπιστία. Αυτό βασίζεται σε εκτενή, προηγούμενη εμπειρία του αναγνωριστικού με την εν λόγω ομάδα φυτών. Σε ορισμένες ομάδες αυτό είναι σχεδόν αδύνατο. Μια τρίτη μέθοδος είναι η σύγκριση ενός άγνωστου με επώνυμα δείγματα, φωτογραφίες, απεικονίσεις ή περιγραφές. Παρόλο που αυτή είναι μια αξιόπιστη μέθοδος, μπορεί να είναι πολύ χρονοβόρα ή σχεδόν αδύνατη-λόγω της έλλειψης κατάλληλων υλικών για σύγκριση. Η αξιοπιστία εξαρτάται, φυσικά, από την ακρίβεια και την αυθεντικότητα των δειγμάτων, των απεικονίσεων ή των περιγραφών που χρησιμοποιούνται στη σύγκριση. Η χρήση κλειδιών ή παρόμοιων συσκευών (συνόψεις, περιγράμματα κ.λπ.) είναι μακράν η πιο ευρέως χρησιμοποιούμενη μέθοδος και όχι. απαιτούν το χρόνο, τα υλικά ή την εμπειρία που εμπλέκονται στη σύγκριση και την αναγνώριση.-

Τα κλειδιά με την παραδοσιακή έννοια είναι ένας τύπος ταξινομικής βιβλιογραφίας (βλ. Εικόνες 25-1 & amp 25-2). Τα κλειδιά είναι συσκευές που αποτελούνται από μια σειρά αντιθετικών ή αντιφατικών δηλώσεων ή προτάσεων που απαιτούν από το αναγνωριστικό να κάνει συγκρίσεις και αποφάσεις με βάση δηλώσεις στο κλειδί που σχετίζονται με το προς αναγνώριση υλικό. Τα πρώτα κλειδιά σύγχρονου τύπου (διχοτομικά) σαφώς σχεδιασμένα για αναγνώριση ήταν αυτά του Lamarck στο Flore Francaise του 1778 (βλ. Voss, 1952, για μια ενδιαφέρουσα περιγραφή της ιστορίας των κλειδιών και των φυλογενετικών δέντρων στη συστηματική βιολογία). Τα σχόλια του A. P. de Candolle στην αφιέρωσή του στον Lamarck στην τρίτη έκδοση αυτής της χλωρίδας σχετικά με τα κλειδιά είναι εξίσου κατάλληλα σήμερα:

«Όσον αφορά τις τεχνητές μεθόδους, έχω χωρίς δισταγμό, προτιμώ αυτή που επινοήσατε, και η οποία συνίσταται στο να οδηγεί τον μαθητή στο όνομα του φυτού, αναγκάζοντάς τον πάντα να επιλέξει ανάμεσα σε δύο αντιφατικούς χαρακτήρες: σε αυτό εγώ επέτρεψα στον εαυτό μου μόνο τις μικρές αλλαγές που απαιτούνται από την αύξηση του αριθμού των φυτών που περιγράφηκαν.Εκεί, μετά το παράδειγμά σας, έψαξα να ξεχωρίσω τα φυτά με τους πιο εύκολους και εμφανείς χαρακτήρες και τότε αυτοί οι χαρακτήρες δεν ήταν σταθεροί, προσπάθησα να προβλέψτε τις εκτροπές τους και να φτάσετε στο ίδιο όνομα με διαφορετικούς τρόπους, αλλά αυτή η ευκολία στη διάκριση των φυτών είναι πολύ διαφορετική σε διαφορετικές οικογένειες: σε ορισμένες, όπως τα σταυρανθή, είναι αδύνατο να διακριθούν τα γένη χωρίς εξέταση του καρπού. Όταν οι αρχάριοι αντιμετωπίζουν αυτές τις δυσκολίες στη χρήση της αναλυτικής μεθόδου, τους ικετεύω, πριν την κατηγορήσουν, να σκεφτούν ότι οι πιο επιτυχημένοι βοτανολόγοι συναντώνται με το ίδιο έμπα. rrassment, και -ότι καμία μέθοδος δεν μπορεί να κάνει την εργασία ευκολότερη στους μαθητές από ό,τι στους δασκάλους. . . . Αλλά όταν ο μαθητής ξέρει το όνομα, ας φροντίσει να μην νομίζει ότι το ξέρει! Αναφερόμενος από έναν αριθμό στην αναλυτική μέθοδο στην περιγραφή, θα βρει σε αυτό το δεύτερο μέρος τις λεπτομέρειες που συνθέτουν ολόκληρη την επιστήμη." (Αναφέρεται από μετάφραση Voss, 1952)

Η ενότητα B-III αυτού του κεφαλαίου περιλαμβάνει μια συζήτηση για την κατασκευή κλειδιών αναγνώρισης και την εφαρμογή των υπολογιστών σε αυτή τη διαδικασία.

Οι παρακάτω λίστες προτάσεων αφορούν τη χρήση και την κατασκευή παραδοσιακών διχοτόμων κλειδιών.

