Elysia Tools

在一个清晰的工作台里浏览工具、案例、可视化和主题指南。

热门分类

专题

语言
ZHDERUPTENFRES

Elysia Tools

导航

Health

标记重捕法种群估算(Lincoln–Petersen / Chapman)

· 最后更新:2026-08-20

本工具内容仅供参考,不构成医疗、财务或法律等专业建议;如需专业建议,请咨询持证专业人士。

标记重捕法(Petersen 法)估算封闭种群大小:输入第一批标记释放数 n₁、第二批捕获总数 n₂ 与重捕标记数 m₂,同时给出 Lincoln–Petersen 简单估计 N̂ = n₁n₂/m₂ 与 Chapman 偏差校正估计 N̂ = (n₁+1)(n₂+1)/(m₂+1)−1,附 Seber 标准误与 95% 置信区间、未见过个体数、标记比例与捕获概率。m₂ = 0 或 m₂ > min(n₁, n₂) 会拒绝并提示。前提是封闭种群、标记不脱落不影响存活与可捕性;重捕数少(m₂ < 10)时间隔仅供参考。

执行

运行这个工具

填写表单、运行工具,并在同一页面查看结果。

案例

与这个工具匹配的案例

相关内容

继续查看相关工具与专题

由 Elysia Tools 团队编写

工具使用指南

详细了解工具的适用范围、支持能力及用户案例。

关键事实

分类
Health
输入类型
number, select
输出类型
json
案例覆盖
4
API 可用
是

概览

本工具用标记重捕法(Petersen 法)估算封闭种群大小:输入第一批标记释放数 n₁、第二批捕获总数 n₂ 与重捕标记数 m₂,同时给出 Lincoln–Petersen 简单估计 N̂ = n₁n₂/m₂ 与 Chapman 偏差校正估计 N̂ = (n₁+1)(n₂+1)/(m₂+1)−1,并附 Seber 标准误、95% 置信区间、未见过个体数、标记比例与捕获概率。m₂ = 0 或 m₂ 大于 min(n₁, n₂) 会被拒绝。

适用场景

  • 已完成两期捕获并记录 n₁、n₂、m₂,需要估算封闭种群数量时
  • 需要同时查看 Chapman 偏差校正估计与 Lincoln–Petersen 简单估计,并得到标准误与 95% 区间时
  • 野外普查或教学中要核对标记比例、捕获概率及从未见到的个体数时

使用方式

  1. 1填写第一批捕获并标记释放数 n₁、第二批捕获总数 n₂、重捕中带标记个体数 m₂,并选择 Chapman(默认)或 Lincoln–Petersen 估计量。
  2. 2工具校验 m₂ 不为 0 且不超过 min(n₁, n₂);不满足时拒绝并提示。
  3. 3按所选估计量计算 N̂、Seber 标准误与 95% 置信区间,并给出未见过个体数、标记比例与捕获概率。
  4. 4重捕数较少(m₂ < 10)时,正态近似区间仅供参考。

常见用途

  • 野生动物两期标记重捕普查,快速得到种群点估计与区间
  • 蝴蝶或其他昆虫监测中,用较大重捕数评估捕获概率与未见个体
  • 生态学课程或野外实习,对照两种估计量与输入校验规则

示例

1. 小型兽类普查:标记 60、再捕 100、重捕 15

野外调查人员

背景

在封闭样地内第一期捕获并标记释放 60 只,第二期共捕 100 只,其中 15 只有标记。

问题

需要 Chapman 估计、Seber 标准误、95% 区间,以及未见个体与标记比例。

如何使用

输入 n₁=60、n₂=100、m₂=15,估计量选择 Chapman。

n1=60, n2=100, m2=15, estimator=chapman

结果

Chapman 估计 N̂ = 384.06(SE 73.59,95% CI 239.83–528.29);Lincoln–Petersen 为 400;约 324 只从未见到,第二批标记比例 0.15。

2. 蝴蝶监测:标记 250、再捕 180、重捕 54

昆虫监测员

背景

监测期内标记释放 250 只蝴蝶,随后捕获 180 只,其中 54 只带标记,重捕量较大。

问题

在较可靠的正态近似下得到种群估计、区间与每期捕获概率。

如何使用

输入 n₁=250、n₂=180、m₂=54,使用默认 Chapman 估计量。

n1=250, n2=180, m2=54, estimator=chapman

结果

Chapman 估计 N̂ = 825.02(SE 81.38,95% CI 665.51–984.53);Lincoln–Petersen 为 833.33;m₂=54 时区间较可靠,捕获概率约 0.22。

常见问题

必须输入哪些数据?

