[논문]분산 모형에 따른 습지경관의 생태 네트워크 특성 분석

김빈; 박제량

doi:10.17663/jwr.2019.21.1.016

분산 모형에 따른 습지경관의 생태 네트워크 특성 분석
Characterization of Ecological Networks on Wetland Complexes by Dispersal Models 원문보기

한국습지학회지 = Journal of wetlands research, v.21 no.1, 2019년, pp.16 - 26

김빈 (홍익대학교 건설도시공학부) , 박제량 (홍익대학교 건설도시공학부)

초록
AI-Helper

동식물의 서식지 제공 및 수문학적 조절 등 다양한 생태계 서비스를 제공하는 습지는 경관 내 습지간의 상호작용을 통해 생태계를 구성한다. 따라서 습지경관에서의 생태계의 리질리언스 등의 기능을 평가하기 위해서는 습지의 동역학적 특성과 더불어 습지간에 형성되는 생태적 연결성 분석이 필요하다. 본 연구에서는 습지를 생태학적 노드로 정의하여 습지 서식종의 분산 모형에 따라 발생하는 습지간 연결을 통해 생태 네트워크를 생성하고 네트워크 분석 방법을 통해 생태 네트워크의 특성을 비교, 분석하였다. 임계거리를 활용한 분산모델 (threshold distance)의 경우 확률적인 분산모델(exponential dispersal kernel, heavy-tailed dispersal model)과 비교하여 국지적인 군집화가 높으나 습지 간의 이동에는 비효율적인 것으로 나타났다. 반면 확률적 분산모델의 경우 국지적인 군집화는 낮게 나타나나 습지 경관 내에서의 이동은 효율적인 것으로 나타남에 따라 분산 모델에 따른 생태 네트워크 특성에 차이가 발생함을 확인하였다. 본 연구는 향후 습지경관 리질리언스 분석을 위한 생태 네트워크 구축의 기초자료로 활용될 수 있을 것으로 사료된다.

Abstract ▼ AI-Helper

Wetlands that provide diverse ecosystem services, such as habitat provision and hydrological control of flora and fauna, constitute ecosystems through interaction between wetlands existing in a wetlandscape. Therefore, to evaluate the wetland functions such as resilience, it is necessary to analyze the ecological connectivity that is formed between wetlands which also show hydrologically dynamic behaviors. In this study, by defining wetlands as ecological nodes, we generated ecological networks through the connection of wetlands according to the dispersal model of wetland species. The characteristics of these networks were then analyzed using various network metrics. In the case of the dispersal based on a threshold distance, while a high local clustering is observed compared to the exponential dispersal kernel and heavy-tailed dispersal model, it showed a low efficiency in the movement between wetlands. On the other hand, in the case of the stochastic dispersion model, a low local clustering with high efficiency in the movement was observed. Our results confirmed that the ecological network characteristics are completely different depending on which dispersal model is chosen, and one should be careful on selecting the appropriate model for identifying network properties which highly affect the interpretation of network structure and function.

주제어

표/그림 (10)

그림 Fig. 1. Map of study area with wetlands in prairie pothole region, Deuel county (dotted line) and Big Sioux Basin of ecoregion (red solid line), South Dakota (solid line). Polygon indicates geographically isolated wetlands.
그림 Fig. 2. Calculating distances between a pair of wetlands. Polygons are the shape of real wetlands while circles are transformed wetlands
그림 Fig. 3. Generating ecological networks using threshold distance model (a: 1 km, b: 2 km, c: 3 km)
표 Table 1. Metric values of ecological networks by dispersal models
그림 Fig. 4. Generating ecological networks using exponential dispersal kernel(a: 0.6 km, b: 1.2 km, c: 1.8 km mean distance)
그림 Fig. 5. Generating ecological networks using heavy-tailed dispersal model(a: β = 2, b: β = 3, c: β = 3)
그림 Fig. 6. Spatial distribution of node degrees in the ecological network generated by threshold distance model (a: 1km, b: 2km, c: 3km)
표 Table 2. Correlation coefficients of the degrees between ecological network models
그림 Fig. 7. Spatial distribution of node degrees in the ecological network generated by exponential dispersal kernel (a: 0.6km, b: 1.2km, c: 1.8km mean distance)
그림 Fig. 8. Spatial distribution of node degrees in the ecological network generated by heavy-tailed dispersal model (a: β =2, b: β = 2.5, c: β = 3)