  1. Επιλέξτε τα κατάλληλα κλειδιά για τα προς αναγνώριση υλικά. Τα κλειδιά μπορεί να βρίσκονται σε χλωρίδα, εγχειρίδιο, εγχειρίδιο οδηγού, μονογραφία ή αναθεώρηση (βλ. Κεφάλαιο 30). Εάν είναι γνωστή η τοποθεσία ενός άγνωστου φυτού, επιλέξτε μια χλωρίδα, έναν οδηγό ή ένα εγχειρίδιο για τη θεραπεία των φυτών αυτής της γεωγραφικής περιοχής (βλ. Οδηγοί για τη χλωρίδα στο Κεφάλαιο 30). Εάν η οικογένεια ή το γένος αναγνωρίζεται, μπορεί κανείς να επιλέξει να χρησιμοποιήσει μια μονογραφία ή μια αναθεώρηση. Εάν η τοποθεσία είναι άγνωστη. επιλέξτε μια γενική εργασία. Εάν καλλιεργήθηκαν υλικά που πρέπει να προσδιοριστούν, επιλέξτε ένα από τα εγχειρίδια για την επεξεργασία τέτοιων φυτών, καθώς οι περισσότερες χλωρίδες δεν περιλαμβάνουν καλλιεργούμενα φυτά εκτός εάν έχουν πολιτογραφηθεί.
  2. Διαβάστε τα εισαγωγικά σχόλια σχετικά με λεπτομέρειες μορφής, συντομογραφίες κ.λπ. .πριν χρησιμοποιήσετε το κλειδί.
  3. Διαβάστε και τους δύο οδηγούς ενός δίστιχου πριν κάνετε μια επιλογή. Παρόλο που το πρώτο καλώδιο μπορεί να φαίνεται ότι περιγράφει το άγνωστο υλικό, το δεύτερο καλώδιο μπορεί να είναι ακόμη πιο κατάλληλο.
  4. Χρησιμοποιήστε ένα γλωσσάρι για να ελέγξετε τη σημασία των όρων που δεν καταλαβαίνετε.
  5. Μετρήστε πολλές παρόμοιες δομές όταν χρησιμοποιούνται μετρήσεις στο κλειδί, π.χ. μετρήστε πολλά φύλλα ούτε ένα φύλλο. Μην βασίζετε τις αποφάσεις σας σε μία μόνο παρατήρηση Συχνά είναι επιθυμητό να εξετάζετε πολλά δείγματα.
  6. Δοκιμάστε και τις δύο επιλογές όταν οι διχογνωμίες δεν είναι σαφείς ή όταν οι πληροφορίες είναι ανεπαρκείς και πάρτε μια απόφαση για το ποια από τις δύο απαντήσεις ταιριάζει καλύτερα στις περιγραφές.
  7. Επαληθεύστε τα αποτελέσματά σας διαβάζοντας μια περιγραφή, συγκρίνοντας το δείγμα με μια απεικόνιση ή ένα αυθεντικό όνομα βοτανοφόρου.
  1. Προσδιορίστε όλες τις ομάδες που θα συμπεριληφθούν σε ένα κλειδί.
  2. Προετοιμάστε μια περιγραφή για κάθε ταξινομική ταξινόμηση (βλ. Κεφάλαιο 24 για λεπτομέρειες για περιγραφή και περιγραφική μορφή).
  3. Επιλέξτε "βασικοί χαρακτήρες" με αντίθετες καταστάσεις χαρακτήρων. Χρησιμοποιήστε μακροσκοπικούς, μορφολογικούς χαρακτήρες και σταθερές καταστάσεις χαρακτήρων όταν είναι δυνατόν. Αποφύγετε χαρακτηριστικά που φαίνονται μόνο στο χωράφι ή σε ειδικά προετοιμασμένα δείγματα, δηλαδή χρησιμοποιήστε εκείνα τα χαρακτηριστικά που είναι γενικά διαθέσιμα στο χρήστη.
  4. Ετοιμάστε ένα γράφημα σύγκρισης (βλ. Εικόνα 25-3).
  5. Κατασκευάστε αυστηρά διχοτομικά κλειδιά.
  6. Χρησιμοποιήστε παράλληλη κατασκευή και συγκριτική ορολογία σε κάθε οδηγό ενός ζευγαριού.
  7. Χρησιμοποιήστε τουλάχιστον δύο χαρακτήρες ανά απαγωγό όταν είναι δυνατόν.
  8. Ακολουθήστε τη μορφή του κλειδιού (με εσοχή ή αγκύλες δείτε τις Εικόνες 25-1 και 25-2).
  9. Ξεκινήστε και τα δύο leads ενός ζευγαριού με την ίδια λέξη αν είναι δυνατόν και τα διαδοχικά leads με διαφορετικές λέξεις.
  10. Αναφέρετε το όνομα του τμήματος του φυτού πριν από περιγραφικές φράσεις, π.χ., φύλλα ή άνθη μπλε και όχι μπλε άνθη, φύλλα εναλλάξ και όχι εναλλακτικά φύλλα.
  11. Τοποθετήστε αυτές τις ομάδες με πολλές καταστάσεις μεταβλητών χαρακτήρων σε ένα κλειδί πολλές φορές όταν είναι απαραίτητο.
  12. Κατασκευάστε ξεχωριστά κλειδιά για δίοικα φυτά, για ανθοφόρα ή καρποφόρα υλικά και για φυτικά υλικά όταν χρειάζεται.

ΕΝΑ ΔΙΧΟΤΟΜΟ ΚΛΕΙΔΙ ΣΕ ΕΠΙΛΕΓΜΕΝΑ ΓΕΝΕΙΑ SAXIFRAGACEAE

  • Θάμνος ή ξυλώδης κλήμα.
    • Ξυλώδη αμπελοπέταλα 7 ή περισσότερα 3. Decumaria
    • Πέταλα θάμνων 4 ή 5.
      • Φύλλα εναλλάξ ή σε βραχύβια κλαδιά.
        • Φύλλα με πτερωτή φλέβα ωοθήκη ανώτερος καρπός μια κάψουλα 1. Ιτέα
        • Αφήνει παλαμικά φλεβώδη ωοθήκη κατώτερο καρπό ένα μούρο 2. Ribes
        • Πέταλα συνήθως 4-στήμονες 20-40 καρποί διαμήκως αποσυνδεόμενοι, όχι ραβδωτές 4. Philadelphus
        • Πέταλα συνήθως 5 στήμονες 8-10 καρποί πορτοκτόνοι, 10 έως 15 ραβδώσεις 5. Ορτανσία
        • Σταμινίδια παρουσιάζουν πέταλα μήκους άνω των 10 mm 6. Παρνασσία
        • Σταμινόδια απουσιάζουν πέταλα μήκους μικρότερου των 10 mm.
          • Φύλλα διαδοχικά αποσύνθεση 7. Astilbe
          • Φύλλα απλά.
            • Άνθη μοναχικά στις μασχάλες των φύλλων, ή εν συντομία, φυλλώδη κύμματα.
              • Σέπαλα 4 καρπόλια 2 8. Χρυσοσπλήνιο
              • Σέπαλα 5 καρπόλια 3 9. Λεπουροπέταλον
              • Πέταλα πτερωτή ή με κρόσσια φύλλα στελέχους απέναντι 10. Μιτέλλα
              • Πέταλα όχι πτερωτή ή με κρόσσια φύλλα στελέχους εναλλάσσονται ή απουσιάζουν.
                • Ωοθήκη 1-κύτταρο.
                  • Ταξιανθία paniculate στήμονες 5 11. Heuchera
                  • Ταξιανθία στήμονες ρακεμόζης 10 12. Τιαρέλα
                  • Στήμονες 5 φύλλα παλαμικά λοβωτά 13. Μποϊκίνια
                  • Στήμονες 10 φύλλα μη παλαμικά λοβωτά 14. Σαξίφραγκα

                  Εικόνα 25-1. Παράδειγμα κλειδιού με εσοχή (ζυγό). (Από Radford, A. E., H. E. Ahles, and C. R. Bell. 1968. Manual of the Vascular Flora of the Carolinas. University of North Carolina Press. Chapel Hill, North Carolina. Χρησιμοποιείται με άδεια.)

