Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1229-3857(Print)
ISSN : 2288-131X(Online)
Korean Journal of Environment and Ecology Vol.29 No.3 pp.333-343
DOI : https://doi.org/10.13047/KJEE.2015.29.3.333

Predicting the Goshawk’s habitat area using Species Distribution Modeling: Case Study area Chungcheongbuk-do, South Korea1

Hae-Jin Cho2,3,Dal-Ho Kim2,3,Man-Seok Shin2,4,Tehan Kan3g,Myungwoo Lee2*
2Dept. of Landscape Architecture, Chonbuk National University, Jeonju(570-752), Korea
3Korea Institute of Environmental Ecology, Daejeon(305-509), Korea(spoonbill@kienv.co.kr)
4National Institute of Ecology, Seocheon(325-813), Korea
*Corresponding author: Tel: 82-63-270-2598, Fax: 82-63-270-2600, E-mail: lmw@jbnu.ac.kr
February 27, 2015 March 22, 2015 March 23, 2015

Abstract

This research aims at identifying the goshawk’s possible and replaceable breeding ground by using the MaxEnt prediction model which has so far been insufficiently used in Korea, and providing evidence to expand possible protection areas for the goshawk’s breeding for the future. The field research identified 10 goshawk’s nests, and 23 appearance points confirmed during the 3rd round of environmental research were used for analysis. 4 geomorphic, 3 environmental, 7 distance, and 9 weather factors were used as model variables. The final environmental variables were selected through non-parametric verification between appearance and non-appearance coordinates identified by random sampling. The final predictive model (MaxEnt) was structured using 10 factors related to breeding ground and 7 factors related to appearance area selected by statistics verification. According to the results of the study, the factor that affected breeding point structure model the most was temperature seasonality, followed by distance from mixforest, density-class on the forest map and relief energy. The factor that affected appearance point structure model the most was temperature seasonality, followed by distance from rivers and ponds, distance from agricultural land and gradient.

The nature of the goshawk’s breeding environment and habit to breed inside forests were reflected in this modeling that targets breeding points. The northern central area which is about 189.5 km2(2.55 %) is expected to be suitable breeding ground. Large cities such as Cheongju and Chungju are located in the southern part of Chungcheongbuk-do whereas the northern part of Chungcheongbuk-do has evenly distributed forests and farmlands, which helps goshawks have a scope of influence and food source to breed. Appearance point modeling predicted an area of 3,071 km2(41.38 %) showing a wider ranging habitat than that of the breeding point modeling due to some limitations such as limited moving observation and non-consideration of seasonal changes. When targeting the breeding points, a specific predictive area can be deduced but it is difficult to check the points of nests and it is impossible to reflect the goshawk’s behavioral area. On the other hand, when targeting appearance points, a wider ranging area can be covered but it is less accurate compared to predictive breeding point since simple movements and constant use status are not reflected. However, with these results, the goshawk’s habitat can be predicted with reasonable accuracy. In particular, it is necessary to apply precise predictive breeding area data based on habitat modeling results when enforcing an environmental evaluation or establishing a development plan.


종분포모형을 이용한 참매의 서식지 예측1
-충청북도를 대상으로-

조해진2,3,김달호2,3,신만석2,4,강태한3,이명우2*
2전북대학교 조경학과
3한국환경생태연구소
4국립생태원

초록

본 연구는 국내에서 아직 미흡한 조류 번식지 예측 모형을 이용해 참매의 서식지 예측 및 대체번식지로서 이용 가능한 지역을 선정하고, 향후 참매 번식 가능지역을 대상으로 보호관리 지역을 확대할 수 있는 근거를 제시하기 위한 방안이다. 참매의 번식지는 현장조사에서 확인된 둥지(N=10)를 이용하였으며, 출현지점은 제3차자연환경조사를 통해 확인된 참매출현지점(N=23)을 활용해 분석하였다.

모형변수로는 지형인자 4가지, 자연환경인자(식생) 3가지, 거리인자 7가지, 기후변수 9가지를 활용하였다. 활용변수 중 Random sampling을 통해 확보된 비출현 좌표와 출현좌표간 비모수 검증을 통해 최종 환경변수를 선정하였다. 유의성 검증을 통해 선택된 변수는 번식지 대상 10가지, 출현지점 대상 7가지였으며, 이 변수를 활용해 최종 서식지 예측 모형(MaxEnt)을 구축하였다. 모델 구축결과 번식에 활용된 각 변수별 모형 기여도는 온도의 계절적 변동, 혼효림 과의 거리, 입목밀도, 경급의 순이었으며, 출현지점에 활용된 각 변수별 모형 기여도는 온도의 계절적 변동, 수계와의 거리, 경작지와의 거리, 경사도의 순이었다.

