종분포모형은 생물다양성 평가, 보호지역 지정, 서식지 관리 및 복원, 기후변화 예측 등의 다양한 분야에 활용되고 있으나 공공이나 정책분야에서는 모형의 불확실성으로 인하여 활용이 제한적이었다. 최근에는 이러한 모형의 불확실성을 저감하기 위하여 앙상블이나 합의모형 등의 다중모형을 적용하는 연구가 증가하고 있다. 이에 본 연구에서는 히어리를 대상으로 단일모형과 앙상블(다중) 모형을 적용하고 이를 비교하는 연구를 수행하였다. 모형은 AUC와 kappa, TSS를 이용하여 적합도를 평가하였으며, 이 중 모형 간의 비교가 용이하고 이항형 지도로 바로 변환할 수 있는 TSS가 효과적이었다. 단일모형과 앙상블 모형 모두 높은 모형적합도를 나타내었으며, 다중 모형 중에서는 RF, Maxent, GBM이 높게, GAM, SRE는 비교적 낮게 평가되었다. 예측지도에서는 단일모형에 비해 다중모형의 예측범위가 과대 추정되는 경향이 있었다. 이는 여러 모형이 중첩된 결과로 현장전문가와 모형전문가들 간의 협력연구를 통하여 적절한 모형 선택과 가중치 부여 등을 통하여 문제를 해결할 수 있다. 앙상블모형을 공간의사결정이나 보호지역계획에 활용하기 위해서는 불확실성의 정도와 원인을 파악하고, 이를 저감하려는 개선작업과 함께 결과의 불확실성이나 위험성을 인지하고 의사결정을 해야 한다.
종분포모형은 생물다양성 평가, 보호지역 지정, 서식지 관리 및 복원, 기후변화 예측 등의 다양한 분야에 활용되고 있으나 공공이나 정책분야에서는 모형의 불확실성으로 인하여 활용이 제한적이었다. 최근에는 이러한 모형의 불확실성을 저감하기 위하여 앙상블이나 합의모형 등의 다중모형을 적용하는 연구가 증가하고 있다. 이에 본 연구에서는 히어리를 대상으로 단일모형과 앙상블(다중) 모형을 적용하고 이를 비교하는 연구를 수행하였다. 모형은 AUC와 kappa, TSS를 이용하여 적합도를 평가하였으며, 이 중 모형 간의 비교가 용이하고 이항형 지도로 바로 변환할 수 있는 TSS가 효과적이었다. 단일모형과 앙상블 모형 모두 높은 모형적합도를 나타내었으며, 다중 모형 중에서는 RF, Maxent, GBM이 높게, GAM, SRE는 비교적 낮게 평가되었다. 예측지도에서는 단일모형에 비해 다중모형의 예측범위가 과대 추정되는 경향이 있었다. 이는 여러 모형이 중첩된 결과로 현장전문가와 모형전문가들 간의 협력연구를 통하여 적절한 모형 선택과 가중치 부여 등을 통하여 문제를 해결할 수 있다. 앙상블모형을 공간의사결정이나 보호지역계획에 활용하기 위해서는 불확실성의 정도와 원인을 파악하고, 이를 저감하려는 개선작업과 함께 결과의 불확실성이나 위험성을 인지하고 의사결정을 해야 한다.
Species distribution models have been widely applied in order to assess biodiversity, design reserve, manage habitat and predict climate change. However, SDMs has been used restrictively to the public and policy sectors owing to model uncertainty. Recent studies on ensemble and consensus models have...
Species distribution models have been widely applied in order to assess biodiversity, design reserve, manage habitat and predict climate change. However, SDMs has been used restrictively to the public and policy sectors owing to model uncertainty. Recent studies on ensemble and consensus models have been increased to reduce model uncertainty. This paper was carried out single model and multi model for Corylopsis coreana and compares two models. First, model evaluation was used AUC, kappa and TSS. TSS was the most effective method because it was easy to compare several models and convert binary maps. Second, both single and ensemble model show good performance and RF, Maxent and GBM was evaluated higher, GAM and SRE was evaluated lower relatively. Third, ensemble model tended to overestimate over single model. This problem can be solved by the suitable model selection and weighting through collaboration between field experts and modeler. Finally, we should identify causes and magnitude of model uncertainty and improve data quality and model methods in order to apply special decision-making support system and conservation planning, and when we make policy decisions using SDMs, we should recognize uncertainty and risk.
