[논문]위성영상과 Maxent를 활용한 생태계교란생물 분포지역 예측 : DMZ의 단풍잎돼지풀을 대상으로

박현철; 임정철; 이정환; 이관규

doi:10.13087/kosert.2017.20.1.1

위성영상과 Maxent를 활용한 생태계교란생물 분포지역 예측 : DMZ의 단풍잎돼지풀을 대상으로
Predicting the Potential Distributions of Invasive Species Using the Landsat Imagery and Maxent : Focused on "Ambrosia trifida L. var. trifida" in Korean Demilitarized Zone 원문보기

環境復元綠化 = Journal of the Korean Society of Environmental Restoration Technology, v.20 no.1, 2017년, pp.1 - 12

박현철 (강원대학교 대학원 조경학과) , 임정철 (국립습지센터) , 이정환 (국립습지센터) , 이관규 (강원대학교 조경학과)

Abstract ▼ AI-Helper

This study has been carried out for the purpose of predicting the potential habitat sites of invasive alien plants in the DMZ and providing the basic data for decision-making in managing the future DMZ natural environment. From 2007 to 2015, this study collected the data for the advent of Ambrosia trifida var. trifida through fieldwork around the DMZ area, and simulated the potential distribution area of Ambrosia trifida var. trifida using Maxent model among the models of species distributions. As a result, it showed that the potential distribution area of the Ambrosia trifida var. trifida was concentrated in the western DMZ with relatively low altitude and scanty in the central east regions with relatively high elevation and forest cover rate. Because the invasive alien vegetation is a significant threatening factor in the agriculture and restoration of ecology and it costs a lot to restore the area already invaded by invasive alien vegetation, advance precautions are necessary to prevent biological invasions. It is expected that it is possible to predict the disturbed ecosystems through this study for the efficient land use within DMZ in the future and to apply this study in setting up the areas for the development and conservation within the DMZ.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 DMZ의 단풍잎돼지풀 분포지역을 예측하기 위해 원격탐사에 사용되는 Landsat 위성영상을 Maxent의 공간변수로 사용하였으며미래 DMZ 자연환경 관리에 필요한 의사결정기초자료 제공을 목적으로 진행되었다. 주요 연구결과는 다음과 같다.
본 연구에서는 국내 종분포 모형의 공간변수에 일반적이며 지엽적으로 사용되는 지형요소(해발고도, 향방향, 경사도 등)의 한계를 극복하기 위해 원격탐사 측정 자료인 Landsat 위성영상을 공간변수로 사용하여 DMZ 지역에서의 생물종 서식지를 예측하고자 하였다. 본 연구의시도는 SAHM과 같은 통합모형의 기초자료가 될 것으로 예상되며, 향후 DMZ 자연환경관리를 위한 다양한 의사결정 방법론 연구에도 기여할 수 있기를 기대한다.

제안 방법

3) 기존 종분포모형 연구의 공간변수는 해발고도, 경사, 향방향 등의 지형에 관련된 변수를주로 활용했다면, 본 연구는 식생분포를 반영하는 Landsat 위성영상을 공간변수로 활용하는 새로운 방법론을 제시하였다. 이는 인간의 접근이 제한된 지역의 종분포 예측에 광범위하게 활용될 수 있다.
본 연구는 현장 조사가 불가능한 지역의 생물종 탐사에 관한 방법론을 제안하는 연구로 세부적으로 원격탐사에 사용되는 Landsat 위성영상을 종분포모형의 공간변수로 사용하였다. 따라서 생태계교란생물 중에서 Landsat 위성영상의 공간 해상도 최소단위 이상의 면적으로 군락을형성하는 식물을 연구 대상종으로 선정하였다.
본 연구에서 사용한 공간변수는 해발고도, 경사 등의 지형과 원격탐사에 사용되는 Landsat 8 OLI/TIRS의 위성영상이다. 해발고도 데이터와Landsat 위성영상는 USGS의 EarthExplore(http: //earthexplorer.

