생물다양성에 대한 사회적 관심이 늘어남에 따라 생물다양성 평가, 보호지역 지정, 서식지 관리 및 복원 등 생물자원에 대한 공간적 평가의 필요성이 대두되고 있다. 본 연구는 이러한 야생동물의 서식지에 대한 평가를 위하여 자료의 수집 및 모형화의 기법 연구와 생물종풍부도를 작성하는데 목적이 있다. 종분포모형을 위해 사용된 GAM (Generalized Additive Model)으로 기존의 중첩 분석이나 GLM (Generalized Linear Model)에 비해 환경변수와 반응변수의 관계가 명확하고 이에 따른 해석이 용이하다. 본 연구대상지로는 국립공원, 경관생태보호구역, 수달보호구역으로 지정된 지리산, 백운산, 섬진강을 포함하고 있는 유역을 선정하였다. 대상유역의 토지피복에 따라 층화추출을 통하여 야생동물(포유류와 조류)의 출현/비출현 형태의 현장자료를 수집하였으며, 야생동물의 서식에 영향을 미치는 자연, 사회 경제적 자료를 구축하였다. 각 종에 대한 서식지이용분석과 주요서식인자를 확인한 후, 출현/비출현 모형을 통해 서식지적합성모형을 개발하고, 개별 종에 대한 서식지적합성지도 작성하였다. 서식지 적합성지도를 산술 합산하여 분류군별(포유류, 조류) 종풍부도, 통합종풍부도를 작성하였다. 개별 종 서식지의 주요인자는 서식지선택에 따라 다르게 나타났다. 고라니나 박새와 같은 몇몇 종들은 저지대에 분포하나, 대부분의 포유류나 조류의 잠재서식지는 국립공원 경계구역이나 중산간지역에 많이 분포하였다. 본 연구의 결과는 환경부에서 수행하는 생물다양성의 평가, 보호지역의 지정 등의 기초자료로서 활용될 수 있을 것이다.
생물다양성에 대한 사회적 관심이 늘어남에 따라 생물다양성 평가, 보호지역 지정, 서식지 관리 및 복원 등 생물자원에 대한 공간적 평가의 필요성이 대두되고 있다. 본 연구는 이러한 야생동물의 서식지에 대한 평가를 위하여 자료의 수집 및 모형화의 기법 연구와 생물종풍부도를 작성하는데 목적이 있다. 종분포모형을 위해 사용된 GAM (Generalized Additive Model)으로 기존의 중첩 분석이나 GLM (Generalized Linear Model)에 비해 환경변수와 반응변수의 관계가 명확하고 이에 따른 해석이 용이하다. 본 연구대상지로는 국립공원, 경관생태보호구역, 수달보호구역으로 지정된 지리산, 백운산, 섬진강을 포함하고 있는 유역을 선정하였다. 대상유역의 토지피복에 따라 층화추출을 통하여 야생동물(포유류와 조류)의 출현/비출현 형태의 현장자료를 수집하였으며, 야생동물의 서식에 영향을 미치는 자연, 사회 경제적 자료를 구축하였다. 각 종에 대한 서식지이용분석과 주요서식인자를 확인한 후, 출현/비출현 모형을 통해 서식지적합성모형을 개발하고, 개별 종에 대한 서식지적합성지도 작성하였다. 서식지 적합성지도를 산술 합산하여 분류군별(포유류, 조류) 종풍부도, 통합종풍부도를 작성하였다. 개별 종 서식지의 주요인자는 서식지선택에 따라 다르게 나타났다. 고라니나 박새와 같은 몇몇 종들은 저지대에 분포하나, 대부분의 포유류나 조류의 잠재서식지는 국립공원 경계구역이나 중산간지역에 많이 분포하였다. 본 연구의 결과는 환경부에서 수행하는 생물다양성의 평가, 보호지역의 지정 등의 기초자료로서 활용될 수 있을 것이다.
Increasing concern about biodiversity has lead to a rise in demand on the spatial assessment of biological resources such as biodiversity assessment, protected area selection, habitat management and restoration in Korea. The purpose of this study is to create species richness map through data collec...
