基于机器学习量化与行为福利指标的三家动物园圈养狮(Panthera leo)展区探索性比较研究

《Animals》:Exploratory Comparison of Behavior and Welfare-Related Indicators in Captive Lions (Panthera leo) Across Three Zoo Enclosures Using Machine-Learning Quantification

【字体: 大 中 小 】 时间:2026年09月29日 来源:Animals 3.2

编辑推荐:

  行为监测对于评估动物园圈养动物的福利至关重要,但传统观察方法耗时费力。本研究采用基于机器学习的视频分析技术,对三个在可用空间、结构复杂性及社会组成方面存在差异的动物园展区中的圈养狮(Panthera leo)行为进行了描述。由于上述特征在每个展区仅有一个取值,

  
行为监测对于评估动物园圈养动物的福利至关重要,但传统观察方法耗时费力。本研究采用基于机器学习的视频分析技术,对三个在可用空间、结构复杂性及社会组成方面存在差异的动物园展区中的圈养狮(Panthera leo)行为进行了描述。由于上述特征在每个展区仅有一个取值,本研究被定位为探索性比较,而非对展区效应的统计检验。重复的小时与天数观测用于描述各展区内部的时间变异,而非作为独立的展区重复样本。各展区在时间预算、活动谱及行为多样性方面表现出明显差异。社会互动在中等规模的狮群中最高,而非随狮群规模持续增加;踱步样运动(此处用作自动化筛查指标,而非真实踱步流行率的估计)集中于奥尔堡动物园。研究结果表明,自动化视频分析能够揭示展区特异性的精细行为模式,同时也说明在推断环境或社会驱动因素之前,需要更多独立重复的展区样本。
一、研究背景与问题
现代动物园组织(如世界动物园与水族馆协会WAZA、欧洲动物园与水族馆协会EAZA及丹麦认证动物园与水族馆协会DAZA)在保护、科研与公众教育中发挥核心作用,同时致力于在圈养种群中维持高标准的动物福利。福利与动物表达物种典型行为及应对环境和社会条件的能力密切相关,因此行为监测是福利评估的关键组成部分。大型食肉动物如狮(Panthera leo)在圈养条件不佳时尤其容易表现刻板行为,使其成为福利导向行为评估的重要对象。然而,传统人工观察方法高度耗时,难以对多只动物进行长时间连续监测,且不同观察者之间的信度差异可能影响数据一致性。为此,监督式计算机视觉技术被引入以自动检测和分类视频中的动物行为。本研究旨在通过机器学习视频分析,比较三个在空间、结构复杂性及社会组成方面差异明显的狮展区中的福利相关行为模式,并检验若干生物学预测,包括活动水平与空间及复杂性关系、行为多样性与环境机会关系、社会互动与狮群规模及幼崽存在关系,以及踱步样运动的展区间差异。
二、研究设计与主要技术方法
研究人员于2025年12月22日至31日期间,使用八台迷你PTZ Wi-Fi IP户外监控摄像机(Camwon PTZW-IP5S500F,中国广东省广州市制造)在丹麦三家动物园(奥尔堡动物园AAL、欧登塞动物园ODE、哥本哈根动物园KBH)进行连续视频录制,共获得约1830小时 footage。所有录像经LabGym复杂模型处理,以1/10秒粒度对狮行为进行分类。行为分类采用改编自Stanton等(2015)的研究特异性行为谱,最终量化类别包括摄食、不活动、互动、移动、标记、自我理毛和发声。低置信度预测通过0.60置信阈值排除,夜间静态误检通过基于运动特征的过滤程序处理。踱步样运动通过基于追踪的后处理单独评估,而非直接行为分类。空间热图由检测模型的质心追踪生成。由于展区空间、复杂性、狮群规模及幼崽存在等变量均仅在展区层面变化,研究将展区作为独立比较单位,小时和日观测用于描述展区内时间变异而非推断性重复。
三、研究结果
