종분포 모형(SDM : Species Distribution Model) 이란?
관리자
2022.08.02 16:33
6,111
0
본문
종분포모형(Species Distribution Model, SDM) 이란?
종분포모형이란 현장에서의 생물종 위치정보와 그 위치에서의 환경 및 공간적 특성 간의 관계를 추정하여 현재와 미래의 잠재적인 종분포 및 서식지의 변화를 예측하는 방법을 말한다. 기후 변화와 같은 환경변화에 따른 생물종의 관리를 위해 통계적 회귀 방법 및 기계학습 방식을 이용한 다양한 종분포모형(Species Distribution Model)들이 개발되어 적용되고 있다. 종분포모형으로부터 예측된 결과는 생물지리학, 보존생태학 및 생태학 분야 등에서 의미 있는 결과로 인정되며, 다양한 목적으로 활용되고 있다. 또한, 개체군들의 지리적 분포나 속성을 파악하여 우선 보호될 지역을 찾거나 잠재적으로 위협이 될 만한 지역을 찾아 보전계획이나 관리 방안을 수립하는데 중요한 정보들을 제공한다.
종분포모형의 종류는 종의 출현자료 유형에 따라 출현/비출현자료(Present-Absent Data)모두를 사용하는 모형, 출현자료(Only Present Data)만 사용하는 모형으로 구분하기도 하며, 또한 적용 방식의 차이에 따라 통계기반 모형과 기계학습기반 모형으로 분류하기도 한다 (송원경과 김은영, 2012; 정혜인등, 2020; Hao et al., 2019; Li and Wang, 2013). 여기서는 출현자료 유형에 따른 구분만 소개하기로 한다.
- GLM(Generalized Linear Models)
- ANN(Artificial Neural Networks)
- CRT(Classification and Regression-Tree)
- GAM(Generalized Additive Models)
- MARS(Multivarate Adaptive Regression Splines)
- MDA(Mixture Discriminant Analysis)
- GBM(Generalized Boosting Models)
- RF(Random Forest)
- HM(Hierarchical Modeling)
- GARP(Genetic Algorithm For Rule-Set Production)
- Maxent(Maximum Entropy)
우리나라의 경우 개별모형 중에서는 최근 MaxEnt(Maximum Entropy Model)가 가장 널리 사용되고 있으며, 가장 최근에는 여러 개의 개별모형들을 함께 적용하는 앙상블 모델도 많이 사용되고 있는 추세이다.
MaxEnt 모형은 대상이 되는 야생동물의 출현 정보를 바탕으로 최대 엔트로피 접근법(Maximum Entropy Approach)을 통해 야생동물의 잠재서식지 분포를 예측할 수 있는 모델이다. 이는 출현 자료만을 요구하고 결과값이 신뢰성이 높게 나오는 분석 모형 (김호걸등, 2013: Kim et al., 2021) 으로서 연구자가 연구 대상 생물종의 출현 위치 표본을 입력해 주면 컴퓨터 스스로 출현 위치의 환경 특성을 학습하여, 대상종의 출현 여부를 모르는 지점의 출현 확률을 추정하는 기계학습 방식을 적용하고 있다. MaxEnt 분석을 이용하여 서식지 잠재력 평가(자생 가능지 예측), 기후변화에 따른 산사태 발생 가능성 예측, 이동 행태를 고려한 이동통로 적지 선정, 식생의 분포 경향과 생태적 특성 파악, 동식물 분포 특징을 파악하여 서식지 예측과 가능성 연구에 주로 사용하고 있다.
그러나 개별모형만을 적용할 경우 종분포모형 간 서로 다른 알고리즘으로 인하여 상이한 예측 결과가 도출되어 모형의 정확도가 의문시되어 왔다. 이러한 불확실성을 개선하고자 최근에는 여러 개별모형들을 통합하여 적용하는 앙상블 모형이 사용되고 있는데 이는 개별모형의 단점들을 최소화하고 장점들을 최대화하여 전체 모형을 대표하고 개별 모형의 불확실성을 감소시키는 장점이 있다 (권혁수, 2014; 정혜인등, 2020).
전세계 기후 관련 데이터의 공간분포를 제공하는 Worldclim.org 의 생물기후 변수(Bioclimatic variables)는 종분포 모형의 주요 입력 변수로 활용되고 있다. 생물기후 변수는 월별 기온과 강수량 값을 통해 계산되며, 기후변화 시나리오에 따라 전 지구 기후변화 모델(Global Circulation Model, GCM)을 통해 예측된 미래 월별 기온과 강수량을 통하여 생물의 미래 잠재서식지 변화를 예측할 수 있다.
현재 KERC(한국생태연구소)는 종분포 모형 등을 가용하여 기후 위기 대응을 위한 동식물 조사, 영향 예측, 환경보전 대책 수립을 위해 최선의 노력을 다하고 있다.
