关于鹅嘴青蛙调查中基于蒙特卡洛期望最大似然推断的近似ASCR方法

使用同步声学探测器阵列的声学空间捕获-再捕获（ASCR）调查可有效估计动物密度或叫声密度。然而，构建ASCR分析所需的捕获历史记录具有挑战性，因为识别不同探测器中哪些探测属于哪些叫声并非易事。由于不同距离的叫声到达探测器所需时间不同，叫声被检测的顺序未必与其发出的顺序相同。且在不知道哪些探测属于同一叫声的情况下，我们无法确定检测到的不同叫声的数量。我们提出一种蒙特卡洛期望最大似然（MCEM）估计方法，以解决此未知叫声身份问题。在此情境下实现MCEM方法，我们在期望步骤中从完整数据似然模型中抽样潜在变量，并在最大化步骤中使用准完全数据似然或条件似然。我们采用参数引导法获取置信区间。当我们将该方法应用于鹅嘴青蛙调查时，其估计值在15%的误差范围内，接近使用专家构建的捕获历史记录数据所得的估计值。而且与后者不同，置信区间包含了关于叫声身份的不确定性。仿真结果表明，该方法偏差低（6%），且覆盖概率接近名义95%的值。