针对陷阱探测率小于一且个体部分可辨识的空间显式捕获再捕获模型
应用统计
2018-01-01 v1
摘要
空间显式捕获再捕获（SECR）模型在解决生态学中的丰度估计问题上已极为流行。在本研究中，我们开发了一种新颖的贝叶斯 SECR 模型，该模型在检测不完美的情况下，将动物穿过探测器的过程与探测器记录数据的过程分离开来。我们将这一复杂性整合进近期涉及部分可辨识个体（Royle, 2015）的 SECR 模型的一个进阶版本中。我们在一系列真实模拟场景下评估了模型的性能，并表明相对于未显式估计陷阱探测概率的模型（Royle, 2015），使用所提模型时种群大小 的估计有所改善。我们利用印度南部 Nagarahole 地区老虎（\textit{Panthera tigris}）相机陷阱调查的空间捕获再捕获数据集对所提模型进行了检验与探究。陷阱探测概率估计为 0.489，因而证明了在野外情境中应用本模型的必要性。我们讨论了可能的扩展、未来工作以及本模型在生态学之外其他统计应用中的相关性。
引用
@article{arxiv.1712.10035,
title = {A spatially explicit capture recapture model for partially identified individuals when trap detection rate is less than one},
author = {Soumen Dey and Mohan Delampady and K. Ullas Karanth and Arjun M. Gopalaswamy},
journal= {arXiv preprint arXiv:1712.10035},
year = {2018}
}
备注
This draft has been submitted to a journal for review