三个正整数:n₁(第一批标记释放数)、n₂(第二批捕获总数)、m₂(第二批中带标记数),并选择 Chapman 或 Lincoln–Petersen。

Chapman 与 Lincoln–Petersen 有何不同?

Lincoln–Petersen 为 N̂ = n₁n₂/m₂;Chapman 为偏差校正公式 N̂ = (n₁+1)(n₂+1)/(m₂+1)−1,小样本时通常更稳,默认使用 Chapman。

什么情况下无法计算?

m₂ = 0,或 m₂ 大于 n₁ 与 n₂ 中的较小值时会拒绝,因为无法得到有效的重捕比例。

使用本估计需要哪些前提?

种群在两次采样间封闭(无出生、死亡、迁入迁出),标记不脱落、不影响存活与可捕性,两次捕获彼此独立。

重捕很少时置信区间可信吗?

m₂ < 10 时,Seber 标准误与 95% 区间只作参考,不宜当作精确推断。

专题

种群生态、多样性与食物网计算器

用教学型生态模型探索种群增长、环境承载力、物种相互作用、样本多样性和营养级能量传递。

首页
工具3212
案例593
可视化471
文件查看器103
专题239
标签333
图像、音频与视频657

图像、音频、视频处理、转换与优化工具

数学、日期与金融647

计算器、数值计算、日期逻辑、统计与金融工具

设计与颜色298

颜色、版式、图形、视觉样式与设计辅助工具

文本与写作209

写作、清洗、格式化、提取与文本分析工具

开发与 Web193

开发者工具、网络处理、Web 调试与自动化辅助工具

转换与编码175

格式、文件、压缩包、单位与编码转换工具

潜客测验发布与联系人交接
讣告、悼词与纪念卡的家属复核及交付
本地习惯记录的备份、恢复演练与分享前检查
长文改编 X 串文与 LinkedIn 帖子的事实复核与交付
Markdown 互动课件审校、离线演示与交付

© 2026 Elysia Tools. 保留所有权利。

文档价格关于我们服务条款隐私政策Cookie 政策联系我们
Java

Android Java 图像处理示例

Android Java 图像处理示例,包括图像读取保存、缩放和格式转换

Kotlin

Android Kotlin 图像处理示例

Android Kotlin 图像处理示例,包括图像读取保存、缩放和格式转换

Python

Web Python 图像处理示例

Web Python 图像处理示例,使用 PIL/Pillow 包括读取、保存、缩放和格式转换

Rust

Web Rust 图像处理示例

Web Rust 图像处理示例,包括图像读取保存、缩放和格式转换

Health

生物利用度计算器(F)

绝对生物利用度:F = (AUC_po·Dose_iv)/(AUC_iv·Dose_po)。比较口服与静脉给药后全身暴露量(AUC),并校正剂量差异。F 量纲为一,取值 [0,1];IV 时 F=1,口服 F<1 反映吸收不完全或首过效应。仅适用线性药动学、同一种药物分子、剂量在线性范围内。不构成医疗建议。

Health

碳排放核算计算器(按活动量)

按活动量逐年核算个人碳排放(kg CO₂e):饮食模式(高肉食 2.6 → 纯素 1.1 t/年)×用电量×电网碳强度(煤电 0.82 → 低碳 0.05 kg/kWh)、天然气(2.02 kg/m³)、汽油(2.31 kg/L)、柴油(2.68 kg/L)、短途航班(0.15 kg/人·km)、长途航班(0.11)、公交(0.04)、混合垃圾(0.5 kg/kg)。输出分项排放与占比、总量(t CO₂e/年)、与世界平均 4.7 t 及 1.5 °C 目标 2.3 t 的对照、最大减排杠杆识别;航班因子未含约 1.9 倍辐射强迫上浮(输出中有提示)。因子为教学用近似值,正式报告请替换为本国官方因子。

Health

药物半衰期-浓度计算器

按一室模型、一阶消除(IV 推注)推算给药后某时刻血药浓度:C(t) = (Dose/Vd)·e^(-kt),其中 k=ln2/t½。本工具仅适用线性动力学,不适用于苯妥英等非线性(Michaelis-Menten)药物;亦不适用于多室分布。不构成医疗建议。

Health

生态足迹与生物承载力(地球超载日)

按全球足迹网络框架核算生态足迹与生物承载力:输入五大消费类别足迹(食物/住房/出行/商品/服务,gha/人/年)、人口与总生物承载力,可选为野生物种保留比例。输出人均/总足迹、人均可用承载力、「需要几个地球」比值、生态盈余或赤字(gha 与百分比)、以及地球超载日(累积需求耗尽全年承载力的日期)。默认值取世界平均水平的粗略份额(人均约 2.6 gha 对 1.5 gha 承载力,约 1.7 个地球);gha = 全球公顷,即世界平均生物生产力的公顷。