这项研究通过机器学习模型对非洲狮的叫声进行了深入分析，不仅将狮子的咆哮细分为四种类型，还发现了一种此前未被定义的“中间”咆哮（intermediary roar）。该模型在区分叫声类型和识别个体狮子方面表现出极高的准确性，为监测被列为“易危”物种的非洲狮提供了更客观、高效的被动声学监测技术，标志着野生动物保护方法的一次重要革新。
重新定义狮子的咆哮
大众所熟悉的狮吼通常是电影片头那种充满力量的咆哮，但研究表明，狮子的发声系统比我们想象的更为复杂。通过在坦桑尼亚尼耶雷公园（Nyerere Park）收集的音频和视频数据，研究人员利用机器学习模型分析了 1,216 个雄性狮子的发声样本，得出了新的分类结论：
- 经典叫声： 包含常见的“呻吟（moans）”和“咕噜声（grunts）”。
- 咆哮的细分： 过去被认为单一类型的咆哮实际上包含两种。
- 新发现的“中间”咆哮： 与标志性的全喉咆哮相比，这种新发现的咆哮最大频率更低，持续时间更短。
人工智能在声学监测中的表现
为了验证模型的有效性，研究人员将该 AI 模型应用于津巴布韦布比谷保护区（Bubye Valley Conservancy）另一狮群的 1,733 个发声样本中。结果显示了惊人的准确性和潜力：
- 极高的分类精度： 模型对狮子叫声类型的分类准确率达到了 95.4%。
- 个体识别能力： 在通过声音识别特定狮子个体方面，该模型的表现优于人类观察者。
- 人机协作： 尽管 AI 表现出色，但仍需人工辅助来确定咆哮的起止点，并剔除咆哮前的呻吟声以确保高精度。
消除偏见：保护工作的范式转变
非洲狮在国际自然保护联盟（IUCN）的红色名录中被列为“易危”（Vulnerable）物种。能够通过声音准确追踪个体并估算种群规模，对于保护工作至关重要。
“直到现在，识别这些咆哮声主要依赖于专家的判断，这引入了潜在的人为偏见。” —— 乔纳森·格罗科特（Jonathan Growcott），埃克塞特大学博士生，论文主要作者
这项研究不仅提高了狮子监测的准确性，更为野生动物保护确立了新的技术标准：
- 唯一的“声音签名”： 狮子的咆哮可以像指纹一样作为追踪个体的依据。
- 推广潜力： 这种被动声学技术有望应用于其他具有独特高声鸣叫的非洲野生动物，如豹子和鬣狗。
- 易于实施： 研究作者指出，这些方法易于理解和部署，呼吁在大规模野生动物监测中向被动声学技术进行“范式转变”。