<참고문헌>
● 권혁수, 2014. 종분포모형의 불확실성 확인을 위한 앙상블모형 적용. 한국지형공간정보학회지.
http://dx.doi.org/10.7319/kogsis.2014.22.4.047
● 김호걸, 이동근, 모용원, 길승호, 박찬, 이수재. 2013. MAxEnt 모형을 이용한 기훕변화에 따른 산사태 발생가능성 예측. 환경영향평가학회지. 22(1):39-50. https://doi.org/10.14249/eia.2013.22.1.039
● 송원경과 김은영, 2012. 고라니 서식지 분석을 위한 기계학습식 종분포모형 비교. 대한원격탐사학회지. https://doi.org/10.7780/kjrs.2012.28.1.171
● 신만석, 윤희남, 2021. 기후변화 SSP시나리오에 따른 남한지역의 생물기후 변수데이터. GeoDATA. https://doi.org/10.22761/DJ2021.3.4.008
● 정혜인, 최유영, 류지은, 전성우, 2020. 종분포모형을 이용한 곰솔 잠재서식지 분포 예측 결과의 정확도 평가 연구-앙상블 방법론의 검증을 중심으로. 대한기후변화학회지.
https://doi.org/10.15531/KSCCR.2020.11.1.37
● 조선희, 박종영, 박정호, 이양근, 문이만, 강상호, 김광현, 윤종국, 2015. 종 분포 모형을 이용한 구상나무림의 지속 및 쇠퇴에 관한 연구. 한국임학회지. https://doi.org/10.14578/jkfs.2015.104.3.360
● Hao, Tianxiao, Jane Elith, Gurutzeta Guillera-Arroita, and José Lahoz-Monfort, 2019. A review of evidence about use and performance of species distribution modelling ensembles like BIOMOD. https://doi.org/10.1111/ddi.12892
● Kim, Hyun Woo, Pradeep Adhikari, Min Ho Chang, and Changwan Seo, 2021. Potential distribution of amphibians with different habitat characteristics in response to climate change in South Korea. Animals. https://doi.org/10.3390/ani11082185
● Li, Zinhai, and Yuan Wang. 2013. Applying various algorithms for species distribution modelling. Integrative Zoology. 8: 124-135. https://doi.org/10.1111/1749-4877.12000
● Rosa’s Library, Species Distribution Model, https://sinclairosa.tistory.com/
(In Korean. Recently viewed: August 11, 2022)
● WorldClim, Bioclimatic variables. https://www.worldclim.org/data/bioclim.html
(Recently viewed: August 11, 2022)
종분포모형이란 현장에서의 생물종 위치정보와 그 위치에서의 환경 및 공간적 특성 간의 관계를 추정하여 현재와 미래의 잠재적인 종분포 및 서식지의 변화를 예측하는 방법을 말한다. 기후 변화와 같은 환경변화에 따른 생물종의 관리를 위해 통계적 회귀 방법 및 기계학습 방식을 이용한 다양한 종분포모형(Species Distribution Model)들이 개발되어 적용되고 있다. 종분포모형으로부터 예측된 결과는 생물지리학, 보존생태학 및 생태학 분야 등에서 의미 있는 결과로 인정되며, 다양한 목적으로 활용되고 있다. 또한, 개체군들의 지리적 분포나 속성을 파악하여 우선 보호될 지역을 찾거나 잠재적으로 위협이 될 만한 지역을 찾아 보전계획이나 관리 방안을 수립하는데 중요한 정보들을 제공한다.
종분포모형의 종류는 종의 출현자료 유형에 따라 출현/비출현자료(Present-Absent Data)모두를 사용하는 모형, 출현자료(Only Present Data)만 사용하는 모형으로 구분하기도 하며, 또한 적용 방식의 차이에 따라 통계기반 모형과 기계학습기반 모형으로 분류하기도 한다 (송원경과 김은영, 2012; 정혜인등, 2020; Hao et al., 2019; Li and Wang, 2013). 여기서는 출현자료 유형에 따른 구분만 소개하기로 한다.
- GLM(Generalized Linear Models)
- ANN(Artificial Neural Networks)
- CRT(Classification and Regression-Tree)
- GAM(Generalized Additive Models)
- MARS(Multivarate Adaptive Regression Splines)
- MDA(Mixture Discriminant Analysis)
- GBM(Generalized Boosting Models)
- RF(Random Forest)
- HM(Hierarchical Modeling)
- GARP(Genetic Algorithm For Rule-Set Production)
- Maxent(Maximum Entropy)
우리나라의 경우 개별모형 중에서는 최근 MaxEnt(Maximum Entropy Model)가 가장 널리 사용되고 있으며, 가장 최근에는 여러 개의 개별모형들을 함께 적용하는 앙상블 모델도 많이 사용되고 있는 추세이다.
