선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 이에 본고는 크게 두 가지 점에서 기존 연구를 보완하고자 시도한다. 첫째, 본고는 국립수산과학원을 통해 2006년부터 구축되어 운영되고 있는 해파리 모니터링 자료와 연안정지관측 자료를 이용하여 분석한다.
가설 설정
- εit는 개별 지역의 해파리 출현율에 대해 관찰되지 않는 특성을 의미하는 오차항으로 추정을 위해 설명변수와 서로 독립적이라고 가정한다.
제안 방법
- 본고의 분석 대상인 6개 지역은 확률적으로 선택된 표본이 아니므로 지역의 관찰되지 않은 특성이 다른 설명변수와 상관되어 있다고 보는 것이 타당하다. 따라서 본고는 고정효과 모형으로 분석한다.
- 본고의 회귀분석에 사용되는 종속변수는 중도 절단된 형태이므로 패널 토빗 모형의 분석 결과를 채택하되 일반적인 선형 패널 모형과 0이 아닌 관측치에 대해서만 분석한 선형 패널 모형의 추정 결과를 참고적으로 제시하였다.
- 설명변수에는 해파리 발생 주기가 1년이고 발생에 영향을 미치는 시점의 특성을 고려하기 위해 연도별 더미변수를 포함하였다. ηi는 시간불변적인(time-invariant) 설명변수로 해파리 기원 지역과의 거리 등 해당 지역의 고유한 특성을 나타낸다.
- 실제 분석에서 표층수온의 경우 선형적인 효과 이외에 체감·체증 효과를 함께 보기 위해 제곱 변수를 포함하였다.
- 연안정지관측 자료를 해파리 모니터링 자료와 연결하기 위해 일간 단위를 주간 단위로, 조사 정점이 속한 광역시·도 단위로 평균치를 산정하였다.
- 해파리 출현율에 영향을 미치는 변수로는 표층 수온, 풍속, 우천일수를 들 수 있다. 이 가운데 풍속, 우천일수는 해파리의 생태보다는 모니터링에 영향을 미쳐 출현율에 영향을 주는 변수로 고려하였다. 평균 표층수온은 부산·경남이 높았고, 전북, 경북, 강원, 인천의 순이었다.
- 이에 본고는 그동안 축적된 해파리 모니터링 자료와 연안정지관측 자료를 이용하여 다른 요인의 영향을 통제할 수 있는 계량경제학적인 방법으로 해파리 출현과 표층수온 간의 관계를 실증적으로 분석하였다. 지역의 고유한 특성을 통제하기 위해 고정효과 패널 모형을 이용하였고 0의 관측치가 많다는 점을 고려하여 패널 토빗 모형을 적용하였다.
대상 데이터
- 본고의 분석을 위해 사용하는 자료는 국립수산과학원의 해파리 모니터링 자료와 연안정지관측 자료이다. 해파리 모니터링 자료는 전국 연안의 약 300명의 어업인, 70명의 공무원으로 구성된 모니터링체제를 통해 해파리 종류별·지역별로 주간 단위로 집계된 것으로 매년 5월부터 12월까지의 자료가 구축되어 있다.
- 분석에 사용되는 자료는 6개 집단(광역시·도)의 1~300차주에 해당하는 패널 자료이다.
- 이에 따라 분석에 사용된 자료는 6개 집단(광역시·도)의 300개(주간)의 시계열로 구성되며 전체 관측치 수는 집단별로 일부 결측치가 있어 1,777개이다.
- 즉 실제 분석에 사용된 자료는 연안정지관측 자료의 제약으로 6개 광역시·도에 국한된다.
- 이에 본고는 크게 두 가지 점에서 기존 연구를 보완하고자 시도한다. 첫째, 본고는 국립수산과학원을 통해 2006년부터 구축되어 운영되고 있는 해파리 모니터링 자료와 연안정지관측 자료를 이용하여 분석한다. 전자는 지역별로 주간 단위로 노무라입깃해파리, 보름달물해파리, 기타해파리로 구분하여 출현율이 조사되어 있고, 후자는 전국 연안의 34개 정점에 대해 일간 단위로 수온, 기온, 천기 등이 관측되고 있다.
