- 3 次围观
1. 被动声学监测（PAM）正日益广泛地用于生态学研究、生物多样性监测、评估与报告。自动化物种分类器使处理大规模音频数据集成为可能，但同时也会产生大量检测结果，而这些结果在用于下游分析或正式输出之前，往往需要进行验证。 2. PAM领域的方法开发一直侧重于分类器构建以及能够考虑不完全检测的下游模型，然而介于二者之间的实际步骤——分类后验证——仍缺乏充分支持，且通常通过临时拼凑的工作流程来实施。这增加了人工处理工作量，带来了转录或汇总错误的风险，限制了透明性，并使得记录已审查内容变得困难。 3. 我们推出了PAMalytics，这是一款开源、无代码、基于本地浏览器的应用程序，旨在将分类后验证作为一个标准化工作流程阶段加以支持。PAMalytics可导入来自任何分类器的检测结果，允许用户定义用于审查的检测结果抽样方式，并在统一界面中将选定的检测结果及其声谱图与音频播放功能一并呈现。抽样策略和审查决策会与审查者身份一同被记录，从而提升整个验证工作流程的可追溯性和可重复性。 4. 与柬埔寨保护国际组织和伦敦帝国理工学院合作开展的案例研究展示了PAMalytics在两种验证场景中的应用。在柬埔寨，研究人员从一个规模庞大且分布不均的数据集中按站点对长臂猿预测结果进行抽样，并优先验证可能属于分类器错误的结果。在帝国理工，研究人员在推导生物多样性指标之前，沿各物种分类器置信度范围对亚马逊鸟类检测结果进行了抽样。在这两种情况下，PAMalytics都减少了人工处理工作并缩短了验证时间。通过将一个临时性的步骤转变为面向保护实践者的可获取、结构化工作流程，PAMalytics填补了PAM生物声学流程中的实际空白，并强化了自动化检测结果与生物多样性监测和报告所用证据之间的联系。
1. 被动声学监测（PAM）正日益广泛地用于生态学研究、生物多样性监测、评估与报告。自动化物种分类器使处理大规模音频数据集成为可能，但也会产生大量检测结果，而这些结果在用于后续分析或正式产出之前，往往需要经过验证。
2. PAM中的方法开发一直主要聚焦于分类器构建以及能够处理不完全检测问题的下游模型，然而介于两者之间的实际步骤——分类后验证——仍缺乏充分支持，且通常通过临时性的工作流程来实施。这增加了人工处理负担，带来了转录或汇总错误的风险，限制了透明性，也使得被审查内容的记录变得困难。
3. 我们推出了PAMalytics，这是一款开源、无需编程、基于本地浏览器的应用程序，旨在支持将分类后验证作为标准化工作流程阶段来开展。PAMalytics可导入来自任何分类器的检测结果，允许用户定义用于审查的检测抽样方式，并在统一界面中展示所选检测结果及其声谱图，并提供音频播放功能。抽样策略与审查决策会连同审查者身份一并记录，从而提高整个验证流程的可追溯性和可重复性。
4. 与柬埔寨保护国际组织和伦敦帝国理工学院合作开展的案例研究展示了PAMalytics在两种验证情境中的应用。在柬埔寨，研究人员在一个规模庞大且分布不均的数据集中，按站点对长臂猿预测结果进行抽样，并优先验证可能的分类器错误。在帝国理工学院，研究人员在计算生物多样性指标之前，沿各物种分类器置信度范围对亚马孙鸟类检测结果进行抽样。在这两种情况下，PAMalytics都减少了人工处理工作并缩短了验证时间。通过将一个临时性的步骤转变为面向保护实践者的可访问、结构化工作流程，PAMalytics填补了PAM生物声学流程中的一个实际空白，并强化了自动化检测结果与生物多样性监测和报告中所使用证据之间的联系。
感谢您关注并帮助传播bioRxiv的信息。
📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.14.744822v1?rss=1
🏷️ 被动声学监测 生物声学 检测结果验证 无代码工具 生物多样性监测