生命与医学 · OECD FoS 1.6 · 教育部 0713 生态学
生态学与生物多样性
Ecology & biodiversity
L2局部突破 ↑ 上升 综合分 2.10 · 上次复审 2026-10-21 · 下次复审 2027-01-19
最大突破 2021-03 AI 影响 · 重要学科影响 · 重要
BirdNET：鸟类声学深度学习识别（Ecological Informatics） ↗
覆盖近千种鸟类的声学识别工具，成为野外监测标准工具
分级理由
声学识别（BirdNET）和相机陷阱识别已是野外监测常规工具；欧洲 Biodiversa+ 试点在 70 个站点部署约 200 台 AI 监测设备，生态监测从试点走向运行网络。
S = 0.30·method + 0.35·discovery + 0.25·adoption + 0.10·education（教育缺证据时记 0 分；若为空则按其余权重归一）
依据来源
综合分 1.5–2.49：至少一项经同行评审或官方验证、AI 起关键作用的成果，或某一维度已达到 3 分；但常规工作流整体未变。 全部分级标准 →
研究方向
声学物种识别相机陷阱自动识别栖息地制图
论文
- Bridging the deployment gap in automated moth monitoring through biodiversity foundation models 生物多样性基础模型 BioCLIP 2.5 迁移到 2727 种蛾类野外监测（Scientific Reports）
基础模型缩小实验室到野外的部署差距
2026-10-20 · Scientific Reports
- A global assessment of BirdNET performance: Differences among continents, biomes, and species BirdNET 全球性能评估：67 个站点、1020 个物种，召回率因地区差异大（Ecological Indicators）
首次全球尺度独立评估最常用的鸟类声学 AI，指出地区偏差
2026-01 · Ecological Indicators
- Perspectives in machine learning for wildlife conservation 综述：机器学习用于野生动物保护的前景（Nat. Commun.）
领域综述
2022-02-09 · Nature Communications
- BirdNET: A deep learning solution for avian diversity monitoring BirdNET：鸟类声学深度学习识别（Ecological Informatics）
覆盖近千种鸟类的声学识别工具，成为野外监测标准工具
2021-03 · Ecological Informatics
- Automatically identifying, counting, and describing wild animals in camera-trap images with deep learning 深度学习自动识别、计数和描述相机陷阱中的野生动物（PNAS）
在 320 万张 Snapshot Serengeti 图像上达到人工志愿者水平，节省约 8 年人工
2018-06-05 · Proceedings of the National Academy of Sciences
- WildMAE：结构感知的掩码自编码器用于野生动物图像重建 WildMAE: Structure-Aware Masked Autoencoding for Wildlife Image Reconstruction
在 MAE 解码端加入局部结构细化与掩码到可见的交叉注意力，在 Snapshot Serengeti 相机陷阱图像上重建质量明显优于原版 MAE。
2026-10-20 · arXiv · Yicheng Zhang, Yujie Jin, Ke Zhang, Jiaxin Wu
- 用深度学习估计依赖多样性的生物地理速率 Phylogenetic estimation of diversity-dependent biogeographic rates using deep learning
提出事件驱动的系统发育多样化模型 DDGeoSSE，并用深度学习从系统发育树估计随物种丰富度变化的成种、灭绝与扩散速率。
2026-10-15 · bioRxiv · Soewongsono, A. C., Landis, M. J.
- 录音情境与数据划分会虚高跨物种声学个体再识别准确率 Recording context and data splitting can inflate acoustic re-identification accuracy across species and studies
指出按领地或录音站归属个体、以及不当的数据划分，会让机器学习声学个体识别的准确率被高估（已发表研究常报告 90% 以上）。
2026-10-09 · bioRxiv · Wallington, G., Lighten, J.
- delimSOM 2.0：用机器学习和多种数据类型完全整合地划分物种 Fully integrative species delimitation with machine learning and diverse data types in delimSOM 2.0
发布 R 包 delimSOM 2.0，以多层自组织映射同时分析基因组、表型、生态和空间数据来划分物种。
2026-10-07 · bioRxiv · Schoenberger, D., Pyron, R. A., Dupuis, J. R.
- DAPHNE：全球害虫植食者及其天敌数据库 DAPHNE: A global database of pest herbivores and their natural enemies
用开放权重的预训练大模型分析海量论文摘要，提取害虫与天敌的相互作用，建成全球数据库。
2026-10-01 · bioRxiv · Scheepens, D. R., Freeman, R., Newbold, T.
- 热带蝙蝠声学监测：用二维 CNN 研究大银线蝠在恢复梯度上对生境与时间的响应 Acoustic Monitoring of Tropical Bats: Saccopteryx bilineata's response to habitat and time across a restoration gradient using a 2D-CNN
开发轻量级二维卷积神经网络，从被动声学监测数据中自动识别大银线蝠回声定位叫声，分析其在不同恢复程度生境中的活动。
2026-09-29 · bioRxiv · Secord, I. L., Zhang, X., Preston-Allen, R., Banks-Leite, C.
- PlanktonLake-CEREEP：带半自动标签清洗的淡水浮游生物图像数据集 PlanktonLake-CEREEP- A Freshwater Plankton Image Dataset with Semi-Automated Label Cleaning
发布新的带标注淡水浮游生物显微图像数据集，用于训练机器学习分类模型，减少人工标注负担。
2026-09-29 · bioRxiv · Dechaumet, L., Puppo, C., Carmignac, D., Blusseau, S.
- 近约 30 天来自 arXiv、bioRxiv、medRxiv、OpenAlex；要点由本站根据摘要撰写。
里程碑 7
大号发光节点是飞跃性突破： AI 飞跃 冷色 · 学科飞跃 暖色 · 双环 = 两者都是
-
论文
BirdNET 全球性能评估：67 个站点、1020 个物种，召回率因地区差异大（Ecological Indicators）首次全球尺度独立评估最常用的鸟类声学 AI，指出地区偏差
Ecological Indicators待核实
这个筛选下没有里程碑。
更多论文与仓库 7
最新新闻 6
- Bridging the deployment gap in automated moth monitoring through biodiversity foundation models
Nature 学科·计算生物于2026-10-20发布的文章，涉及AI 生物/医药，原题《Bridging the deployment gap in automated moth monitoring through biodiversity foundation m》，详见原文链接。
Natureen - Kodama nets $7m to scale physical AI for “intelligent forestry”
林业“物理 AI”初创公司 Kodama 获 700 万美元种子轮融资（累计 1400 万美元），扩大在美国商业伐木作业中的应用。
AgFunderNewsen - Explainable artificial intelligence reveals spatially divergent effects of global change on mammals
Nature Communications：用可解释机器学习分析近 2000 种陆地哺乳动物，揭示气候与土地覆盖变化在不同地区的影响方向不同。
Nature Communicationsen论文 - Are you a creature or a machine? How to live in ecological community in a time of AI
The Conversation · AI于2026-10-16发布的文章，涉及AI 科研与调研，原题《Are you a creature or a machine? How to live in ecological community in a time of AI》，详见原文链接。
The Conversationen - Drones, AI and the future of wildlife conservation
Physics World（IOP）于2026-09-30发布的文章，涉及AI 科研与调研、AI 机器人，原题《Drones, AI and the future of wildlife conservation》，详见原文链接。
Physics World（IOP）en - AI cuts wildlife tracking time from months to daysPhys.orgen待核实