一种新型的广义空间标记-重见模型，能够考虑群体之间的关联关系

狼群空间分布建模及加拿大国家公园种群估计研究，提出改进的gSMR模型处理群居物种聚集行为，模拟显示群体模型参数估计精度（91%置信区间覆盖率）显著优于传统模型（15%），并应用于Banff等加拿大国家公园2012-2023年灰狼种群数据，获得平均73只（95%CI:20-207）和密度6.69只/千平方公里的时空估计。

　　

摘要

1. 空间中动物的数量和分布是许多野生动物研究的基础。然而，可靠地估计种群数量仍然具有挑战性。广义空间标记-重见（gSMR）模型是一种广泛适用的种群数量估计方法，它不要求所有个体都能被唯一识别。尽管这些模型具有灵活性，但它们假设个体在空间中的分布和检测是相互独立的。群居物种（即共享活动中心）以及协同移动的物种（即共享检测结果）违反了这些假设，从而限制了gSMR模型在那些活动范围重叠有限的独居物种中的应用。
2. 我们开发了一种考虑群体关联的gSMR模型来估计空间种群数量。我们将群体视为可测量的“单位”，并引入了一个使用泊松过程来估计群体大小的子模型。我们进行了模拟研究，将这种基于群体的gSMR模型与忽略群体关联的gSMR模型进行了比较。我们生成了在不同聚集程度和群体凝聚力参数下的数据，然后量化并比较了两种模型参数估计的精确度和偏差。
3. 在所有聚集和群体凝聚力情景下，基于群体的gSMR模型的表现都优于基于个体的gSMR模型。在91%的模拟中，基于群体的95%贝叶斯可信区间（BCI）与真实种群数量相符，而基于个体的gSMR模型仅在15%的模拟中达到这一结果。随着聚集程度和群体规模的增加，基于群体和基于个体的模型的精确度都会降低，偏差也会增大。然而，在估计所有参数时，基于群体的gSMR模型的偏差较小。
4. 我们将基于群体的gSMR模型应用于加拿大一个国家公园综合体（班夫国家公园、约霍国家公园、库特尼国家公园以及雅哈廷达国家公园）内的灰狼（Canis lupus）监测数据。我们使用了12年（2012–2023年）的远程相机数据，以及来自佩戴GPS无线电项圈的狼（N = 16只）的信息来估计种群数量的时空变化。在12年期间，该公园综合体内的狼数量平均为73只（95% BCI = 20–207只），密度为每1000平方公里6.69只（95% BCI = 1.83–19.0只）。我们的新型基于群体的gSMR模型扩展了空间标记-重见方法在具有群体关联的物种中的应用范围。

利益冲突声明

作者声明没有利益冲突。

同行评审

本文的同行评审历史信息可在以下链接查看：https://www.webofscience.com/api/gateway/wos/peer-review/10.1111/2041-210x.70271。

数据可用性声明

本文中讨论的模型、代码以及模拟基于群体和个体的gSMR数据所需的所有数据，均可在以下Dryad数字存储库中找到：https://doi.org/10.5061/dryad.7d7wm387j（Meyer等人，2026年）。