AI 본문요약
AI-Helper

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

문제 정의

mean degree, efficiency, clustering coefficient) 습지 연결의 특성을 도출하여 분산 모델에 따른 네트워크 특성의 차이점을 분석하였다. 본 연구를 통해 서식종의 분산 특성에 따른 생태 네트워크의 특성을 도출하여 향후 습지 경관의 리질리언스를 분석할 수 있는 기반을 마련하고자 하였다.
본 연구에서는 습지 서식종의 다양한 분산모델에 따른 생태 네트워크의 표현 방법 및 각 네트워크의 특징 및 차이점을 분석하였다. 이를 위해 습지를 생태학적 노드로 정의하고 각 분산모델에 의해 형성되는 습지 간의 이동경로를 엣지로 정의하여 네트워크 분석법을 통해 생태 네트워크의 특성을 도출하고, 각 네트워크의 구조적, 기능적 특성의 차이점을 분석하였다.
임계거리 분산모델은 종의 이동 가능 최대 거리를 임계 값으로 지정하고 임계 거리에 포함되는 모든 습지를 연결한다. 본 연구에서는 일반 생물 종에 대한 생태 네트워크 표현을 위해 양서류의 분산 거리에 대한 기존의 연구를 참고하였다. Smith and Green (2005)에 의해 조사된 90종에 대한 166개의 양서류 이동 관련 연구 중 70%의 연구에서 최대 이동거리가 1 km 이하였으며 평균 이동거리는 약 2 km로 나타났고 최대 3 km의 이동거리를 지니는 종 또한 있는 것으로 나타났다(Sinsch 1992).
또한 습지 사이의 거리를 정의하기 위해 본 연구에서는 습지를 실제 면적과 동일한 면적을 가진 원형으로 가정 후 습지 사이의 최단 거리를 측정함으로써 모든 노드 간의 거리를 계산하였다(그림 2). 이 거리는 앞서 설명한 세 가지 분산 규칙에 따라 서식종이 습지를 이동할 수 있는지 평가하는 데 활용되었다.

가설 설정

이다. 또한 멱함수의 적분을 위해 최소 임계거리는 100 m(즉, x_min = 100m)로 설정하였으며 해당 최소 임계 값 미만의 거리는 확률에 관계없이 서로 연결되어 있다고 가정하였다. β의 경우 β = 2일 때 경관 내에 무작위적으로 분포되어 있는 서식지에 대한 이동이 가장 활발하게 발생하며 (Viswanathan et al.
Ecoregion은 기후, 지질학 및 토양과 같은 비생물적 요인에 기초하여 분류되며, 이는 대륙에서 지역 및 지방 규모까지 세부 수준의 모든 종류의 식물과 동물을 포함한다(Bryce 1998; Omernik and Griffith 2014). 본 연구는 습지 서식종의 다양한 분산 모델을 통한 생태 네트워크 생성을 목표로 하기 때문에 종의 이동은 제한된 연구지역 내에서만 이동하는 것으로 가정하였다. 또한 본 연구에서는 지리적으로 고립된 습지(Geographically Isolated Wetland, GIW)를 대상으로 하기 때문에 하천을 제외한 내륙 습지로 대상을 제한하였다.
여기서 x는 노드 사이의 거리, α는 종의 평균 분산 거리의 역수, k는 분산 거리에서의 이동 확률이다. 해당 확률론적 모델은 종의 이동이 장거리 이동에 대해 제한된 분산 능력을 갖는다고 가정한다(Levin et al. 2003; Smith and Green 2005). 본 연구에서는 앞선 임계 거리 모델을 통해 생성되는 생태 네트워크의 평균 분산 거리를 기반으로 하여 선정하였다.