                  • 1. Θάμνος ή ξυλώδης κλήμα 2.
                  • 1. Βότανα 6.
                    • 2. Ξυλώδη πέταλα αμπέλου 7 ή περισσότερα Decumaria.
                    • 2. Πέταλα θάμνων 4 ή 5 3.
                    • 4. Αφήνει πτερωτή φλέβα ωοθήκης ανώτερος καρπός μια κάψουλα Ιτέα.
                    • 4. Αφήνει ωοθήκη με φλέβες παλάμης κάτω από τα φρούτα ένα μούρο Ribes.
                    • 6. Σταμινίδια παρουσιάζουν πέταλα μήκους άνω των 10 mm Παρνασσίας.
                    • 6. Σταμινόδια απουσιάζουν πέταλα μήκους μικρότερου των 10 mm 7.
                    • 8. Άνθη μοναχικά στις μασχάλες των φύλλων, ή εν συντομία, φυλλώδη κυμάτια 9.
                    • 8. Λουλούδια σε ράβδους ή πανικό 10.
                    • 10. Πέταλα πτερωτή ή με κρόσσια φύλλα στελέχους απέναντι από τη Μιτέλλα.
                    • 10. Πέταλα όχι πτερωτή ή με κρόσσια φύλλα στελέχους εναλλάξ ή απουσιάζουν 11.
                    • 12. Ταξιανθία πανικόβλητοι στήμονες 5 Heuchera.
                    • 12. Ταξιανθία στήμονες ρακεμόζης 10 Tiarella.

                    ΑΣΚΗΣΗ ΑΝΑΓΝΩΡΙΣΗΣ ΦΥΤΟΥ

                    1. Αναγνώριση αγνώστου. Επιλέξτε ένα άγνωστο δείγμα και αναγνωρίστε το πληκτρολογώντας ένα κατάλληλο εγχειρίδιο, χλωρίδα ή μονογραφία. Επαληθεύστε τα αποτελέσματά σας διαβάζοντας μια περιγραφή, συγκρίνοντας με μια εικόνα ή ελέγχοντας με τον εκπαιδευτή σας.

                    2. Προετοιμασία διαγράμματος σύγκρισης. Επιλέξτε 5 ή περισσότερα δείγματα από την ομάδα που παρέχεται από τον εκπαιδευτή σας. Προσδιορίστε το καθένα πληκτρολογώντας. Επαληθεύστε τα αποτελέσματά σας. Προετοιμάστε μια περιγραφή καθενός παρόμοια με αυτές σε μια χλωρίδα ή εγχειρίδιο. Βεβαιωθείτε ότι οι χαρακτήρες και οι καταστάσεις χαρακτήρων έχουν την ίδια σειρά. Επιλέξτε καταστάσεις αντίθεσης χαρακτήρων και ετοιμάστε ένα γράφημα σύγκρισης (βλ. Εικόνα 25-3).

                    3. Κατασκευή κλειδιών. Κατασκευάστε ένα διχοτομικό κλειδί για αυτά τα δείγματα χρησιμοποιώντας τις πληροφορίες στο γράφημα σύγκρισης.

                    ΣΥΓΚΡΙΤΙΚΟ ΔΙΑΓΡΑΜΜΑ
                    Decumaria Ιτέα Ribes Παρνασσίας Heuchera Σαξιφράγκα
                    Συνήθεια Ξυλώδες κλήμα Θάμνος Θάμνος Βότανο Βότανο Βότανο
                    Διάταξη φύλλων Απεναντι απο Εναλλακτικό Εναλλακτικό
                    ή σε ρίζες σπιρούνι
                    Βασικός
                    (Rosulate)
                    Βασικός
                    (Rosulate)
                    Βασικός
                    (Rosulate)
                    Αριθμός πετάλου 7-10 5 5 5 5 5
                    Locule Number 7-10 2 1 1 1 2
                    Αριθμός Stamen 7+ 5 5 5
                    (σταμονόδια 5)
                    5 10
                    Τύπος φρούτου Κάψουλα Κάψουλα Μούρο Κάψουλα Κάψουλα Κάψουλα

                    Εικόνα 25-3. Ένα γράφημα σύγκρισης που χρησιμοποιείται στην κατασκευή κλειδιών (για έξι από τα γένη στα Σχήματα 25-1 και 25-2).

                    Ενότητα Β. ΠΡΟΣΦΑΤΕΣ ΚΑΙ ΝΕΕΣ ΜΕΘΟΔΟΙ ΑΝΑΓΝΩΡΙΣΗΣ*

                    *Προσαρμογή από το "Spemen Identification and Key Construction with Time-Sharing Computers" του Larry E. Morse (Πανεπιστήμιο Harvard, Cambridge, Massachusetts), στο Taxon 29: 269-282 (1971), με εκτενείς αναθεωρήσεις από τον κ. Morse. Χρησιμοποιείται με άδεια.

