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
- 기후변화에 의한 생물다양성 보전을 위해서는 지표생물의 선정 및 민감성 평가가 필수적이지만, 지표생물의 민감성 평가에 대한 국내 연구는 미진한 편이다(유가영과 김인애, 2008). 따라서 본 연구는 대표적 아고산식물이며 국가기후변화생물지표로 선정된 구상나무와 분비나무의 위치자료를 수집하여 1)두 종간 환경, 지리적 분포 비교, 2)기후변화 시나 리오에 의한 분포지 예측 3)기후변화 민감성 평가를 실시하여 아고산식물의 서식지내(In-situ) 보전을 위한 의사결정 방법 및 기후변화 적응 정책을 위한 기초자료 제공을 위해 시행되었다.
- 본 연구는 기후변화에 취약할 것으로 예상되는 아고산식물을 대상으로 기후변화 민감성평가를 시도하였으며 결과는 다음과 같다.
제안 방법
- 기후변화 민감성 평가는 1) 종 분포 모형에 의해 예측된 확률을 바탕으로 한 분포지의 면적 감소율, 2) 종이 분포하는 현재 위치의 확률 변화를 이용하여 계산하였다.
- 3) 기후변화에 의한 민감성 평가는 기후변화에 의한 잠재 분포지 면적 감소율 및 현재 종이 분포하는 위치의 확률을 이용한 스칼라 민감도(Wis)를 사용하였다.
- 미래 기후변화에 의한 분포지 예측을 위해 사용한 기후변화 시나리오는 온실가스가 저감 없이 현재 추세로 배출되는 경우를 가정한 RCPs 8.5를 적용하였고 예측 시기는 2050년(2041~2060년의 평균), 2070년(2061년~2080년 평균)이다. RCPs 8.
- 본 연구는 종 분포 모형을 이용하여 미래 분포 확률을 예측하고 분포 확률을 이용하여 두 가지 방법으로 민감성을 평가하였다. 분포지의 면적 감소율을 이용한 평가에서는 분비나무의 면적 감소율이 구상나무보다 과도하게 예측되었다.
- , 2013). 본 연구에서는 식물의 분포 제한 요인으로 작용할 수 있는 공간적 변수를 최대한 활용하였다. 그러나 예상하지 못한 식물 분포 제한 요인이 있을 수 있다.
- 본 조사에서 수집한 구상나무와 분비나무의 위치자료는 종 분포 모형의 설명변수로 사용하였고, 표본 편향(sampling bias)에 의한 위치자료의 공간적 자기상관(spatially autocorrelated occurrence points)을 방지하기 위해 1km 이내 중복되는 위치자료를 제거 하였다(Segurado et al., 2006; Betts et al., 2006; Dormann, 2007; Pearson et al., 2007; Veloz, 2009; McCormack et al., 2010; Warren and Seifert, 2011; Naimi et al., 2011). 중복 위치자료의 제거는 ArcGIS의 toolbox로 개발된 SDM Toolbox v1.
- 본 연구에서는 국립농업과학원의 정밀토양도를 사용하였으며, 정밀토양도 중 표토와 모암 정보를 사용하였다. 지리적 요소는 고도, 경사, 향을 사용하였고 경사와 향은 DEM(Digital Elevation Model)을 이용하여 분석하였다(Table 2). 환경변수 공간 해상도는 100m2이며, 파일 형식의 변환, 공간 해상도 편집 등은 ESRI사의 ArcGIS(ver 10.
- 첫번째로 잠재 분포지의 면적 감소율은 종 분포 모형에 의해 예측된 공간 분포 확률을 잠재 분포지와 비분포지의 이항형 지도(binary map)로 변환하고 현재 분포에 대한 미래 분포의 감소율을 계산하였다(식 1). 잠재 분포지과 비분포지 구분의 임계값(threshold)은 모형의 민감도(sensitivity)와 특이도(specificity)의 합이 최대가 되는 ‘Maximum training sensitivity plus specificity (MTSS)’값을 기준으로 하였다(Liu et al.
대상 데이터
- 5를 적용하였고 예측 시기는 2050년(2041~2060년의 평균), 2070년(2061년~2080년 평균)이다. RCPs 8.5는 Worldclim에서 제공하는 자료를 사용하였다(Hijmans et al., 2005).
- , 2005). Worldclim은 생물의 서식과 관련된 19개의 자료를 제공한다. 그러나 19개의 bioclim은 다중공선성(Multicollinearity)이 발생될 수 있다(Watling et al.
- 기존 조사는 제3차 전국자연환경조사(http://library.me.go.kr)와 백두대간 보호지역 생태계조사(국립환경과학원, 2007a; 2007b; 2008; 2009; 2010)를 사용하였다. 전국자연환경조사와 백두대간 보호지역 생태계조사의 위치자료 수집은 각 조사 자료의 식생 부분에서 구상나무와 분비나무가 기록된 식생조사표의 좌표를 이용하였다.