Species distribution models have been widely applied in order to assess biodiversity, design reserve, manage habitat and predict climate change. However, SDMs has been used restrictively to the public and policy sectors owing to model uncertainty. Recent studies on ensemble and consensus models have been increased to reduce model uncertainty. This paper was carried out single model and multi model for Corylopsis coreana and compares two models. First, model evaluation was used AUC, kappa and TSS. TSS was the most effective method because it was easy to compare several models and convert binary maps. Second, both single and ensemble model show good performance and RF, Maxent and GBM was evaluated higher, GAM and SRE was evaluated lower relatively. Third, ensemble model tended to overestimate over single model. This problem can be solved by the suitable model selection and weighting through collaboration between field experts and modeler. Finally, we should identify causes and magnitude of model uncertainty and improve data quality and model methods in order to apply special decision-making support system and conservation planning, and when we make policy decisions using SDMs, we should recognize uncertainty and risk.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
앙상블 모형의 결과는 개별모형의 단점들을 최소화하고 장점들을 최대화하는 방식을 통해 전체 모형을 대표하며, 이에 따른 개별모형의 불확실성을 나타낼 수 있는 장점이 있다. 국내에 서식하는 히어리를 대상으로 단일 모형과 앙상블모형 같은 다중 모형과의 차이점을 살펴보고 불확실성 원인 파악과 저감방안을 통해 향후 환경계획의 활용가능성에 대해 논의해 보고자 한다.
본 연구에서는 종분포모형이 가지는 다양한 불확실성의 원인들 중 통계모형이 가지는 불확실성을 최소화하고자 다중 모형인 앙상블 모형을 적용하고자 하였다(Buisson et al., 2010). 앙상블 모형의 결과는 개별모형의 단점들을 최소화하고 장점들을 최대화하는 방식을 통해 전체 모형을 대표하며, 이에 따른 개별모형의 불확실성을 나타낼 수 있는 장점이 있다.
이에 본 연구에서는 히어리를 대상으로 단일모형과 앙상블 모형을 구현하고 이를 비교하는 연구를 수행하였다. 아울러 모형의 불확실성을 평가하고 이에 따른 원인을 파악하고 저감방안을 제안하고자 하였다.
최근에는 이러한 모형의 불확실성을 저감하기 위하여 앙상블모형이나 합의모형 등을 활용하는 연구가 활발하게 이루어지고 있다. 이에 본 연구에서는 히어리를 대상으로 단일모형과 앙상블 모형을 구현하고 이를 비교하는 연구를 수행하였다. 아울러 모형의 불확실성을 평가하고 이에 따른 원인을 파악하고 저감방안을 제안하고자 하였다.
제안 방법
앙상블모형의 경우에는 100개의 의사 비출현 자료 10세트를 5회 교차 검증하여 총 50개의 검증 결과를 도출하였다. 각 검증 방법 3개씩 10가지의 모형을 시행하여 총 1,500회의 모형이 시행되었다. 10개의 모형을 살펴보면 RF, Maxent, GBM이 높게 평가되었으며, GAM, SRE는 낮게 평가되었다.
모형 검증은 훈련자료(training data)와 시험자료(test data)를 80대 20으로 나누어 5회 반복 실시하였다.
3k*을 이용하였으며, 모형평가를 위해 5회의 교차 분석을 실시하였다. 모형의 결과로 나오는 확률예측분포를 sensitivity와 specificity의 합이 최대가 되는 값으로 출현과 비출현 지역으로 나누었다(Jeon et al., 2014).
, 2009). 본 연구에서는 모형 간의 차이를 알아보기 위하여 패키지에서 제공하는 모든 종분포모형들을 수행하였다(Generalized Linear Models(GLM), Generalized Additive Models (GAM), Multivariate Adaptive Regression Splines (MARS), Classification Tree Analysis (CTA), Mixture Discriminant Analysis (MDA), Artificial Neural Networks (ANN), Generalized Boosted Models (GBM), Rectilinear Envelope Similar to BIOCLIM (SRE), Random forest (RF), Maxent(Maximum entropy algorithm)). 이 모형들은 통계 기반으로 한 GLM, GAM, MARS 와 기계학습을 기반으로 CTA, MDA, ANN, GBM, SRE, RF, Maxent로 크게 나눌 수 있다(Franklin, 2009).