                    Τα πολυκλείδια διαφόρων ειδών επιτρέπουν σε κάποιον να επιλέξει τα χαρακτηριστικά που θα χρησιμοποιηθούν για την αναγνώριση κάθε δείγματος, λαμβάνοντας τις επιλογές του από κάποιο σύνολο χαρακτήρων και επαναλαμβάνοντας μια διαδικασία εξάλειψης μέχρι να γίνει μια δοκιμαστική αναγνώριση. Ένας τυπωμένος πίνακας δεδομένων, διάγραμμα ή μήτρα που δίνει την κατάσταση διάφορων ταξινομικών κατηγοριών για χρήσιμα χαρακτηριστικά χρησιμοποιείται εύκολα ως πολύκλειστο, παραθέτοντας τα πιθανά taxa σε ξυστό χαρτί και διαγράφοντας εκείνα που δεν συμφωνούν με τους χαρακτήρες του δείγματος. Τέτοιοι πίνακες δεδομένων εμφανίζονται ακανόνιστα στην ταξινομική βιβλιογραφία, συχνά μόνο για τις πιο δύσκολες ομάδες που εμπλέκονται, αλλά περιστασιακά για όλα τα είδη που υποβλήθηκαν σε θεραπεία, όπως έγινε για τα ιατρικά βακτήρια από τους Cowan and Steel (1965). Για μεγάλες ομάδες, οι διαγνωστικοί πίνακες όχι μόνο είναι πιο ισχυροί από το αντίστοιχο κλειδί, αλλά καταλαμβάνουν και λιγότερο χώρο για να εκτυπωθούν. Οι λίστες ταξινομικών κατηγοριών με διάφορους χαρακτήρες ήταν μεταξύ των πρώτων μη πίνακα πολυκλείδων. Αυτά μοιάζουν με τα ανεστραμμένα αρχεία που είναι κοινά στα ηλεκτρονικά συστήματα πληροφοριών, όπου οι εγγραφές παρατίθενται σύμφωνα με τα χαρακτηριστικά τους και όχι με τα χαρακτηριστικά ανά καταχωρήσεις. Έχουν δημιουργηθεί επίσης λίστες ταξινομικών κατηγοριών που στερούνται συγκεκριμένων χαρακτηριστικών, αυτή η τροποποίηση επιταχύνει τη χρήση, καθώς στη συνέχεια μπορεί κανείς να σημειώσει τα πιθανά taxa dn-d να διαγράψει γρήγορα αυτά που διαφέρουν από το δείγμα. Τα πολυκλείδια μηχανοποιούνται εύκολα, όπως φαίνεται από τις γνωστές τρυπημένες κάρτες και τα λιγότερο γνωστά πλήκτρα παραθύρου, καθώς και από διάφορες μηχανικές συσκευές. Η πιθανότητα ενός πολυκλείδιου σε υπολογιστή σημειώθηκε από τους Sokal και Sneath (1966) και από τον Williams (1967) η εφαρμογή είναι απλή όταν επινοηθούν οι κατάλληλες μορφές δεδομένων. Το ηλεκτρονικό σύστημα πολυκλείδων που αναπτύξαμε στο Πολιτειακό Πανεπιστήμιο του Μίσιγκαν (Morse, υπό έκδοση) χρησιμοποιεί ένα σύστημα χρονομεριστικής χρήσης General Electric Mark II, αλλά έχει επίσης δοκιμαστεί σε πολλούς άλλους υπολογιστές. Άλλα πολυκλείδια με υπολογιστή περιλαμβάνουν αυτά των Boughey, Bridges και Ikeda (1968). ), Dybowski And Franklin (1968), Goodall (1968) και Walker et al. (1968). Μέχρι στιγμής δεν έχει γίνει σύγκριση αυτών των πολλών παράλληλων προσεγγίσεων.

                    Εάν μια μέθοδος αναγνώρισης απαιτεί, γενικά, τη χρήση όλων των χαρακτήρων σε κάποια λίστα, δεν είναι πλέον πολύκλειστο, γιατί δεν παραμένουν επιλογές χρήστη στην επιλογή χαρακτήρων. Πολλές τέτοιες μέθοδοι συνόλου χαρακτήρων έχουν επινοηθεί, κυρίως στατιστικές. Ορισμένα ηλεκτρονικά «κλειδιά» βασίζονται επίσης σε αυτό το μοντέλο (π.χ. Gyllenberg, 1965 Bogdanescu and Racotta, 1967 και Rypka, 1971). Αν και προορίζονται καλά, οι αλγόριθμοι συνόλου χαρακτήρων δεν φαίνεται να προσφέρουν κανένα πλεονέκτημα σε σχέση με τα πολύκλειστα. Ωστόσο, μέθοδοι αναγνώρισης προτύπων, που δεν χρησιμοποιούν επίσημους χαρακτήρες, μπορεί να χρησιμοποιηθούν αποτελεσματικά για αναγνώριση σε ορισμένες περιπτώσεις. Τέτοιες τεχνικές που συνδέονται με οπτικούς σαρωτές, φασματοσκοπία ή χρωματογραφία θα μπορούσαν ακόμη και να προσφέρουν πλήρως αυτοματοποιημένη αναγνώριση.

                    II. ΤΑΞΑ, ΧΑΡΑΚΤΗΡΕΣ ΚΑΙ ΠΙΝΑΚΕΣ ΔΕΔΟΜΕΝΩΝ

                    Ένα αντικειμενικό σύστημα αναγνώρισης απαιτεί εκ των προτέρων πληροφορίες τριών ειδών: τα σχετικά taxa, τους χρήσιμους διαφοροποιητικούς χαρακτήρες αυτών των ταξινομικών κατηγοριών και τα ίδια τα δεδομένα ταξινόμησης/χαρακτήρα. ,

                    Η ιεραρχία των φυσικών ταξινομικών κατηγοριών είναι το θεμέλιο της ανάκτησης βιολογικών πληροφοριών καθώς και της συστηματικής σύνθεσης, καθώς τα δεδομένα μπορούν να αποθηκευτούν, να ανακτηθούν και να μελετηθούν σε οποιοδήποτε επίπεδο γενίκευσης (Morse, 1974). Κατά την επεξεργασία δεδομένων, μπορεί συνήθως να θεωρήσουμε μια ταξινόμηση ως ομάδα ενός ή περισσότερων ατόμων ή χαμηλότερων ταξινομικών κατηγοριών που κρίνονται αρκετά παρόμοια μεταξύ τους ώστε να αντιμετωπίζονται μαζί επίσημα ως μια ενιαία εξελικτική ή πληροφοριακή μονάδα σε ένα συγκεκριμένο επίπεδο στην ταξινομική ιεραρχία και επαρκώς διαφορετικές από άλλες τέτοιες ομάδες της ίδιας τάξης για να αντιμετωπίζονται χωριστά από αυτές. Παραδοσιακά, κάθε ταξινομική ταξινόμηση (εκτός από την υψηλότερη) ανήκει σε μια και μόνο μια ταξινομική τάξη της επόμενης υψηλότερης τάξης, υπονοώντας ότι κάθε άτομο ανήκει ακριβώς σε ένα είδος (και έχει ένα όνομα) σε οποιαδήποτε συγκεκριμένη ταξινομική αντιμετώπιση της ομάδας του. Τα taxa είναι είτε μονοθετικά είτε πολυθετικά. Για τα μονοθετικά taxa, η κατοχή ενός συγκεκριμένου συνόλου διαγνωστικών χαρακτήρων είναι απαραίτητη και επαρκής για τη συμμετοχή. Τα πολυθετικά taxa είναι πιο χαλαρά οριοθετημένα, καθώς απαιτείται η παρουσία μόνο "ένα μεγάλο αριθμό" (και όχι όλων) μιας λίστας χαρακτήρων για τη συμμετοχή. Με άλλα λόγια, τα μέλη μιας πολυθετικής ταξινόμησης παρουσιάζουν συνολική ομοιότητα. Οι σύγχρονοι συστηματιστές χρησιμοποιούν την έννοια της πολυθετικής ταξινόμησης στο μεγαλύτερο μέρος της εργασίας τους, όπως έχει αναγνωριστεί ευρέως την τελευταία δεκαετία. Ωστόσο, εξακολουθούν να χρησιμοποιούνται διχοτομικά κλειδιά και άλλες μονοθετικές μέθοδοι αναγνώρισης. Θεωρητικά, τα σχήματα αναγνώρισης για τη σύγχρονη βιολογία θα πρέπει να διασφαλίζουν ότι καμία διαφορά ενός χαρακτήρα, είτε στη μεταβλητότητα του πληθυσμού είτε σε σφάλμα παρατηρητή, δεν μπορεί να οδηγήσει σε εσφαλμένη αναγνώριση. Τα πολυετικά πολυκλείδια προσφέρουν μια λύση εδώ, δεν εξαλείφεται καμία πιθανότητα μέχρις ότου συσσωρευτούν αρκετές διαφορές μεταξύ της περιγραφής ταξινομίας και του άγνωστου δείγματος. Το κατάλληλο όριο εξαρτάται από τη μεταβλητότητα των ταξινομικών κατηγοριών, αλλά η ανοχή μόνο μιας ή δύο διαφορών συχνά δίνει μια αξιοσημείωτη βελτίωση στην επιτυχία της ταυτοποίησης.

