珍稀橙腹鹦鹉的被动声学监测：基于 BirdNET 迁移学习的自动检测

高效发现稀有物种一直是保护科学中的一项长期挑战。橙腹鹦鹉（Neophema chrysogaster）是一种稀有的迁移性鸟类，使用传统的人类观察者野外调查技术难以对其进行定位。我们利用生物声学技术的最新进展，构建了一种将被动声学调查与半自动化检测相结合的调查框架，以提升对橙腹鹦鹉的监测能力。我们为橙腹鹦鹉开发了定制的 BirdNET 分类器，并采用占域框架比较了声学调查与野外调查的效能。我们在塔斯马尼亚州西南部橙腹鹦鹉繁殖分布区内部署了自主录音设备，并同时在相同的 48 个样点开展了 3 至 6 次重复定点计数调查，由人工观察者执行。我们的定制 BirdNET 分类器具有较高的准确性和判别能力。对一周内模型评分的验证（5,712 小时音频）仅需 60 小时审阅时间，并表明当评分高于 0.998 时，BirdNET 预测正确的置信度可达 95%。占域分析表明，声学调查的探测概率（p = 0.80）是由熟悉该物种的专业生态学家实施的野外调查（p = 0.07）的 11 倍以上。我们提供了一个关于如何实施橙腹鹦鹉监测的范式，并就如何改进我们的方法提出建议，以优化分类器，使其能够适用于其他物种和地点。

高效发现稀有物种是保护科学中一项长期存在的挑战。橙腹鹦鹉（Neophema chrysogaster）是一种稀有的迁移性鸟类，使用依赖人工观察者的传统野外调查技术难以对其进行定位。我们利用生物声学技术的最新进展，构建了一套调查框架，将被动声学调查与半自动化检测相结合，以提高对橙腹鹦鹉的监测能力。我们为橙腹鹦鹉开发了定制的 BirdNET 分类器，并采用占域分析框架比较了声学调查与野外调查的效能。我们在塔斯马尼亚州西南部橙腹鹦鹉繁殖分布区内部署了自主录音设备，并同步在相同的 48 个样点开展了 3 至 6 次重复定点计数调查，由人工观察者实施。

我们定制的 BirdNET 分类器具有较高的准确性和区分能力。对一周时长的模型评分进行验证（5,712 小时音频）仅需 60 小时审查时间，并表明当评分高于 0.998 时，BirdNET 预测正确的置信度可达 95%。占域分析显示，声学调查的检测概率（p = 0.80）比熟悉该物种的专业生态学家所开展的野外调查（p = 0.07）高出十一倍以上。我们提供了一套关于如何实施橙腹鹦鹉监测的范式，并就如何改进我们的方法提出建议，以优化分类器，使其能够适用于其他物种和地点。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.01.729442v1?rss=1

🏷️ 被动声学监测 BirdNET迁移学习 稀有物种检测 橙腹鹦鹉 占域模型 生物声学