Numerical taxonomy of Ginkgophyta fossils in China

分类单元 生物 线性判别分析 主成分分析 分类学(生物学) 数值分类学 古生物学 判别函数分析 植物 进化生物学 人工智能 数学 统计 计算机科学
作者
Jingjing Wang,Cunlin Xin,Lu-Han Wang,Yamei Zhang,Zhi-Peng Jiao,Guo-Yun Di,Song-xin Liu
出处
期刊:Historical Biology [Informa]
卷期号:34 (10): 2037-2052
标识
DOI:10.1080/08912963.2021.1999939
摘要

The categories of Ginkgophyta fossil plants are varied and distributed all over the world. Due to wide variations in leaf division along with the relatively similar epidermal structure between genera and species, it is difficult to identify Ginkgophyta fossils accurately. At this point, the current study sheds light on the quantitative numerical taxonomy of these plant fossils, depending on characterisation of fossil morphology and epidermal microstructures. Through principal component analysis and correlation analysis of specific characters, 15 traits are determined as the key characters in the identification of Ginkgophyta fossils. Cluster analysis was also used to divide the operational taxonomic units into 3 categories and 16 representative groups, which mostly correspond to the traditional classification, with some inconsistencies. Consequently, 8 genera of Ginkgophyta fossils are established as two new taxa: Ginkgophyllum, Rhipidopsis, Sinophyllum,Psygmophyllum and Pseudotorellia, Vittifoliolum, Eretmophyllum, Glossophyllum. In addition, Dicranophyllum should be assigned to Coniferophytina, and Saportaea nervosa can be temporarily attributed to Ginkgo.Finally, the Bayes discriminant model was established for the 38 species of Ginkgophyta fossil plants in 7 genera with relatively certain classification positions, and the discriminant model was tested using literature data. It is believed that the discriminant model has certain accuracy and can be applied to the classification and identification of Ginkgophyta fossil plants in the future.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
希望天下0贩的0应助云_123采纳,获得10
1秒前
nicol.z完成签到,获得积分10
2秒前
打打应助科研通管家采纳,获得10
4秒前
大模型应助科研通管家采纳,获得10
4秒前
4秒前
我是老大应助科研通管家采纳,获得10
4秒前
4秒前
小蘑菇应助科研通管家采纳,获得10
4秒前
大模型应助科研通管家采纳,获得10
5秒前
5秒前
丘比特应助激情的世平采纳,获得10
5秒前
斯文败类应助nicol.z采纳,获得10
5秒前
6秒前
6秒前
7秒前
8秒前
ShuangWeng应助搬石头采纳,获得10
8秒前
王森发布了新的文献求助10
9秒前
10秒前
10秒前
11秒前
尼克发布了新的文献求助10
12秒前
云_123发布了新的文献求助10
12秒前
啦啦啦发布了新的文献求助10
13秒前
RRRR发布了新的文献求助10
15秒前
19秒前
20秒前
Akim应助搬石头采纳,获得10
22秒前
111完成签到 ,获得积分20
23秒前
白羊发布了新的文献求助10
24秒前
Jc发布了新的文献求助20
24秒前
24秒前
尼克完成签到,获得积分10
25秒前
jbear发布了新的文献求助10
25秒前
王森完成签到,获得积分10
27秒前
酒九发布了新的文献求助10
30秒前
科研通AI2S应助柒_l采纳,获得10
30秒前
不配.应助谷雨采纳,获得10
32秒前
活泼飞鸟完成签到,获得积分10
33秒前
wish完成签到 ,获得积分10
34秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3134943
求助须知:如何正确求助?哪些是违规求助? 2785901
关于积分的说明 7774393
捐赠科研通 2441736
什么是DOI,文献DOI怎么找? 1298162
科研通“疑难数据库(出版商)”最低求助积分说明 625079
版权声明 600825