번식지점을 대상으로 한 모델링은 기후환경과 숲 내부에서 번식하는 참매의 특성이 반영된 것으로 판단된다. 예상서 식지는 충청북도 중부 이북지역으로 예상되었으며, 그 면적은 189.5km2(2.55%)였다. 충북 이남지역은 청주와 충주 등의 비교적 큰 도시가 발달되어 있는 반면 충청북도 북부지역의 경우 산림과 경작지가 고루 발달되어 있어 번식에 있어 일정한 세력권과 먹이원이 필요한 참매로서는 번식에 유리한 지역일 것으로 판단된다.

출현지점 대상으로 한 모델링은 면적이 3,071km2(41.38%)으로 확인되었으며, 이는 출현지점을 대상으로 하여 단순 이동 관찰 및 계절적인 변동 미고려 등의 한계가 있기 때문에 번식지점을 대상으로 한 모델링보다 광범위한 서식예상지 역을 예측하였다. 결과에서 확인된 예측지점은 번식지를 대상으로 하였을 경우 정밀한 서식예측이 가능하나, 둥지의 특성상 확인되는 지점이 적고, 참매의 행동영역을 반영하지 못하는 단점이 있다. 반면 출현지점을 대상으로 하였을 경우 더 광범위한 지점에 대한 결과 도출이 가능하였으나, 단순 이동이나 지속적인 이용실태를 반영하지 못하기 때문에 정밀도에서는 다소 떨어진다고 할 수 있다. 다만 이러한 결과들을 통해 참매의 서식지를 예측할 수 있으며, 특히 정밀한 번식지역의 예측자료는 환경영향평가나 개발계획 수립시 서식지 모형 결과를 도입하여 반영할 필요성이 있다.


    서 론

    최근 많은 국가에서 생물을 하나의 자원으로 인식하고 생물자원의 확보 및 보호에 많은 노력을 기울이고 있다. 그 중 맹금류(Raptorial birds)는 국제적으로 멸종위기에 처한 분류군이 많으며 우리나라의 경우에도 국내에 계절적으로 도래하거나 연중 서식하는 맹금류 중 대부분이 환경부 지정 멸종위기종 또는 문화재청 지정 천연기념물로 지정되어 법 정 보호를 받고 있다. 일부 맹금류의 경우 개체수 감소의 정도가 심해 종 절멸의 위기에 처해 있으며, 인위적인 증식 복원을 통한 개체군 유지 및 보전활동이 필요한 상황에 처 해 있다. 이러한 복원 계획의 일환으로 환경부에서는 ‘멸종 위기야생동·식물 증식·복원 종합계획’ 시행에 따라 체계적 이고 계획적인 멸종위기종의 증식·복원을 추진하고 있다.

    최근 이러한 복원 계획에 있어 기초적인 자료로 이용하기 위해 GPS, GIS 그리고 통계학적 학습 방법의 기술을 통해 생물종 서식예측모형이 시도되고 있다(Choi and Park, 2005; Seo et al., 2008; Kwon et al., 2012a.b). 서식예측 모형은 멸종위기종 복원에 있어서 중요한 기초적 자료로 이용 가능하며, 차후 멸종위기종 복원 시 의미 있는 복원대 상 지역을 선정하기 위해 선행 작업으로서 꼭 필요한 분야 라 할 수 있다.

    본 연구의 대상종인 참매는 유라시아 대륙과 북아메리카 북부에 넓게 분포하는 중형의 맹금류로 국내에는 환경부 지정 멸종위기 Ⅱ급, 문화재청 지정 천연기념물 제 323-1호 로 지정되어 보호되고 있다(Ministry of Environment, 2005a; 2005b; Cultural Heritage Administration, 2009). 전 세계에 8아종이 분포하고 있으며, 번식 시기는 2월에서 8월 까지로 알려져 있다(Donald and Lillian, 1989; Hoyo et al., 1992). 국내에서는 2006년도에 충북 남한강변에서 번식지 가 확인된 이후 인근 지역을 중심으로 참매의 번식지 보고 가 확인되기 시작하였다. 그러나 산림 내부 지역에서 번식 하는 특성으로 인해 번식지가 확인되는 사례는 극히 적다. 또한 비교적 낮은 야산에서 번식하기 때문에 신도시 개발 및 도로건설 등 개발의 영향을 받기 쉽고 번식환경 악화가 우려되고 있는 종이기도 하다(Horie et al., 2006).

