Estimating abundance is one of the most fundamental and important aspects of population biology, with major implications on how the status of a population is perceived and thus on conservation and management efforts. Although typically based on one of two methods (distance sampling or mark-recapture), there are many individual identification methods that can be used for mark-recapture purposes. In recent years, the use of genetic data for individual identification and abundance estimation through mark-recapture analyses have increased, and in some situations such genetic identifications are more efficient than their field-based counterparts for population monitoring. One issue with mark-recapture analyses, regardless of which method of individual identification is used, is that the study area must provide adequate opportunities for “capturing” all individuals within a population. However, many populations are unevenly and widely distributed, making it unfeasible to adequately sample all necessary areas. Here we develop an analytical technique that accounts for unsampled locations, and provides a means to infer “missing” individuals from unsampled locations, and therefore obtain more accurate abundance estimates when it is not possible to sample all sites. This method is validated using simulations and is used to estimate abundance of the Eastern Canada-West Greenland (EC-WG) bowhead whale population. Based on these analyses, the estimated size of this population is 11,747 individuals during the sampling period, with a 95% highest density interval of 8,169–20,043.

估计丰度是人口生物学最基本和重要的方面之一，对人们如何看待人口状况以及保护和管理工作产生重大影响。尽管通常基于两种方法（距离采样或标记重新捕获）之一，但仍有许多单独的识别方法可用于标记重新捕获目的。近年来，通过标记夺回分析将遗传数据用于个人识别和丰度估计的用途有所增加，并且在某些情况下，这种遗传识别比基于实地的遗传识别更有效。不论使用哪种个人识别方法，商标夺回分析都存在一个问题，是研究区域必须提供足够的机会来“捕获”人口中的所有个体。但是，许多人口分布不均且分布广泛，因此无法对所有必要区域进行充分采样。在这里，我们开发了一种分析技术，该技术可解决未采样位置的问题，并提供一种从未采样位置推断“缺失”个体的方法，从而在无法对所有站点进行采样时获得更准确的丰度估计。该方法已通过仿真验证，并用于估算加拿大东部西部格陵兰（EC-WG）弓头鲸种群的数量。根据这些分析，在抽样期间，该人群的估计数量为11,747个人，其中95％的最高密度区间为8,169-20,043。许多人口分布不均且分布广泛，因此无法对所有必要区域进行充分采样。在这里，我们开发了一种分析技术，该技术可解决未采样位置的问题，并提供一种从未采样位置推断“缺失”个体的方法，从而在无法对所有站点进行采样时获得更准确的丰度估计。该方法已通过仿真验证，并用于估算加拿大东部西部格陵兰（EC-WG）弓头鲸种群的数量。根据这些分析，在抽样期间，该人群的估计数量为11,747个人，其中95％的最高密度区间为8,169-20,043。许多人口分布不均且分布广泛，因此无法对所有必要区域进行充分采样。在这里，我们开发了一种分析技术，该技术可解决未采样位置的问题，并提供一种从未采样位置推断“缺失”个体的方法，从而在无法对所有站点进行采样时获得更准确的丰度估计。该方法已通过仿真验证，并用于估算加拿大东部西部格陵兰（EC-WG）弓头鲸种群的数量。根据这些分析，在抽样期间，该人群的估计数量为11,747个人，其中95％的最高密度区间为8,169-20,043。在这里，我们开发了一种分析技术，该技术可解决未采样位置的问题，并提供一种从未采样位置推断“缺失”个体的方法，从而在无法对所有站点进行采样时获得更准确的丰度估计。该方法已通过仿真验证，并用于估算加拿大东部西部格陵兰（EC-WG）弓头鲸种群的数量。根据这些分析，在抽样期间，该人群的估计数量为11,747个人，其中95％的最高密度区间为8,169-20,043。在这里，我们开发了一种分析技术，该技术可解决未采样位置的问题，并提供一种从未采样位置推断“缺失”个体的方法，从而在无法对所有站点进行采样时获得更准确的丰度估计。该方法已通过仿真验证，并用于估算加拿大东部西部格陵兰（EC-WG）弓头鲸种群的数量。根据这些分析，在抽样期间，该人群的估计数量为11,747个人，其中95％的最高密度区间为8,169-20,043。该方法已通过仿真验证，并用于估计加拿大东部西部格陵兰（EC-WG）弓头鲸种群的数量。根据这些分析，在抽样期间，该人群的估计数量为11,747个人，其中95％的最高密度区间为8,169-20,043。该方法已通过仿真验证，并用于估计加拿大东部西部格陵兰（EC-WG）弓头鲸种群的数量。根据这些分析，在抽样期间，该人群的估计数量为11,747个人，其中95％的最高密度区间为8,169-20,043。