Increasing concern about biodiversity has lead to a rise in demand on the spatial assessment of biological resources such as biodiversity assessment, protected area selection, habitat management and restoration in Korea. The purpose of this study is to create species richness map through data collection and modeling techniques for wildlife habitat assessment. The GAM (Generalized Additive Model) is easy to interpret and shows better relationship between environmental variables and a response variable than an existing overlap analysis and GLM (Generalized Linear Model). The study area delineated by a large watershed contains Jirisan national park, Mt. Baekun and Sumjin river with three kinds of protected areas (a national park, a landscape ecology protected area and an otter protected area). We collected the presence-absence data for wildlife (mammals and birds) using a stratified random sampling based on a land cover in the study area and implemented natural and socio-environmental data affecting wildlife habitats. After doing a habitat use analysis and specifying significant factors for each species, we built habitat suitability models using a presence-absence model and created habitat suitability maps for each species. Biodiversity maps were generated by taxa and all species using habitat suitability maps. Significant factors affecting each species habitat were different according to their habitat selection. Although some species like a water deer or a great tit were distributed at the low elevation, most potential habitats for mammals and birds were found at the edge of a national park boundary or near a forest around the medium elevation of a mountain range. This study will be used for a basis on biodiversity assessment and proected area selection carried out by Ministry of Environment.
Increasing concern about biodiversity has lead to a rise in demand on the spatial assessment of biological resources such as biodiversity assessment, protected area selection, habitat management and restoration in Korea. The purpose of this study is to create species richness map through data collection and modeling techniques for wildlife habitat assessment. The GAM (Generalized Additive Model) is easy to interpret and shows better relationship between environmental variables and a response variable than an existing overlap analysis and GLM (Generalized Linear Model). The study area delineated by a large watershed contains Jirisan national park, Mt. Baekun and Sumjin river with three kinds of protected areas (a national park, a landscape ecology protected area and an otter protected area). We collected the presence-absence data for wildlife (mammals and birds) using a stratified random sampling based on a land cover in the study area and implemented natural and socio-environmental data affecting wildlife habitats. After doing a habitat use analysis and specifying significant factors for each species, we built habitat suitability models using a presence-absence model and created habitat suitability maps for each species. Biodiversity maps were generated by taxa and all species using habitat suitability maps. Significant factors affecting each species habitat were different according to their habitat selection. Although some species like a water deer or a great tit were distributed at the low elevation, most potential habitats for mammals and birds were found at the edge of a national park boundary or near a forest around the medium elevation of a mountain range. This study will be used for a basis on biodiversity assessment and proected area selection carried out by Ministry of Environment.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
객관적인 평가, 개별종에 대한 결과 해석 및 정확한 예측을 위해서는 표본수집에서부터 출현/비출현 지역의 자료를 수집하는 공간통계모형이 필요하다. 본 연구의 목적은 지리산 지역에서 포유류 및 조류의 출현/비출현 자료를 수집하여 GAM을 적용하고, 이에 따른 개별종의 서식지 모형 생성과 나아가 지리산 일대의 생물종 풍부지역 탐색이다.
본 연구는 기존의 서식지모형의 단점을 극복하고자 출현/비출현 형태로 자료를 수집하였다. 이는 전국자연환경조사나 기존 현장조사 방식에서는 출현자료만을 수집하기 때문에 자료의 정보량에서 차이가 나며, 이를 통하여 모형의 정확도를 높이거나 다양한 형태의 모형 구축이 가능하다는 장점이 있었다.
제안 방법
이를 위하여 국립지리원에서 제공하는 1:25,000 토지이용현황도를 농경지, 초지, 산림, 시가화지역, 수역의 5개의 분류군으로 나누었다. 각 분류군에 따른 면적비율을 산출하고 이에 해당하는 표본수집 개수를 할당하였다.
이를 위하여 국립지리원에서 제공하는 1:25,000 토지이용현황도를 농경지, 초지, 산림, 시가화지역, 수역의 5개의 분류군으로 나누었다. 각 분류군에 따른 면적비율을 산출하고 이에 해당하는 표본수집 개수를 할당하였다. 그러나 초지는 면적비율이 낮아 산림에 할당된 포인트 중 하나를 초지에 추가하였으며, 수계지역은 할당된 지점과 가까운 수변을 조사하였다.
