论文评审：从连续部署到可查询数据集：TB级与AIS对齐的被动声学标注

论文类型: 数据型

本文提出了一种基于数据库原生的工作流，通过将水听器录音与AIS位置报告进行对齐，构建一个距离解析、可查询的被动声学数据集。核心产出是一个数据产品和构建流水线，而非分类器、基准测试或分析规律。按七条公理审查如下。

公理审查结果

公理一：对象公理

• 判定: ⚠️
• 依据: 论文指向的对象是真实的——长时被动声学存档与 vessel 轨迹对齐确实是一个实际需求，DeepPAM [10]、DeepShip [3]、ShipsEar [8] 等工作都侧面证实了该问题的存在性。核心概念（no-contact / single-contact / two-contact window, CPA, spectral ranking）有可操作化定义。但论文声称的” terabyte-scale”和”million-window”在实验中仅用 Station 17（最小站点，35,679 个窗口）验证，与声称的 ~9.5×10^5 窗口规模存在验证缺口——全文未展示完整多站点结果，仅说”validated using Station 17”。论文声称解决”无法在内存中完成的万亿级比较（6.6×10^12）”，但未提供内存方法的失败基线作为对比证据。此外，free-search 发现存在高度相关的前置工作未被引用：PORTIA Dataset（Zenodo, 2025）和 AIS-annotated Hydrophone Recordings（Zenodo, Belgian North Sea），两者均做了 AIS-水听器对齐，说明该问题已有同类解决方案，论文声称的”first”性质需要更严格的界定。
• Wiki 证据: OMC wiki 无记录。paper-wiki 无相关论文。free-search 发现 PORTIA Dataset 和 Belgian North Sea AIS-annotated hydrophone 数据集，论文均未引用。

公理二：识别公理

• 判定: ❌
• 依据: 论文没有设置任何可量化的 baseline 进行比较。Table I 是定性能力对比（”Event clip” vs “Fixed-duration window”等），不是定量实验。论文声称 set-based spatiotemporal join 替代 nested iteration，但从未实际实现和运行 nested iteration 作为 baseline 来证明性能提升。没有运行时间对比、没有内存使用对比、没有 scalability 曲线——仅报告了 AIS 表构建 12.5h 和 Station 17 join 10h 的绝对耗时，但没有与任何替代方案比较。对于”可处理万亿级比较”的核心 claim，没有提供任何隔离变量的消融实验：buffer 大小（5min/6min）、搜索半径（50km）、窗口长度的选择都没有敏感性分析。无法判断是 spatiotemporal join 本身的优势，还是索引策略的优势，还是参数选择的优势。
• Wiki 证据: OMC wiki 无记录。free-search 发现 AISdb 和 DIPAAL 等 AIS 数据库系统已存在，但论文未与这些系统做性能对比。

公理三：独立性公理

• 判定: ⚠️
• 依据: 数据构建和评测来自同一套 AIS 数据和同一套传感器记录——但这对于数据型论文是固有特征，不构成循环论证。AIS 标签被明确声明为”weak labels”和”contextual indicators rather than definitive ground truth”（Section VII），这是诚实的。问题在于：AIS 数据的完整性直接影响标签质量，论文承认”Vessels without AIS transmission… are not represented”但未量化漏检率。没有独立的人类标注或视觉验证来校验 AIS-derived 标签的准确性——spectrogram 图（Fig. 3）是展示性而非验证性。ANOVA 效应量分析（Fig. 8）使用同一数据集的统计特性来”验证”类别可分性，这在认识论上是数据描述而非独立验证。
• Wiki 证据: OMC wiki 无记录。free-search 发现的 PORTIA Dataset 声称有”synchronized underwater acoustic recordings and AIS-derived vessel metadata”，可能提供独立校验参照，但论文未引用或比较。

公理四：压缩公理

• 判定: ⚠️
• 依据: 核心方法可以压缩为一句话：”用 PostGIS 的 ST_DWithin + ST_Distance 做时空 join，把水听器窗口和 AIS 报告关联起来。”这确实是比 nested iteration 更简洁的 formulation，且利用了已有数据库索引能力。但论文没有提供方法层面的创新——spatiotemporal join on geospatial tables 是 PostGIS/PostgreSQL 的标准操作，AISdb [9] 本身就是共同作者 Spadon 开发的工具。论文的”创新”更多在于”将标准 GIS 操作应用于被动声学数据构建”这一应用迁移，而非方法压缩。deterministic spectral ranking for background characterization 是一个已有信号处理技术的直接应用。存在命名膨胀：将标准数据库查询包装为”database-native workflow”和”GeoAI framework”。
• Wiki 证据: OMC wiki 无记录。free-search 确认 AISdb 是开源 PostGIS 系统，spatiotemporal join 是其标准功能。