대상 데이터

, 2009). Landsat 위성영상은 DMZ와 출현자료를 수집한 지역이 포함된 2개의 scenes을 활용하였으며, 촬영일은 단풍잎돼지풀이 주변 식생과 구분되는 개화기에 해당하는 9월에 촬영한 영상을 사용하였다. 위성영상 scenes의 세부 속성및 영상 위치를 나타내는 Entity ID는 Table.
trifida , Giant ragweed)을 선정하였다(Figure 1). 단풍잎돼지풀은 전국적으로 분포하고 있으나 DMZ 인근 지역에 집중적으로 분포하고 있고 Landsat 위성영상의 공간해상도 (900㎡) 이상의 면적에 캐노피를 형성하기 때문에 본 연구의 대상종으로 선정하였다(Choi et al., 2007; Park et al., 2015).
단풍잎돼지풀의 출현자료는 2007년부터 2015년까지 DMZ인근지역인 경기, 강원북부 지역을 대상으로 현지조사를 통해 수집하였다. 단풍잎돼지풀 출현지역의 경위도 좌표를 GPS에 POI (Point of Interest)로 기록하고 누적된 POI를 Esri의 ArcGIS(ver.

데이터처리

학습에 필요한 샘플이 많다면 모형의 정확도를 높이는 데 유리하겠지만, 현실적으로샘플이 무한적으로 제공될 수 없다. 따라서 모형의 통계적 신뢰도를 높이기 위해 재샘플링(resamplig) 방법인 10회 교차 검증(10-fold cross validation)을 실시하였다(Merow et al., 2013).
본 연구에서 사용한 공간변수는 해발고도, 경사 등의 지형과 원격탐사에 사용되는 Landsat 8 OLI/TIRS의 위성영상이다. 해발고도 데이터와Landsat 위성영상는 USGS의 EarthExplore(http: //earthexplorer.usgs.gov/)에서 다운로드 하였고, 경사는 DEM을 분석하여 분석하였다. 단풍잎돼지풀은 대부분 군락을 형성하므로 위성영상 중에서 식생과 관련된 band 2, 3, 4, 5, 6, 7을 변수로 사용하였다(Everitt and Deloach, 1990; Lass et al.

이론/모형

SDMs는 생물종이 분포하는 위치와 환경, 지리적 요소를 통계적으로 분석하여 잠재적인 분포지역을 예측하며, 환경계획, 생물지리학, 보전생물학, 생태학에서 다양한 목적으로 사용되고 있다(Elith and Leathwick, 2009; Franklin, 2010). SDMs는 알고리즘에 따라 다양한 종류가 있으며,본 연구에서는 가장 대중적(Merow et al., 2013)이며, 예측의 정확도가 높은 Maxent(Phillips and Dudík, 2008)를 사용하였다. Maximum Entropy접근 원리는 종 분포가 알려지지 않은 지역을 적은 수의 샘플로 통계적 근사치에 접근하도록 평가하는 것이며(Jaynes, 1957), Maxent는 기계학습기반으로 생물종의 출현자료와 공간변수를 이용하여 최대 엔트로피에 접근하는 지역을 잠재 서식처로 예측한다(Phillips et al.
Maxent는 제한된 공간변수를 이용한 확률모형이기 때문에 모형의 정확성을 진단하여 연구에 활용 여부를 결정할 필요가 있다. 본 연구의모형 정확도는 ROC(Receiver Operating Charac-teristic)의 AUC(Area Under Curve)로 측정하였다(Swets, 1988). ROC의 AUC는 모형 결과의 효율성을 판단하는 방법으로 보편적으로 사용되며, 일반적으로 AUC가 1일 경우 모형은 완벽하며, 0.

성능/효과

1) 본 연구에서 강조한 것은 Maxent의 공간변수로 위성영상을 활용한 것이며 모형의 정확도(AUC)가 0.854로 정확도는 우수한 것으로 판단된다.
2) 모형 결과에 의하면 단풍잎돼지풀의 잠재 분포 지역은 DMZ 서부지역에 집중되어 있으며, 해발고도와 숲의 피복율이 비교적 높은 중동부 지역에서의 출현 확률은 상대적으로 낮았다. 이는 기존 연구결과(Park et al.
DMZ 내 단풍잎돼지풀 잠재 분포 예측에 사용된 공간변수는 총 8개 이며, 이중 단풍잎돼지풀 잠재 분포 예측에 기여도가 가장 높은 변수는 band 4로 확인되었으며 기여도는 40.7로 나타났다. 지형 변수에서는 해발고도의 기여도가23.

