共 6 条参考信息源

  • Catalogue of Life China: 2026 Annual Checklist JI Liqiang, et al, 2026

    中国生物物种名录 2026 版,用于校验物种中文名与分类信息。In the Biodiversity Committee of Chinese Academy of Sciences ed., Catalogue of Life China: 2026 Annual Checklist, Beijing, China.

    2026 版 中国生物物种名录
  • 《中国鸟类分类与分布名录》第四版 郑光美 主编

    作为鸟类中文名与分布的权威参考。

    第四版 鸟类 郑光美
  • 中国兽类名录(2024 版) 兽类学报 2025, 45(1): 1-16

    作为兽类中文名与分类的权威参考。

    魏辅文, 杨奇森, 吴毅, 蒋学龙, 刘少英, 胡义波, 葛德燕, 李保国, 杨光, 李明, 周江, 李松, 李晟, 余文华, 陈炳耀, 张泽钧, 周材权, 吴诗宝, 张立, 陈中正, 陈顺德, 邓怀庆, 江廷磊, 张礼标, 石红艳, 卢学理, 李权, 刘铸, 崔雅倩, 李玉春, 何锴. 中国兽类名录 (2024 版)[J]. 兽类学报, 2025, 45(1): 1-16.

    2024 版 兽类 兽类学报
  • 国家重点保护野生动物名录(2021 版) 2021

    国家林业和草原局、农业农村部 2021 年发布。

    2021 版 国家重点保护 用于「保护级别」字段(Ⅰ级 / Ⅱ级)
  • 有重要生态、科学、社会价值的陆生野生动物名录(2023 版) 2023

    国家林业和草原局 2023 年发布。

    2023 版 三有动物 用于「是否三有」字段
  • BirdNET模型使用声明

    本软件的鸟声识别功能使用 BirdNET+ V3.0 声学模型与地理(Geo)模型(developer preview)。模型由 K. Lisa Yang Center for Conservation Bioacoustics(Cornell University)、Chemnitz University of Technology 与 Museum für Naturkunde Berlin 开发,构建于 Kahl 等(2021)与 Lasseck(2018)的工作之上。本软件 Powered by BirdNET。官网:BirdNET – AI-Powered Sound ID

     

    许可

    模型(含权重与官方标签)按 Creative Commons Attribution-ShareAlike 4.0 International(CC BY-SA 4.0) 授权:

    https://creativecommons.org/licenses/by-sa/4.0/完整使用条款见官方 TERMS_OF_USE(以模型包内文本及 https://github.com/birdnet-team/birdnet-V3.0-dev 为准)。当前为预览版本,仅按官方条款使用,不提供适销性、特定用途适用性或准确性保证。

     

    署名与改动

    使用或展示识别结果、以及基于该功能的衍生工具时,须保留上述署名,并附许可链接。本软件调用官方 V3.0 ONNX 模型进行推理,未修改模型权重。若后续对模型或标签进行转换、裁剪或微调,将另行标明改动,且衍生模型仍采用 CC BY-SA 4.0。

     

    费用与权利范围

    本软件安装包可能附带 BirdNET 模型文件,该等文件仍按 CC BY-SA 4.0 提供,不因随本软件分发而改为专有许可。您可以在遵守署名、相同方式共享及官方禁止用途的前提下,复制、使用、改编并再分发这些模型文件;改编后的模型必须继续采用 CC BY-SA 4.0。本软件收费仅针对 ICDFactory 程序,不限制您对所附模型行使上述权利。我们不会对模型施加妨碍该许可实施的技术措施或合同限制。

     

    禁止用途(优先于许可中的允许性条款)

    不得将模型或其任何衍生版本用于:

    1.  盗猎,或为非法捕捉、伤害、交易、利用物种而进行的野生动物追踪;

    2.  任何军事目的,包括监视、瞄准,或接入防御系统。

    无法遵守上述限制者,不得使用该模型。

     

    文献

    Lasseck, M., Eibl, M., Klinck, H., & Kahl, S. (2026). BirdNET+ V3.0 model developer preview (Preview 3.1). Zenodo. https://doi.org/10.5281/zenodo.20703646

    Kahl, S., Wood, C. M., Eibl, M., & Klinck, H. (2021). BirdNET: A deep learning solution for avian diversity monitoring. Ecological Informatics, 61, 101236.

    BirdNET+ V3.0声学模型