三尖杉属的研究

中国科学院大学学报

三尖杉属的研究

傅立国

（中国科学院植物研究所，北京）

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:1984-08-18 发布日期:1984-08-18
通讯作者: 傅立国

A Study on the Genus Cephalotaxus Sieb. et Zucc.

Fu Li-Kuo

(Institute of Botany, Academia Sinica Beijing)

Received:1900-01-01 Revised:1900-01-01 Online:1984-08-18 Published:1984-08-18
Contact: Fu Li-Kuo

摘要/Abstract

关键词: 三尖杉属, 系统位置, 分类, 订正, 地理分布

Abstract:

The genus Cephalotaxus contains a small number of species. It is adequately

appreciated as a newly discovered cancerresistant medicament for the alkaloids obtai-

ned from its branches leaves and barks are of curative effect.

This paper deals with the classificatory revision based on the morphological featu-

res, with the reference to the anatomical characters of leaves, types of alkaloids and

pollen morphology observed. Two new combinations are proposed, and 4 species and

varieties are reduced in the paper. The genus Cephalotaxus is thus suggested to consist

of 2 sections and 9 species. The trees occur in East Asia and the north of Indo-China,

with 88% found in China where is the distribution centre and refuge of the genus.

The genus in discussion is of unique morphological features which are distinctly dif-

ferent from these of Amentotaxus, Cephalotaxaceae, containing a single genus of Ce-

phalotaxus, is closely related to Taxaceae, and therefore the Cephalotaxaceae is best

placed in the Taxinieae of Coniferales.

Key words: Cephalotaxus, Systematic position, taxonomical, revision, geographical distribution

[1]	冯齐心, 杨辽, 王伟胜, 陈桃, 黄双燕. 基于时序光谱重构的卷积神经网络遥感农作物分类[J]. 中国科学院大学学报, 2020, 37(5): 619-628.
[2]	唐思琦, 韩丛英, 郭田德. 基于机器学习的点集匹配算法[J]. 中国科学院大学学报, 2020, 37(4): 450-457.
[3]	赖训飞, 梁旭文, 谢卓辰, 李宗旺. 基于实体嵌入和长短时记忆网络的入侵检测方法[J]. 中国科学院大学学报, 2020, 37(4): 553-561.
[4]	赵择, 徐佑宇, 唐亮, 卜智勇. 基于改进一对一算法的网络流量分类[J]. 中国科学院大学学报, 2020, 37(4): 570-576.
[5]	李伯男, 赵彤, 吴敏. 基于胶囊网络的海量指纹纹型精准分类算法[J]. 中国科学院大学学报, 2020, 37(3): 387-397.
[6]	宋晗, 杨炜暾, 耿修瑞, 赵永超. 基于卷积神经网络与主动学习的高光谱图像分类[J]. 中国科学院大学学报, 2020, 37(2): 169-176.
[7]	康文佳, 林文辉, 张三国. 基于角度的变系数多分类支持向量机[J]. 中国科学院大学学报, 2019, 36(4): 449-460.
[8]	付盛, 薛原, 张三国. 基于角度的分类方法综述[J]. 中国科学院大学学报, 2019, 36(3): 289-298.
[9]	薛开平, 柳彬, 李威, 洪佩琳. 一种面向未知链路帧的格式特征提取与分类算法[J]. 中国科学院大学学报, 2018, 35(4): 521-528.
[10]	田洁, 王伟强, 孙翼. 一种免除二值化的视频叠加中文字符识别方法[J]. 中国科学院大学学报, 2018, 35(3): 402-408.
[11]	张妙然, 刘畅. 基于特征筛选和二级分类的极化SAR建筑提取算法[J]. 中国科学院大学学报, 2018, 35(1): 89-95.
[12]	江璐, 赵彤, 吴敏. 基于深度卷积神经网络的指纹纹型分类算法[J]. 中国科学院大学学报, 2016, 33(6): 808-814.
[13]	杨朝斌, 张树文, 卜坤, 于灵雪, 颜凤芹, 常丽萍, 杨久春. 高分辨率遥感影像在城市LUCC中的应用[J]. 中国科学院大学学报, 2016, 33(3): 289-297.
[14]	贾康康, 李军利, 乔从丰. 2×L×M×N×H 五体纠缠态分类[J]. 中国科学院大学学报, 2016, 33(3): 334-338.
[15]	公雪霜, 于丽君, 聂跃平, 朱建峰, 潘玉青. 辽宁西部地区先秦时期聚落遗址空间格局分析[J]. 中国科学院大学学报, 2016, 33(3): 373-379.