捕获-再捕获研究通常涉及在相对较短的时间内收集无数捕获事件的数据。对于许多研究物种，这一过程是重复的，例如，每年一次，从而产生跨越多个采样周期的捕获信息。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，可以在单个似然表达式中分析所有可用的捕获数据。然而，这些模型通常需要强大的约束，要么假设在采样周期内关闭(封闭稳健设计)，要么对采样周期内捕获的个体数量进行调节(开放稳健设计)。对于真实的数据集，这些假设可能不合适。我们开发了一种通用的建模结构，通过明确地模拟个体在采样周期内和采样周期之间进入种群的运动来实现这两种假设，这反过来又允许在单一一致的框架内估计丰度。通过包含具有单独时变离散协变量信息的多状态数据的计算挑战性情况，进一步证明了新模型结构的灵活性。我们利用隐马尔可夫模型框架，推导了新的多状态多周期中途停留模型的有效似然表达式。通过模拟研究和与保护物种大冠蝾螈相关的真实数据集，我们证明了使用我们的新建模方法在多周期和多状态组件方面的参数估计的显着改进。Triturus cristatus．