基于波利亚树先验的开放野生动物种群通用建模框架

开放种群的野生动物监测可通过多种不同的调查方法实现。每种调查方法产生一类数据，在过去五十年中，已开发出大量相关统计模型来分析这些数据。尽管这些模型采用不同的参数化与拟合方法，但它们都旨在刻画个体进入和离开种群的模式并估计种群大小。然而，现有方法依赖于预定义的模型结构与复杂度，要么假设参数针对各采样时刻特定，要么采用参数化曲线。相反，我们提出了一种新颖的贝叶斯非参数框架，基于波利亚树(Polya Tree, PT)先验对密度建模进入与离开模式。我们的贝叶斯非参数方法在推断进入与离开模式时避免过拟合，同时比使用参数化曲线具有更大的灵活性。我们将新框架应用于捕获-重捕、计数和环志回收数据，并引入复制PT先验来定义这些数据的模型类。此外，我们定义了层次逻辑PT先验用于联合建模相关数据集，并考虑可选PT先验用于建模长时间序列数据。我们通过关于鸟类、两栖动物和昆虫的五个不同案例研究展示了新方法。