整合资源选择信息与空间标记 - 重捕
定量方法
2012-07-16 v1 应用统计
摘要
理解空间利用和资源选择是许多动物种群研究的主要焦点。通常，此类研究基于遥测获得的位置数据，并使用资源选择函数 (RSF) 进行推断。野生动物研究的另一个重要焦点是种群大小和密度的估计与建模。最近开发的空间标记 - 重捕 (SCR) 模型利用个体相遇历史数据以及关于捕获位置的辅助空间信息来实现这一目标。SCR 模型包含与 RSF 直观相关的相遇概率函数，但迄今为止，尚未有人扩展 SCR 模型以允许对空间利用和资源选择进行显式推断。我们开发了一个统计框架，通过整合来自相机陷阱、雾网或传统诱捕笼等的 SCR 数据与来自遥测个体的资源选择数据，联合建模空间利用、资源选择和种群密度。我们提供了一个基于边缘似然的估计框架，在其中同时估计 SCR 和 RSF 模型的参数。我们的方法提高了估计种群密度和普通 SCR 模型参数的精度。重要的是，我们还发现仅 SCR 模型即可估计资源选择函数的参数，因此 SCR 方法可用作研究空间利用的唯一来源；然而，当有遥测数据可用时，精度会更高。最后，我们发现，当动物空间利用与景观协变量相关时，使用标准对称和平稳相遇概率模型的 SCR 模型会产生有偏的密度估计。因此，如果可能，在专注于使用标记 - 重捕方法估计密度的研究中，必须考虑空间利用。
引用
@article{arxiv.1207.3288,
title = {Integrating Resource Selection Information with Spatial Capture-Recapture},
author = {J. Andrew Royle and Richard B. Chandler},
journal= {arXiv preprint arXiv:1207.3288},
year = {2012}
}