, 2009). 불확실성이 높은 지역으로 강원도 지역의 일부를 예측하였다. 이는 예측된 범위가 출현위치 자료에 비해 넓게 예측되었기 때문으로 보인다.
이를 위하여 의사 비출현 자료(psuedo-absence data)를 생성하였다. 의사 비출현 자료의 편향이 없도록 하기 위하여 100개의 의사 비출현 지역을 임위 표본화 하는 방법으로, 10회 반복하여 모형을 구현하였다(Barbet-Massin et al. 2012). 자료 처리 및 지도 작성은 ArcGIS ver.
전국자연환경조사는 출현 자료로, Maxent와 SRE를 제외하면 모두 출현-비출현 형태의 이항형 입력 자료가 필요한 모형이다. 이를 위하여 의사 비출현 자료(psuedo-absence data)를 생성하였다. 의사 비출현 자료의 편향이 없도록 하기 위하여 100개의 의사 비출현 지역을 임위 표본화 하는 방법으로, 10회 반복하여 모형을 구현하였다(Barbet-Massin et al.
대상 데이터
기후자료는 Worldclim에서 제공하는 Bioclim자료를 사용하였으며, 변수들 간의 높은 자기상관을 보일 수 있어 19개의 Bioclim 자료 중 PCA분석을 통하여 전체 변수를 대표할 수 있는 7개의 변수(Bio1, Bio4, Bio10, Bio11, Bio12, Bio16, Bio17)를 선택 하였다(Seo et al. 2009; Kwon et al., 2012a).
모형에 사용되는 히어리의 위치는 1997년에서 2012년까지 제2·3차 전국자연환경조사에서 수집된 자료를 이용하였다(Fig. 1).
앙상블모형의 경우에는 100개의 의사 비출현 자료 10세트를 5회 교차 검증하여 총 50개의 검증 결과를 도출하였다. 각 검증 방법 3개씩 10가지의 모형을 시행하여 총 1,500회의 모형이 시행되었다.
데이터처리
, 2012). 본 연구에서는 무료로 배포되는 MaxEnt 3.3.3k*을 이용하였으며, 모형평가를 위해 5회의 교차 분석을 실시하였다. 모형의 결과로 나오는 확률예측분포를 sensitivity와 specificity의 합이 최대가 되는 값으로 출현과 비출현 지역으로 나누었다(Jeon et al.
이론/모형
모형의 평가를 위해 AUC와 kappa, TSS를 적용하였으며, 이 중 모형의 비교가 용이하고 이항형 지도로 변환할 수 있는 장점을 가진 TSS 평가방법이 용이하였다. 단일모형과 다중모형 모두 높은 모형적합도를 나타내었다.
앙상블 모형과 비교하기 위한 단일모형으로는 출현 자료만을 이용하는 기계학습모형인 Maxent를 적용하였다. 전국자연환경조사의 특성상 출현자료만을 수집하는 방식이므로 이를 이용한 단일모형으로는 Maxent가 가장 효과적이다(Franklin, 2009; Kwon, 2010; Kim et al.
2012). 자료 처리 및 지도 작성은 ArcGIS ver. 9.3을 이용하였다.
히어리의 분포를 예측하기 위한 앙상블모형으로 R 패키지인 BIOMOD2를 이용하였다(Thuiller et al., 2009). 본 연구에서는 모형 간의 차이를 알아보기 위하여 패키지에서 제공하는 모든 종분포모형들을 수행하였다(Generalized Linear Models(GLM), Generalized Additive Models (GAM), Multivariate Adaptive Regression Splines (MARS), Classification Tree Analysis (CTA), Mixture Discriminant Analysis (MDA), Artificial Neural Networks (ANN), Generalized Boosted Models (GBM), Rectilinear Envelope Similar to BIOCLIM (SRE), Random forest (RF), Maxent(Maximum entropy algorithm)).
