中国淡水鱼类LSI数据库-源数据

利用深度学习评估中国淡水鱼的保护状况并构建中国淡水鱼信息数据库。传统的鱼类信息数据库网站拥有各种资源，但存在一些缺点，包括数据存储结构不一致、资源分布分散、查询和利用效率低，这不利于鱼类大数据的分析和研究。因此，基于MySQL数据管理系统，构建了中国淡水鱼信息数据库（CFFID）。通过互联网蠕虫技术、R语言中的rfishbase库、dismo库以及Python语言，从多个数据库中获取中国所有淡水鱼的信息，并存储在CFFID中，例如物种拉丁名、中文名、最大长度、生活环境等。利用收集到的中国淡水鱼信息预测了Vanmanenia pingchowensis的分布范围，进一步证明了构建的CFFID对于淡水鱼分布和进化研究具有重要意义。

This study focuses on assessing the conservation status of freshwater fishes in China and constructing the Chinese Freshwater Fish Information Database (CFFID). Traditional fish information database websites host diverse resources, but they suffer from multiple drawbacks, including inconsistent data storage structures, scattered resource distribution, and low query and utilization efficiency, which impede the analysis and research of large-scale fish datasets. Therefore, we established the CFFID based on the MySQL database management system. We collected comprehensive information on all freshwater fish species in China from multiple databases using web scraping technology, the rfishbase and dismo packages in R, and Python, and stored this data in the CFFID, including scientific Latin names, common Chinese names, maximum body length, habitat and other relevant details. Furthermore, we utilized the collected Chinese freshwater fish information to predict the distribution range of Vanmanenia pingchowensis, which further confirms the important value of the constructed CFFID for research on freshwater fish distribution and evolution.

搜集汇总

背景与挑战

背景概述

该数据集是中国科学院水生生物研究所科学数据中心构建的中国淡水鱼信息数据库（CFFID）的源数据，旨在通过深度学习评估淡水鱼保护状况。数据集整合了来自多个来源的中国淡水鱼信息，包括物种名称、最大长度和生活环境等，解决了传统数据库数据不一致和查询效率低的问题，并已应用于预测鱼类分布范围，对淡水鱼分布和进化研究具有重要价值。