- , 2012). 기후는 생물의 서식지분포에 중요한 요소이며 본 연구에서는 생물기후를 제공하는 Worldclim의 bioclim의 자료를 이용하였다(Hijmans et al., 2005). Worldclim은 생물의 서식과 관련된 19개의 자료를 제공한다.
- 따라서 19개 bioclim의 상관분석을 실시하여 강한 상관관계(｜r｜>0.75)를 나타내는 bioclim를 제외하고 상관성이 낮은 6개의 bioclim을 변수로 선정하였다(Table 1).
- 본 연구에서 구상나무의 MTSS는 0.1132이며, MTSS를 기준으로 예측된 현재기후의 잠재분포지는 48.4km2이었다. RCPs 8.
- , 1999; Jobbagy and Jackson, 2001; Cousins and Lindborg, 2004). 본 연구에서는 국립농업과학원의 정밀토양도를 사용하였으며, 정밀토양도 중 표토와 모암 정보를 사용하였다. 지리적 요소는 고도, 경사, 향을 사용하였고 경사와 향은 DEM(Digital Elevation Model)을 이용하여 분석하였다(Table 2).
- 본 연구에서는 현지 조사와 기존 조사에 의해 위치 자료를 수집하였다. 현지 조사는 2007년부터 2014 년까지 남한에서 수집하였고 위치자료 수집은 구상 나무와 분비나무 분포지에서 GPS(Global Positioning System)좌표를 기록하였다(Figure 1).
- 현장 조사 및 기존 조사를 통해 수집한 구상나무의 위치 자료는 86개, 분비나무는 82개이다. 위치자료 및 커널 밀도 분석결과 구상나무는 덕유산, 지리산, 가야산, 영축산, 한라산의 해발 1,200m 이상 지역에 분포하였고, 밀도가 높은 곳은 덕유산, 지리산, 한라산이었다.
- 본 연구에서는 현지 조사와 기존 조사에 의해 위치 자료를 수집하였다. 현지 조사는 2007년부터 2014 년까지 남한에서 수집하였고 위치자료 수집은 구상 나무와 분비나무 분포지에서 GPS(Global Positioning System)좌표를 기록하였다(Figure 1).
데이터처리
- 구상나무와 분비나무의 현재 분포에 관여하는 환경변수는 Maxent의 알고리즘에 의한 기여도 평가(Percent contribution)로 분석하였다. 구상나무는 DEM(고도)의 기여율이 73.
- 범주형 자료에 해당하는 표토 토성(topsoil texture), 모암(parent rock)에 대해서는 빈도분석을 실시하였다. 구상나무 분포지역의 표토 토성 분석 결과, 구상나무는 사양토(51%, sandy loam), 미사질양토(36%, silt loam)지역에 집중적으로 분포하였다.
- 연속형 자료에 해당하는 6개 생물기후, 고도에 대해서는 두 종의 위치자료에서 각 요소의 값을 추출하여 표본 평균비교(independent two samples t-test)를 실시하였다. T-test 결과, 다습한 달의 강수량(Precipitation of Wettest Month)은 P=0.
이론/모형
- 두 번째로 종의 현재 위치 확률 변화는 Crossman et al.(2012)의 스칼라 민감도(scalar sensitivity weight, Wis)를 사용하였다. 스칼라 민감도는 종 출현 위치의 현재 분포 확률과 기후변화 시나리오에 의해 예측된 미래의 분포 확률의 차이로 계산된다(식 2).
- 2) 위치자료와 환경변수를 이용하여 현재 및 미래의 분포지를 예측하기 위해 종 분포 모형인 Maxent를 사용하였다. 모델링 결과 두 종 모두 모형의 정확도(AUC)는 0.
- MaxEnt의 모형 정확도는 ROC (Receiver operating characteristic)의 AUC (Area Under Cover)값을 이용해 측정하였다. AUC를 이용한 모의 정확도는 기준값에 독립적인 장점을 가지고 있으며 다양한 모형의 정확도 비교에 많이 이용된다.
- 본 연구에서 사용한 MaxEnt의 모형 정확도는 5-fold cross-validation AUC (area under the ROC curve)으로 측정하였다. 측정 결과 두 종 모두 AUC 0.
