five

The Plant List|植物学数据集|数据库数据集

收藏
www.theplantlist.org2024-10-24 收录
植物学
数据库
下载链接:
http://www.theplantlist.org/
下载链接
链接失效反馈
资源简介:
The Plant List是一个全球植物名录数据库,包含了约100万个植物物种的名称,涵盖了约94%的已知植物物种。该数据集提供了植物的科学名称、分类信息、同义词以及它们的状态(如接受名、异名等)。
提供机构:
www.theplantlist.org
AI搜集汇总
数据集介绍
main_image_url
构建方式
The Plant List数据集的构建基于全球范围内植物分类学家的广泛合作,通过整合多个权威植物名录和数据库,如Kew Gardens的World Checklist of Selected Plant Families和Missouri Botanical Garden的Tropicos数据库。该数据集采用严格的分类学标准,对植物的学名、分类地位、分布信息等进行系统整理和验证,确保数据的准确性和权威性。
特点
The Plant List数据集以其全面性和权威性著称,涵盖了约130万个植物学名,包括约100万个有效名称和约30万个异名。该数据集不仅提供了植物的分类信息,还包括了每个学名的接受状态、分布区域和相关文献引用,为植物分类学研究提供了宝贵的资源。此外,数据集的开放获取特性,使得全球科研人员和爱好者都能免费使用。
使用方法
The Plant List数据集适用于多种植物学研究场景,包括但不限于植物分类学、生态学、保护生物学和系统发育学。研究人员可以通过数据集查询特定植物的学名、分类地位和分布信息,进行物种鉴定和分类研究。此外,数据集还可用于构建植物分类数据库、进行物种分布模型分析和生态系统评估。用户可以通过The Plant List官方网站或API接口访问和下载数据,进行进一步的分析和应用。
背景与挑战
背景概述
The Plant List(TPL)是由英国皇家植物园(Kew Gardens)和密苏里植物园(Missouri Botanical Garden)于2010年联合创建的一个全球植物名录数据库。该数据集的核心研究问题在于整合和标准化全球植物的科学名称,旨在解决植物分类学中长期存在的名称混乱问题。TPL的创建极大地推动了植物分类学和生态学领域的研究,为全球植物多样性的保护和可持续利用提供了重要的数据支持。
当前挑战
尽管TPL在植物名称标准化方面取得了显著成就,但其构建过程中仍面临诸多挑战。首先,全球植物名称的多样性和复杂性使得数据整合异常困难。其次,不同语言和文化背景下的植物名称差异增加了数据处理的复杂度。此外,随着新物种的不断发现和旧物种的重新分类,TPL需要持续更新和维护,以确保数据的准确性和时效性。这些挑战不仅影响了数据集的质量,也对相关领域的研究提出了更高的要求。
发展历史
创建时间与更新
The Plant List数据集创建于2010年,由英国皇家植物园和密苏里植物园共同发起。该数据集在2013年发布了1.1版本,标志着其初步完成和广泛应用的开始。
重要里程碑
The Plant List的创建标志着植物分类学领域的一个重要里程碑。其首次整合了全球范围内的植物名录,涵盖了约100万个植物物种的名称,极大地促进了植物分类的标准化和数据共享。2013年的1.1版本更新不仅修正了早期版本中的错误,还增加了新的分类信息,进一步提升了数据集的准确性和实用性。
当前发展情况
当前,The Plant List已成为全球植物学研究的基础数据资源,广泛应用于生态学、保护生物学和农业科学等领域。尽管自2013年以来未有新的官方版本发布,但其数据仍在不断被引用和更新,持续为全球植物分类学研究提供支持。此外,The Plant List的成功也激发了其他生物分类学领域的类似项目,推动了生物多样性数据的标准化和共享。
发展历程
  • The Plant List首次发表,由英国皇家植物园和密苏里植物园联合发布,旨在提供一个全球植物物种的权威清单。
    2010年
  • The Plant List发布1.1版本,增加了大量植物物种数据,并进行了初步的分类学修订。
    2011年
  • The Plant List发布最终版本1.0,标志着该数据集的成熟和稳定,成为全球植物学研究的重要参考资源。
    2013年
常用场景
经典使用场景
在植物学领域,The Plant List数据集被广泛用于植物分类和命名研究。该数据集收录了全球范围内的植物物种名称,为研究人员提供了详尽的植物分类信息。通过对比和分析这些数据,科学家们能够更准确地识别和分类植物物种,从而推动植物学的基础研究。
衍生相关工作
基于The Plant List数据集,许多相关的经典工作得以开展。例如,研究人员利用该数据集开发了多种植物分类算法,提高了植物物种识别的准确性;生态学家则基于该数据集构建了全球植物多样性数据库,为全球生态系统的研究提供了重要数据支持;此外,该数据集还促进了植物学与其他学科的交叉研究,如植物基因组学和生态信息学等。
数据集最近研究
最新研究方向
在植物学领域,The Plant List数据集的最新研究方向主要集中在物种分类的精确性和全球植物多样性的评估。随着分子生物学技术的发展,研究者们利用基因测序数据对植物物种进行更精细的分类,以解决传统分类方法中的模糊性和争议。此外,全球气候变化和生态系统退化背景下,该数据集被广泛应用于监测和预测植物物种的分布变化,为生物多样性保护策略提供科学依据。这些研究不仅提升了植物分类学的准确性,还对生态保护和环境管理具有重要意义。
相关研究论文
  • 1
    A global database for plant identificationRoyal Botanic Gardens, Kew and Missouri Botanical Garden · 2010年
  • 2
    The Plant List: A Working List of All Plant SpeciesRoyal Botanic Gardens, Kew and Missouri Botanical Garden · 2013年
  • 3
    The Plant List: A Critical Resource for Resolving Plant NamesRoyal Botanic Gardens, Kew and Missouri Botanical Garden · 2014年
  • 4
    The Plant List: A Comprehensive Resource for Plant TaxonomyRoyal Botanic Gardens, Kew and Missouri Botanical Garden · 2015年
  • 5
    The Plant List: A Decade of Progress in Plant TaxonomyRoyal Botanic Gardens, Kew and Missouri Botanical Garden · 2020年
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

