通过多状态多周期停留模型从多次抽样捕获-重捕数据估计种群丰度

捕获-重捕数据的收集通常涉及在相对较短的时间内于众多捕获场合收集数据。对于许多研究物种，该过程会重复进行，例如每年一次，从而产生跨越多个抽样周期的捕获信息。稳健设计模型类提供了一种方便的框架，可在单一似然表达式中分析所有可用的捕获数据。然而，这些模型通常要么依赖于抽样周期内封闭性的假设（封闭稳健设计），要么以抽样周期内捕获的个体数为条件（开放稳健设计）。我们在本文中开发的模型不需要上述任一假设，而是通过显式建模个体在抽样周期内及周期间进入种群的运动，从而允许估计种群丰度。这些模型被进一步扩展，使参数不仅可依赖于捕获场合，还可依赖于自加入种群以来的时间，并扩展到具有个体时变离散协变量信息的多状态数据情形。我们利用隐马尔可夫模型框架推导了新多状态多周期停留模型的高效似然表达式。我们通过一项模拟研究演示了新模型，随后考虑了一个关于冠欧螈（Triturus cristatus）的数据集。