Résolution de noms de plantes (WCVP)
Pourquoi cette étape n'est jamais optionnelle
Une plante change de nom. Les genres sont redécoupés, les espèces sont fusionnées, les hybrides sont notés de trois façons différentes. Si vous cherchez des données sous un seul nom, vous obtiendrez une absence — et vous la prendrez pour un fait.
Cas réels, tous rencontrés en production :
| Nom cherché | Nom sous lequel la chimie existe | Composés manqués |
|---|---|---|
| Vetiveria zizanioides | Chrysopogon zizanioides | 44 |
| Wedelia trilobata | Sphagneticola trilobata | 78 |
| Chamaesyce hirta | Euphorbia hirta | 86 |
| Ocimum sanctum | Ocimum tenuiflorum | 106 |
| Eucalyptus citriodora | Corymbia citriodora | 108 |
| Citrus aurantium | Citrus deliciosa | 573 |
| Hibiscus rosa-sinensis | Hibiscus × rosa-sinensis | 25 |
| Paeonia suffruticosa | Paeonia × suffruticosa | — |
Dans une analyse réelle, 10 noms sur 33 issus d'une liste botanique de référence publiée en 2006 étaient devenus des synonymes. Sans expansion, 30 % du jeu de données aurait été déclaré « sans chimie décrite » à tort.
Procédure
Obtenir WCVP. Archive publique de Kew, ~84 Mo :
https://sftp.kew.org/pub/data-repositories/WCVP/wcvp.zipContientwcvp_names.csv(1,45 M noms) etwcvp_distribution.csv, séparateur|.Résoudre. Pour chaque nom, trouver
accepted_plant_name_id.Étendre. Récupérer TOUS les
taxon_namepointant vers ce même identifiant accepté. C'est l'ensemble de recherche.Normaliser. Avant toute comparaison de chaînes, appliquer la normalisation des hybrides et des rangs infraspécifiques (voir
scripts/resolve.py).Chercher sur l'union, jamais sur le nom d'entrée seul.
Normalisation obligatoire
Trois pièges distincts, à traiter systématiquement :
- Hybrides :
Citrus × limon,Citrus x limon,Citrus limondoivent s'apparier. Le signe×(U+00D7) et la lettrexne sont pas le même caractère. - Rangs infraspécifiques :
Raphanus raphanistrum subsp. sativusdoit pouvoir s'apparier àRaphanus raphanistrum. - Espaces multiples et casse.
Utilisation
python scripts/resolve.py --names "Vetiveria zizanioides" "Wedelia trilobata" \
--wcvp /chemin/vers/wcvp_names.csv
Sortie JSON : nom d'entrée, nom accepté, identifiant WCVP, liste complète des noms de recherche, et famille.
Contrôle de qualité à rapporter
Toujours publier, avec tout résultat fondé sur des noms :
- le taux de résolution (combien de noms appariés sur le total) ;
- le nombre de noms d'entrée qui sont des synonymes ;
- le nombre total de noms de recherche générés ;
- la liste des noms non résolus.
Un résultat qui ne rapporte pas son taux d'appariement n'est pas vérifiable.
Rangs et pièges résiduels
- WCVP couvre les plantes vasculaires. Les algues, mousses et champignons en sont absents : une absence dans WCVP ne veut rien dire pour eux.
- Certains noms sont marqués
UnplacedouArtificial Hybrid— les traiter à part. - La correspondance avec la taxonomie NCBI (utilisée par les dépôts de spectres) et avec le backbone GBIF n'est pas exacte. Prévoir une étape de réconciliation supplémentaire quand vous croisez ces sources.