    참매는 일본을 비롯한 미국, 유럽 등지에서 활발한 연구 가 진행되고 있다. 국외 연구의 경우 크게 참매 둥지 인근 서식지 환경 구성에 관한 연구(Speiser and Bosakowski, 1987; Ishizuka and Ikeda, 1996; Squires and Ruggiero, 1996; DeStefano and McCloskey, 1997; Suzuki, 1999; Lorraine, 2000; Horie et al., 2006; Matsue et al., 2006; Ueta et al.,2006; Uchida et al., 2007; Beier et al., 2008), 참매 행동권 및 서식지 이용실태 분석(Austin, 1994; Toyne, 1998; Boal et al., 2003; Horie et al., 2007; Ueta et al., 2010; Klaver et al., 2012), 참매의 번식생태 및 먹이원 관련 연구(Widen, 1989; Iwami, 1996; Tornberg and Colpaert, 2001; Smithers et al., 2005; Byholm, 2008)로 구분할 수 있으며, 국내의 경우에는 번식생태 및 영소지의 특성에 관 한 연구만이 진행된 형편이다(Yi et al., 2011; Yi et al., 2013). 번식지로 이용하는 산림지역 및 숲의 감소는 참매 번식에 큰 영향을 줄 수 있기 때문에 본 종 보전을 도모하는 데 서식지 분석 및 서식잠재력 평가는 매우 중요하다. 하지 만 국내의 경우 이러한 서식지 적합성 모형과 개체군 존속 가능성 분석을 이용하여 특정 종의 보전 전략을 수립하는 단계는 아직 미흡한 실정이다(Choi and Park, 2005).

    GIS를 이용한 분석 모델링은 생태마을 입지분석 모델 개발, 유적지 입지분석 및 분포예측등과 같은 인문학적 모 델링 개발을 비롯하여 기후변화와 관련된 홍수취약성 평가, 도시공간분석 등과 같은 지리, 공학분야에서 활발히 활용하 고 있으며 Cho et al., 2011; Kang and Lee, 2012; Yun, 2012; Kim and Jung, 2013; Kim et al.(2013) 최근 들어 생물종 서식지까지 적용하여 분석하고 있다.

    생물종 서식지 예측모형은 초창기에는 야생동물 한 종에 대한 서식지 적합성을 분석하고 로지스틱 회귀분석과 환경 인자를 통계적 검증을 통해 서식지 분포도를 예측하는 연구 와 환경변수를 기존 부울 논리로 환경변수를 이용하고 각 환경변수별 가중치를 부여하여 대상서식지의 특성을 분석 하는 연구가 주를 이루었다(Choi and Park, 2005; Kim et al., 2008; Lee et al., 2010);

    그 이후 서식지 관련 모형들이 개발이 되면서 각 모델별 서식지 예측을 위한 다양한 접근이 시도되어 왔다. 이러한 서식지 모형은 야생동물 뿐만 아니라 식물에 대한 서식지 분포 특성 연구도 진행되었으며(Kwon, 2012a), 생물종이 서식할 수 있는 지역을 추론하고, 범위를 적용하여 대체 서 식지로 이용될 수 있는 지역과의 연결성 확보에 대한 연구 등도 진행되었다(Lee and Kim, 2010). 이 외에도 지리산 등을 비롯한 국한적으로 서식하는 종 등을 대상으로 모형 모델을 통해 이용지역 혹은 서식특성에 대한 연구가 활발히 진행되고 있는 상태다(Kwon, 2011). 조류의 경우에는 특정 종의 특성보다는 전체적인 종분포에 관한 서식지 모형들이 구축되었다(Shin, 2013)

    따라서 본 연구는 국내에서는 아직 미흡한 멸종위기종인 참매의 번식지 및 출현지점을 대상으로 예측 모형을 구축하 여 참매의 번식지 예측 및 대체서식지로서 이용 가능한 지 역을 선정하고, 향후 참매 서식 가능지역을 대상으로 보호 관리 지역을 확대할 수 있는 근거를 제시하기 위함이다.

    연구 방법

    1.연구 대상지 및 연구과정

    1)연구대상지

    국내에서 번식하는 참매의 경우 그 개체수가 매우 적기 때문에 전국을 대상으로 번식지를 파악하였으며, 파악된 번 식지를 통해 서식특성을 확인하였다. 참매 번식 둥지의 수 가 많지 않고 많은 행정구역에 걸쳐 넓게 분포하고 있는 관계로 조사된 모든 지역의 번식지를 이용한 모형 구축은 사실상 불가능하였다. 따라서 모형 구축에 사용된 대상지는 행정구역 상 가장 많은 번식지가 확인됨과 동시에 유사한 환경에 다수의 둥지가 확인된 충청북도 지역으로 함축하였 다(Figure 1). 연구대상지인 충청북도는 동쪽으로는 소백산 맥의 주능선을 경계로 경상북도의 상주시, 문경시, 영주시 와 접하고, 서쪽은 충청남도 천안시, 연기군, 대전광역시 대 덕구와 접하고 있으며, 남쪽은 전라북도 무주군, 경상북도 김천시, 북쪽은 경기도 이천시, 강원도 원주시, 영월군과 접 하고 있다. 지리적 위치는 서북으로 차령산맥과 동남으로 소백산맥의 중간지대에 위치하고 있다. 연평균 기온은 1 0℃-12℃로서 온대기후이며, 온난한 편이나 위도에 비하여 겨울은 춥고 여름은 더운 편이다. 지역별 기온의 연교차는 30℃ 정도이다. 연평균 강수량은 1,100-1,300㎜로 계절적 편차가 크며 여름철(6-8월)의 강수량은 연강수량의 60%에 이른다(A White Paper on chungcheongbuk provincial government, 2011).

