标志重捕法公式：种群密度估算的生态学基石
〓 什么是标志重捕法？
在生态学研究中，种群密度是衡量种群最基本的数量特征。然而，对于许多活动能力强、活动范围大的动物（如鼠类、鸟类、鱼类等），直接计数几乎是不可能的。此时，标志重捕法（Mark-Recapture Method）便成为了解决这一难题的关键工具。它不仅仅是一个简单的数学公式，更是一套严谨的野外调查与统计推断体系。
本页面将深度解析标志重捕法公式及其衍生应用，帮助科研人员、学生及自然爱好者掌握种群数量估算的核心逻辑。
⚡ 核心公式：N = (M × n) / m
该公式基于一个核心假设：种群中标记个体所占的比例，等于重捕样本中标记个体所占的比例。即：
M / N = m / n
通过简单的代数变换，即可得到估算种群总数 N 的公式。这是生态学中最基础的估算模型，适用于封闭种群（Closed Population）。
⚙️ 逻辑推导与假设前提
理解公式的来源比记忆公式本身更重要。标志重捕法的可靠性依赖于以下四个关键假设，任何一条被打破，都将导致估算结果出现偏差。
1. 标记不脱落
标记物必须在调查期间牢固附着，不能因磨损、捕食者攻击或自然代谢而脱落。如果标记脱落，m值会偏小，导致N值偏大。
2. 完全混合
标记个体释放后，必须与未标记个体在种群中充分随机混合。如果标记个体倾向于聚集在释放点附近，会导致局部m值偏高，N值偏小。
3. 无出生/死亡/迁入/迁出
在两次捕捉期间，种群必须是“封闭”的。没有新个体加入（出生/迁入），也没有个体离开（死亡/迁出）。否则比例关系失衡。
4. 标记不影响行为
标记不能改变个体的生存率或被捕概率。例如，醒目的标记可能使动物更容易被天敌发现（增加死亡风险），或更容易被研究者捕获（增加m值）。
📊 实战案例：从数据到结论
为了更直观地理解公式应用，我们来看两个不同场景的计算案例。请注意，实际研究中通常需要进行多次重复捕捉以提高精度。
场景：某农田生态系统中褐家鼠种群密度估算
背景：研究者在一片面积为1公顷（10,000平方米）的农田中调查褐家鼠数量。
步骤一（初次捕捉）：设置捕鼠笼，一夜之间捕获褐家鼠 M = 50 只。进行耳标标记后全部释放。
步骤二（间隔期）：等待7天，让标记鼠充分混合。
步骤三（重捕）：再次布设捕鼠笼，一夜之间捕获 n = 40 只。发现其中有标记的个体 m = 5 只。
计算：
| 参数 | 数值 | 说明 |
|---|---|---|
| M (初捕标记) | 50 | 第一次捕捉并标记的数量 |
| n (重捕总数) | 40 | 第二次捕捉的总数量 |
| m (重捕标记) | 5 | 第二次捕捉中带标记的数量 |
| N (估算总数) | 400 | 50 × 40 / 5 = 400 |
结论：该农田1公顷内大约有 400 只褐家鼠。种群密度为 400只/公顷。
场景：封闭湖泊中鲈鱼种群数量估算
背景：渔业管理部门需要估算一个封闭人工湖中的鲈鱼数量，以决定捕捞配额。
步骤：使用电鱼设备捕获鲈鱼 M = 200 条，切断一侧尾鳍一部分作为永久标记后释放。两周后再次电鱼，捕获 n = 150 条，其中带有尾鳍残缺标记的有 m = 15 条。
计算：
N = (200 × 150) / 15 = 30,000 / 15 = 2,000 条。
分析：由于使用了永久性物理标记，标记脱落风险极低。但需注意电鱼可能对鱼造成伤害，需确保标记不影响鱼的生存和被捕概率。若发现重捕鱼中死亡比例异常，需修正数据。
🔍 误差分析与修正模型