후속연구

본 연구와 같이 종 분포 예측과 관련된 연구에 무인항공기 영상을 활용하면 보다 정밀한 결과 예측이 가능하다. 그러나 Landsat 위성영상이나 무인항공기 영상을 활용한 연구는 캐노피를 형성하는 식생에만 적용 가능하다는 한계점이 있다. 즉, 캐노피 하부에 형성된 식생 또는 군집을 형성하지 못하고 산발적으로 분포하는식생의 경우에는 상기 기술한 방법론의 적용이불가능하다.
, 2015)에 부합하는 것으로 단풍잎돼지풀은 산림내부에 분포하지 않고 초지 등의 오픈스페이스가 주 서식처임을 시사한다. 따라서 단풍잎돼지풀은 산림보다 도시팽창에 의한 개발압력 지역, 군사 목적에 의한 벌채지역 등이 잠재적인 분포지로 예상되기 때문에 향후DMZ 생태계 관리를 위한 기초 배경으로 활용할 수 있을 것이다.
또한 국내 생태계교란생물은 단풍잎돼지풀 등 식물 외에 포유류, 곤충, 어류 등다양한 생물군이 지정되어 있다. 따라서 전체생태계교란생물의 잠재 분포지역 예측을 통한 취약지역 평가가 시행된다면 DMZ의 통합적 생태계관리를 위한 정책적 의사 결정 도구로 유용하게 사용될 것이다.
생태계교란생물은 농업 및 자연 생태계의 상당한 위협 요인이며, 생태계교란생물이 침입한 지역을 복원하기 위해서는 많이 비용이 소요되기 때문에 침입 예방을 위한 사전 대책이 필요하다. 본 연구를 통해 미래 DMZ의 효율적인 토지이용을 위한 생태계교란생물의 잠재 서식지를 예측할 수 있었으며, DMZ의 개발 및 보전지역 설정을 위한 연구에 응용할 수 있을 것으로 기대된다. 또한 국내 생태계교란생물은 단풍잎돼지풀 등 식물 외에 포유류, 곤충, 어류 등다양한 생물군이 지정되어 있다.
본 연구에서는 국내 종분포 모형의 공간변수에 일반적이며 지엽적으로 사용되는 지형요소(해발고도, 향방향, 경사도 등)의 한계를 극복하기 위해 원격탐사 측정 자료인 Landsat 위성영상을 공간변수로 사용하여 DMZ 지역에서의 생물종 서식지를 예측하고자 하였다. 본 연구의시도는 SAHM과 같은 통합모형의 기초자료가 될 것으로 예상되며, 향후 DMZ 자연환경관리를 위한 다양한 의사결정 방법론 연구에도 기여할 수 있기를 기대한다.
, 2010)의 경우 연구대상종의 분포에 관여하는band를 조합하여 변수를 생성하기도 하였으나국내에는 정규식생지수(NDVI)외에 특정 식생을 탐색하기 위한 연구가 미미한 실정이다. 향후 특정식생의 최적 단일 식생지수 산출에 관한연구가 시행된다면 식물 개화 등의 생물계절 모니터링, 캐노피 하부 식생의 분포 예측 등 다양한 모의가 가능할 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	종분포모형이란?	학계에서는 DMZ와 같이 현장조사가 불가능하거나 광범위한 지역을 대상으로 한 연구에 종분포모형(Species distribution models, SDMs)을주로 사용하고 있다(Elith and Leathwick, 2009).종분포모형은 생물종의 출현위치와 서식지 환경요소를 통계적으로 분석하여 잠재적인 서식지를 예측할 수 있는 도구이다(Franklin, 2010).그러나 종분포모형의 입력자료인 공간변수가생물종의 서식지 특성을 명확히 반영하지 않을경우 서식지 예측이 과적용(Over-fit)되며 모형의 불확실성(Uncertainty)은 관련 연구에 걸림돌이 되어왔다(Elith and Leathwick, 2009; Park, 2016).
	DMZ 생태계 보전 및 관리의 한계점은?	DMZ 생태평화공원조성 등 향후 DMZ 생태계 보전 및 관리를 위해서는 DMZ 지역에서의 생태계교란생물에 대한 분포현황 및 예측이 필수적이라 할 수 있다. 그러나 민간인 출입제한과 지뢰 매설지역(Kam and Kim, 2008)으로 인해 DMZ의 현장조사는극히 제한적으로 이루어지고 있기 때문에 현재까지 관련 정보를 활용한 정책 및 제도의 개발은 제한적인 실정이다.
	생태교란이 주로 발생하는 원인은?	D’Antonio et al.(2004)와 Forman and Alexander(1998)는 DMZ와 같이 사람의 출입의거의 없는 지역에서 발생되는 생태교란은 생태계 교란생물과 같은 외래종 유입에 의해 주로 발생한다고 보고한 바 있다. DMZ 생태평화공원조성 등 향후 DMZ 생태계 보전 및 관리를 위해서는 DMZ 지역에서의 생태계교란생물에 대한 분포현황 및 예측이 필수적이라 할 수 있다.

