第三节 数值分类学（Numerical Taxonomy）.doc

第三节 数值分类学（Numerical Taxonomy） 由于近代科学技术的迅速发展，电子计算机在分类学中的应用，一门新兴的边缘学科——数值分类学建立起来了。电子计算机用于分类学只是近30余年的事，随着这一学科的建立，可能对系统学、分类学的许多工作方法、步骤和概念产生很大的影响。 数值分类学是用数量的方法来评价有机体类群间的相似性，并根据相似性值将某些类群归成更高阶层的分类群（taxa）。数值分类学是以表型特征为基础，利用有机体大量性状（包括形态学的、细胞学的和生物化学等的各种性状）、数据，按一定的数学模型（model），应用电子计算机运算得出的结果，从而作出有机体的定量比较。它不仅运用的性状数量多，运算速度快，而且没有偏见，比较客观，这是以往分类学家难以做到的。经过这种处理所得到的分类群之间的关系，不是凭经验的判断，而是凭大量的性状并可验证的，因为这个关系是用一定的精确标准计算得来的。 下面简略介绍数值分类学的基本步骤。 （一）确定研究对象 进行数值分类工作的第一步，是要确定分类单位，它可以是个体、品系、种、属或更高级的单位，但主要是应当使挑选单位尽可能代表所研究的有机体。在特定研究中所采用的最基本的单位，称为分类运算单位（operational taxonomic unit，简称OTU，复数OTUS）。 （二）选择性状 只有通过比较分类单位之间特征的相似程度，才能确定这些分类单位是否相似，因此分类单位确定后，就要选择OTU的性状。性状的选择对数量分类学的分类工作至关重要。就植物分类而言，要选择相对稳定的性状，也就是要选择那些受环境影响较小，保守性强的性状，如繁殖器官，具体地说是花序的类型，雄蕊、雄蕊的数目，子房的心皮数和室数，胚珠着生方式，胎座的类型，果实开裂方式，种子的特征等等。有些性状虽然变化较大，可以采用数学方法进行变换，常用的一种变换是取两性状之间的比值当作一个新的性状。譬如叶的大小变化很大，如果取其长与宽之比作为新的性状，往往比较稳定而可靠。除形态、解剖特征外，也可选择细胞的、生理和生化的等多种多样的性状。为了获得稳定和可靠的分类，特征数量一般要在50个以上，最好100个或更多。 （三）性状的编码 性状选出后，为了下一步进行数学运算，必须以数表示，因而对各种性状状态进行编码。不同的性状有不同的编码方法，简述如下。 1.数值性状 用自然数和实数所表示的性状均称为数值性状。例如生物形态的各种度量、长度、面积、体积、角度和重量等；生物组织器官各部分构成的数量；各种性状之间的比例关系；各种仪器测试的数据等，这些都是数值性状。数值性状本身就已经是数值，故多数的分类方法对数值性状无需编码处理，就可转入下一步进行数学运算。 2.二元性状 性状表现为两种对立状态者，称为二元性状。例如植物有叶柄与无叶柄、单叶或是复叶、花冠是离瓣或是合瓣、心皮是分离或是结合、果实开裂或不裂等，即非此即彼的性状。它的编码很简单，将2个性状分别以“+”和“-”表示。“+”为肯定的状态，“-”为否定的状态。 3.有序多态性状 表现为两种状态以上，能排列在一定次序上的性状称为有序多态性状。例如植物体表被微毛、有毛、多毛、密毛。编码时可以取连续排列的非负整数0、1、2、3……n，分别表示n+1个有序多态性状的状态。例如具毛的性状可编码为：无毛(0)，具微毛(1)，具毛(2)，多毛(3)，密毛(4)。 4.无序多态性状 表现在3个状态以上没有次序的性状称为无序多态性状。例如花序有穗状、总状、圆锥、伞形、伞房、头状等。无序多态性状比较复杂，编码方法通常是将无序多态性状分解为互相独立的二元性状，如穗状花序、非穗状花序；伞形花序、非伞形花序等。另一种方法也是将性状分解，但不是就每一个状态都列为1性状，而是从所有的状态中找出比较合适的新的性状逐步分解进行编码。例如花冠有各种不同类型，既可分解为离瓣和合瓣，还可分解为辐射对称与两侧对称，然后再可分解为是否唇形花冠等。 （四）原始数据的变换和标准化 经过编码所获得的原始数据如果全部是二元数据，并无特殊需要，可以直接进行相似性系数的运算；如果数据是一般的实数，就必须先进行数据的变换和标准化，然后才能进行相似性系数的运算。在生物分类中从各方面观察记录的性状数据为多种多样，有来自形态解剖的，生理、生化的、细胞学的、生态学的等等。来源各不相同，数据本身所代表的意义也不同，度量标准亦异。数据的复杂性最后反映在数值的大小和变化的幅度，因不同的性状而各不相同。性状之间的这种差异便影响分类运算的结果。因此，在进行运算之前需要先进行变换或标准化处理。 1.数据的变换 对原始性状数据进行变换的方法，就是将需要变换的数据代入一个事先拟好的函数中进行计算，得出一组新的数值代替原来的性状数据。如果原始数据为xi