- 해파리 모니터링은 2006년부터 시작되었으나 지역별로 주간 단위로 집계된 것은 2010년부터이고 모니터링체제가 안정화되는 기간을 감안하여 실제 분석에는 2010년부터 최근(2015년 9월)까지의 자료를 이용한다. 해파리 모니터링 자료의 관측 값은 해파리의 출현율(%)로 이는 전체 모니터링 요원 중 해파리를 관측한 모니터링 요원 수의 비율로 산정된다.
이론/모형
- 이 경우 비선형 모형이므로 선형 패널 모형에서 보편적인 평균편차(mean deviation) 방식으로는 고정효과가 사라지지 않는다. Honore(1992)가 이를 분석할 수 있는 방법을 제시하였는데 본고는 이를 적용하였다.2) 비선형 패널의 경우 패널 시계열이 충분히 길지 않으면 고정효과 추정치의 일치성에 문제가 발생하는 것으로 알려져 있으나(Cameron and Trivedi, 2005), 본고의 분석 대상은 패널 시계열이 300개에 이르기 때문에 이러한 문제에서 벗어날 수 있다고 판단된다.
- 둘째, 본고는 해파리 출현율과 수온 간의 관계를 분석함에 있어 지역별 시계열 자료에 기초한 패널 모형(Panel Model)을 사용하는데, 지역별 집계 자료라는 점에서 확률효과(random effects) 모형보다는 고정효과(fixed effects) 모형을 사용한다. 또한 자료가 주간 단위이므로 상당수의 관측치가 0으로 나타나는데 이 경우 통상적인 회귀분석을 적용하면 추정치의 편의가 발생하고 일치성(consistency)이 상실된다는 것은 잘 알려져 있다.
- 또한 자료가 주간 단위이므로 상당수의 관측치가 0으로 나타나는데 이 경우 통상적인 회귀분석을 적용하면 추정치의 편의가 발생하고 일치성(consistency)이 상실된다는 것은 잘 알려져 있다. 이를 해결하기 위해 흔히 토빗(Tobit)이라 불리는 방법을 사용하는데, 본고는 패널 모형에 이를 적용한 패널 토빗 모형(Panel Tobit Model)으로 분석한다.
- 이상을 종합하면 본고는 패널 모형 분석 방법 중 고정효과 모형을 채택하고 중도절단된 형태를 고려하기 위해 토빗 모형을 적용하여 고정효과 패널 토빗 모형으로 분석한다. 이 경우 비선형 모형이므로 선형 패널 모형에서 보편적인 평균편차(mean deviation) 방식으로는 고정효과가 사라지지 않는다.
- 이에 본고는 그동안 축적된 해파리 모니터링 자료와 연안정지관측 자료를 이용하여 다른 요인의 영향을 통제할 수 있는 계량경제학적인 방법으로 해파리 출현과 표층수온 간의 관계를 실증적으로 분석하였다. 지역의 고유한 특성을 통제하기 위해 고정효과 패널 모형을 이용하였고 0의 관측치가 많다는 점을 고려하여 패널 토빗 모형을 적용하였다. 설명변수로는 수온뿐만 아니라 해파리 관측에 영향을 주는 기상 요인, 연도별 특이성을 반영하는 더미변수를 포함하였다.
성능/효과
- 1) 평균 우천일수는 강원·인천·경남· 전북이 높았고 경북·부산이 낮았다
- [Table 3]은 보름달물해파리의 출현율에 대한 모형 추정 결과이다. 노무라입깃해파리와 마찬가지로 표층수온에 대해서는 양의 값이지만 표층수온 제곱에 대해서는 계수가 유의하지 않아 표층수온과 양의 방향으로 선형적인 관계가 있는 것으로 나타났다. 풍속등급이 높을수록 출현율이 유의하게 낮아져 보름달물해파리가 강풍이 불 때 관측되기 어려운 것으로 해석된다.
- 분석 결과, 노무라입깃해파리, 보름달물해파리, 기타해파리 모두 표층수온에 대해 양의 선형적인 관계가 확인되었다. 이는 다른 요인이 동일하다고 가정할 경우 기후변화에 따라 표층수온이 상승하면 해파리 출현이 증가한다는 의미로 해석할 수 있다.
- 4) 보름달물해파리와 마찬가지로 개별 시점의 특성은 없는 것으로 파악된다. 선형 패널 모형의 추정 결과는 노무라입깃해파리, 보름달물해파리와 같이 표층수온에 대해 출현율이 체증하는 것으로 나타났다.