公理五：效用公理

• 判定: ⚠️
• 依据: 论文未提供任何下游 ML 任务的定量结果——没有分类准确率、没有检测率、没有 mAP、没有 F1。声称”enables a GeoAI framework”和”directly usable for machine learning”，但仅停留在数据描述层面。物理验证（SNR vs range, Fig. 6-7）显示 SNR 在 30-35km 处趋近背景水平——这是已知传播损失规律 [11] 的复现，不是新发现，但确实验证了数据保留了物理结构。ANOVA η² 分析（Fig. 8）显示类别有统计可分性，但效应量具体数值未在正文中报告。绝对指标缺失：没有报告数据集的最终大小、查询延迟、与 DeepShip/ShipsEar 在相同分类任务上的对比。数据型论文的效用标准是”是否带来训练价值”——论文没有训练任何模型来证明这一点。Table I 的定性对比没有定量支撑。
• Wiki 证据: OMC wiki 无记录。free-search 确认 DeepShip (405 citations) 是该领域主要基准，论文未与之定量比较。

公理六：新颖性公理

• 判定: ⚠️
• 依据: 核心技术组件全部是已有工作的组合：(1) spatiotemporal join → PostGIS 标准功能；(2) AIS 数据处理 → AISdb [9]，共同作者自己的工具；(3) STFT spectral analysis → 标准信号处理；(4) CPA 计算 → 标准海事几何。新颖性仅在于”将这些组件组合用于被动声学数据构建”这一应用场景。但 free-search 发现 PORTIA Dataset 和 Belgian North Sea AIS-annotated Hydrophone Recordings 已经做了类似的 AIS-水听器对齐，说明该应用场景也非首次。论文未引用这两项工作，存在遗漏相关工作的嫌疑。不过，论文的”queryable, regenerable data product”理念（vs 固定数据集）确实是一个有意义的角度转变，且 terabyte-scale 的处理规模（如果属实）超过现有工作。AISdb [9] 作为核心依赖工具与共同作者 Spadon 的关系构成潜在利益冲突，论文未披露。
• Wiki 证据: OMC wiki 无记录。free-search 发现至少两个前置工作（PORTIA, Belgian North Sea）做了 AIS-acoustic 对齐，论文未引用。

公理七：可复现公理

• 判定: ⚠️
• 依据: 论文声称工作流”deterministic under identical inputs and parameters”，描述了 Parquet 输出格式、SQL 表结构、固定参数（5min buffer, 50km radius）。但关键缺失：(1) 没有代码开源链接或 GitHub 仓库；(2) 原始 WAV 数据来自 JASCO Applied Sciences [4]——商业公司部署的传感器，数据可能受许可限制；(3) AIS 数据来源未明确说明（仅提及 AISdb 框架，未说明数据获取渠道）；(4) 完整的 SQL schema 和构建脚本未公开；(5) spectral ranking 的具体 percentile 参数和 composite score 公式未完整给出。Section VI 仅一段文字描述可复现性，缺少实质性保障。
• Wiki 证据: OMC wiki 无记录。

总评

• 科学价值: 低 — 方法是已有 GIS 操作的应用迁移，物理验证复现已知传播损失规律，未发现新物理规律或方法机制。
• 方法价值: 低 — 核心方法是 PostGIS spatiotemporal join 的直接应用，无方法层面创新。AISdb 为共同作者自有工具，独立性存疑。
• 社区价值: 中 — “可查询、可再生数据产品”的理念对被动声学监测社区有参考价值，但缺乏开源代码和数据限制了实际可复用性；未引用已有同类工作（PORTIA, Belgian North Sea）削弱了定位准确性。

日报摘要

• Strength: 将标准 PostGIS spatiotemporal join 应用于被动声学存档与 AIS 轨迹对齐，在 Station 17 上验证了 35,679 个窗口的分类和 SNR-vs-distance 物理关系复现，理念上从固定数据集转向可查询数据产品。
• Weakness: 无定量 baseline 对比（无运行时间/内存/scalability 比较）、无下游 ML 任务验证、未引用已有同类工作（PORTIA Dataset, Belgian North Sea AIS-annotated recordings）、核心工具 AISdb 为共同作者自有且未披露利益冲突、代码和数据未开源、仅用最小站点验证而未展示声称的 terabyte-scale 完整结果。

打分

加权总分: 3.95/10（加权分之和 38.0 / 权重之和 9.5） 最终建议: 弱拒稿 (Weak Reject) 3.5-5