这项研究由英国埃克塞特大学团队牵头完成，成果发表在期刊《Ecology and Evolution》上。研究人员采集并分析了大量非洲狮录音样本，借助机器学习等人工智能技术，对声波特征进行自动分类，将传统的“全喉吼叫”和新识别出的“中间吼叫”成功区分开来，自动识别准确率达到95.4%，显著降低了以往依赖专家主观判断带来的偏差。团队指出，狮吼不仅是标志性声音，更像每只个体的“声纹签名”，可用于估算种群数量、辨识个体与监测活动范围。
论文强调，过往主流观点认为，狮子在远距离传播领域信息时主要使用单一类型的浑厚吼叫，而新研究首次系统证实，在一次完整吼叫过程中，狮子会依次或叠加发出传统全喉吼与中介吼两种声学单元。类似思路此前已在斑点鬣狗等大型食肉动物研究中取得进展，反映出“生物声学”正快速成为生态学与野生动物保护的重要工具。
国际自然保护联盟（IUCN）红色名录目前将狮子列为“易危”物种，科学界估计非洲野生狮群仅剩约2万至2.5万只，数量在过去25年间已减少约一半。在许多国家与保护区，传统依靠足迹、粪便、巡护员目击记录或红外相机等方式来监测狮群，往往耗时耗力，且在茂密植被或夜间环境中效率有限。研究团队认为，以自动化声学监测为核心的新方法，有望在更大尺度、以更低成本持续追踪狮群动态，对制定保护策略尤其是在资源有限地区的决策具有现实意义。
在技术层面，团队构建的人工智能模型可以在海量录音中自动识别吼叫类型并标注个体特征，为“被动声学监测”提供了可规模化应用的解决方案。首席作者乔纳森·格罗科特指出，野生动物监测需要一次“范式转移”，更多转向依靠自动化声学技术，而非完全倚赖传统地面布控手段；随着生物声学与人工智能结合愈发成熟，它们将成为拯救狮子等受威胁物种的重要工具之一。研究还汇集了埃克塞特大学、牛津大学野生动物保护研究单位、Lion Landscapes、法兰克福动物学会以及坦桑尼亚相关科研与国家公园机构等多方力量，并获得“狮子恢复基金”、世界自然基金会德国、达尔文倡议以及英国科研资助机构环境智能AI博士培训中心等项目支持。
编译自/ScitechDaily