제안 방법

각 네트워크 특성의 차이점 파악을 위해 평균 연결 중심성(), 네트워크 효율성(E) 및 집단화 계수(cc)를 분석하였다 (표 1).
구체적으로, 평균 연결 중심성(mean degree, ), 네트워크 효율성(efficiency, E) 및 집단화 계수(clustering coefficient, cc)를 계산하였다.
따라서 본 연구에서는 넓은 면적에 분포되어 있는 습지를 대상으로 (1) 임계거리 분산모델 (threshold distance) (2) 지수 분포 분산 모델 (exponential dispersal kernel) (3) 두꺼운 꼬리 분산 모델 (heavy-tailed dispersal model)을 활용하여 생태 네트워크를 표현하고 네트워크 분석방법을 적용하여(e.g. mean degree, efficiency, clustering coefficient) 습지 연결의 특성을 도출하여 분산 모델에 따른 네트워크 특성의 차이점을 분석하였다. 본 연구를 통해 서식종의 분산 특성에 따른 생태 네트워크의 특성을 도출하여 향후 습지 경관의 리질리언스를 분석할 수 있는 기반을 마련하고자 하였다.
따라서 본 연구에서는 이동이 가장 활발한 β = 2와 이동 확률이 가장 낮은 β = 3 및 β가 2와 3사이일 때의 특성을 분석하기 위해 β = 2.5를 적용하였다.
또한 습지 사이의 거리를 정의하기 위해 본 연구에서는 습지를 실제 면적과 동일한 면적을 가진 원형으로 가정 후 습지 사이의 최단 거리를 측정함으로써 모든 노드 간의 거리를 계산하였다(그림 2). 이 거리는 앞서 설명한 세 가지 분산 규칙에 따라 서식종이 습지를 이동할 수 있는지 평가하는 데 활용되었다.
본 연구에서는 몇 가지 생태 네트워크의 토폴로지 분석을 위한 측정법을 사용하여 앞서 설명한 세 가지 분산 모델에 의해 정의되는 생태 네트워크 특성의 차이점을 분석하였다. 구체적으로, 평균 연결 중심성(mean degree, <k>), 네트워크 효율성(efficiency, E) 및 집단화 계수(clustering coefficient, cc)를 계산하였다.
본 연구에서는 습지를 노드로, 습지간 이동 가능한 경로를 엣지로 정의한 생태 네트워크를 생성한 후 네트워크 분석법을 이용하여 각 네트워크 특성을 비교, 분석하였다. 서식종의 다양한 이동 특성을 모사하기 위해 한 종류의 결정론적 이동 모형인 임계거리 분산 모델과 두 종류의 확률론적 모형인 지수분포 분산 모델 및 두꺼운 꼬리 분산 모델을 이용하였으며, 각 모델 및 패러미터에 따라 각기 다른 모양의 네트워크가 생성됨을 확인하였다.
2003; Smith and Green 2005). 본 연구에서는 앞선 임계 거리 모델을 통해 생성되는 생태 네트워크의 평균 분산 거리를 기반으로 하여 선정하였다. 임계거리가 1 km일 경우 생성되는 연결의 평균 거리는 약 600 m였으며 임계거리 2 km의 경우 1200 m, 3 km의 경우 1800 m의 평균 분산 거리를 지니는 것으로 나타남에 따라 해당 평균 분산 거리를 사용하였다.
분산 거리 및 분산 모델에 따른 생태 네트워크의 핵심 노드(연결 중심성이 높은 노드)의 변화를 파악하기 위해 분산 모델별 핵심 노드의 지리적 분포 및 피어슨 상관계수를 분석하였다(표 2). 확률론적 분산모델의 경우 (exponential kernel 및 heavy-tailed model) 50회 시뮬레이션을 통한 연결 중심성의 평균 값을 활용하였다.
연구지역에 분포하고 있는 습지의 연결성 분석을 위해 세 가지 분산 모델에 따른 습지 생태 네트워크를 정의하였다. 각 네트워크 특성의 차이점 파악을 위해 평균 연결 중심성(<k>), 네트워크 효율성(E) 및 집단화 계수(cc)를 분석하였다 (표 1).
본 연구에서는 습지 서식종의 다양한 분산모델에 따른 생태 네트워크의 표현 방법 및 각 네트워크의 특징 및 차이점을 분석하였다. 이를 위해 습지를 생태학적 노드로 정의하고 각 분산모델에 의해 형성되는 습지 간의 이동경로를 엣지로 정의하여 네트워크 분석법을 통해 생태 네트워크의 특성을 도출하고, 각 네트워크의 구조적, 기능적 특성의 차이점을 분석하였다.