각 분류군에 따른 면적비율을 산출하고 이에 해당하는 표본수집 개수를 할당하였다. 그러나 초지는 면적비율이 낮아 산림에 할당된 포인트 중 하나를 초지에 추가하였으며, 수계지역은 할당된 지점과 가까운 수변을 조사하였다. 산림의 경우에는 토지이용현황도의 중분류로 구분하면 서식지의 특성이 반영하기 어려우므로, 환경부의 현존식생도를 참조하여 조사지역을 할당하였다.
그러나 초지는 면적비율이 낮아 산림에 할당된 포인트 중 하나를 초지에 추가하였으며, 수계지역은 할당된 지점과 가까운 수변을 조사하였다. 산림의 경우에는 토지이용현황도의 중분류로 구분하면 서식지의 특성이 반영하기 어려우므로, 환경부의 현존식생도를 참조하여 조사지역을 할당하였다. 지리산의 능선부와 같은 아고산대 생태계들은 면적이 작지만 상대적으로 중요도가 높아 이 지역도 강제 할당을 하였다(Table 1).
0의 임의 표본방법으로 분포시켰다. 도로는 수치지형도의 소로 이상을 추출하여 사용하였으며, 산림의 내부의 경우는 도로의 접근성이 떨어지기 때문에 중요한 식생군락들을 선별하고 군락들 간에 임의표본방법을 적용하였다.
포유류 조사는 할당한 지역을 GPS를 이용하여 찾아가 조사지점 중심에서 반경 100m 이내 지역을 전수 조사하였다. 이때 발견한 흔적이나 목견내용을 야장에 기입토록 하였다.
이때 발견한 흔적이나 목견내용을 야장에 기입토록 하였다. 그리고 조사 지점으로 가는 도중에 발견된 흔적도 동시에 기입하도록 하였다. 육안에 의한 직접관찰, 배설물, 발자국, 휴식흔적 따른 조사를 실시하였다(김원주 외, 1998; 서창완과 박종화, 2000; 최태영과 박종화, 2004; 환경부, 2006; 서창완 외, 2008b).
조류 조사도 마찬가지로 할당된 조사지에서 반경 100m의 원형 방형구를 설정하고 20분 동안 관찰된 종수, 개체수를 육안과 소리 식별을 통해 조사하였다. 조류 조사도 포유류 조사와 동일하게 지도와 GPS를 가지고 지정된 지점까지 가서 조사를 수행하며, 접근이 여의치 않은 곳은 유사한 서식지 군락을 찾아 조사 하도록 하였다(환경부, 2006; 임신재 외, 2007).
조류 조사도 마찬가지로 할당된 조사지에서 반경 100m의 원형 방형구를 설정하고 20분 동안 관찰된 종수, 개체수를 육안과 소리 식별을 통해 조사하였다. 조류 조사도 포유류 조사와 동일하게 지도와 GPS를 가지고 지정된 지점까지 가서 조사를 수행하며, 접근이 여의치 않은 곳은 유사한 서식지 군락을 찾아 조사 하도록 하였다(환경부, 2006; 임신재 외, 2007).
서식지 선택에 영향을 미치는 공간 변수를 찾기 위하여 국내 서식지 연구와 비교적 생육환경이 비슷한 동아시아 지역에서의 포유류나 조류의 서식지 관련논문을 찾아 서식지에 대한 변수를 도출하였다. 이 밖에 조류 및 포유류 도감이나 서식지 관련 보고서에 나오는 변수를 추가하였다.
환경변수를 구성하기 위하여 1:25,000 수치지형도에서 DEM(Digital Elevation Model)을 생성하였으며 지형에 관련한 Relief, Ridge and Valley, Curvature, Slope, Northness, Wetness 변수를 추출하였다. 또한 산림과학원에서 제공하는 임상도를 사용하여 영급, 경급, 밀도, 산림구조, 활엽수비율과 같은 공간 변수를 생성하였다.
환경변수를 구성하기 위하여 1:25,000 수치지형도에서 DEM(Digital Elevation Model)을 생성하였으며 지형에 관련한 Relief, Ridge and Valley, Curvature, Slope, Northness, Wetness 변수를 추출하였다. 또한 산림과학원에서 제공하는 임상도를 사용하여 영급, 경급, 밀도, 산림구조, 활엽수비율과 같은 공간 변수를 생성하였다. 그 밖에 국토지리정보원에서 제공하는 토지이용현황도나 수치지형도에서 거리 변수를 생성하였다(최태영과 박종화, 2004; 서창완 외, 2008a; 서창완 외, 2008b; 이동근과 송원경, 2008; 권혁수, 2011).
