4 物种名录构建：APG分类系统、分类学核对、同义词处理

构建物种名录这事，说难不难，说简单也真容易踩坑。我刚开始做植物群落调查时，拿着《中国植物志》对着野外记录一条条核对，觉得挺靠谱。结果一跑多样性分析，出来的结果莫名其妙——后来才发现，同一个物种在不同年份的文献里，属名、命名人都能差出一大截。

今天咱们就把这件事捋清楚。一份干净的名录，背后就三件事：选对分类框架、做好分类学核对、处理掉同义词。少一步，后面的功能特征分析都白搭。

4.1 为什么要用 APG 分类系统？

传统的分类系统（比如 Engler 系统、Cronquist 系统）主要靠形态特征来划分类群。但植物的形态有时候会骗人——亲缘关系很远的两类植物，可能因为趋同进化长得特别像。

APG 系统（被子植物系统发育研究组）就不一样了。它基于 DNA 序列，使用分子系统学方法重建演化树。说白了，就是看基因，不看长相。我现在做植被分析，除非是历史数据对接需要，否则一律默认使用 APG IV。

4.2 分类学核对：从原始名录到标准名录

拿到一份野外名录，里面可能包含：有效学名、异名、拼写错误、未定种（sp.）、甚至只有中文名。要做的事就三步。

第一步：确定参考源。我个人习惯优先使用这三个数据库：

• Plants of the World Online (POWO) — Kew 维护，更新及时，覆盖面广
• World Flora Online (WFO) — 全球植物分类协作平台
• 中国植物志 + Flora of China — 中文区域的标准参考

第二步：逐条核对。写个简单的 R 或者 Python 脚本去比对。不会写脚本的话，至少用 Excel 的 VLOOKUP 把数据拉过来。

# Python 示例：使用 py-taxon 库批量核对（伪代码）
import taxon  # 虚构库名，实际可用 Kew 的 API

species_list = ["Rhododendron simsii", "Rhododendron pulchrum", "Azalea indica"]
for name in species_list:
    result = taxon.lookup(name, source="powo")
    print(result.accepted_name, result.status)

第三步：标记状态。每条记录打上标签：

• Accepted — 有效名，直接保留
• Synonym — 异名，需映射到有效名
• Unresolved — 未处理，需要人工核查
• Misapplied — 误用名，例如鉴定错误

4.3 同义词处理：把异名统一成有效名

同义词处理可能是名录构建里最烦人的一步。一个物种可能有几个甚至几十个异名。举个实际例子：

你看，同一朵花，在不同文献里被叫作三个名字。如果不做同义词映射，多样性分析会把它当成三个独立物种，结果就彻底偏了。

处理同义词的核心原则只有一条：以权威数据库的最新有效名为准，建立映射表。我通常的做法是：

1. 从 POWO / WFO 下载该属或该科的同义词列表（CSV）
2. 用 Python 做 fuzzy join，匹配原始名录
3. 人工检查标灰的未匹配项，一般占 5-10%
4. 将映射表合并回名录，保留原始名字一列作为溯源

| original_name                 | accepted_name               | family       | genus        | author      | status    | source   |
|-------------------------------|-----------------------------|--------------|--------------|-------------|-----------|----------|
| Rhododendron pulchrum Sweet   | Rhododendron simsii Planch. | Ericaceae    | Rhododendron | Planch.     | synonym   | POWO     |
| Azalea indica L.              | Rhododendron simsii Planch. | Ericaceae    | Rhododendron | Planch.     | synonym   | WFO      |
| Rhododendron simsii Planch.   | Rhododendron simsii Planch. | Ericaceae    | Rhododendron | Planch.     | accepted  | POWO     |

4.4 实操中常见的三个坑

下面这几个问题，我在不同项目里至少各碰到过一次。写出来大家少走弯路。

• 坑一：科级的变动。APG IV 里很多科被合并或拆分。比如传统的虎耳草科（Saxifragaceae）被拆成多个小科。如果你的名录用的是传统系统，直接套 APG 的科级功能特征库，可能出错。我的做法：保留两个科的字段——原始科 + APG 科。
• 坑二：命名人缩写不一致。"L."、"Linn."、"Linnaeus" 是同一个人。如果比对时不留心，会导致误判。我习惯用正则把命名人标准化后再做匹配。
• 坑三：拼写错误和变体。"Rhododendron simsii" 有时候写成 "Rhododendron simsii Planch."，有时候漏了空格，甚至少了字母。我常用 difflib 或者 agrep 做模糊匹配，阈值设 0.95，再人工过一遍。

4.5 自动化工具与工作流

如果名录量级超过 100 条，建议上脚本。我自己的标配是：

• R 包：taxize — 对接 ITIS、GBIF、COL 等十余个数据库，适合批量查询
• Python 库：py-taxa — 轻量，速度快，配合 pandas 直接操作数据框
• 命令行工具：taxoncheck — 适合在 Linux 服务器上跑

# 使用 taxize 在 R 中批量同义词处理示例
library(taxize)

my_species <- c("Rhododendron pulchrum", "Azalea indica", "Rosa chinensis")
out <- gnr_resolve(names = my_species, data_source_ids = c(1, 11))  # 1 = ITIS, 11 = COL
out[, c("user_supplied_name", "matched_name", "data_source_title")]

 # Makefile 片段
 all: mapping.csv
mapping.csv: raw_list.csv
	python3 build_mapping.py --input raw_list.csv --output mapping.csv --source powo
clean:
	rm -f mapping.csv *~

4.6 最终输出什么样？

一份合格的名录，至少包含以下要素：

• 每一条记录都有唯一的标准化有效学名
• 附加上分类阶元（科、属、种）
• 保留原始名称、来源数据库、状态标记
• 若用于功能特征计算，建议加上功能型分组字段

我自己的名录头部通常长这样：

original_name,accepted_name,family,genus,status,source,functional_group
Rhododendron pulchrum,Rhododendron simsii,Ericaceae,Rhododendron,synonym,POWO,wood
Azalea indica,Rhododendron simsii,Ericaceae,Rhododendron,synonym,WFO,wood
Rhododendron simsii,Rhododendron simsii,Ericaceae,Rhododendron,accepted,POWO,wood
Quercus alba,Quercus alba,Fagaceae,Quercus,accepted,POWO,tree
Prunus serrulata,Prunus serrulata,Rosaceae,Prunus,accepted,WFO,tree

有了这样的名录，后面的功能特征查表、多样性计算、群落排序，才能靠谱。不然——数据进去，垃圾出来。