대상 데이터

Smith and Green (2005)에 의해 조사된 90종에 대한 166개의 양서류 이동 관련 연구 중 70%의 연구에서 최대 이동거리가 1 km 이하였으며 평균 이동거리는 약 2 km로 나타났고 최대 3 km의 이동거리를 지니는 종 또한 있는 것으로 나타났다(Sinsch 1992). 따라서 본 연구에서는 기존의 연구에 기초하여 1 km, 2 km 및 3 km의 임계거리를 활용하였다.
또한 북미 철새의 50% 이상이 서식하는 등 다양한 서식지분산 형태를 표현할 수 있는 서식종의 수가 많은 것으로 보고되고 있다. 또한 습지 수문 변화가 강수에 큰 영향을 받아 계절적 수문-기상 조건의 변화에 따른 습지의 동역학적 노드로의 활용에 용이하여 향후 습지의 수문 동역학에 따른 습지경관의 변화를 분석하기 위한 기반을 마련하기 위해 연구 대상지를 선정하였다.
본 연구에서는 계산시간의 단축을 위해 Deuel County(그림 1)에 위치한 Level IV Ecoregion, Big Sioux Basin (ID #: 46m)의 습지 지역을 선택하여 연구의 공간적 범위를 제한하였다. Ecoregion은 기후, 지질학 및 토양과 같은 비생물적 요인에 기초하여 분류되며, 이는 대륙에서 지역 및 지방 규모까지 세부 수준의 모든 종류의 식물과 동물을 포함한다(Bryce 1998; Omernik and Griffith 2014).
습지의 위치 및 면적에 대한 자세한 정보는 U.S. Fish & Wildlife Service에서 제공하는 NWI (National Wetlands Inventory) 데이터를 이용하였으며 (https://www.fws.gov/wetlands/data/State-Downloads.html) QGIS 2.18.3을 사용하여 연구지역에 해당되는 습지를 분류하였다 (https://www.qgis.org).
연구 대상지는 미국 South Dakota 주의 Prairie pothole region (PPR)로 생물 서식지를 포함한 생태계 서비스 제공을 하는 지역으로써 습지의 보호 필요성이 대두되어 왔다(Preisser et al. 2000). 그러나 이 지역에서의 습지의 손실은 여전히 진행 중이며 연간 손실률은 0.

데이터처리

각 네트워크 모델 특성은 표 1에 요약되어 있다. 지수분포 분산 모델과 두꺼운 꼬리 분산 모델의 경우 확률론적 모델이므로 50번의 몬테카를로 시뮬레이션을 통해 E와 cc의 평균값을 계산하였다.

이론/모형

(2)에서와 같이 멱함수 분포에 의해 정의된 무작위 분산(random walk)인 Lévy flight model에 기반한 두꺼운 꼬리 분산 모델을 활용하였다(Bartumeus 2007; Schick et al. 2008).
본 연구에서는 다양한 분산 모델로 인해 발생되는 생태 네트워크 특성의 차이점을 파악하기 위해 결정론적 분산 모델(임계거리 분산모델 (threshold distance)) 과 확률론적 분산모델(지수분포 분산 모델(exponential dispersal kernel) 및 Lévy flight에 기반한 두꺼운 꼬리 분산 모델(heavy-tailed dispersal model))을 사용하였다.
분산 거리 및 분산 모델에 따른 생태 네트워크의 핵심 노드(연결 중심성이 높은 노드)의 변화를 파악하기 위해 분산 모델별 핵심 노드의 지리적 분포 및 피어슨 상관계수를 분석하였다(표 2). 확률론적 분산모델의 경우 (exponential kernel 및 heavy-tailed model) 50회 시뮬레이션을 통한 연결 중심성의 평균 값을 활용하였다.