                    Το μοντέλο χαρακτήρων μας αναπτύχθηκε αρχικά για μια αναπαράσταση λιστών-δομών διχοτομικών κλειδιών (Morse, Beaman και Shetler, 1968). Επικεντρώνεται στην έννοια των δίστιχων χαρακτήρων (ή χαρακτήρων δύο καταστάσεων) και επιτρέπει επίσης την κωδικοποίηση «εξαρτημένων χαρακτήρων» (Williams, 1969). Στο μοντέλο μας, κάθε δίστιχο χαρακτήρων αντιπροσωπεύει τις δύο αντικρουόμενες εναλλακτικές λύσεις σχετικά με πιθανά χαρακτηριστικά ενός μεμονωμένου πληθυσμού. (Για ευκολία, συχνά ονομάζουμε τις πιθανότητες A και B, ή true και false.) Με άλλα λόγια, τα δίστιχα χαρακτήρων είναι ισοδύναμα με τα ζεύγη (ζευγών) των αντίθετων απαγωγών σε διχοτομικά πλήκτρα, προσδιορίζοντας ένα μέρος του οργανισμού και ρωτώντας ποιο από υπάρχουν δύο εναλλακτικές τροποποιήσεις του. Μια τέτοια ερώτηση υποδηλώνει ότι το ίδιο το καθορισμένο μέρος είναι παρόν - το δίστιχο "κόκκινα πέταλα" έναντι "κίτρινα πέταλα" δεν έχει νόημα για τα απετάλια φυτά καθώς και για εκείνα που έχουν πέταλα διαφορετικών χρωμάτων. Ένα δίστιχο μπορεί επομένως να είναι μη εφαρμόσιμο ή μη συγκρίσιμο, συχνά κωδικοποιημένο NC σε δεδομένα αριθμητικής ταξινόμησης. Απαιτείται πρόσθετος κωδικός όταν ένα δείγμα είναι μεταβλητό στην έκφραση των καταστάσεων χαρακτήρων ενός δίστιχου ακριβέστερα, μεταβλητή σημαίνει μερικές φορές Α και μερικές φορές Β. Σε άλλες περιπτώσεις η κατάσταση ενός δίστιχου δεν είναι γνωστή για ένα δείγμα, ίσως επειδή ο χαρακτήρας είναι δύσκολο να προσδιοριστεί ή δεν καταγράφεται ή το δείγμα είναι ημιτελές, κακώς διατηρημένο ή σε λάθος στάδιο ανάπτυξης, αυτές οι περιπτώσεις κωδικοποιούνται άγνωστα. Όλοι οι χαρακτήρες δυαδικού ζεύγους μπορούν εύκολα να κωδικοποιηθούν με αυτές τις πέντε καταστάσεις χαρακτήρων, που παρατίθενται παρακάτω με τους κωδικούς μας αριθμούς για αυτούς:

                    Κάθε δίστιχο χαρακτήρων στο μοντέλο μας είναι μια ιεραρχία δύο δυαδικών (δύο καταστάσεων) χαρακτήρων, ένας άρρητος και ένας ρητός. Η έκφραση οποιασδήποτε κατάστασης του ρητού χαρακτήρα εξαρτάται από την παρουσία μιας συγκεκριμένης κατάστασης του υπονοούμενου γενικότερου χαρακτήρα - το χρώμα των πετάλων εξαρτάται από την παρουσία των πετάλων. Όπως φαίνεται καλά σε ένα διάγραμμα από τον Dale (1968), μεγαλύτερες ιεραρχίες χαρακτήρων μπορούν να δημιουργηθούν με συνδυασμό ενός αριθμού τέτοιων δίστιχων.

                    Οι επεκτάσεις σε χαρακτήρες πολλαπλών καταστάσεων και ποσοτικούς χαρακτήρες είναι, φυσικά, απαραίτητες προτού οι μέθοδοί μας μπορούν να εξεταστούν σοβαρά για τον χειρισμό ταξινομικών πληροφοριών γενικά. Για αυτό εφαρμόσαμε ένα σύστημα αρχείων που περιλαμβάνει τρία είδη δεδομένων ταξινομικών/χαρακτήρων: χαρακτήρες δύο καταστάσεων, όπως περιγράφονται παραπάνω χαρακτήρες πολλαπλών καταστάσεων, και ποσοτικούς (αριθμητικούς) χαρακτήρες (Morse, Peters, and Hamel, 1971). Οι χαρακτήρες πολλαπλών καταστάσεων και οι ποσοτικοί χαρακτήρες μπορούν επίσης να κωδικοποιηθούν ως δίστιχα για χρήση με τα τρέχοντα προγράμματα. Το πρώτο μπορεί πάντα να εκφραστεί ως μια λίστα δυαδικών χαρακτήρων ναι/όχι, ενώ τα εύρη ποσοτικών χαρακτήρων μπορούν να τμηματοποιηθούν ανάλογα με την περίπτωση. Λεπτομέρειες για τα προγράμματα MSU είναι διαθέσιμες αλλού (Morse, υπό έκδοση).