    2)연구과정

    연구의 전체적인 수행과정은 Figure 2에 제시한 바와 같 다. 현장 조사를 통해 참매의 둥지를 파악하여, 각 지점의 좌표를 취득하였으며, 선행문헌을 고찰하여 참매 번식 및 서식에 영향을 줄 수 있는 환경변수를 선정하였다. 이렇게 선정된 환경변수의 주제도를 구축한 후 통계적 처리방법에 의해 최종 모형에 사용될 환경변수를 선정한 후 서식지 예 측모형을 구축하였다. 서식지 예측 모형은 번식지점을 대상 으로 한 예측모형과 제3차자연환경조사에서 확인된 출현지 점을 대상으로 한 모형을 구축하였으며, 최종적으로 비교 고찰을 실시하였다.

    2.연구방법

    1)모형변수구축

    환경요인에 따른 모형변수는 선행문헌의 고찰을 통해 참 매의 서식환경과 관련된 자료를 선정하여 제작하였으며, 지 형인자, 자연환경인자(식생), 거리인자, 기후변수 4가지를 선정하여 적용하였다. 참매는 지형적 특성, 산림구조와 영 소목의 적절성, 먹이공급지역과의 근접성 등이 번식지 선택 과 관련이 있는 것으로 알려져 있으며(Lorraine, 2000; Beier et al., 2008), 번식시기에 심각한 방해요인이 없다면 인근 지역에서 지속적으로 번식을 하는 것으로 알려져 있 다. 또한 조류의 경우 번식률을 높이고 새끼의 생존률을 최 대화하기 위하여 포식(predation)과 미기상(microclimate) 에 반응하여 둥지 위치를 선정하는 것으로 알려져 있다 (Hoekman et al., 2002). 참매와 같은 중대형 맹금류는 번식 에 있어 인위적인 방해요인 외에 다른 포식에 의한 방해요 인은 극히 적기 때문에 번식에 알맞은 기후조건 및 기후적 환경은 지속적인 둥지 선택에 있어 큰 영향을 미칠 것으로 판단된다(Kim et al.,2010; Kim and Oh, 2013). 따라서 본 연구에서는 둥지 선택 및 서식지선택에 영향을 미칠 가능성 이 큰 기후변수를 추가하여 세부 환경 변수를 선정하였으 며, 이러한 참매의 번식 및 서식특성을 감안하여 23가지의 모형변수를 선택 및 구축하였다(Table 1). 구축에 사용된 지형인자는 국토지리정보원의 자료, 식생 등의 자료는 산림 청 임상도를 활용하였으며, 기후자료는 Worldclim-Global Climate Data(www.worldclim.org)에서 제공하는 Bioclim 자료를 이용하였다. 모형은 ERIS사의 ArcGIS 9.3을 활용 하여 격자크기(grid size)는 20m×20m로 구축하였다.

    2)모형선정 및 구축

    최종 생성된 모형변수의 경우 모형의 입력 자료로 활용하 기 전에 출현/비출현 자료 간 유의미한 차이가 있는지를 고 려하였다. 공간변수 중 서식지 예측을 위한 모형변수를 선 택하기 위해 비출현 자료로 판단할 수 있는 Random point 100개 지점과 조사 결과 확인된 둥지 지점과의 비교를 통해 유의미한 차이가 있는지를 확인하였다. 야생동물 자료들은 표본수가 적거나 정규분포를 따른다는 가정을 할 수 없으므 로 주로 비모수 검증을 이용한다(Kwon, 2011). 따라서 본 연구에서는 SPSS 13.0을 이용하여 비모수검정의 한 방법인 Mann-Whitney U Test을 실시하여 Random point 지점과 현지조사 결과 확인된 둥지지점, 제3차자연환경조사시 확 인된 참매의 출현지점에 대한 유의성 검증을 통해 모형을 위한 최종 변수를 선정하였다(Zar, 1984).

    종분포모형은 크게 생태적 지위 모형과 서식지 적합성모 형으로 구분할 수 있다(Franklin, 2009). 생태적 지위 모형 은 종의 분포와 환경변수와의 관계를 통해 객관적인 결과를 도출하는 모형이며, 서식지 적합성 모형은 종의 생존에 필 요한 서식지 적합 정도를 확인하는 방법이다(Kwon, 2011).

