Hierarchial mark–recapture models: a framework for inference about demographic processes

El desarrollo de sofisticados modelos de marcaje�recaptura a lo largo de las ultimas cuatro decadas ha proporcionado herramientas fundamentales para el estudio de poblaciones de fauna silvestre, lo que ha permitido inferir con fiabilidad los tamanos poblacionales y las tasas demograficas a partir de modelos claramente formulados para procesos estocasticos. En la actualidad, los modelos de marcaje�recaptura se describen de forma rutinaria mediante una extensa serie de arametros. Dichos modelos representan el siguiente reto al que deberan enfrentarse los modeladores de fauna silvestre: discriminar las senales del ruido en amplias series de parametros. La pauta que encontramos en los parametros puede describirse mediante solidas relaciones deterministas (como en los modelos ultraestructurales), pero resulta mas flexible y creible si se modela utilizando relaciones estocasticas mas debiles. No es probable que la tendencia en las tasas de supervivencia se manifieste por una secuencia de valores hallados concretamente en una curva parametrica dada; por ello, si pudieramos llegar a conocer los valores reales, podriamos prever una relacion de regresion entre parametros y variables explicativas, de forma que el valor verdadero equivaldria a la senal mas el ruido. Los modelos jerarquicos proporcionan un marco util para la inferencia acerca de series de parametros relacionados. Asi, en lugar de interpretar los arametros como cantidades fijas, pero desconocidas, los interpretamos como realizaciones de procesos estocasticos regidos por hiperparametros. La inferencia acerca de los procesos demograficos se basa en la investigacion de dichos hiperparametros. Por este motivo, defendemos el paradigma bayesiano como una base natural, matematica y cientificamente solida para la inferencia acerca de modelos jerarquicos. En el presente estudio describimos el analisis de datos de captura�recaptura obtenidos a partir de una poblacion abierta basada en ampliaciones jerarquicas del modelo de Cormack�Jolly�Seber. Ademas de las recapturas de animales marcados, tambien modelamos las primeras capturas de animales y de perdidas durante la captura, lo que nos permitio estimar las probabilidades de supervivencia de (See the PDF) (es decir, el complemento de la muerte o la emigracion permanente) y las tasas de crecimiento per capita f (es decir, la suma de las tasas de reclutamiento y de migracion). En el modelo se describe explicitamente la covariacion en estas tasas, que constituye una caracteristica de interes demografico.

[1]  Carl J. Schwarz,et al.  A General Methodology for the Analysis of Capture-Recapture Experiments in Open Populations , 1996 .

[2]  David J. Spiegelhalter,et al.  WinBUGS user manual version 1.4 , 2003 .

[3]  R. Cormack Estimates of survival from the sighting of marked animals , 1964 .

[4]  G. Jolly EXPLICIT ESTIMATES FROM CAPTURE-RECAPTURE DATA WITH BOTH DEATH AND IMMIGRATION-STOCHASTIC MODEL. , 1965, Biometrika.

[5]  S. Crosbie The mathematical modelling of capture-mark-recapture experiments on animal populations , 1980, Bulletin of the Australian Mathematical Society.

[6]  L. Cook,et al.  Relative Fitness of Morphs and Population Size , 1978 .

[7]  K. Burnham,et al.  Program MARK: survival estimation from populations of marked animals , 1999 .

[8]  William A. Link,et al.  Modeling pattern in collections of parameters , 1999 .

[9]  B. Manly,et al.  Parsimonious modelling of capture―mark―recapture studies , 1985 .

[10]  Roger Pradel,et al.  Utilization of capture-mark-recapture for the study of recruitment and population growth rate. , 1996 .

[11]  G. Seber A NOTE ON THE MULTIPLE-RECAPTURE CENSUS. , 1965, Biometrika.

[12]  William A Link,et al.  Modeling Association among Demographic Parameters in Analysis of Open Population Capture–Recapture Data , 2005, Biometrics.

[13]  '. R.Pradel Utilization of Capture-Mark-Recapture for the Study of Recruitment and Population Growth Rate , 2001 .

[14]  L. L. Cam,et al.  Maximum likelihood : an introduction , 1990 .