성능/효과
각 검증 방법 3개씩 10가지의 모형을 시행하여 총 1,500회의 모형이 시행되었다. 10개의 모형을 살펴보면 RF, Maxent, GBM이 높게 평가되었으며, GAM, SRE는 낮게 평가되었다. 그러나 각 검증방법들의 기준들에서 살펴보면 모형이 모두 잘 구현되었다.
단일모형과 다중모형 모두 높은 모형적합도를 나타내었다. 다중모형에서는 RF, Maxent, GBM이 높게 평가되었으며 GAM, SRE는 비교적 낮게 평가되었다. 단일모형에 비해 다중모형의 예측범위가 과대 추정되는 경향이 있었다.
모형의 평가를 위해 AUC와 kappa, TSS를 적용하였으며, 이 중 모형의 비교가 용이하고 이항형 지도로 변환할 수 있는 장점을 가진 TSS 평가방법이 용이하였다. 단일모형과 다중모형 모두 높은 모형적합도를 나타내었다. 다중모형에서는 RF, Maxent, GBM이 높게 평가되었으며 GAM, SRE는 비교적 낮게 평가되었다.
후속연구
반면 Maxent 모형은 앙상블모형과 중첩되는 지리산과 전남 백운산, 조계산으로 이어지는 산림에서 서식지역이 분리되지 못하고 뭉치는 경향을 보이고 있다. 이러한 모형간의 차이들은 향후 해당 현장 전문가들과의 협업을 통해 최적화된 모형을 선택하는 방법을 구현해 볼 수 있을 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
히어리란?
히어리(Corylopsis coreana)는 Fig. 1과 같이 지리산 일대의 남부지역과 경기도 북부, 강원도 일부 지역에 고립되어 서식하는 특산식물로, 멸종위기야생동식·물Ⅱ급으로 지정된 바 있다. 히어리와 같은 속인 Corylopsis pauciflora와 일본의 Corylopsis spicata도 IUCN과 일본의 적색목록에 등재될 정도로 보호가 필요한 식물이다.
종분포모형의 활용과 그 한게점은?
종분포모형은 생물다양성 평가, 보호지역 지정, 서식지 관리 및 복원, 기후변화 예측 등의 다양한 분야에 활용되고 있으나 공공이나 정책분야에서는 모형의 불확실성으로 인하여 활용이 제한적이었다. 최근에는 이러한 모형의 불확실성을 저감하기 위하여 앙상블이나 합의모형 등의 다중모형을 적용하는 연구가 증가하고 있다.
종분포모형의 불확실성을 극복하기 위해 제시된 연구는?
종분포모형은 생물다양성 평가, 보호지역 지정, 서식지 관리 및 복원, 기후변화 예측 등의 다양한 분야에 활용되고 있으나 공공이나 정책분야에서는 모형의 불확실성으로 인하여 활용이 제한적이었다. 최근에는 이러한 모형의 불확실성을 저감하기 위하여 앙상블이나 합의모형 등의 다중모형을 적용하는 연구가 증가하고 있다. 이에 본 연구에서는 히어리를 대상으로 단일모형과 앙상블(다중) 모형을 적용하고 이를 비교하는 연구를 수행하였다.
참고문헌 (23)
Allouche, Omri, Asaf Tsoar, and Ronen Kadmon. 2006, Assessing the accuracy of species distribution models: prevalence, kappa and the True Skill Statistic (TSS), Journal of Applied Ecology, Vol.43, No.6, pp.1223-1232.
Araujo, M.B., R.J. Whittaker, R.J. Ladle and M. Erhard, 2005, Reducing uncertainty in projections of extinction risk from climate change. Global Ecology and Biogeography, Vol. 14, pp.529-538.
Barbet-Massin, M., F. Jiguet, C.H. Albert, and W. Thuiller, 2012, Selecting Pseudo-absences for species distribution models: how, where and how many?, Methods in Ecology and Evolution, Vol.3, No.2, pp.327-338.
Braunisch, V., J. Coppes, R. Arlettaz, R. Suchant, H. Schmid and K. Bollmann, 2013, Selecting from correlated climate variables: a major source of uncertainty for predicting species distributions under climate change. Ecography, Vol.36, No.1, pp.1-13.
