基于标记重捕数据在R中构建蝙蝠环志累积发现曲线以评估访问次数

嘿，看起来你已经在蝙蝠环志的研究上迈出了不错的步伐！针对你想通过对比两次洞穴访问的累积重捕/发现率，判断是否需要维持每年两次访问的需求，我整理了一套具体的R实现方案，包含数据处理、可视化和统计检验的完整流程：

1. 数据预处理 #

首先确保你的数据集包含核心字段：蝙蝠环志ID、年份、访问次数（1/2）、记录状态（新发现/重捕）。这里先模拟一份示例数据，你可以替换成自己的真实数据：

# 示例数据集
bat_banding <- data.frame(
  bat_id = c("BT001", "BT002", "BT003", "BT001", "BT004", "BT002", "BT005"),
  year = c(2019, 2019, 2019, 2020, 2020, 2020, 2020),
  visit_num = c(1, 1, 2, 1, 2, 2, 2),
  record_type = c("new", "new", "recapture", "recapture", "new", "recapture", "new")
)

2. 计算累积发现/重捕率 #

我们需要按年份和访问顺序，计算每次访问后的累积新发现蝙蝠占总记录的比例，用dplyr可以高效完成分组统计：

library(dplyr)
library(tidyr)

# 分组计算累积指标
cumulative_stats <- bat_banding %>%
  # 按年份和访问次数统计单次访问的新发现数与总记录数
  group_by(year, visit_num) %>%
  summarise(
    new_individuals = sum(record_type == "new"),
    total_records = n()
  ) %>%
  # 按年份排序，确保访问顺序正确
  arrange(year, visit_num) %>%
  # 按年份计算累积值
  group_by(year) %>%
  mutate(
    cum_new = cumsum(new_individuals),
    cum_total = cumsum(total_records),
    cum_discovery_rate = cum_new / cum_total  # 累积新发现率
  ) %>%
  ungroup()

3. 可视化累积曲线 #

用ggplot2绘制每年两次访问的累积发现率曲线，直观对比两者的差异：

library(ggplot2)

ggplot(cumulative_stats, aes(x = visit_num, y = cum_discovery_rate, 
                             color = factor(year), group = year)) +
  geom_line(linewidth = 1.2, alpha = 0.8) +
  geom_point(size = 3, shape = 19) +
  # 限定x轴为1和2，聚焦两次访问
  scale_x_continuous(breaks = c(1, 2), labels = c("首次访问", "二次访问")) +
  labs(
    title = "蝙蝠累积新发现率对比（首次vs二次洞穴访问）",
    x = "访问次数",
    y = "累积新发现率",
    color = "年份"
  ) +
  theme_minimal() +
  theme(plot.title = element_text(hjust = 0.5, size = 14, face = "bold"))

如果大部分年份中，二次访问的累积率上升幅度极小，说明单次访问已经能覆盖绝大多数蝙蝠种群。

4. 统计检验差异显著性 #

为了量化两次访问的差异，我们可以用配对t检验（因为每年的两次访问属于配对样本）：

# 整理成对数据：每年首次与二次访问的累积发现率
pairwise_data <- cumulative_stats %>%
  select(year, visit_num, cum_discovery_rate) %>%
  pivot_wider(names_from = visit_num, values_from = cum_discovery_rate) %>%
  rename(visit_1 = `1`, visit_2 = `2`)

# 执行配对t检验
t_test_result <- t.test(pairwise_data$visit_2, pairwise_data$visit_1, paired = TRUE)
print(t_test_result)

• 如果p值>0.05：说明两次访问的累积发现率无显著差异，支持仅保留单次访问的方案；
• 如果p值<0.05：说明二次访问能带来显著的新发现，需要维持每年两次的访问频率。

额外小贴士 #

• 若研究涉及多个洞穴，可以按洞穴分组分析，评估不同栖息地的差异；
• 针对不同蝙蝠物种分别绘制累积曲线，避免种群间的差异干扰结论；
• 长期评估时，可以加入年份作为协变量，用线性模型分析趋势：

trend_model <- lm(cum_discovery_rate ~ visit_num + year, data = cumulative_stats)
summary(trend_model)

内容的提问来源于stack exchange，提问作者DFinch