참고문헌 (41)

Abul-Fatih HA and Bazzaz FA. 1979. The Biology Of Ambrosia Trifida L.. I. Influence Of Species Removal On The Organization Of The Plant Community. New Phytol 83: 813-816.

상세보기
Bean WT . Stafford R and Brashares JS. 2012. The effects of small sample size and sample bias on threshold selection and accuracy assessment of species distribution models. Ecography 35: 250-258.

상세보기
Brown JL. 2014. SDMtoolbox: a python-based GIS toolkit for landscape genetic, biogeographic and species distribution model analyses. Methods in Ecology and Evolution. 5(7): 694-700.

상세보기
Cao Y . DeWalt RE . Robinson JL . Tweddale T . Hinz L and Pessino M. 2013. Using Maxent to model the historic distributions of stonefly species in Illinois streams: The effects of regularization and threshold selections. Ecol Model 259: 30-39.

상세보기
CBD. 2008. CBD-Convention on Biological Diversity. Alien Species that Threaten Ecosystems, Habitats or Species [Article 8(h)]. United Nations.
Choi HJ . Lim SH . Kim KH and Kim S. 2007. Distribution of Giant Ragweed(Ambrosia trifida L.) at Northwest of Gangwon, Korea. Korean J Weed Sci 27: 241-247.
D'Antonio CM . Jackson NE . Horvitz CC and Hedberg R. 2004. Invasive plants in wildland ecosystems: merging the study of invasion processes with management needs. Front Ecol Environ 2: 513-521.

상세보기
Diekmann F . Ford RA . Harrison SK . Regnier EE and Venkatesh R. 2013. Bibliometric Analysis of the Literature on Giant Ragweed (Ambrosia trifida L.). J Agric Food Inf 14: 290-320.

상세보기
Elith J and Leathwick JR. 2009. Species distribution models: ecological explanation and prediction across space and time. Annu Rev Ecol Evol Syst 40: 677.

상세보기
Evangelista PH . Stohlgren TJ . Morisette JT and Kumar S. 2009. Mapping invasive tamarisk (Tamarix): a comparison of single-scene and time-series analyses of remotely sensed data. Remote Sensing. 1(3): 519-533.

상세보기
Everitt JH and Deloach CJ. 1990. Remote sensing of Chinese tamarisk (Tamarix chinensis) and associated vegetation. Weed Sci: 273-278.
Forman RTT and Alexander LE. 1998. Roads and Their Major Ecological Effects. Annu Rev Ecol Syst 29: 207.

상세보기
Franklin J. 2010. Mapping species distributions: spatial inference and prediction. Cambridge University Press.
Guo WY . Lambertini C . Li XZ . Meyerson LA and Brix H. 2013. Invasion of Old World Phragmites australis in the New World: precipitation and temperature patterns combined with human influences redesign the invasive niche. Global Change Biology. 19(11): 3406-3422.

상세보기
IUCN. 2011. IUCN-International Union for Conservation of Nature. Invasive Species.
Jaynes ET. 1957. Information theory and statistical mechanics. Phys Rev 106: 620.

상세보기
Jeon SW. 2007. Policies on Conservation of the DMZ District Ecosystem. Environ Policy Bull 5.
Kam K and Kim K. 2008. Detection of buried objects using ultra-wideband radar: Newly launched mine detection project in South Korea. Pages 695308-695308 in SPIE Defense and Security Symposium. International Society for Optics and Photonics.
Kim JH. 2011. DMZ Control and Utilities for the Preparation of a Basis for Peaceful Unification. The Journal of Northeast Asia Research. 26(2): 31-49.
Kim KC. 1997. Preserving Biodiversity in Korea's Demilitarized Zone. Science 278: 242-243.

상세보기
Khanum R . Mumtaz AS and Kumar S. 2013. Predicting impacts of climate change on medicinal asclepiads of Pakistan using Maxent modeling. Acta Oecologica. 49: 23-31.

