BirdNET过滤策略影响鸟类监测准确性

自动化技术如被动声学监测为大规模鸟类群落调查提供了有力工具，其中BirdNET作为广泛使用的人工智能工具，可识别全球超过6000种鸟类。然而，用户自定义设置如物种过滤的影响尚未充分评估。一项全球研究分析了来自72个地点共5047分钟的录音，涵盖专家鉴定的1192种鸟类，评估了不同物种过滤策略对BirdNET性能的影响。结果显示，过滤策略显著改变了群落描述的准确性和完整性，可能导致物种组成的偏差。研究者建议用户根据研究目标谨慎选择过滤设置，以避免引入人为偏差，特别是在生物多样性监测和保护决策中。该研究为预印本，尚未经过同行评审。