                    Για την αναγνώριση και τις συναφείς διαδικασίες, προτιμάται η προετοιμασία πινάκων δεδομένων ως ταξινομικών/6 χαρακτήρων αντί για καταχωρήσεις δείγματος/χαρακτήρων. Κατά τη σύνταξη αποτελεσματικών περιγραφών ταξινόμησης/χαρακτήρων, είναι φυσικά σημαντικό να μελετηθεί επαρκής δειγματοληψία δειγμάτων και άλλων πληροφοριών, συμπεριλαμβανομένης της σχετικής βιβλιογραφίας, καθώς διαφορετικά τα δεδομένα δεν μπορούν να υποδείξουν τη φύση της ταξινομικής ομάδας στο σύνολό της. Ωστόσο, αν εξεταζόντουσαν αρκετά παραδείγματα ταξινομικής ταξινόμησης, σχεδόν όλοι οι χαρακτήρες που μελετήθηκαν θα χαρακτηρίζονταν τελικά μεταβλητοί, καθιστώντας την όλη περιγραφή άχρηστη. Ωστόσο, με τις πολυθετικές μεθόδους ταυτοποίησης, η περιστασιακή παραδοξότητα μπορεί να αγνοηθεί με ασφάλεια κατά την προετοιμασία μιας περιγραφής ταξινομικής ταξινόμησης. Για πολυθετικά taxa, η μεταβλητή κώδικα σημαίνει αισθητά μεταβλητή, ενώ Α (ή Β) σημαίνει συνήθως Α (ή Β), ίσως 80% (Cowan and Steel, 1965) ή 85% (Lapage et al., 1973), ή έναν αριθμό υπολογίζεται από τα δεδομένα (Moller, 1962). Στο παρόν σύστημά μας, τα δεδομένα ταξινόμησης/χαρακτήρων παρουσιάζονται με τη μορφή που απεικονίζεται αλλού (Morse, it press Shetler et al., 1971). Εν συντομία, τέτοια αρχεία αποτελούνται από μια λίστα ταξινομήσεων, μια λίστα χαρακτήρων και μια κωδικοποιημένη μήτρα δεδομένων ταξινομικών/χαρακτήρων, με πρόσθετα πεδία για διάφορες παραμέτρους που χρησιμοποιούνται από τα προγράμματα. Γίνεται επίσης περιθώριο για εκτενή τεκμηρίωση.

                    Οι ιεραρχικοί πίνακες βοηθούν στην επεξεργασία ταξινομικών δεδομένων καθώς διαφορετικοί χαρακτήρες μπορούν να χρησιμοποιηθούν για διαφορετικές υποομάδες ταξινομικών κατηγοριών. Σε ένα σύστημα ιεραρχικής ταξινομικής μήτρας, κάθε γραμμή περιγραφής ταξινομικής ταξινόμησης μπορεί να αναφέρεται σε μια άλλη πλήρη μήτρα που διαφοροποιεί δευτερεύοντα ταξινομικά taxa, επιτρέποντας στα προγράμματα να επεξεργαστούν στην ιεραρχία, όπως κάποιος χρησιμοποιεί ένα κλειδί για οικογένειες, μετά ένα κλειδί για τα γένη και μετά ένα κλειδί για είδος. Αυτή η μέθοδος επιτρέπει επίσης στον χρήστη να ρωτήσει την τράπεζα δεδομένων ξεκινώντας από οποιοδήποτε επίπεδο επιθυμεί--αν γνωρίζει ότι το δείγμα του είναι Ροδόδενδρο, δεν χρειάζεται πρώτα να επαληθεύσει ότι είναι αγγειόσπερμο!

                    In preparing identification data, one should include only characters of potential value in making identifications. A number of computer algorithms are available for character-set selection, but subjective screening appears ordinarily adequate for choosing a manageable set of characters for further study. The traditional key characters of the group offer an initial list, but new diagnostic characters should be sought, especially in difficult groups. Guidelines for character selection, offered in a multitude of works, include the following: presence in the usual material to be identified, ease of observation and interpretation, distinctness between the various states, independence from other characters used, and tolerance to environmental influences. Identification characters must not only be well expressed in nature but should also be clearly expressible verbally or pictorially. 06casionally one should describe what the user will think he is seeing, whether or not this be the actual case morphologically. The previous experience of the intended users should also be considered, and especially in educational works the characters might be easily learned and remembered in association with their taxa.

                    III. CONSTRUCTION OF IDENTIFICATION KEYS

                    The presentation of dichotomous keys is usually considered a-mandatory part of scholarly taxonomic publication, yet until recent years few advances were made in key-constructing theory over the methods of Grew or Lamarck, or even Aristotle and Theophrastus (Voss, 1952). In his study of the theory of keys, Osborne (1963) concludes that the most efficient key is the one in. which each dichotomy divides the remaining taxa symmetrically, or as nearly so as possible-, assuming the characters have equal probabilities of misinterpretation and the taxa are equally abundant. However, in reality some characters are far easier to use than others, and some taxa are keyed out more often.

                    The relative conveniences or ease of use of the various characters should be a major consideration in key construction, as one wants the easiest and fastest key which is sufficiently accurate. Ledley and Lusted (1960) suggest the characters (disease symptoms in their paper) be grouped into numbered sets or blocks of similar difficulty. In making a diagnosis they employ all available characters from one block before using any from the next.. We allow nine such blocks, with the characters in block one hardest and those in block nine easiest any characters labelled zero are completely ignored by some routines. In our programs we treat the block codes, or character convenience values as natural logarithms of a convenience-of-use-number. Thus the nine symbols represent a range of about three to eight thousand. When rating characters, one should assign codes such that the intended users would prefer to study any three characters at some level than any single character at the next lower level, seven to one for a two-level difference, twenty to one for three levels, and so forth. The conveniences may, of course, be revised with experience or a change in user groups. Hall (1970) considers conveniences which vary from taxon to taxon, but finds it easier to rate each character only once, instead of once per taxon.

                    If the relative frequencies of the various taxa can be estimated for a situation, then the taxa can be considered accordingly in determining the evenness of division at a dichotomy, in effect taking each expected occurrence as a separate object to be identified. Determining such frequencies is not at all easy, since we are interested in how often a taxon will be collected and keyed out, a quite different value than how often it occurs in the field.

                    The intra-taxon variability of the characters is also an important consideration in keys. In our methods, characters are coded as -either variables or as (nearly) constant, leaving selection of a variability threshold to the researcher preparing the data. An alternative approach often used involves stating the variability of each taxon for each character as a quantitative entry in the data matrix, usually as a percentage. This percentage matrix would be valuable in a general taxonomic information system, especially while data were being collected and variability patterns were developing. However, the true-false-variable matrices present their data more clearly, and take far less effort to prepare. Also, we know no programs which utilize the percentages directly in constructing keys.

                    Many texts recommend the use of data tables in writing keys, but other mechanical aids are rarely described. Metcalf (1954) presents an index-card technique, and Peters (1969) used a computer to help incorporate additional taxa in keys. While developing our key-constructing techniques we prepared a key-editing program (Morse, Beaman, and Shetler, 1968), but work on the advanced system" outlined there was suspended in favor of our current research on key construction and identification procedures. Key editing is important in large projects such as Flora Europaea and the planned Flora North America , where numerous minor improvements are made in the keys during editing. However, if taxa are added or deleted, it is often better to develop an entirely new key.