그러나 출현/비출현의 표본자료의 수가 동일하지 않을 경우 이러한 재분류는 과소 및 과대평가되는 경향이 있다. 따라서 실제값과 예측된 값의 오차합이 최소가 되도록하는 기준값을 설정하여 출현/비출현의 서식지예측도를 작성하였다.
1 이하인인 변수들을 사용하였다. 그러나 선택입력 변수가 적을 경우에는 p-value의 값이 낮은 순서로 입력하여 모형예측도가 가장 높게 나온 모형을 최적모형으로 하였다(Table 4).
대상 데이터
연구대상지는 지리산 국립공원과 광양의 백운산을 포함하는 총 14개의 소유역권을 포함한다. 연구지역은 약 1,800㎢ 정도가 해당되며, 지리산 국립공원, 구례 수달보호구역, 백운산 시도지사지정 생태경관보전지역 등 다양한 법정 보호지역이 산재해 있다(Figure 1).
연구대상지는 지리산 국립공원과 광양의 백운산을 포함하는 총 14개의 소유역권을 포함한다. 연구지역은 약 1,800㎢ 정도가 해당되며, 지리산 국립공원, 구례 수달보호구역, 백운산 시도지사지정 생태경관보전지역 등 다양한 법정 보호지역이 산재해 있다(Figure 1).
조사지역은 지리산 국립공원과 광양 백운산을 포함하는 14개 소유역을 선정하였다. 유역경계는 환경부에서 제공하는 소유역도를 사용하였다.
현장조사 시 도로 및 임도의 영향과 조사의 접근성 등을 고려하여 도로에서 100~500m 사이를 조사지역으로 선정하였다(박종화 외, 1993; 임신재 외, 2007). 이렇게 할당된 조사지역 개수는 지점 간에 공간적 자기상관이 없도록 ESRI사의 ArcGIS9.
조사지역에서 총 100개의 표본 자료를 수집하였다. 포유류의 경우 9과 18종이 조사가 되었으며, 이 중 삵, 하늘다람쥐, 수달, 쇠족제비 등 법정보호종도 발견하였다.
데이터처리
생성된 환경변수는 모델의 입력 자료로 활용하기 전에 출현/비출현 자료 간에 유의미한 차이가 있는지를 확인하기 위하여 Wilcoxon rank sum test를 사용하였다. Wilcoxon rank sum test는 두 개의 표본 집단 간의 차이가 유의성이 있는가를 살펴보는 비모수 검정 방법으로, 야생동물 자료들은 정규분포를 가정하기 어렵기 때문에 이러한 비모수 검정방법을 많이 이용한다.
Wilcoxon rank sum test는 두 개의 표본 집단 간의 차이가 유의성이 있는가를 살펴보는 비모수 검정 방법으로, 야생동물 자료들은 정규분포를 가정하기 어렵기 때문에 이러한 비모수 검정방법을 많이 이용한다. 본 모형에서도 환경변수들의 유의성검증을 위하여 Wilcoxon rank sum test를 실시하였다(이희연, 1989; 서창완 외, 2008a).
Wilcoxon rank sum test결과를 통하여 GAM의 입력변수를 선정하였다. 입력변수는 p-value가 0.
모형의 적합성을 검증하기 위하여 5개 그룹으로 나누어 Cross-validation ROC를 실시하였다. 이에 따른 모델 결과는 Table 5와 같다.
이론/모형
조사지역은 지리산 국립공원과 광양 백운산을 포함하는 14개 소유역을 선정하였다. 유역경계는 환경부에서 제공하는 소유역도를 사용하였다. 이 연구에서는 공간통계모형을 적용하기 위하여 조사지역 선정 시 임의표본 추출방법(Random Sampling Method)을 사용하였다.
유역경계는 환경부에서 제공하는 소유역도를 사용하였다. 이 연구에서는 공간통계모형을 적용하기 위하여 조사지역 선정 시 임의표본 추출방법(Random Sampling Method)을 사용하였다.
