捕获-再捕获研究通常涉及在相对较短的时间内收集大量捕获场合的数据。对于许多研究物种，这一过程是重复的，例如，每年一次，导致捕获信息跨越多个采样周期。为了考虑不同的时间尺度，传统上应用了稳健设计类模型，提供了一个框架，在该框架中以单一似然表达式分析所有可用的捕获数据。然而，这些模型通常需要很强的约束，要么是在采样周期内的封闭假设(封闭稳健设计)，要么是在采样周期内捕获的个体数量上的条件反射(开放稳健设计)。对于真实的数据集，这些假设可能不合适。我们开发了一个一般的建模结构，不需要任何假设，通过明确地模拟个体在采样周期内和之间进入种群的运动，这反过来允许在单一一致的框架内估计丰度。新模型结构的灵活性进一步通过包括具有计算挑战性的多状态数据的情况下，其中有个别时变离散协变量信息。利用隐马尔可夫模型框架，推导出新的多状态多时段停车模型的有效似然表达式。通过模拟研究和与大冠蝾螈保护物种有关的真实数据集，我们证明了使用我们的新建模方法在多周期和多状态成分方面的参数估计方面的显著改进，Triturus cristatus．