Bayesian analysis of mark-recapture data with travel time-dependent survival probabilities

The authors extend the classical Cormack–Jolly–Seber mark-recapture model to account for both temporal and spatial movement through a series of markers (e.g., dams). Survival rates are modeled as a function of (possibly) unobserved travel times. Because of the complex nature of the likelihood, they use a Bayesian approach based on the complete data likelihood, and integrate the posterior through Markov chain Monte Carlo methods. They test the model through simulations and apply it also to actual salmon data arising from the Columbia river system. The methodology was developed for use by the Pacific Ocean Shelf Tracking (POST) project. Analyse bayésienne de données de capture-recapture à l’aide de probabilités de survie dépendant du temps de déplacement Résumé : Les auteurs généralisent le modèle de capture-recapture classique de Cormack–Jolly–Seber pour tenir compte de déplacements spatiaux-temporels signalés par des marqueurs (tels que des barrages). Les taux de survie sont modélisés en fonction de temps de déplacement parfois inobservables. Vu la complexité de la vraisemblance, ils optent pour une approche bayésienne fondée sur la vraisemblance des données complètes et intègrent la loi a posteriori par des méthodes de Monte-Carlo à chaı̂ne de Markov. Ils testent le modèle par simulation et l’utilisent pour l’analyse de données sur les saumons du réseau hydrographique de la Columbia. La méthodologie a été développée aux fins du projet POST (Pacific Ocean Shelf Tracking).