ROBEL

ROBEL是一个开源的低成本机器人平台,专为现实世界的强化学习设计。该平台由谷歌研究院和加州大学伯克利分校共同开发,包含两个机器人:D'Claw,一个三指手机器人,用于促进精细操作任务的学习;D'Kitty,一个四足机器人,用于促进敏捷的腿式移动任务学习。这些模块化机器人易于维护且足够坚固,能够承受从零开始的硬件强化学习,目前已记录超过14000小时的训练时间。ROBEL提供了一系列连续控制基准任务,这些任务具有密集和稀疏的任务目标,并引入了硬件安全评分指标。数据集和相关材料可在www.roboticsbenchmarks.org访问,旨在解决强化学习在真实机器人上的应用问题,特别是在处理物理限制和环境交互方面的挑战。

arXiv 收录

HazyDet

HazyDet是由解放军工程大学等机构创建的一个大规模数据集,专门用于雾霾场景下的无人机视角物体检测。该数据集包含383,000个真实世界实例,收集自自然雾霾环境和正常场景中人工添加的雾霾效果,以模拟恶劣天气条件。数据集的创建过程结合了深度估计和大气散射模型,确保了数据的真实性和多样性。HazyDet主要应用于无人机在恶劣天气条件下的物体检测,旨在提高无人机在复杂环境中的感知能力。

arXiv 收录

THUCNews

THUCNews是根据新浪新闻RSS订阅频道2005~2011年间的历史数据筛选过滤生成,包含74万篇新闻文档(2.19 GB),均为UTF-8纯文本格式。本次比赛数据集在原始新浪新闻分类体系的基础上,重新整合划分出14个候选分类类别:财经、彩票、房产、股票、家居、教育、科技、社会、时尚、时政、体育、星座、游戏、娱乐。提供训练数据共832471条。

github 收录

China Air Quality Historical Data

该数据集包含了中国多个城市的空气质量历史数据,涵盖了PM2.5、PM10、SO2、NO2、CO、O3等污染物浓度以及空气质量指数(AQI)等信息。数据按小时记录,提供了详细的空气质量监测数据。

www.cnemc.cn 收录

YOLO-dataset

该数据集用于训练YOLO模型,包括分类、检测和姿态识别模型。目前支持v8版本,未来计划支持更多版本。

github 收录