                    The possibility of computerized key construction is often mentioned, yet we know of only four programs for construction of biological keys, namely those of Moller (1962), Hall (1970), and Pankhurst (1970, 1971), as well as our own (Morse, 1971 and in press). Pankhurst (1974) provides a comparison of some of these programs. Moller's method requires complete binary data, and has attracted little attention. Hall s program utilizes quantitative data, printing a numeric version of the key which must then be rewritten before use. Pankhurst's algorithm differs from ours primarily in his use of rigid character-convenience blocks and his employment of the attribute value rather than hierarchical-couplet character concept. His program, like ours, prints the key directly. The production version of our MSU programs is described below these allow mixed-data key construction with our new data matrices. Several matrix-reduction and monothetic-devisive algorithms in the literature resemble key construction: the KEYCALC program by Niemalg, Hopkins, and Quadling (1968) is typical. Also, some aspects of decision-tree and game-tree research in computer science could contribute to the theory of keys.

                    In preparing a key, one usually divides the initial group of taxa by a character couplet into two subgroups, each of which is independently divided into further subgroups, and so forth, until every taxon is distinguished from all others. Indeed, the further subdivision of a subgroup can be considered as construction of a full key to that local group, suggesting a concise recursive algorithm for computerization: construct the kev by dividing the original taxa into two subgroups by the best possible character couplet, then consider each of these subgroups separately, dividing them similarly. It is readily established that this procedure will produce a key if one can be made at all, but the optimality of such a key apparently remains uninvestigated. The four key-construction programs cited above all operate on this principle.

                    For use of this algorithm one needs a means for selecting the "best" character couplet for a given dichotomy, given the appropriate taxon/character data for a set of potentially useful characters. In our program, a preliminary screening of the characters is followed by a detailed evaluation of the potentially useful ones. In the preliminary scan, a character is eliminated from further consideration if it is coded as unknown or as inapplicable for any taxon in the local group, or if it is coded in only one way within that group. In other words, the remaining characters are all coded partly true and partly false true and variable false and variable or true , false , and variable .

                    For keys these are obviously the only characters of immediate interest. Next, a combined measure of ease of use and dichotomizing power is determined for each character. A tally is made for each state ( true , false , and variable ), giving the sums of the taxon frequencies of the taxa so coded for a character. In effect, these three tallies give the total number of encounters expected under each state of a character. The tally for variable is then multiplied by the sum of the other two tallies, and half this produce is added to twice the product of the true and false tallies, giving a "dichotomizing value."

                    where qT, qF, and qV are the respective tallies. High values of DV indicate well-divided dichotomies. In considering the character conveniences, these ratings are treated in exponential (values 3 through 8103) rather than condensed (1-9) form. The "best" couplet is found by maximizing the product of the character convenience exponential and the dichotomizing value. The character couplet having this product greatest is then used for that dichotomy of the key, and the taxa in the local group are sorted according to their recorded status for that character, placing variable taxa in both subgroups. Note the character conveniences have a powerful but not exclusive effect, as a 5-5 split at convenience 6 (7254) as well as a 6-4 (or worse) split at 5 (7004).

                    If the indented style is desired, the program prints the key . as it selects the dichotomies. However, for the bracketed style the key must be stored (in our list-structure representation) until completed, since division of variable taxa affects the numbering. It is then printed in one operation. The list-structure condensation can also be printed if desired, perhaps for later use in editing.

                    Ordinarily a batch- processing computer is adequate for key construction since no user interaction during processing is necessary. However, on-line key construction allows the effects of changes in the data to be seen quickly. An on-line key-editing system would also be possible, but most changes can be made with the text-edititg software usually supplied with time-sharing systems. For small groups, these methods may also be used manually..

                    Polyclaves need not be automated, but might be computerized when a large, rapidly developing information base is involved otherwise, imaginative publication methods suffice (e.g., Ogden, 1953 Leenhouts, 1966, Archbald, 1967 Duke, 1969 Hansen and Rahn, 1969 Shultz, 1973). Here on-line (usually timesharing) computers offer a clear advantage over batch-processing systems, since the on-line system allows the user to submit additional data during the execution of a program. This permits a dialogue or conversation between the user and the computer, with the machine printing questions and awaiting responses before continuing the processing. Such conversations can be about as terse or verbose as desired we have taken a middle course, writing out most questions and taxon names in full, but sometimes using numerical codes for character states and couplets, as well as for several program options. Numeric coding of lengthy answers saves printing or typing time and reduces the chances for errors, assuming the user can copy a short number more accurately than a long descriptive phrase. For regular users of the system a faster abbreviated terminology is planned. As yet, the ideal of free-form language input is not practical for this or almost any information-retrieval system (Simmons, 1970).

                    Following selection of a group of possible taxa by the choice of the initial data file, our polyclave algorithm consists of three steps, repeated as necessary: (1) request the user to give one or more characteristics of his specimen (2) eliminate all possibilities inconsistent with this partial description and (3) print the results of the elimination, either an identification or some other action, and recycle to the first step if necessary. Several alternatives are available, including production of a useful-characters list and deletion of the effects of the last character set submitted. Since a user may start with a data matrix at any level in the taxonomic hierarchy, continuation to a subsequent matrix may be possible-after a family, genus, or other higher-level taxon is identified. After each identification, several diagnostic or peculiar characters of the taxon are listed as an immediate check of the suggested identification. Particularly with higher level matrices, "false positives" may occasionally occur when no single species has a character combination suggested by the generalized description of a taxon.

                    Polythetic identification, where one difference no longer implies elimination, is available as an option on our computer system. Here the program tallies the number of differences and eliminates a taxon only when its tally exceeds a user-determined value, commonly one, two, or three. Although it allows for greater taxon variability or user error, the polythetic polyclave is slower than the monothetic one since more characters must be submitted to assure complete elimination of all the other taxa.

                    When a list of useful characteristics is desired part way through a polyclave procedure, a subroutine selects the best characters to continue dividing the set of remaining possibilities. Actually, a portion of the key-constructing algorithm is used to determine the first such character, and repetition of the procedure (ignoring this character) gives the next-best character, and so forth. With the polyclave, of course, such recommended characters are merely suggestions which need not be employed. No matter which state the specimen shows, the recommended character will eliminate about half the possibilities. Any other character, on the average, will delete fewer taxa because it eliminates a larger number only when in its rarer state. However, if the user happens to notice his specimen displays a rare character, he can eliminate a large number of possibilities at once and identify his specimen much more rapidly. Since the ability to recognize rare characters and realize their power comes only through training and experience, the expert delights in the efficiency and power of a polyclave, while the neophyte is lost in its multitude of choices and prefers the supervision and security of the traditional dichotomous key.