MaxEnt 모형은 대상이 되는 야생동물의 출현 정보를 바탕으로 최대 엔트로피 접근법(Maximum Entropy Approach)을 통해 야생동물의 잠재서식지 분포를 예측할 수 있는 모델이다. 이는 출현 자료만을 요구하고 결과값이 신뢰성이 높게 나오는 분석 모형 (김호걸등, 2013: Kim et al., 2021) 으로서 연구자가 연구 대상 생물종의 출현 위치 표본을 입력해 주면 컴퓨터 스스로 출현 위치의 환경 특성을 학습하여, 대상종의 출현 여부를 모르는 지점의 출현 확률을 추정하는 기계학습 방식을 적용하고 있다. MaxEnt 분석을 이용하여 서식지 잠재력 평가(자생 가능지 예측), 기후변화에 따른 산사태 발생 가능성 예측, 이동 행태를 고려한 이동통로 적지 선정, 식생의 분포 경향과 생태적 특성 파악, 동식물 분포 특징을 파악하여 서식지 예측과 가능성 연구에 주로 사용하고 있다.
그러나 개별모형만을 적용할 경우 종분포모형 간 서로 다른 알고리즘으로 인하여 상이한 예측 결과가 도출되어 모형의 정확도가 의문시되어 왔다. 이러한 불확실성을 개선하고자 최근에는 여러 개별모형들을 통합하여 적용하는 앙상블 모형이 사용되고 있는데 이는 개별모형의 단점들을 최소화하고 장점들을 최대화하여 전체 모형을 대표하고 개별 모형의 불확실성을 감소시키는 장점이 있다 (권혁수, 2014; 정혜인등, 2020).
전세계 기후 관련 데이터의 공간분포를 제공하는 Worldclim.org 의 생물기후 변수(Bioclimatic variables)는 종분포 모형의 주요 입력 변수로 활용되고 있다. 생물기후 변수는 월별 기온과 강수량 값을 통해 계산되며, 기후변화 시나리오에 따라 전 지구 기후변화 모델(Global Circulation Model, GCM)을 통해 예측된 미래 월별 기온과 강수량을 통하여 생물의 미래 잠재서식지 변화를 예측할 수 있다.
현재 KERC(한국생태연구소)는 종분포 모형 등을 가용하여 기후 위기 대응을 위한 동식물 조사, 영향 예측, 환경보전 대책 수립을 위해 최선의 노력을 다하고 있다.
<참고문헌>
● 권혁수, 2014. 종분포모형의 불확실성 확인을 위한 앙상블모형 적용. 한국지형공간정보학회지.
http://dx.doi.org/10.7319/kogsis.2014.22.4.047
● 김호걸, 이동근, 모용원, 길승호, 박찬, 이수재. 2013. MAxEnt 모형을 이용한 기훕변화에 따른 산사태 발생가능성 예측. 환경영향평가학회지. 22(1):39-50. https://doi.org/10.14249/eia.2013.22.1.039
● 송원경과 김은영, 2012. 고라니 서식지 분석을 위한 기계학습식 종분포모형 비교. 대한원격탐사학회지. https://doi.org/10.7780/kjrs.2012.28.1.171
● 신만석, 윤희남, 2021. 기후변화 SSP시나리오에 따른 남한지역의 생물기후 변수데이터. GeoDATA. https://doi.org/10.22761/DJ2021.3.4.008
● 정혜인, 최유영, 류지은, 전성우, 2020. 종분포모형을 이용한 곰솔 잠재서식지 분포 예측 결과의 정확도 평가 연구-앙상블 방법론의 검증을 중심으로. 대한기후변화학회지.
https://doi.org/10.15531/KSCCR.2020.11.1.37
● 조선희, 박종영, 박정호, 이양근, 문이만, 강상호, 김광현, 윤종국, 2015. 종 분포 모형을 이용한 구상나무림의 지속 및 쇠퇴에 관한 연구. 한국임학회지. https://doi.org/10.14578/jkfs.2015.104.3.360
● Hao, Tianxiao, Jane Elith, Gurutzeta Guillera-Arroita, and José Lahoz-Monfort, 2019. A review of evidence about use and performance of species distribution modelling ensembles like BIOMOD. https://doi.org/10.1111/ddi.12892
● Kim, Hyun Woo, Pradeep Adhikari, Min Ho Chang, and Changwan Seo, 2021. Potential distribution of amphibians with different habitat characteristics in response to climate change in South Korea. Animals. https://doi.org/10.3390/ani11082185
● Li, Zinhai, and Yuan Wang. 2013. Applying various algorithms for species distribution modelling. Integrative Zoology. 8: 124-135. https://doi.org/10.1111/1749-4877.12000
● Rosa’s Library, Species Distribution Model, https://sinclairosa.tistory.com/
(In Korean. Recently viewed: August 11, 2022)
● WorldClim, Bioclimatic variables. https://www.worldclim.org/data/bioclim.html
(Recently viewed: August 11, 2022)