    이러한 종분포 모형은 관점에 따라 통계적 모형, 기계학 습모형, 그리고 유사모형 및 전문가 규칙 등으로 구분할 수 있으며(Kwon, 2011), 통계적 모형에는 GLM(Gerneralized Linear Model), GAM(Gerneralized Additive Model), MARS(Multivariate Adaptive Regression Splines) 등을 통 해 다양한 통계적 방법론으로 활용되었다. 최근에는 기계학 습모형에 대한 연구가 많이 진행되고 있으며, 기계학습모형 중에 최대 엔트로피 모형으로 개발된 MaxEnt, 유전학적 알 고리즘 모형으로 개발된 GARP(GeneticAlgorithm for Rule-set Production) 등의 모형은 출현자료만을 활용해서 도 우수한 정확도를 도출할 수 있음이 확인되었다(Franklin, 2009; Song and Kim, 2012) 그 중 MaxEnt(Maximum entropy)모형은 다용도 기계학 습모형으로 주로 금융이나 천문학 분야에서 주로 사용되었 다(Flanklin, 2009; Kwon, 2011). Maximum entropy를 직 역하면 무질서의 극대화나 엔트로피의 극대화로 번역될 수 있다. 즉, 생물종이 공간에 위치할 확률분포를 추정할 때, 연구자는 주어진 조건을 만족하며, 분포의 무질서 혹은 불 확실성을 극대화할 수 있는 값을 추정하여 최대한의 정보를 얻어내는 것이다. 이러한 MaxEnt방법은 자료가 매우 제한 되어 통상적인 통계 기법을 통해서는 확률분포를 도출하기 어려운 경우에 유용하게 활용된다(Kim and Kwon, 2000).

    MaxEnt 모형은 출현정보만을 요구하면서 변수들 사이의 상호작용을 보여주며, 효율적 알고리즘으로 적은 수의 출현 자료만으로도 과적용(Over-fiting)을 최소화하여 최상의 확 률분포를 보여주는 점 등의 장점이 있다(Phillips et al., 2006).

    따라서 본 연구에서는 적은수의 번식둥지 자료와 종 출현 정보만이 있는 상황에서 가장 최대효과를 낼 수 있는 MaxEnt모형을 선택하여 분석에 이용하였다. 신뢰도 검증 은 5회의 교차검증을 실시하였다.

    3)예측된 서식지의 비교 및 고찰

    MaxEnt를 이용해 구축된 모형을 활용해 복원관리 및 보 호지역 선정에 활용하기 위해 참매의 번식지점과 출현지점 과의 비교분석을 실시하였다. 참매의 민감도(출현지역 예측 률)와 특이성(비출현지역 예측률)의 합이 최대가 되는 값을 기준으로 출현/비출현으로 구분하고, 참매의 출현가능성이 높을 것으로 예측된 지역을 이용하여 번식지예측도와 출현 지 예측도를 비교하였다. 또한 선행연구문헌을 참고하여 번 식지 예측자료와 출현지 예측자료에 대한 신뢰성과 타당성 을 검토하였다.

    결과 및 고찰

    1.분포도 및 모형변수 구축

    1)관찰지점 분포도

    참매의 번식이 확인된 10개 지점에 대해 관찰지점 분포 도를 작성하였으며, 참매의 둥지가 확인된 지점은 충청북도 북부지역이었으며, 분포 둥지는 행정구역상 충주지역과 제 천지역에서 확인되었다(Figure 3(a)). 출현지점은 제3차자 연환경조사 결과로 충청북도에서 확인된 23개 지점을 활용 하였으며, 파악된 지점은 대상지의 중부이북지역에서 주로 확인이 되었으며, 일부 개체의 경우 남부지역에서도 확인이 되었다(Figure 3(b)).

    2)모형변수 구축 및 대상지 환경분석

    연구대상종의 서식 적합지 추출을 위해 기후인자, 지형인 자, 자연환경인자(식생), 거리인자 4가지 유형인자에 23개 의 모형변수를 구축하였다. 기후인자는 Worldclim-Global Climate Data자료를 이용하여 연평균강수량(Bio 1), 연평 균기온(Bio 12) 등 9개의 인자를 구축하였으며, 지형인자에 는 고도(DEM), 경사도(Slope), 향(North), 토지기복도(Relief) 등 4개 인자를 구축하였다. 자연환경인자(식생)에는 산림청 임상도 이용하여 영급(Yung), 경급(Kung), 입목밀도(Mildo) 3개 인자를 구축하고, 거리인자로는 수계로부터의 거리(DWA), 도 로로부터의 거리(DRO), 시가지로부터의 거리(DCA), 농경지로부 터의 이격거리(Agri), 나대지/개활지로부터의 이격거리(Openarea), 침엽수림으로부터의 거리(Conifers), 혼효림으로부터의 거리 (Mixforest) 등 7개 인자를 구축하였다(Figure 4).