현장조사 시 도로 및 임도의 영향과 조사의 접근성 등을 고려하여 도로에서 100~500m 사이를 조사지역으로 선정하였다(박종화 외, 1993; 임신재 외, 2007). 이렇게 할당된 조사지역 개수는 지점 간에 공간적 자기상관이 없도록 ESRI사의 ArcGIS9.0의 임의 표본방법으로 분포시켰다. 도로는 수치지형도의 소로 이상을 추출하여 사용하였으며, 산림의 내부의 경우는 도로의 접근성이 떨어지기 때문에 중요한 식생군락들을 선별하고 군락들 간에 임의표본방법을 적용하였다.
이 연구에서는 종분포모형을 수행하기 위해 GAM(Generalized Additive Model)을 사용하였다. GAM은 GLM(Generalized Linear Model)의 확장형태로 독립변수와 종속변수사이의 비선형적인 관계를 설명하는데 GLM보다 뛰어나며, ANN(Artificial Neural Network) 보다는 그 결과 해석이 용이하다는 장점이 있다(Elith et al.
GAM은 GRASP 3.0 (Lehmann et al., 2002)을 사용하였으며, stepwise selection과 AIC information criterion(Anon, 1999)을 기준으로 모형을 적용하였다. 모형정확도는 ROC(Receiver operating characteristic)의 AUC(Area Under Cover)값을 통해 측정하였다(Thuiller, 2003).
, 2002)을 사용하였으며, stepwise selection과 AIC information criterion(Anon, 1999)을 기준으로 모형을 적용하였다. 모형정확도는 ROC(Receiver operating characteristic)의 AUC(Area Under Cover)값을 통해 측정하였다(Thuiller, 2003). AUC를 이용한 모형의 정확도 측정은 기준값에 독립적이라는 장점을 가지고 있어 개별 모형들을 비교하는데 많이 이용되고 있다(서창완외 2008a).
기존의 서식지 모형은 중첩분석이나 다기준 평가와 퍼지이론을 사용한 서식지모형 등과 같은 전문가 주관적 분석 방법들이 많았으나 이러한 분석은 전문가의 견해가 많이 반영되어 객관적인 평가에 어려움이 있으며, 로지스틱 회귀분석과 같은 선형모델의 사용으로 비선형적 분석이나 범주형자료의 처리의 한계로 최근에서는 단점을 극복하기 위한 생태계 지위모형인 GAM(Generalized Additive Model)을 이용하여 생물종다양성평가에 적용하였다.
성능/효과
조사지역에서 총 100개의 표본 자료를 수집하였다. 포유류의 경우 9과 18종이 조사가 되었으며, 이 중 삵, 하늘다람쥐, 수달, 쇠족제비 등 법정보호종도 발견하였다. 조류의 경우는 34과 83종이 발견되었으며 까막딱다구리, 소쩍새, 올빼미, 새홀리기와 같은 법종보호종이 발견되었다(Table 3).
이에 따른 모델 결과는 Table 5와 같다. 포유류의 경우 고라니, 노루, 담비가 모형의 적합도가 높게 나왔으며, 조류의 경우는 동고비, 진박새, 멧비둘기, 흰배지빠귀가 비교적 높은 모형적합성을 나타내었다. 선택된 모형들은 기준값에 따라 출현/비출현의 서식지예측지도로 변환하였다(Figure 2).
개별종에 대한 분포예측모형은 출현/비출현의 형태로 나타나 있기 때문에 합산을 통하여 해당 공간에서 서식하는 종의 수를 추정할 수 있다. 결과를 살펴보면 다른 지역에 비하여 법정보호지역의 종의 서식이 많은 것으로 나타났다. 그러나 보호지역의 가장자리에 종풍부도가 높게 나타나 내부종보다는 가장자리종의 종 수가 높게 나타남을 확인할 수 있었다.
결과를 살펴보면 다른 지역에 비하여 법정보호지역의 종의 서식이 많은 것으로 나타났다. 그러나 보호지역의 가장자리에 종풍부도가 높게 나타나 내부종보다는 가장자리종의 종 수가 높게 나타남을 확인할 수 있었다. 또한 보호지역 외부에 있어서도 패치형태가 큰 지역에서의 종풍부도가 높게 나타남을 아울러 확인하였다.
