浅谈几种常用的植物学信息系统

浅谈几种常用的植物学信息系统

在植物学科中，计算机技术的应用主要包括植物多样性信息系统、植物管理信息系统和植物识别系统。这些应用都离不开植物信息数据库的建立。不同的单位面向不同的需要建立植物数据库时,方法都有所不同,这实际上限制了各种植物系统之间的互通和联合。本文将讨论如何建立一个存储效率和查询效率高的植物数据库,以方便各种植物信息系统之间的互通和联合,充分利用现有植物信息系统资源,避免人力和物力的浪费。1结构1:关系型结构建立植物数据库离不开数据库模型。目前数据库设计主要有关系法、层次法、网络法,分别对应3种数据模型即层次型、网络型和关系型。层次(等级)型采用了等级型数据结构(树形);网络型是树型结构各结点间连通后形成的;关系型是将数据看成一张二维关系表,用于设计关系数据库。此表不允许有重复字段名和相同的记录内容;每一列中的数据类型相同;行列的次序可任意排列,不影响关系。目前,植物信息系统中使用最多的还是关系型数据库,其主要特点为数据结构较为简单,易于掌握;表达能力较强,能处理多种复杂的数据;具有较为完善的数学理论作为支撑基础;用户界面(interface)均为非过程化语言,方便使用;已有许多性能良好的商业化关系数据库被开发应用。如DEBASE系列、FoxBASE系列等。本文主要讨论如何建立关系型植物数据库。2建立植物数据库建立植物数据库首先要分析植物有哪些信息应该被包含在数据库中,也就是说,植物作为实体有哪些属性。从植物分类学的观点来看,物种又简称为种(Species)是植物分类的基本单位,在“种”下分为亚种(Subspecies)、变种(Varietas)和变型(Forma)。建立植物数据库应该以种为基本实体(Entity),它的属性主要包括:种的分类群信息(种所在的门、纲、目、科、属的信息,包括相应的名称和特征);种的名称信息(包括种的拉丁名、中文名和异名);形态特征;生境或生态习性;地理分布;植物用途;繁殖方法。当然这些属性在实际应用中可以进行不同的取舍。3表内添加独立的从属关系无论建立什么数据库,都应遵循一定的方法和标准,无论遵循什么样的方法和标准都是为了消除数据库中的冗余性和不协调的从属关系,遵循的原则有:消除每个表格中重复的组;为每套相关的数据建立一个独立表格;使用一个主键来标识每套相关的数据;在一个多对多的关系中,独立的实体不能存放在同一个表格中;原来的表格必须可以通过由它分离出去的表格重新构建。4植物物种名称信息表的建立根据以上的数据库的设计原则,应该为植物物种的几个属性各建立一个相应独立的表,显而易见,这些表的核心就是物种的名称信息表。各表的基本设计如图2。4.1中国植物分类与代码为了确认任何物种在数据库中的唯一身份,使数据库的完整性和唯一性得到实现,并尽可能减小计算机硬盘的占用量,应设计一种简明适用的物种分类数字编码方案。实际上,大部分的植物系统也是这么做的。建立一个统一的植物编码方式对各种植物数据库之间的互通和交流是非常重要的。中科院植物所和中国标准化与信息分类编码研究所于1994年建立了中国植物分类与代码国家标准(GB/T14467-93)。该标准对植物信息的存储、交换和处理,以及植物分类名称的使用带来方便。它采用了层次编码方法,每一个完整的代码都由十或十二位阿拉伯数字组成,共分4层。尽管已经有了该标准,但应用的并不多。像南京航空航天大学计算中心在开发植物园活植物信息系统(LICIS)利用英文的大小写字母共52个字符设计了一套自己的植物编码来代替植物拉丁名,减少了数据的冗余;甘肃农业大学的孙学刚在建立甘肃省稀有濒危植物数据库时建立了与国家标准相似的编码方式,在门与科之间增加了两位的纲的代码;还有的系统以植物物种在系统内部的顺序作为相应的编码,相对要简单了一些。