物种出现记录的basisOfRecord，混合数据怎样筛选？

一份物种出现记录下载表同时含有腊叶标本、调查员目击和自动设备识别。研究者若只按物种名、坐标筛选，表面上得到统一的分布点，实际混合了不同证据：有的能回到馆藏标本复查，有的依赖观察日志，有的来自设备与识别流程。投稿时的关键不是把类型名称排成清单，而是说明哪些证据足以回答本研究的问题。

Darwin Core的basisOfRecord描述记录所依据的材料或观察类型。GBIF常见值包括PreservedSpecimen、HumanObservation和MachineObservation等。它说明证据类别，却不自动证明鉴定或定位可靠，也不保证各发布者填得完全一致。GBIF培训材料特别提醒：这个字段虽然有用，仍需查看原始记录和数据集说明。方法段不能写成“筛选basisOfRecord后得到高质量数据”，而要写具体保留了哪些值、复核了什么。

先想清论文准备对哪段时间、哪类证据下结论，再决定纳入范围。若讨论历史分布，馆藏标本的采集日期与地点有价值，但要检查标签转录、年代和坐标不确定度；若分析近年的季节活动，长期自动设备记录可能更贴近问题，仍须核对设备工作时段与识别标准。人工观察可以提供丰富信息，但常受观察者选择地点和时间的影响。三类资料可以合用，也可以分层分析；选择必须由证据性质和研究目的解释，不能由某一类数量最多来决定。

接着做一张交叉核查表：原始basisOfRecord值、GBIF解释后的值、发布数据集、证据附件、鉴定方式以及是否有馆藏编号。挑选每一类的少量记录回到来源页面，看看“设备观察”是否真有音频或影像，“保存标本”是否能追到馆藏，空值是否被数据集统一设定。若原始与解释后字段不同，保留两个版本并说明采用哪个做筛选。不要用一条规则把空值都推断为人工观察。

同一地点的多种记录也不能简单叠加为独立重复。标本可能在另一个数据库再发布，人工观察可能引用同一张照片，设备记录可能由一段连续影像拆成多个事件。这里应结合标识符、日期、来源和采样事件核对；确证同源再去重。上一篇关于occurrenceID的处理关注的是记录映射，本篇关注证据类型的纳入边界，两步可在流程图里分别写明。

结果表至少列出每种basisOfRecord的原始条数、质控后条数和最终纳入条数；地图或模型若合并展示，图注标明混合来源。比较不同类型的时空覆盖，检查某类记录是否只集中在城市或交通沿线。若某类一排除，分布边界明显移动，应报告这个敏感性结果，而不是将变化归为物种真实范围的改变。出现记录的多少还受采集努力影响，不能从记录数直接推出种群丰度。

投稿材料中保存下载日期、查询条件、下载DOI和类型映射脚本。方法段写清“按解释后的basisOfRecord保留哪些类别，再人工核查何种异常”，附表列出改判或排除的数量。这样编辑和读者能重现的是证据选择过程，而不只是一个看似干净的最终坐标文件。