그러나 보호지역의 가장자리에 종풍부도가 높게 나타나 내부종보다는 가장자리종의 종 수가 높게 나타남을 확인할 수 있었다. 또한 보호지역 외부에 있어서도 패치형태가 큰 지역에서의 종풍부도가 높게 나타남을 아울러 확인하였다.
포유류의 경우 9과 18종이 조사가 되었으며, 이 중 삵, 하늘다람쥐, 수달, 쇠족제비 등 법정보호종도 발견하였다. 조류의 경우는 34과 83종이 발견되었으며 까막딱다구리, 소쩍새, 올빼미, 새홀리기와 같은 법종보호종이 발견되었다(Table 3).
후속연구
종풍부도의 적용과 희귀종에 대한 모형의 부정확이 이 연구의 한계로 지적될 수 있다. 종풍부도는 종의 가치를 떠나 단순한 종 수의 합산을 사용했기 때문에 다양한 가치를 살펴보는 생물다양성 평가에 직접적 적용이 어렵다.
종풍부도는 종의 가치를 떠나 단순한 종 수의 합산을 사용했기 때문에 다양한 가치를 살펴보는 생물다양성 평가에 직접적 적용이 어렵다. 추후 연구에서는 종의 산술적 합산과 함께 종의 희귀정도 및 연결성 등을 적용하여 생물다양성 평가 연구에 활용해야 할 것이다. 또한 희귀종의 경우 출현자료가 부족하기 때문에 정확한 서식지 모형을 구축하기 어렵다.
본 연구의 결과는 환경부에서 수행하는 생물다양성의 평가, 보호지역의 지정 등에 자료로서의 가치가 있다. 특히 환경부의 전국자연환경조사는 전국단위로 생물상 조사로서 다양한 종의 위치자료를 수집한다.
특히 환경부의 전국자연환경조사는 전국단위로 생물상 조사로서 다양한 종의 위치자료를 수집한다. 이러한 자료는 종분포연구를 통하여 전국의 생물종풍부도 및 생물다양성 객관적 평가를 하는데 활용될 수 있다. 이 밖에도 서식지관리 및 복원, 개체군이나 군집, 생태계의 모형화, 생태계 복원, 외래종의 위험평가, 종이나 생태계에 대한 기후변화 효과 예측 등과 같은 자연자원관리 및 보전계획 등에 다양하게 활용될 수 있어 이에 대한 종합적인 연구가 장기적으로 수행되어야 할 것이다.
이러한 자료는 종분포연구를 통하여 전국의 생물종풍부도 및 생물다양성 객관적 평가를 하는데 활용될 수 있다. 이 밖에도 서식지관리 및 복원, 개체군이나 군집, 생태계의 모형화, 생태계 복원, 외래종의 위험평가, 종이나 생태계에 대한 기후변화 효과 예측 등과 같은 자연자원관리 및 보전계획 등에 다양하게 활용될 수 있어 이에 대한 종합적인 연구가 장기적으로 수행되어야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
종분포모형을 이용한 연구가 발전한 이유는 무엇인가?
최근 생물다양성에 대한 사회적 관심과 더불어 이를 정량화하거나 객관화에 필요한 위성영상, GPS(Global Positioning System), GIS(Geographic Information Science)와 공간통계모형 등의 기술 향상으로 종분포모형(Species Distributions Models)을 이용한 연구가 발전해 왔다. 종분포모형이나 서식지분포모형은 생물다양성의 평가, 보호지역의 지정, 서식지관리 및 복원, 개체군이나 군집, 생태계의 모형화, 생태계 복원, 외래종의 위험평가, 종이나 생태계에 대한 기후변화 효과 예측 등과 같은 자연자원관리 및 보전계획 등에 다양하게 이용되고 있다.
종분포모형이나 서식지분포모형은 어디에 이용되고 있는가?