    분석결과 충청북도의 기후적인 특성은 북서부지역은 연 강수량이 적고, 연평균기온은 높으나, 동남부지역으로 갈수 록 상대적으로 연강수량은 풍부해지고, 연평균기온은 낮아 지는 것으로 확인되었다. 평균일교차는 동부지역과 남부일 부지역을 제외하고는 상대적으로 크게 나타났다(Figure 4(a)). 지형 및 식생의 특성은 북동부지역으로 갈수록 고도, 경사 등이 높고 급하였으며, 영급 및 경급이 높은 것으로 확인되어 산림이 발달되어 있는 환경이었다(Figure 4(b)). 충청북도의 이러한 기온, 지형, 식생의 특성은 서북부지역 은 차령산맥, 동부 지역은 소백산맥 등의 산림지형에 따른 영향으로 판단된다.

    충청북도내 토지피복도상 공업 및 주거지역은 270.6km2 (3.6%), 경작지 1,739.5km2(23.4%), 활엽수림 1,680km2(22.6%), 침엽수림 1,679.9km2(22.6%), 혼효림의 면적 1,515.7km2(20.4), 수변지역 199.6km2(2.7%)로 자연환경적 공간 면적 비율이 매 우 높았다. 수계는 북부지역에 남한강, 남부 지역에는 금강 의 수계가 발달되어 있다(Figure 4(c)).

    2.최종모형변수선정 및 서식지 예측

    1)최종모형변수 선정

    Mann-Whitney U Test 검증 결과 번식지 선택에 있어서 유의한 차이가 있다고 판단된 변수는 Table 2와 같다. 번식 지점을 대상으로 분석한 결과 지형인자는 유의미한 차이가 있는 환경변수가 확인되지 않았으며, 자연환경인자는 Mildo와 Kung에서 확인되었다. 거리 변수의 경우 DRO, Mixforest, Agri가 유의한 차이가 있는 것으로 확인되었다. 기후변수는 계절별 Bio 2, Bio 4, Bio14, Bio 15, Bio 17이 유의한 차이가 있는 것으로 확인되었다. 반면 출현지점을 대상으로 하였을 경우 기후변수에서 Bio2와 Bio14가 유의 한 차이가 있는 것으로 확인되었으며, 지형인자에서 Relief 와 Slope, 거리인자에서 DWA, DRO, Agri가 유의한 차이 가 있는 것으로 확인되었다(p<0.05, Table 2).

    Kwon(2011)에 의해 출현지점을 대상으로 일부 산림성 조류의 환경요인별 유의성 검증 결과, 종의 생태적 특성에 따라 유의한 차이가 있는 것으로 확인되었다. 대표적인 산 림내부종인 흰배지빠귀는 고도, 경사, 기복량, 영급, 경작지 와의 거리 등에서 유의한 차이가 있었으며, 산솔새는 고도, 경사, 기복량, 산림경계에서 외부로의 거리, 산림경계에서 내부로의 거리 등에서 유의한 차이가 있었다. 반면 꿩의 경 우에는 환경변수와 유의한 차이가 없는 것으로 확인되었다. 이러한 점은 종의 주서식장소와 먹이원에 따라 차이가 나는 것으로 판단할 수 있으며, 종의 번식지 출현지점을 대상으 로 한 본 연구와 단순 비교는 어렵지만, 종에 따라 선호하는 환경변수에 차이가 있다는 것을 의미한다.

    2)MaxEnt 모형을 이용한 서식지 예측

    참매의 번식지 및 서식가능지역을 예측하기 위해 Table 2에서 유의성이 확인된 변수를 선택하여, Figure 5과 같이 모형을 구축하였다.

    MaxEnt 모형은 ROC(Receiver operating characteristics) 검증을 통해 AUC(Area under the ROC curve) 값을 구하며 (Kim, 2012), 이러한 ROC값의 신뢰도는 AUC값이 0.7이 상일 때, 모형이 설명하는 잠재력이 의미 있는 값이라고 판 단되어진다(Lee and Kim, 2010). 본 연구결과 모형의 신뢰 도를 나타내는 AUC 값은 번식지 대상 예측 0.953, 출현지 점 대상 예측 0.653으로 번식지점을 대상으로 하였을 경우 모형의 신뢰도는 매우 높았으나, 출현지점을 대상으로 하였 을 경우 다소 낮은 신뢰도를 보였다. 이는 번식지점을 대상 으로 한 경우 데이터에 일관성이 있으며, 정확도가 높은 자 료로 판단되어 지나, 출현지점을 대상으로 예측한 경우 데 이터의 일관성이 떨어져, 모형의 정확도 및 신빙성도 낮다 고 할 수 있다. 번식지 위치를 대상으로 참매의 예측된 분포 도를 MaxEnt모형에서의 민감도(출현지역 예측률)와 특이 성(비출현지역 예측률)의 합이 최대가 되는 값을 기준으로 출현/비출현으로 구분하였을때, 출현 가능 지역은 충청북도 면적의 약 189.5km2(2.55%)였으며, 출현지점 대상 서식 예측 지는 약 3,071km2(41.38%)가 해당되었다(Figure 5).