                    PLANT IDENTIFICATION LITERATURE

                    Archbald, D. 1967. Quick-Key Guide to Trees: Trees of Northeastern and Central North America. Doubleday. Garden City, New York.

                    Blackwelder, R. E. 1967. Taxonomy, A Text and Reference Book. John Wiley & Sons, Inc. New York.

                    Bogdanescu, V., & R. Racotta. 1967. Identification of mycobacteria by overall similarity analysis. Journal of General Microbiology 48: 111-126.

                    Bossert, W. 1969. Computer techniques in systematics. In: Systematic Biology. National Academy of Science Publication 1692. Washington, D. C.

                    Boughey, A. S., K. W. Bridges, and A. G. Ikeda. 1968. An automated biological identification key. Museum of Systematic Biology. University of California (Irvine).

                    Cowan, S. T., and K. J. Steel. 1965. Manual for the Identification of Medical Bacteria. Cambridge University Press. Cambridge, England. Dale, M. B. 1968. On property structure, numerical taxonomy, and data handling. In: Heywood, V. H. Modern Methods in Plant Taxonomy. Ακαδημαϊκός Τύπος. London and New York.

                    Duke, J. A. 1969. On tropical tree seedlings. I. Seeds, seedlings, systems, and systematics. Annals of the Missouri Botanical Garden 56: 125-161.

                    Dybowski, W., and D. A. Franklin. 1968. Conditional probability and the identification of bacteria: a pilot study. Journal of General Microbiology 54: 215-229.

                    Goodall, D. W. 1968. Identification by computer. BioScience 18: 485-488. Gyllenberg, H. 1965. A model for computer identification of micro-organisms. Journal of General Microbiology 39: 401-405.

                    Hall, A. V. 1970. A computer-based system for forming identification keys. Taxon 19: 12-18.

                    Hansen, B., and K. Rahn. 1969. Determination of angiosperm families by means of a punched-card system. Dansk Botanisk Arkiv 26: 1-46 + 172 punched cards.

                    Harrington, H. D., and L. W. Durrell. 1957. How to Identify Plants. Swallow Press. Σικάγο.

                    Lapage, S. P,, S. Bascomb, W. R. Willcox, and M. A. Curtis. 1973. Identification of bacteria by computer: general aspects and perspectives. Journal of General Microbiology 77: 273-290.

                    Ledley, R. S., a,-id L. B. Lusted. 1960. The use of electronic computers in medical data processing: aids in diagnosis, current information retrieval, and medical record keeping. Institute of Radio Engineers Transactions on Medical Electronics 7: 31-47.

                    Leenhouts, P. W. 1966. Keys in biology: a survey and a proposal of a new kind. Proceedings Koninklijke Nederlandse Akademie Van Wetenschappen 69 (ser. C): 571-596.

                    Metcalf, Z. P. 1954. The construction of keys. Systematic Zoology 3: 38-45. N61ler, F. 1962. Quantitative methods in the systematics of Actinomycetales. IV. The theory and application of a probabilistic identification key. Giornale di Microbiologia 10: 29-47.

                    Morse, L. E. 1974. Computer-assisted storage and retrieval of the data of taxonomy and systematics. Taxon 23, in press.

                    _______, (in press). Computer programs for specimen identification key construction, and description printing using taxonomic data matrices. Publications of the Museum, Michigan State University (Biological Series). East Lansing, Michigan.

                    _______, J. H. Beaman, and S. G. Shetler. 1968. A computer system for editing diagnostic keys for Flora North America. Taxon 17: 479-483.

                    _______, J. A. Peters, and P. B. Hamel. 1971. A general data format for summarizing taxonomic information. BioScience 21: 174-180, 186.

                    Niemela, S. I., J. W. Hopkins, and C. Quadling. 1968. Selecting an economical binary test battery for a set of microbial cultures. Canadian Journal of Microbiology 14: 271-279.

                    Ogden, E. C. 1953. Key to the North American species of Potamogeton . New York State Museum Circular 31.

                    Osborne, D. V. [email protected] Some aspects of the theory of dichotomous keys. New Phytologist 62: 144-160.

                    Pankhurst, R. J. 1970. A computer program for generating diagnostic keys. Computer Journal 13: 145-151.

                    _______. 1971. Botanical keys generated by computer. Watsonia 8: 357-368.

                    Pankhurst, R. J. 1974. Automated identification in systematics. Taxon 23, in press.

                    Peters, J. A. 1969. Discussion. In: Systematic Biology. National Academy of Science Publication 1692. Washington, D. C.

                    _______ and B. B. Collette. 1968. The role of time-sharing computers in museum research. Curator 11: 65-75.

                    Rypka, E. W. 1971. Truth table classification and identification. Space Life Sciences 3: 135-156.

                    Shetler, S. G., J. H. Beaman, M. E. Hale, L. E. Morse, J. J. Cro ckett, and R. A. Creighton. 1971. Pilot data processing systems for floristic information. In: J. L. Cutbill. Advances in Data Processing for Biology and Geology. Tc-ademic Press. London and New York.

                    Shultz, L. M. 1973. Random-access key to the genera of Colorado wildflowers. University of Colorado Museum. Boulder, Colorado.

                    Simmons, R. F. 1970. Natural language [email protected] systems: 1969.

                    Communications of the Association for Computing Machinery 13: 15-30.

                    Sneath, P. H. A., and R. R. Sokal. 1973. Numerical Taxonomy: The Principles and Practice of Numerical Classification. W. H. Freeman and Company. Σαν Φρανσίσκο.

                    Sokal, R. R., and P. H. A. Sneath. 1�. 'Efficiency in taxonomy. Taxon 15: 1-21.

                    Voss, E. G. 1952. The history of keys and phylogenetic trees in systematic biology. Journal of the Scientific Laboratories of Denison University 43: 1-25.

                    Walker, D., P. Milne, J. Guppy, and J. Williams. 1968. The computer-assisted storage and retrieval of pollen morphological data. Pollen et Spores 10:251-262.

                    Williams, W. T. 1967. The computer botanist. Australian Journal of Science 29:266-271.

                    _______. 1969. The problem of attribute-weighting in numerical classification. Taxon 18: 369-374.


                    Δες το βίντεο: Δέντρα Ι (Νοέμβριος 2022).