不论什么样的植物编码方案,都应便于理解、使用并具有一定的扩充性,以便于推广和应用,才能实现各种植物系统之间的互通和联合。如果对中国植物分类与代码标准做一些补充性的说明,比如规定从国外引物的植物物种应该如何编码等,就会更好地适应建立植物数据库的需要。在现在没有更好的植物编码情况下,还是以中国植物分类与代码标准为好。4.2数据冗余的类型设置数据库的建立不仅要考虑数据库的设计原则,更要考虑它所面向的应用和用户的需要。而且表中的字段应选取合适的类型并设置适当的长度才能更好地减少数据冗余。由于植物的信息大部分都是描述性的内容,所以字段类型以文本类型为多。如果字段类型的长度太长会使数据库的体积增大,太小又有可能丢失某些信息。所以在确定文本类型字段的长度之前,最好先统计一下字段所对应的内容,然后把字段的长度设为比其所对应的内容大一些即可。4.3通过数据关联到植物形态图2只是粗略地建立了植物信息表,在实际应用中,往往为了减少数据冗余、提高存储效率和前台检索数据的方便,需要将各个表进一步分解和细化。植物的拉丁名是由属名(即所在属的拉丁名)和种加词组成,如银杏的拉丁名是Ginkgobiloba,这样就和植物属表中的拉丁名重复,所以在名称信息表中存储种的拉丁名时只存储它的种加词即可。由于有的物种可能有多个中文异名或拉丁异名,所以应该单独建立一个异名表。植物的形态特征(以高等植物为例)包括植物的植株、茎、叶、花和果各个部分的特征。如果在前台需要通过植物各部分的特征来检索数据库中的数据,就需要对形态特征表进一步细化。比如可以将植物的形态特征分解为植物各个部分的特征。这就要求用户在输录过程中通过判断进行模式加工,使输入的信息具有统一的格式。当然也可以由系统自动处理输入的数据,这就需要掌握信息自动分类技术和信息自动聚类技术等前沿性的智能技术,需要我们进一步讨论和研究。还有一种方法,为了最大限度地减少数据冗余,可以先将植物各部分的特征标准化,比如叶的生长方式有对生、互生、轮生、丛生和基生,叶缘有全缘、锯齿、重锯齿、齿形、钝齿和波状等。将植物各部分特征标准化之后的数据输入到数据库中建立植物特征库,然后在输入各个植物的形态特征时通过选择系统提供的植物特征库中的数据就可以了。这种方法输入方便,检索也更加灵活多样。只是在建立植物特征之前需要对所有的植物进行仔细地分析和分类。植物的其它属性也可以根据需要按此方法建表。4.4数据库文件格式对数字视频的影响随着计算机硬件和数码技术的飞速发展,开发图文并茂的植物数据库已为大势所趋。由于各地和各单位的条件不同,植物的图片来源多种多样,图片的格式也各不相同。但随着数码产品的逐渐普及,建立JPG格式的数码图片植物数据库也是大势所趋。JPG格式的数码图片可以直接输入和编辑,可以减少图像失真,显示效果好,而且JPG图片体积小易于在网上传输,所以网页上比较大的图片用的一般都是JPG格式。如中科院植物所建立的中国数字植物标本馆所包含的图片就都是JPG格式的数码图片。所以在现有的成熟图片格式中,植物图片以JPG格式为佳。图片的分辨率越大越能清晰地表现植物的特征,但是图片的分辨率增大,相应需要的存储空间会成倍增长,在实际应用中可以根据不同的需要调节。如果担心数据库文件太大,可以只在数据库中保存文件名,而将图片放在单独的目录中,每次从磁盘中动态读入,这样占的地方就会减少。但这种管理模式,给数据的维护增加了难度,同时也给系统的安全带来一定的隐患。因此,要真正做到各类数据在数据库中安全管理,研究和探索直接将图像数据存储在数据库关系表中的方法是非常必要的。因此合理设计地设计包含有图像类型(如Access中的OLE对象和SQLServer中的BLOB类型)的属性表对提高存储效率和查询速度有很大的影响。5植物分类的数字编码和数据检索为了确认任何物种在数据库中的唯一身份,使数据库的完整性和唯一