성능/효과

서식종의 다양한 이동 특성을 모사하기 위해 한 종류의 결정론적 이동 모형인 임계거리 분산 모델과 두 종류의 확률론적 모형인 지수분포 분산 모델 및 두꺼운 꼬리 분산 모델을 이용하였으며, 각 모델 및 패러미터에 따라 각기 다른 모양의 네트워크가 생성됨을 확인하였다. 각 네트워크 특성을 평가한 결과 임계거리 분산 모델에 의해 생성된 네트워크의 경우 국지적인 군집화가 높게 나타나고 이동 효율성이 낮게 나타난 반면 확률 분산 모델의 경우에는 낮은 군집화와 높은 이동 효율성이 특징으로 관찰되었다. 특히, 두꺼운 꼬리 분산 모델에 따라 이동하는 서식종의 경우 아주 먼 이동거리 역시 무시할 수 없는 확률로 효율적 이동이 가능한 것으로 나타났다.
특히 결정론적 분산모델과 확률론적 분산모델에서의 연결 중심성 상관분석 결과 또한 다른 분산 모델임에도 불구하고 대부분의 네트워크에서 상관계수가 높게 나타나는 등 높은 연결성을 지니는 노드들은 분산 모델의 변화에 따른 네트워크 특성 변화가 나타남에도 높은 연결성을 유지하는 경향이 있는 것으로 나타났다. 따라서, 분산모델에 따라 생태 네트워크의 특성은 변하나, 연결 중심성이 높은 핵심 노드는 유사하게 나타나며 해당 노드에 대한 보호 및 관리를 통해 생태 네트워크의 구조적, 기능적 특성을 유지할 수 있을 것으로 판단된다. 단 분산모델의 변화에 따른 핵심 노드의 변화 또한 발견됨에 따라 서식종의 분산모델에 따른 핵심 노드 판별 및 관리 대상 지정에 서식종에 따른 차이가 발생함을 주의해야 한다.
임계거리 분산모델의 경우 임계거리가 증가함에 따라 높은 연결성을 지니는 노드의 수가 증가하는 것을 확인할 수 있으며 특히 연결성이 높은 노드가 임계거리가 증가한 후에도 핵심 노드의 역할을 하는 경향을 핵심 노드의 공간 분포에서 확인할 수 있다(그림 6). 또한 각 임계거리에 따른 연결 중심성의 피어슨 상관계수 분석 결과 연결성이 높은 노드가 많아지는 3 km와 소수의 핵심 습지만 존재하는 1 km의 상관계수가 0.63으로 가장 낮게 나타나는 등 모든 경우에서 0.6 이상의 높은 상관도를 지니는 것으로 나타남에 따라 임계거리가 낮은 네트워크에서의 핵심 노드가 임계거리가 증가함에도 같은 역할을 수행하는 경향이 있는 것으로 해석할 수 있다(표 2).
7 이상으로 나타남에 따라 평균 이동거리가 낮은 네트워크에서의 핵심 노드가 평균 이동거리가 길어져도 같은 역할을 수행하는 것으로 확인되었다(표 2). 또한, 임계거리 분산모델과의 상관관계 분석 결과 연결성이 높은 노드가 많이 분포되어 있는 평균거리 1.8 k와 소수의 핵심 노드가 분포되어 있는 임계거리 1 km의 상관계수가 0.69로 가장 낮게 나타나나 평균 이동거리 0.6 km와 임계거리 1 km의 상관계수는 0.96으로 높게 나타나는 등 임계거리 분산모델에서의 핵심 노드가 지수분포 분산 모델에서도 핵심 노드 역할을 수행하는 것으로 나타났다.
즉, 지리적 거리가 먼 노드로의 이동을 위해서는 국지적으로 연결된 많은 수의 다른 노드를 통한 비효율적인 이동이 발생한다는 것이다. 반면, 확률론적 분산모델에 의해 정의된 생태 네트워크의 경우 연결 중심성 및 집단화 계수는 임계거리 분산모델보다 낮게 나타나나 장거리 이동이 가능함에 따라 지리적 거리가 먼 노드로의 이동에 효율적인 것으로 나타났다. 특히 두꺼운 꼬리 분산 모델의 경우 연구 지역내 모든 습지에 대해 이동이 가능함에 따라 연결 중심성 대비 이동 효율성이 높게 나타났다.