    모형의 반영된 기여도(Contribution ratio)는 연구결과 만 들어진 모형에 환경변수가 MaxEnt 예측에 얼마만큼의 영 향을 미쳤는지를 보여주는 것으로 본 연구결과에서는 번식 지 대상으로 한 예측은 Bio 4(43.7%), Mixforest(25.2%), Mildo(15.7%), Kung(8.0%)의 순으로 기여하였으며, 관찰 지점을 이용한 예측에서는 Bio 2(35.9%), DWA(28.2%), Argi(14.9%)의 순으로 기여하였다(Table 3, Figure 6).

    두 모델에서 가장 높은 기여도를 보인 온도의 계절적 변 동 및 일교차는 중부 이북 지역 및 산림지역을 선호하는 지역적 특성이 반영된 것으로 판단된다. 특히 번식지를 대 상으로 한 모델의 반응곡선은 선행문헌과의 고찰을 통해 신뢰도가 높다는 것을 검증할 수 있었다. 번식지 선택에 있 어 반응곡선은 혼효림을 주로 이용하는 점(Uchida et al., 2007), 입목밀도에 있어 둥지재료와 먹이의 운반에 방해가 되지 않는 공간이 필요하기 때문에 조밀한 밀도의 경우 기 피대상이 된다는 점(Horie et al., 2006, Matsue et al., 2006), 주먹이원(소형 포유류, 조류)의 효율적인 사냥을 위 한 경작지와 구릉지대의 근접성(Uchida et al., 2007; Berier et al., 2008) 등은 모형구축 결과와도 일치하는 양상을 보였 다(Figure6(a)) 반면 출현지점 대상으로 한 서식 예측모형 은 수계와의 근접성, 경작지와의 근접성, 경사도 등에서 연 관성을 가지는 것으로 확인되었다(Figure 6(b)). 경작지와 의 근접성 등을 제외하고는 반응곡선에 따른 문헌적 근거를 확인할 수 없었다. 이러한 결과는 출현지점 데이터의 경우 조사시기 및 출현당시의 행동유형의 변수를 고려하지 않은 결과와 조사자의 관찰 위치에 따른 영향을 받기 때문에 이 러한 부분이 모형 구축에 반영이 된 것으로 판단된다.

    3)결론

    본 연구 결과 참매는 둥지선택에 있어 환경적, 기후적 요인과 관련이 있는 것으로 확인되었다. 연구 결과로 예측 된 지역은 충청북도 북부지역과 강원도와의 경계부근이었 으며, 이러한 결과는 특정 임상과 산림을 선호하는 참매의 번식지 선호 경향이 모델을 통해서 반영된 결과라고 할 수 있다. 충북 남부 지방은 청주와 충주 등의 비교적 큰 도시가 발달되어 있는 반면 북부지방은 산림과 경작지가 고루 발달 되어 있어 번식에 일정한 세력권과 먹이원이 필요한 참매로 서는 번식에 유리한 지역일 것으로 판단된다(Matsue et al., 2006). 출현지점을 대상으로 한 연구결과는 AUC값이 0.7 이하로 신뢰성이 다소 떨어지지만, 관찰지점이 많고 대상지 역이 넓을 경우 충분한 신뢰성을 가질 가능성이 있기 때문 에 이에 대한 검증이 필요할 것으로 판단된다. 다만 데이터 의 축적이 이루어지지 않는다면, 출현지점을 대상으로 한 예측은 보호지역 확대나 복원지역의 선정 자료로 이용하기 에는 다소 무리가 있을 것으로 판단된다. 결과에서 확인된 예측지점은 번식지를 대상으로 하였을 경우 정밀한 서식예 측이 가능하나, 둥지의 특성상 확인되는 지점이 적고, 참매 의 행동영역을 반영하지 못하는 단점이 있다. 반면 출현지 점을 대상으로 하였을 경우 광범위한 지점에 대한 결과 도 출이 가능하였으나, 대상종의 단순 이동이나 지속적인 이용 실태를 반영하지 못하기 때문에 정밀도에서는 번식지보다 다소 떨어진다고 할 수 있다. 이러한 결과들을 통해 참매의 예상 서식지를 추정할 수 있으며, 특히 정밀한 번식지역의 예측자료는 환경영향평가나 개발계획 수립시 서식지 모형 결과를 도입하여 반영할 필요성이 있다.