在真实世界中，完全满足假设的情况极少。因此，学者们开发了多种修正模型来处理开放种群或标记失效的情况。
1. 查普曼修正（Chapman Correction）
当样本量较小（n < 30 或 m < 10）时，经典公式会产生较大偏差。查普曼公式通过增加1来减少偏差：
N = [(M + 1) × (n + 1) / (m + 1)] - 1
这是更推荐的学术计算方式，尤其在样本量不足时。
2. 林肯指数 vs. 开放种群模型
如果调查周期较长，种群存在出生、死亡或迁移，则需使用 Jolly-Seber 模型。该模型允许种群开放，并能同时估算种群大小（N）、存活率（φ）和迁入率（f）。
| 误差来源 | 对 m 的影响 | 对 N 估算值的影响 | 原因分析 |
|---|---|---|---|
| 标记物脱落 | 偏小 ↓ | 偏大 ↑ | 分母减小，导致结果膨胀 |
| 标记导致易被捕 | 偏大 ↑ | 偏小 ↓ | 标记个体更容易被抓回，m值虚高 |
| 标记导致易被天敌捕食 | 偏小 ↓ | 偏大 ↑ | 标记个体死亡，实际N减少，但公式未计入 |
| Trap-Happy (诱捕偏好) | 偏大 ↑ | 偏小 ↓ | 个体学会寻找陷阱，重捕率异常高 |
| Trap-Shy (诱捕回避) | 偏小 ↓ | 偏大 ↑ | 个体学会躲避陷阱，重捕率异常低 |
🌐 网友们还关心：标志重捕法的周边知识
除了核心公式，生态学家和备考学生在实际应用中还经常遇到以下相关问题。这些知识点对深入理解种群动态至关重要。
不同的生物需要不同的标记技术。哺乳动物常用耳标、脚环或皮下芯片；鸟类常用脚环；鱼类常用剪鳍或 PIT 芯片；昆虫可用点漆标记。选择标记方法时，必须确保标记持久性与生物友好性的平衡。
这是考试和实操中的常见混淆点。样方法适用于植物、昆虫卵、蚜虫、跳蝻等活动能力弱或固着生活的生物；标志重捕法适用于活动能力强、活动范围大的动物。选择错误的方法会导致数据完全失真。
单一的 N 值只是一个点估计。在科研论文中，通常需要提供95%置信区间（Confidence Interval）。常用的计算方法包括方差估计公式或 Bootstrap 重抽样法，以反映估算的不确定性。
随着技术发展，传统标志重捕法正与 eDNA 技术结合。通过水体或土壤中的 DNA 痕迹，可以辅助判断物种存在，减少物理捕捉对野生动物的干扰，实现“非侵入式”种群监测。
❓ 常见问题解答 (FAQ)
N代表该种群在调查区域内的总个体数量（Population Size），是我们通过样本估算的目标值。
如果重捕样本中没有标记个体（m=0），则无法直接计算。这通常意味着标记个体未充分混合、标记物脱落、或者两次捕捉间隔时间过短。应延长等待时间或增加第二次捕捉的样本量n。
不适用于所有生物。它主要适用于活动能力强、活动范围大的动物，如哺乳类、鸟类、鱼类、昆虫等。对于植物、活动能力弱的昆虫（如蚜虫）或固定生活的生物，应使用样方法。
1. 增加样本量（M和n）；
2. 确保标记物不脱落且不影响生物行为；
3. 保证标记个体充分混合后再进行重捕；
4. 使用查普曼修正公式处理小样本；
5. 进行多次重捕（如多次标记重捕法）以提高统计效力。
〓 总结
标志重捕法公式不仅是生态学中的一个数学工具，更是连接野外实践与科学推断的桥梁。掌握其背后的逻辑假设、误差来源及修正方法，才能在实际研究中获得可靠的数据。无论是应对考试，还是进行专业的生物多样性监测，理解这些核心概念都是必不可少的。
希望本指南能帮助您更好地应用标志重捕法，探索自然界的奥秘。