분산 모델 변화에 따른 생태 네트워크 내 연결 중심성이 높은 핵심 노드를 분석한 결과, 같은 분산 모델에서 임계거리 등 이동 거리의 변화에 따른 평균 연결 중심성의 변화가 발생함에도 대부분의 핵심 노드들이 높은 연결성을 유지하는 경향이 있는 것으로 나타났다. 특히 결정론적 분산모델과 확률론적 분산모델에서의 연결 중심성 상관분석 결과 또한 다른 분산 모델임에도 불구하고 대부분의 네트워크에서 상관계수가 높게 나타나는 등 높은 연결성을 지니는 노드들은 분산 모델의 변화에 따른 네트워크 특성 변화가 나타남에도 높은 연결성을 유지하는 경향이 있는 것으로 나타났다.
분산모델 별 생태 네트워크를 분석한 결과, 임계거리 분산모델에 의해 정의된 네트워크의 경우 연결 중심성과 집단화 계수가 높은 것으로 나타났다. 이러한 노드는 서식종이 포식활동 및 서식지 이동 등 개체군 유지를 위한 활동을 함에 있어 다양한 선택지를 제공하는 중요한 역할을 한다.
본 연구에서는 습지를 노드로, 습지간 이동 가능한 경로를 엣지로 정의한 생태 네트워크를 생성한 후 네트워크 분석법을 이용하여 각 네트워크 특성을 비교, 분석하였다. 서식종의 다양한 이동 특성을 모사하기 위해 한 종류의 결정론적 이동 모형인 임계거리 분산 모델과 두 종류의 확률론적 모형인 지수분포 분산 모델 및 두꺼운 꼬리 분산 모델을 이용하였으며, 각 모델 및 패러미터에 따라 각기 다른 모양의 네트워크가 생성됨을 확인하였다. 각 네트워크 특성을 평가한 결과 임계거리 분산 모델에 의해 생성된 네트워크의 경우 국지적인 군집화가 높게 나타나고 이동 효율성이 낮게 나타난 반면 확률 분산 모델의 경우에는 낮은 군집화와 높은 이동 효율성이 특징으로 관찰되었다.
임계거리 분산모델과의 상관관계 분석 결과 대다수 네트워크 간의 상관계수는 0.52 ~ 0.81로 나타나 다수의 네트워크에서 동일한 노드가 핵심 노드의 역할을 수행하는 경향이 확인되었으나 임계거리 3 km와 β = 3에서의 네트워크에서 연결 중심성 상관계수는 0.38로 낮게 나타났다.
임계거리 분산모델의 경우 임계거리가 증가함에 따라 평균 연결성()과 효율성(E)이 증가하는 것으로 나타났다.
47로 낮게 나타났다. 즉, 다수의 모델에서 핵심 노드의 변화가 적으나 분산모델의 변화에 따른 핵심 노드의 변화 또한 발생하는 것을 확인하였다. 따라서 서식종의 분산모델에 따른 핵심 노드의 판별에 주의해야 한다.
지수분포 분산 모델과의 연결중심성 상관관계 분석결과 또한 대다수 네트워크 간의 상관계수는 0.61 ~ 0.88로 핵심 노드 역할을 수행하는 노드의 역할이 유지되는 경향이 있으나 평균 이동거리 1.8 km와 β = 3에서의 상관계수는 0.47로 낮게 나타났다.
분산 모델 변화에 따른 생태 네트워크 내 연결 중심성이 높은 핵심 노드를 분석한 결과, 같은 분산 모델에서 임계거리 등 이동 거리의 변화에 따른 평균 연결 중심성의 변화가 발생함에도 대부분의 핵심 노드들이 높은 연결성을 유지하는 경향이 있는 것으로 나타났다. 특히 결정론적 분산모델과 확률론적 분산모델에서의 연결 중심성 상관분석 결과 또한 다른 분산 모델임에도 불구하고 대부분의 네트워크에서 상관계수가 높게 나타나는 등 높은 연결성을 지니는 노드들은 분산 모델의 변화에 따른 네트워크 특성 변화가 나타남에도 높은 연결성을 유지하는 경향이 있는 것으로 나타났다. 따라서, 분산모델에 따라 생태 네트워크의 특성은 변하나, 연결 중심성이 높은 핵심 노드는 유사하게 나타나며 해당 노드에 대한 보호 및 관리를 통해 생태 네트워크의 구조적, 기능적 특성을 유지할 수 있을 것으로 판단된다.