- 기타해파리는 경남에서 가장 높았고 경북, 부산, 강원 순이었으며 인천·전북은 미미하게 나타났다. 이상의 결과로 볼 때 해파리 종류별로, 지역별로 특성이 있음을 알 수 있다.
- 패널 토빗 모형을 기준으로 하면 표층수온에 대해서는 양(陽)의 값이지만 표층수온 제곱에 대해서는 계수가 유의하지 않아 표층수온에 대해 체증 또는 체감하기보다는 양의 방향으로 선형적인 관계가 있음을 나타낸다. 풍속등급은 유의하지 않은 반면 우천일수는 음(陰)의 값으로 유의하여 기상이 좋지 않은 날에 관측하기 어려운 것으로 확인되었다. 이는 노무라입깃해파리가 출현했음에도 불구하고 기상 조건이 좋지 않아 관측되지 않을 개연성이 크다는 점으로 해석된다.
- 연도별 더미는 모두 유의하지 않아 2010년과 대비하여 개별 시점의 특성은 없는 것으로 추정된다. 한편 선형 패널 모형의 추정 결과는 표층수온에 대해 체증하는 결과가 얻어졌고, 0이 아닌 관측치만을 분석하면 표층수온에 대해 유의한 계수가 도출되지 않았다.
- 패널 자료이므로 광역시·도별로 기초 통계량을 정리하면 [Table 1]과 같다. 해파리 종류별로 전체적으로 보면 보름달물해파리의 평균 출현율이 가장 높고, 노무라입깃해파리, 기타해파리의 순이었다. 지역별로 노무라입깃해파리의 평균 출현율은 인천·경북·전북에서 높았고 다른 지역은 낮았는데 강원에서 특히 낮게 나타났다.
- 해파리의 종류별로 표층수온에 대한 관계를 살펴보면 패널 토빗 모형에서 모두 양의 방향으로 선형적인 관계를 보이고 있으나 계수 값은 보름달물해파리가 가장 크고 노무라입깃해파리가 그 다음이며 기타해파리가 가장 낮았다. 이는 해파리 출현 시 보름달물해파리가 수온 상승에 가장 민감하게 반응하여 확산하고 노무라입깃해파리가 그 다음이며, 기타해파리가 상대적으로 덜 민감하게 반응하여 확산하는 것으로 풀이할 수 있다.
후속연구
- 2010). 그리고 장기적으로 정밀한 자료가 구축 되어 기후변화에 의한 추세적인 부분과 Condon et al(2013)이 제기하는 해양의 주기적인 부분의 효과를 가려낸다면 향후 해파리 발생의 예측과 대응에 큰 도움이 될 것이다.
- 다만 자료의 제약으로 분석 대상이 6개 광역시·도로 한정된다는 점은 본고의 한계이다.
- 본고의 분석 결과에 기초할 때 수산분야의 기후변화 취약성 평가 시 해파리를 기후노출의 대리지표로 활용할 수 있을 것으로 판단된다. 다만 자료의 제약으로 분석 대상이 6개 광역시·도로 한정된다는 점은 본고의 한계이다.
- 그러나 기후변화 취약성 지표로 활용하기 위해서는 한층 더 과학적인 근거가 필요하다고 판단된다. 수온과 해파리 발생을 다룬 기존 연구로 NFRDI(2013) 이외에는 찾아보기 힘든데, 이 연구는 노무라입깃해파리 기원지로 추정되는 황해 연안 5개 지역의 표층수온 변동과 해파리 출현량의 상관성을 확인하였으나 통계적으로 유의한 결과를 얻지 못하였다.
- 다만 자료의 제약으로 분석 대상이 6개 광역시·도로 한정된다는 점은 본고의 한계이다. 이에 대해서는 국립수산과학원의 실시간 어장정보 자료, 기상청의 기상관측 자료 등을 활용하면 이러한 점을 보완할 수 있을 것으로 여겨진다.5) 그렇지만 근본적으로는 육안 조사에 의존하여 특정 기간에만 가동되는 현재의 모니터링체제를 영국과 같이 인공위성을 활용한 모니터링으로 보완하여 분석 자료의 정밀도를 제고할 필요가 있다(Nickell et al.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.