具有部分身份识别的空间捕获-再捕获

我们开发了一种推断框架，用于处理当两种方法无法一般性地协调个体性时的空间捕获-再捕获数据。一个特殊情形发生在相机陷阱中，左右侧（方法 1 和方法 2）照片并非同时获取。我们为潜在「完美」数据集指定了一个空间显式的捕获-再捕获模型，该模型以两种方法之间个体身份的已知信息为条件。我们将关联两个数据集的个体的身份变量视为模型中的未知量，并提出了一种贝叶斯分析策略，其中身份变量使用 Metropolis 组件算法进行更新。该工作通过认识到捕获的空间并置中包含有关个体性的信息，从而扩展了处理不完整数据的先前努力。因此，通过两种采样方法获得的个体记录在空间上接近时，更可能是同一个体，而不是空间上不接近的个体。这里提出的模型使用空间显式的捕获-再捕获模型形式化了空间邻近性与个体概率判定之间的权衡。