반면, 확률론적 분산모델에 의해 정의된 생태 네트워크의 경우 연결 중심성 및 집단화 계수는 임계거리 분산모델보다 낮게 나타나나 장거리 이동이 가능함에 따라 지리적 거리가 먼 노드로의 이동에 효율적인 것으로 나타났다. 특히 두꺼운 꼬리 분산 모델의 경우 연구 지역내 모든 습지에 대해 이동이 가능함에 따라 연결 중심성 대비 이동 효율성이 높게 나타났다.
지수분포 분산 모델의 경우 또한 평균 이동거리가 증가함에 따라 높은 연결성을 지니는 노드의 수가 증가하는 것을 확인할 수 있다(그림 7). 특히 핵심 노드의 공간 분포 및 각 평균 이동거리에 따른 연결 중심성의 피어슨 상관계수 분석 결과 평균거리 1.8 km에서의 연결성과 0.6 km에서의 연결성 상관계수가 0.77로 가장 낮게 나타나는 등 모든 네트워크 모델 간의 상관계수가 0.7 이상으로 나타남에 따라 평균 이동거리가 낮은 네트워크에서의 핵심 노드가 평균 이동거리가 길어져도 같은 역할을 수행하는 것으로 확인되었다(표 2). 또한, 임계거리 분산모델과의 상관관계 분석 결과 연결성이 높은 노드가 많이 분포되어 있는 평균거리 1.
특히 핵심 노드의 공간 분포 및 네트워크 모델 간 연결 중심성의 피어슨 상관계수 분석 결과 이동확률이 가장 낮은 β = 3에서의 네트워크와 이동확률이 가장 높은 β = 2에서의 네트워크 간의 연결성 상관계수가 0.73으로 가장 낮게 나타나는 등 모든 네트워크 모델 간의 연결 중심성 상관계수가 0.7 이상으로 두꺼운 꼬리 분산 모델에서 정의된 모든 생태 네트워크에서 동일한 노드가 핵심 노드의 역할을 수행하는 경향이 확인되었다(표 2).
그림 4는 각 평균 이동거리 별 지수 분포 분산 모델에 의한 습지의 연결을 보여주고 있는데 평균 이동거리의 증가에 따라 연결이 증가하는 것을 확인할 수 있으며 특히 장거리 이동이 가능하기 때문에 임계거리 분산모델에 비해 먼 거리의 이동이 발생한다. 특히 확률적인 이동 특성으로 인해 임계거리 분산모델에 비해 연결 중심성과 집단화 계수는 낮은 반면 앞서 기술한 바와 같이 구조적으로 멀리 떨어져 있는 습지 간의 이동이 가능해짐에 따라 네트워크 효율성은 높은 것을 확인할 수 있다.
각 네트워크 특성을 평가한 결과 임계거리 분산 모델에 의해 생성된 네트워크의 경우 국지적인 군집화가 높게 나타나고 이동 효율성이 낮게 나타난 반면 확률 분산 모델의 경우에는 낮은 군집화와 높은 이동 효율성이 특징으로 관찰되었다. 특히, 두꺼운 꼬리 분산 모델에 따라 이동하는 서식종의 경우 아주 먼 이동거리 역시 무시할 수 없는 확률로 효율적 이동이 가능한 것으로 나타났다. 이와 같이 이동 분산 모형에 따라 서로 다른 특성을 지닌 네트워크가 생성됨에도 불구하고 평균 연결성을 통해 평가한 중요 노드는 분산 모델과는 상관없이 유지되고 있는 것으로 평가되어 향후 습지의 보존, 보호를 위한 우선순위 결정시 중요한 근거로 이용될 수 있을 것으로 판단된다.
특히, 습지간 연결이 매우 낮게 나타나는 모델(β = 3)을 제외한 다른 네트워크 모델에서 임계거리 분산모델 및 지수 분포 분산 모델에 비해 평균 연결 중심성과 집단화 계수는 낮게 나타나는 등 국지적인 연결은 낮게 나타나나 장거리 이동이 가능해짐에 따라 연결 중심성에 비해 효율성은 높게 나타난다.

