Ученые выявили различия в рычании львов из разных регионов

Новости МирТесен

Сотрудники из Великобритании и Танзании создали способ автоматической классификации звуков, издаваемых львами, при помощи машинного обучения. Благодаря новой методике удалось не только определить структуру рева и выявить в нем ранее не идентифицированный компонент, но и увеличить точность распознавания конкретных львов до 87%. В ходе исследования также стало известно, что популяции этих хищников, обитающие в разных регионах Африки, используют различные способы коммуникации.

У каждого льва рев имеет свои особенности. Эти хищники используют его для обозначения границ своей территории и общения с сородичами. Специалисты в области биологии фиксируют рев для определения численности популяции.

Ранее исследователи тратили много времени на ручной анализ аудиозаписей, чтобы идентифицировать и классифицировать уникальные для каждого животного звуки. Этот трудоемкий процесс зависел от опыта специалиста: эксперты могли допускать ошибки или по-разному трактовать одни и те же звуковые сигналы. Авторы исследования, опубликованного в журнале Ecology and Evolution, мы внедрили машинное обучение для автоматизации этого процесса.

Раньше полагалось, что вокализация льва включает в себя три этапа: стоны в начале, последующий громкий рык и завершающее ворчание. Однако, в результате анализа звуковых паттернов, ученые установили, что структура вокализации более сложная. В частности, в громком рыке они обнаружили дополнительный компонент — промежуточный рык ( intermediary roar).

Чтобы отсортировать звуки, исследователи использовали метод кластеризации K-средних. Благодаря этому алгоритм самостоятельно научился определять различные типы звуков, основываясь всего на двух характеристиках: продолжительности и максимальной частоте. Классификация оказалась точной на 95,4%.

Наиболее важной информацией для биологов является отчетливый рык. В нем содержится уникальный код, идентифицирующий конкретное животное. Основная сложность при ручном анализе заключалась в том, что эксперты нередко ошибочно принимали настоящий рев за схожие по звучанию звуки, что уменьшало вероятность точного распознавания.

Алгоритм продемонстрировал более высокую эффективность в решении этой задачи по сравнению с экспертами. Применение данных, отобранных нейросетью, позволило увеличить точность распознавания отдельных львов с 80% (при ручной разметке) до 87%. Программа использует стандартизированные критерии оценки и не подвержена утомлению, что устраняет влияние человеческого фактора.

В ходе исследований ученые выявили интересные аспекты экологии львов. Сопоставив записи, сделанные в Танзании, и данные из Зимбабве, они обратили внимание на различия в частотных характеристиках и продолжительности звуков. Это свидетельствует о наличии географических «акцентов»: популяции из разных регионов континента издают разные звуки. Данная особенность может затруднить разработку единой программы для всей Африки, поскольку нейросеть, обученная на «танзанийском диалекте», потребуется дополнительно обучать для использования в Зимбабве.

Существование акцентов у львов может быть обусловлено тем, что молодые особи перенимают технику рычания у взрослых, передавая её из поколения в поколение. В процессе этого обучения происходят незначительные, случайные модификации, которые отличаются в зависимости от региона. Не исключено, что на формирование этих различий влияет рельеф местности и растительность, определяющие распространение звука. Львы, не осознавая этого, адаптируют свой рык к местным акустическим условиям, стремясь к максимальной слышимости.

Было установлено, что эффективность акустического мониторинга тесно связана с социальными факторами. В Танзании микрофоны не зафиксировали ни одного рыка от самок. Причиной тому стало то, что в период исследований у местных львиц были детеныши, и матери избегали звуков, чтобы не привлечь внимание соперниц и других хищников.

Инновационная технология трансформирует пассивный акустический мониторинг в доступный и действенный метод охраны окружающей среды. Размещение автономных микрофонов в саванне значительно проще, чем организация экспедиций или поддержание работоспособности сети фотоловушек. Благодаря передаче обработки данных на алгоритмы, биологам станет возможной более точная оценка численности хищников на обширных и труднодоступных территориях.