최근 생물다양성에 대한 사회적 관심과 더불어 이를 정량화하거나 객관화에 필요한 위성영상, GPS(Global Positioning System), GIS(Geographic Information Science)와 공간통계모형 등의 기술 향상으로 종분포모형(Species Distributions Models)을 이용한 연구가 발전해 왔다. 종분포모형이나 서식지분포모형은 생물다양성의 평가, 보호지역의 지정, 서식지관리 및 복원, 개체군이나 군집, 생태계의 모형화, 생태계 복원, 외래종의 위험평가, 종이나 생태계에 대한 기후변화 효과 예측 등과 같은 자연자원관리 및 보전계획 등에 다양하게 이용되고 있다. 특히 종분포모형은 보전계획에 있어서 종이나 개체군, 종풍부도에 대한 지리적 분포나 개체군의 속성을 파악하여 보호가 우선되어야 할 지역을 찾거나 현재 또는 중장기적으로 위협이 될 만한 지역을 찾아내 보호지역을 설계하는데 중요한 정보를 제공한다(Scott et al.
서식지 적합성 모형의 특징은 무엇인가?
서식지 적합성 모형(Habitat Suitability Models)은 야생동물학의 자원선택이론을 기반으로 종의 생존에 필요한 서식지의 적합 정도를 나타낸다. 이러한 분석은 전문가의 견해가 반영되어 범주형 변수들이 정해지기 때문에 객관적인 평가에 어려움이 있다. 또한 대부분 종의 위치자료가 대상종의 출현자료를 위주로 수집되어 있어 있기 때문에 회귀분석을 위하여 임의 비출현자료를 생성하여 분석을 실시하기도 한다(서창완과 박종화, 2000; 이동근과 송원경, 2008; 서창완 외, 2008a). 그러나 임의 비출현 자료를 활용한 회귀분석의 모형도 비출현 자료를 임의적으로 생성하였기 때문에 정확하게 대표할 수 없다. 따라서 출현/임의비출현 모형은 출현/비출현 모형에 비하여 모형의 정확도가 낮게 나타난다(서창완 외, 2008b). 이 밖에도 생물종의 개체 수나 생물다양성지수를 종속변수로 환경변수 독립변수로 하는 선형회귀분석을 이용하기도하였다.
Elith, J., C. H. Graham, R. P. Anderson et al., 2006, Novel methods improve prediction of species' distributions from occurrence data, Ecography, Vol. 29, No. 2, pp. 129-151.
Franklin, J., 2009, Mapping Species Distributions; Spatial Inference and Prediction, Cambridge, Cambridge University Press.
Kremen, C., A. Cameron, A. Moilanen et al. 2008, Aligning conservation priorities across taxa in Madagascar with high-resolution planning tools. Science, 320, pp. 222-226.
Lehmann, A., J. M. Overton, and J. R. Leathwick, 2002, GRASP: Generalized Regression Analysis and Spatial Prediction. Ecological Modelling, Vol. 15. pp. 189-207.
Li, W. J., Z. J. Wang, Z, J. Ma and H. X. Tang. 1999. Designing the core zone in a biosphere reserve based on suitable habitats: Yancheng Biospere Reserve and the red crowned crane(Grus japonensis), Biological Conservation, Vol. 90. pp. 167-173.
Newbold T., 2010, The value of species distribution models as a tool for conservation and ecology in Egypt and Britain., PhD. thtsis, University of Nottingham
Pearson R. G., C. J. Raxworthy et al., 2007, Predicting species distributions from small numbers of occurrence records: a test case using cryptic geckos in Madagascar, Journal of Biogeography, Vol, 34, pp. 102-117.
Rho, P., 2009, Use of GIS to Develop a Multivariate Habitat Model for the Leopard Cat (Prionailurus bengalensis) in Mountainous Region of Korea, Journal of Ecology and field biology, Vol. 32, pp. 229-236.
Rodrigues, A. S. L., S. J. Andelman, M. I. Bakarr et al., 2004, Effectiveness of the global protected area network in representing species diversity. Nature, Vol. 428, pp. 640-643.
Scott, J. M., F. Davis, B. Csuti et al., 1993, Gap analysis: a geographical approach to protection of biological diversity, Wildlife Monographs, Vol. 123, pp. 1-41.
Thorn, J. S., V. Nijman, D. Smith and K. A. I. Nekaris, 2009, Ecological niche modelling as a technique for assessing threats and setting conservation priorities for Asian slow lorises (Primates: Nycticebus). Diversity and Distributions, Vol. 15. pp. 289-298.
Thuiller, W., 2003, BIOMOD: optimizing predictions of species distributions and projecting potential future shifts under global change, Global Chnage Biology, Vol. 9, pp. 1353-1362.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.