후속연구

(2006)은 시스템의 중요한 구조적 특성을 포함하지 않은 이전의 생태계의 연구들과는 다르게 시스템의 구조적 특성 및 구성요소 간의 상호 작용에 더 집중할 수 있는 네트워크 관점의 중요성을 제시하였다. 네트워크 분석을 통해 생태계의 구조와 구성요소 간 상호 작용이 시스템의 성능에 어떤 영향을 주는지 분석할 수 있으며 특히 구조 및 구성요소의 변화에 따른 특성 변화 분석을 통해 향후 습지경관의 리질리언스 연구와 관련한 구체적인 관점을 제시할 수 있다. 따라서 습지의 가치를 평가함에 있어 개별 습지와 더불어 주변 습지와의 연결을 통해 나타나는 특성을 분석하는 것이 중요하다.
본 연구에서는 습지를 특정 면적을 지니는 정적인 상태로 정의하였으나 실제 습지는 강우와 증발산 등 유출에 의해 끊임없이 변화하는 수문 동역학적 노드이다. 따라서 향후 계절별 수문-기상 조건에 대한 습지의 수문 변화 및 그에 따른 네트워크 특성 변화의 시계열 분석을 통한 습지 경관의 리질리언스 분석이 필요하다.
본 연구는 습지 서식종의 다양한 분산 모델을 통한 생태 네트워크 생성을 목표로 하기 때문에 종의 이동은 제한된 연구지역 내에서만 이동하는 것으로 가정하였다. 또한 본 연구에서는 지리적으로 고립된 습지(Geographically Isolated Wetland, GIW)를 대상으로 하기 때문에 하천을 제외한 내륙 습지로 대상을 제한하였다. 해당 연구지역은 417.
본 연구 결과는 향후 계절 및 기후 변화에 따른 습지 환경의 변동으로 인한 네트워크 특성의 변화를 분석하여 습지경관의 리질리언스 분석을 위한 기초자료로 활용될 수 있다. 특히 계절별 동일한 수문-기상 조건 하에서 분산 모델의 영향 분석을 통해 습지경관의 리질리언스 변화에 대한 주요인을 확인할 수 있다.
특히, 두꺼운 꼬리 분산 모델에 따라 이동하는 서식종의 경우 아주 먼 이동거리 역시 무시할 수 없는 확률로 효율적 이동이 가능한 것으로 나타났다. 이와 같이 이동 분산 모형에 따라 서로 다른 특성을 지닌 네트워크가 생성됨에도 불구하고 평균 연결성을 통해 평가한 중요 노드는 분산 모델과는 상관없이 유지되고 있는 것으로 평가되어 향후 습지의 보존, 보호를 위한 우선순위 결정시 중요한 근거로 이용될 수 있을 것으로 판단된다.

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

연합인증