상세보기
Kramer-Schadt S . Niedballa J . Pilgrim JD . Schroder B . Lindenborn J . Reinfelder V . Stillfried M, Heckmann I . Scharf AK . Augeri DM and others. 2013. The importance of correcting for sampling bias in Maxent species distribution models. Divers Distrib 19: 1366-1379.

상세보기
Kwon HS. 2014. Applying Ensemble Model for Identifying Uncertainty in the Species Distribution Models. Journal of Korean Society for Geospatial Information System. 22(4): 47-52 (In Korean).
Lahoz-Monfort JJ . Guillera-Arroita G . Milner Gulland EJ . Young RP and Nicholson E. 2010. Satellite imagery as a single source of predictor variables for habitat suitability modelling: how Landsat can inform the conservation of a critically endangered lemur. Journal of Applied Ecology. 47(5): 1094-1102.

상세보기
Lass LW and Callihan RH. 1997. The effect of phenological stage on detectability of yellow hawkweed (Hieracium pratense) and oxeye daisy (Chrysanthemum leucanthemum) with remote multispectral digital imagery. Weed Technol: 248-256.
Lass LW . Carson HW and Callihan RH. 1996. Detection of yellow starthistle (Centaurea solstitialis) and common St. Johnswort (Hypericum perforatum) with multispectral digital imagery. Weed Technol: 466-474.
Liu C . White M and Newell G. 2013. Selecting thresholds for the prediction of species occurrence with presence-only data. J Biogeogr 40: 778-789.

상세보기
Merow C . Smith MJ and Silander JA. 2013. A practical guide to Maxent for modeling species' distributions: what it does, and why inputs and settings matter. Ecography 36: 1058-1069.

상세보기
Naimi B . Skidmore AK . Groen TA and Hamm NA. 2011. Spatial autocorrelation in predictors reduces the impact of positional uncertainty in occurrence data on species distribution modelling. Journal of Biogeography 38(8): 1497-1509.

상세보기
Park HC . Lee GG and Lee JH. 2015. Regional vulnerability assessment of invasive alien plants in Seoul and Gyeonggi Province. J. Korean Env. Res. Tech. 18(6): 1-13 (In Korean).
Park HC. 2016. Development and application of climate change sensitivity assessment method for plants using the species distribution models. Ph.D. dissertation. Kanwon National University (In Korean).
Peterson EB. 2005. Estimating cover of an invasive grass (Bromus tectorum) using tobit regression and phenology derived from two dates of Landsat ETM+ data. International Journal of Remote Sensing. 26(12): 2491-2507.

상세보기
Phillips SJ and Dudik M. 2008. Modeling of species distributions with Maxent: new extensions and a comprehensive evaluation. Ecography. 31: 161-175.

상세보기
Phillips SJ . Dudik M and Schapire RE. 2004. A maximum entropy approach to species distribution modeling. Page 83 in Proceedings of the twenty-first international conference on Machine learning. ACM.
Shin D. 2013. The potential impact of a botanical garden in the Korean Demilitarized Zone. Thesis. Master's Theses, University of Delaware.
Swets JA. 1988. Measuring the accuracy of diagnostic systems. Science 240: 1285-1293.

상세보기
Watling JI . Romanach SS . Bucklin DN . Speroterra C . Brandt LA . Pearlstine LG and Mazzotti FJ. 2012. Do bioclimate variables improve performance of climate envelope models? Ecological Modelling. 246: 79-85.

상세보기
Warren DL and Seifert SN. 2011. Ecological niche modeling in Maxent: the importance of model complexity and the performance of model selection criteria. Ecological Applications 21(2): 335-342.

상세보기
West AM . Evangelista PH . Jarnevich CS . Young NE . Stohlgren TJ . Talbert C and Anderson R. 2016 Integrating Remote Sensing with Species Distribution Models; Mapping Tamarisk Invasions Using the Software for Assisted Habitat Modeling (SAHM). Journal of Visualized Experiments: JoVE. (116).
Wilcove DS . Rothstein D . Dubow J . Phillips A and E. 1998. Quantifying threats to imperiled species in the United States. Bio-Science. 48(8): 607-615.

상세보기
Wopfner N . Gadermaier G . Egger M . Asero R . Ebner C . Jahn-Schmid B and Ferreira F. 2005. The Spectrum of Allergens in Ragweed and Mugwort Pollen. Int Arch Allergy Immunol 138: 337-346.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format