- , 2011). 본 연구에서 사용한 종 분포 모형은 MaxEnt(ver. 3.3.3k, Phillips and Dudik, 2008)이며, MaxEnt는 2006년 이후 생물다양성 관련 연구에 1,000건 이상 사용된 소프트웨어이다(Merow et al., 2013). MaxEnt 개발 전에 주로 사용된 Generalized Linear Model, Generalized Additive Model, Artificial Neural Network 등은 종의 출현/비출현(presenceabsence)자료가 필요하지만, MaxEnt는 종 출현자료(presence-only data)만으로 종 분포 확률을 예측할 수 있으며, 결과에 대한 해석이 용이하다(Phillips and Dudik, 2008; Elith et al.
- 기후변화에 의한 민감성을 평가하기 위해서는 현재 기후 및 미래 기후에서 공간적 종 분포 확률을 예측해야 한다. 본 연구에서는 공간적 분포 확률을 예측하기 위해 종 분포 모형(SDMs: Species Distribution Models)을 사용하였다. 종 분포 모형은 생물이 분포하는 위치와 환경, 지리적 요소의 관계를 평가할 수 있고(Franklin, 2010), 생물지리학, 보전생물학, 생태학 등의 분야에서 다양한 목적으로 이용되고 있다(Elith and Leathwick, 2009).
- , 2011). 중복 위치자료의 제거는 ArcGIS의 toolbox로 개발된 SDM Toolbox v1.1, Spatially Rarefy Occurrence Data for SDMs을 사용하였다(Brown, 2014).
- 지리적 요소는 고도, 경사, 향을 사용하였고 경사와 향은 DEM(Digital Elevation Model)을 이용하여 분석하였다(Table 2). 환경변수 공간 해상도는 100m2이며, 파일 형식의 변환, 공간 해상도 편집 등은 ESRI사의 ArcGIS(ver 10.1)을 사용하였다.
성능/효과
- - Maxent의 종 분포 확률 중 임계값을 기준으로 현재와 미래의 분포지를 예측한 결과, 현재 대비 구상나무는 2050년 2.3% 감소, 2070년 13.2% 감소, 분비나무는 2050년 86.8% 감소, 2070년 94.2% 감소로 예측되었다
- - 구상나무의 스칼라 민감도(Wis)는 2050년 0.744, 2070년 0.831, 분비나무는 2050년 0.075, 2070년 0.570으로 나타났으며 구상나무의 민감도가 분비나무의 민감도보다 상대적으로 높았다.
- 1) 환경 변수를 이용하여 구상나무와 분비나무 분포 지역의 환경 특성을 비교해 본 결과, 다습한 달의 강수량(Precipitation of Wettest Month)의 강수량은 P=0.413으로 유의확률 0.05에서 유의하지 않은 것으로 나타났으며, 연평균 기온, 연간 강수량 등의 다른 환경요인은 P<0.05으로 통계적으로 유의한 것으로 나타났다.
- T-test 결과, 다습한 달의 강수량(Precipitation of Wettest Month)은 P=0.413 (P>0.05)으로 통계적으로 유의하지 않은 것으로 나타났으며, 나머지 요소는 P<0.05으로 통계적으로 유의한 것으로 나타났다.
- 구상나무 분포지역의 연평균 기온은 6.4℃, 분비 나무 분포지역의 연평균 기온은 4.3℃이며 구상나무가 분비나무에 비해 상대적으로 저위도에 많이 분포하여 구상나무의 연평균 기온이 분비나무의 연평균 기온보다 높은 것으로 나타났다. 일교차의 평균은 구상나무 8.
- 범주형 자료에 해당하는 표토 토성(topsoil texture), 모암(parent rock)에 대해서는 빈도분석을 실시하였다. 구상나무 분포지역의 표토 토성 분석 결과, 구상나무는 사양토(51%, sandy loam), 미사질양토(36%, silt loam)지역에 집중적으로 분포하였다. 두 종의 분포지역의 공통적인 표토 토성은 사양토로 분석되었다.
- 구상나무와 분비나무의 현재 분포에 관여하는 환경변수는 Maxent의 알고리즘에 의한 기여도 평가(Percent contribution)로 분석하였다. 구상나무는 DEM(고도)의 기여율이 73.8%로 가장 높은 기여율을 보였으며, bio12(연평균강수량) 13.2%, 경사도(slope) 4.5% 등의 순으로 나타났다. bio2, bio13은 기여율이 0%이었다.
- 구상나무의 2050년 분포 확률을 대상으로 측정된 민감도는(Wis) 0.744, 2070년 민감도는 0.831이었고, 분비나무의 2050년 민감도는 0.075, 2070년 민감도는 0.570이었다. 잠재 분포지의 감소율(Loss(%))은 구상나무보다 분비나무의 감소율이 높았으나, 스칼라 민감도는 구상나무가 분비나무에 비해 상대적으로 높았다.