Buisson, L., W. Thuiller, N. Casajus, S. Lek and G. Grenouillet, 2010, Uncertainty in ensemble forecasting of species distribution. Global Change Biology, Vol.16, No.4, pp.1145-1157
Elith, J. and J.R. Leathwick, 2009, Species Distribution Models: Ecological explanation and prediction across space and time, Annual Review of Ecology, Evolution, and Systematics, Vol.40, No.1 pp.677-697.
Flather, C.H., K.R. Wilson, D.J. Dean and W.C. McComb, 1997, Identifying gaps in conservation networks : of indicators and uncertainty in geographic-based analyses. Ecological Applications, Vol.7, No.2, pp.531-542.
Franklin, J., 2009. Mapping species distributions spatial inference and prediction, 1st ed., New York: Cambridge University Press.
Jeon, S.W., J. Kim, H. Jung, W.K. Lee and J.S. Kim, 2014, Species distribution modeling of endangered mammals for ecosystem services valuation; focused on national ecosystem survey data, J. Korean Env. Res. Tech., Vol.17, No.1, pp.111-122.
Kim, H., 2012, (A) study on the method establishing protected areas for the prediction of habitat distribution changes of living species by climate change : focused on forest vegetations, birds and amphibians, Master's thesis, Seoul National University.
Kim, J., C. Seo, H. Kwon, J.E. Ryu, and M. Kim, 2012, A study on the species distribution modeling using national ecosystem survey data, Journal of Environmental Impact Assessment, Vol.21, No.4, pp.593-607.
Kwon, H., 2011, Integrated evaluation model of biodiversity for conservation planning: focused on Mt. Jiri, Mt. Deokyu and Mt. Gaya regions, Doctoral dissertation, Seoul National University.
Kwon, H., C. Seo and C. Park, 2012c, Development of species distribution models and evaluation of species richness in Jirisan region, Korean Society for Geospatial Information System, Vol.20, No.3, pp.11-18.
Kwon, H., J.E. Ryu, C. Seo, J. Kim, D.O. Lim and M.H. Suh, 2012a, A study on distribution characteristics of corylopsis coreana using SDM, Journal of Environmental Impact Assessment, Vol.21, No.5, pp.735-743.
Kwon, H., J.E. Ryu, C. Seo, J. Kim, J. .Tho, M.H. Suh and C. Park, 2012b, Climatic and environmental effects on distribution of narrow range plants, Vol.15, No.6, pp.17-27.
Meller, L., M. Cabeza, S. Pironon, M. Barbet-Massin, L. Maiorano, D. Georges and W. Thuiller, 2014, Ensemble distribution models in conservation prioritization: from consensus predictions to consensus reserve networks, Diversity and Distributions Vol.20 pp.309-321.
Rodder, D., J. Kielgast, J. Bielby, S. Schmidtlein, J. Bosch, T.W.J. Garner, M. Veith, S. Walker, M.C. Fisher and S. Lotters, 2009, Global amphibian extinction risk assessment for the Panzootic Chytrid Fungus, Diversity, Vol.1, pp.52-66.
Seo, C., J.H. Thorne, L. Hannah and W. Thuiller, 2009, Scale Effects in species distribution models: implications for conservation planning under climate change, Biology Letters, Vol.5, No.1, pp.39-43.
Song, W. and E. Kim, 2012, A comparison of machine learning species distribution methods for habitat analysis of the Korea water deer (Hydropotes inermis argyropus), Korean Journal of Remote Sensing, Vol.28, No.1, pp.171-180.
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, No.2, pp.289-298.
Thuiller, W., B. Lafourcade, R. Engler and M.B. Araujo, 2009, BIOMOD - a platform for ensemble forecasting of species distributions, Ecography, Vol.32, No.3, pp.369-373.
Yun, J.H., K. Nakao, C.H. Park, B.Y. Lee and K.H. Oh, 2011, Change prediction for potential habitats of warm-temperate evergreen broad-leaved trees in Korea by climate change, Kor. J. Env. Eco., Vol. 25, No.4. pp.171-180.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.