3.1 时间预算:经置信度和后处理过滤后,AAL保留分类行为时间580,998.7秒(161.4小时),KBH为553,514.9秒(153.8小时),ODE为571,714.2秒(158.8小时)。AAL中移动行为占比最高(44.3%),而KBH和ODE中不活动行为占比最高(分别为41.9%和45.3%)。互动行为在KBH最普遍(21.8%),其次为AAL(17.3%)和ODE(11.2%)。摄食和自我理毛在ODE最普遍(分别为5.9%和7.6%),在KBH较低(2.2%和3.6%),在AAL最低(0.6%和2.8%)。标记和发声在所有展区均罕见。
3.2 展区空间利用:空间热图显示三所机构间狮质心位置分布存在差异。AAL检测集中在有限区域并沿特定路径形成重复高密度区;ODE呈现更分散的分布模式,多个中高密度区域围绕加热岩石和永久丰容物;KBH沿展区边缘和高处区域密度较高,中央部分检测较少。
3.3 活动与展区空间及复杂性关系:AAL每狮可用空间350.0 m2、复杂性评分2,KBH为100.4 m2、评分1,ODE为138.9 m2、评分3。合并活动比例AAL最高(63.1%),KBH居中(54.8%),ODE最低(47.1%)。活动排序与可用空间排序不完全一致:ODE每狮空间大于KBH但活动更低。活动也未随复杂性评分单调增加。
3.4 行为多样性与行为不稳定性:平均Shannon多样性AAL最低(1.189 ± 0.053),KBH居中(1.294 ± 0.061),ODE最高(1.359 ± 0.085)。平均Simpson多样性AAL最低(0.642 ± 0.033),KBH(0.682 ± 0.024)与ODE(0.677 ± 0.039)相近。日内不稳定性AAL最高(中位数0.154),KBH居中(0.126),ODE最低(0.110)。日间不稳定性AAL最高(0.041),ODE居中(0.034),KBH最低(0.029)。
3.5 社会互动与狮群规模及幼崽关系:AAL饲养2头狮无幼崽,KBH饲养7头无幼崽,ODE饲养9头含3只幼崽。社会互动占比AAL为17.3%,KBH为21.8%,ODE为11.2%。社会互动未随狮群规模单调增加,最高比例出现在中等规模狮群而非最大狮群;唯一含幼崽的ODE未显示最高社会互动比例。
3.6 踱步样运动:踱步样运动集中于AAL,10天中检测到11,350秒,占可用动物追踪时间(4,311,785秒)的0.263%,在四天中检测到,平均每天1135秒和20.7次发作。KBH仅检测到60秒(占7,274,814.7秒的0.000825%),ODE检测到35秒(占5,416,252.2秒的0.000646%)。AAL中踱步样运动的集中发生在该狮群唯一成年雄狮于数据收集开始前五天被安乐死的背景下。
四、讨论与结论
讨论部分指出,本研究虽然生成了大量小时和日观测,但可用空间、复杂性、狮群规模和幼崽存在均仅为三个展区的属性,将重复时间观测视为独立重复会导致伪重复推断,因此结论限于描述性模式。AAL的近期社会变化(雄狮安乐死)为其较高的活动、较低的行为多样性、较大的时间不稳定性和踱步样运动集中提供了合理的情境解释,但因缺乏事件前基线,无法分离其贡献。研究不能确定空间、复杂性、狮群规模或幼崽存在是否导致观察到的差异,因为每个因素均与同一展区的其他特征相混淆。方法学上,连续视频行为量化是本研究的关键优势,但高时间分辨率不能克服生物学重复的局限,未来研究需更多独立重复展区并结合季节重复采样、更详细的丰容、访客、天气、喂食事件和社会稳定性测量。结论部分总结:三个展区表现出不同的行为谱,但差异未沿物理或社会特征的简单梯度变化;AAL活动最高但未与空间或复杂性一致增加;行为多样性AAL最低、ODE的Shannon多样性最高,而时间不稳定性呈现不同模式;社会互动未随狮群规模或幼崽存在一致增加;踱步样运动集中于AAL但仅27.7%的人工标注踱步样狮时间被完整流程保留为踱步样,应视为筛查信号而非真实踱步流行率估计或福利不良的独立证据。研究支持自动化行为监测作为动物园福利研究的有前景工具,结合适当生物学重复、仔细模型验证和饲养人员情境知识,可促进更系统和循证的圈养动物福利监测。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号