- 따라서 같은 Abies속 식물인 구상나무와 분비나무의 기후조건은 다습한 달의 강수량을 제외하고 상이하였다. 두 종이 분포하는 지역의 공통적인 표토 토성은 사양토이며, 구상나무는 변성암, 분비나무는 산성암이 모암인 지역에 집중적으로 분포하는 것으로 나타났으며 공통적인 모암은 변성암으로 나타났다.
- 2) 위치자료와 환경변수를 이용하여 현재 및 미래의 분포지를 예측하기 위해 종 분포 모형인 Maxent를 사용하였다. 모델링 결과 두 종 모두 모형의 정확도(AUC)는 0.993으로 매우 우수하였으며 분포지 예측의 기여도 측정결과 구상나무는 고도, 분비나무는 연평균 기온의 기여도가 가장 높았다.
- 본 연구는 종 분포 모형을 이용하여 미래 분포 확률을 예측하고 분포 확률을 이용하여 두 가지 방법으로 민감성을 평가하였다. 분포지의 면적 감소율을 이용한 평가에서는 분비나무의 면적 감소율이 구상나무보다 과도하게 예측되었다. 이러한 현상은 환경변수의 영향으로 예상된다.
- 6으로 나타났다. 연평균 강수량은 구상나무 1,886.8mm, 분비나무는 1,628.4mm로 분석되었고 구상나무 분포지역의 강수량이 분비나무 분포지역보다 많았다. 다습한 달의 강수량의 평균은 구상나무 360.
- 현장 조사 및 기존 조사를 통해 수집한 구상나무의 위치 자료는 86개, 분비나무는 82개이다. 위치자료 및 커널 밀도 분석결과 구상나무는 덕유산, 지리산, 가야산, 영축산, 한라산의 해발 1,200m 이상 지역에 분포하였고, 밀도가 높은 곳은 덕유산, 지리산, 한라산이었다. 분비나무는 화악산, 소백산, 함백산, 가리왕산, 오대산, 설악산에 분포하며, 설악산의 밀도가 가장 높았다.
- 3℃이며 구상나무가 분비나무에 비해 상대적으로 저위도에 많이 분포하여 구상나무의 연평균 기온이 분비나무의 연평균 기온보다 높은 것으로 나타났다. 일교차의 평균은 구상나무 8.29℃, 분비나무는 10.07℃로 분석되었고 상대적으로 고위도에 분포하는 분비나무의 일교차가 큰 것으로 분석되었다. 온도계절성(Temperature Seasonality)의 평균은 구상나무 84.
- 570이었다. 잠재 분포지의 감소율(Loss(%))은 구상나무보다 분비나무의 감소율이 높았으나, 스칼라 민감도는 구상나무가 분비나무에 비해 상대적으로 높았다.
- 본 연구에서 사용한 MaxEnt의 모형 정확도는 5-fold cross-validation AUC (area under the ROC curve)으로 측정하였다. 측정 결과 두 종 모두 AUC 0.993으로 같았으며, AUC가 0.8이상으로 본 모형의 정확도는 매우 높은 것으로 나타났다(Figure 5).
후속연구
- 따라서 스칼라 민감도를 사용할 경우 민감성의 방향성을 나타낼 수 있는 수식의 변형 및 개발이 필요할 것으로 판단된다. 그리고 본 연구의 한계성을 바탕으로 민감성평가 방안이 개발된다면 기후변화와 생물다양성 적응대책 수립을 위한 중요한 의사결정 방법이 될 것으로 기대한다.
- 따라서 기후변화생물지표의 기후변화 민감성 평가를 위해서는 지표종에 대한 명확한 환경·생태적 특성 규명이 선결되어야 하며 환경·생태적 특징이 반영된 공간 변수의 제작이 필요할 것으로 판단된다.
- 그러나 수식에 절대값이 포함된 스칼라 값이기 때문에 민감도에 대한 방향성 즉, 기후변화에 의한 종 분포의 취약, 확장을 판단할 수 없다. 따라서 스칼라 민감도를 사용할 경우 민감성의 방향성을 나타낼 수 있는 수식의 변형 및 개발이 필요할 것으로 판단된다. 그리고 본 연구의 한계성을 바탕으로 민감성평가 방안이 개발된다면 기후변화와 생물다양성 적응대책 수립을 위한 중요한 의사결정 방법이 될 것으로 기대한다.
- 따라서 기후변화생물지표의 기후변화 민감성 평가를 위해서는 지표종에 대한 명확한 환경·생태적 특성 규명이 선결되어야 하며 환경·생태적 특징이 반영된 공간 변수의 제작이 필요할 것으로 판단된다. 또한 분비나무의 경우 북한, 만주, 시베리아에도 분포하는 종이므로 연구 범위를 확장한다면 분포지 예측에 관여하는 환경 변수의 기여도 및 기후변화에 의한 분포지 예측이 달라질 것으로 예상된다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.