一项新研究发现，非洲狮的吼叫声并非仅有一种，而是包含两种不同类型的吼声，其中一种为此前未被识别的“中间型吼叫”。这一突破性发现由英国埃克塞特大学研究人员主导，借助人工智能技术实现，有望显著提升野生动物保护组织对狮子种群的监测与研究效率。 该研究发表于《生态与进化》期刊，首次利用人工智能自动对狮子吼声进行分类，准确率高达95.4%。传统方法依赖专家主观判断，易受人为偏见影响，而AI系统通过分析声波特征，实现了更客观、一致的个体识别，大幅提升了数据可靠性。 研究负责人乔纳森·格罗科特指出，狮子吼声不仅是标志性声音，更是独特的“声纹”，可用于估算种群数量和追踪个体。长期以来，科学界普遍认为狮子只有一种吼叫形式，此次发现颠覆了这一认知，证实吼叫序列中同时存在“全音量吼叫”和“中间型吼叫”两种模式。 目前，非洲野生狮子数量仅剩2万至2.5万头，过去25年间减少了约一半，被国际自然保护联盟列为“易危”物种。精准监测对保护工作至关重要。新方法通过被动声学监测，克服了传统手段如足迹调查或相机陷阱耗时、覆盖范围有限等缺点，为大规模、低成本的野外监测提供了新路径。 研究团队由埃克塞特大学联合牛津大学野生动物保护单位、狮类景观组织、法兰克福动物园协会、坦桑尼亚野生动物研究所及坦桑尼亚国家公园管理局共同完成，计算机科学家也深度参与。项目获得狮群恢复基金、WWF德国、达尔文倡议计划及英国研究与创新署环境智能博士培训中心资助。 研究人员呼吁，应推动野生动物监测方式的范式转变，大规模采用被动声学技术。随着生物声学技术不断进步，这类方法将在保护狮子及其他濒危物种中发挥关键作用。