    본 연구에서 시도된 참매의 번식지 모델링 및 출현지점에 대한 모델링은 차후 멸종위기종의 복원 및 관리를 위한 기 초적 자료 구축 및 근거 마련을 위한 연구이다. 아직 많은 수의 번식둥지와 관찰정보가 적은 종이기 때문에 추후 지속 적인 모니터링을 통해 관찰정보의 축적이 필요하며, 서식지 분석에 사용된 정보가 모델링의 대상지인 충청북도 중 일부 구간에 편중되어 있기 때문에 해당지역 환경에 기초한 모델 링 결과라는 점은 본 연구의 한계라고 할 수 있다. 또한 이용된 데이터가 공간적 분석 자료이기 때문에 현장조사를 통한 생태조사결과 분석자료를 활용할 수 있는 방안이 필요 하다. 즉, 생태적 특성에 의한 가중치적용과 토지피복도상 도심지역 혹은 기타 배재할 수 있는 지역에 대한 고려가 미흡한 부분, 현재 구축되어 있는 보호지역 및 생태자연도 와 예측대상지 비교를 통해 보호지역 확대 및 타당성 검토 는 향후 연구를 통해 반영되어야 할 부분이다. 다만 본 연구 의 결과로 도출된 참매 서식 적합 지역은 현재 번식지 및 출현지점의 환경을 바탕으로 충청북도 내의 유사 번식지 환경을 도출한 결과이며, 향후 보호지역 혹은 복원지역 선 정시 근거자료로 활용할 수 있을 것으로 판단된다.

    Figure

    KJEE-29-333_F1.gif

    Topography and survey boundary map of the study area

    KJEE-29-333_F2.gif

    Research promotion system

    KJEE-29-333_F3.gif

    Distribution of Goshawk in chungcheongbuk-do

    KJEE-29-333_F4.gif

    Spatial analyzation based on environmental factors

    KJEE-29-333_F5.gif

    Predictive habitat area for Goshawk in Chungcheongbuk-do

    KJEE-29-333_F6.gif

    The response curves of principal environmental variable

    Table

    Spatial factors related to Goshawk inhabitation

    Part of Mann-Whitney U test results(p<0.05)

    Contribution ratio of environmental variables to the MaxEnt model

    Reference

    1. (2011) Chungcheongbukdo , A White Paper on chungcheongbuk provincial government, pp.7-9(in Korean)
    2. Austin KK (1994) Habitat Use and Home Range Size of Breeding Northern Goshawks in the Southern Cascades , A masters thesis, Univ. of Oregon, U.S.A, Vol.57;
    3. Beier P , Rogan E C , Ingraldi MI , Rosenstock SS (2008) Does forest structure affect reproduction of northern goshawks in ponderosa pine forests? , Journal of Applied Ecology, Vol.45; pp.342-350
    4. Boal C W , Andersen DE , Kennedy PL (2003) Home range and residency status of Northern goshawks breeding in Minnesota , The Condor, Vol.105; pp.811-816
    5. Byholm P , Kekkonen M (2008) Food regulates reproduction differently in different habitats: Experimental evidence in the goshawk , Ecology, Vol.89 (6) ; pp.1696-1702
    6. Cho J H , Lee CH , Baek TK (2011) A Study on the Urban Spatial Structure: A Case Study of Jinju City , Journal of the Korean Association of Geographic Information Studies, Vol.14 (4) ; pp.91-101(in Korean with English abstract)
    7. Choi TY , Park CH (2005) Establishing a Korean Goral (Nemorhaedus caudatus raddeanus Heude) in Soraksan National Park, Korea , Journal of the Korean Institute of Landscape Architecture, Vol.32 (6) ; pp.23-35(in Korean with English abstract)
    8. Cultural Heritage Administration (2009) Overview of Korean Natural Heritage: Animal , kumgang printing house, pp.70-72(in Korean)
    9. DeStefano S , McCloskey J (1997) Does vegetation structure limit the distribution of Northern Goshawks in the Oregon coast ranges , Journal Raptor Res, Vol.31; pp.34-3
    10. Donald W , Lillian Q (1989) A Guide to Bird Behavior vol III, Little Brown and Company, pp.397
    11. Frankin J (2009) Mapping species distribution spatial inference and prediction, Cambridge University Press, pp.336
    12. Hoekman ST , Ball J , Fondell TF (2002) Grassland birds orient nests relative to nearby vegetation , Wilson Bulletin, Vol.114; pp.450-456
    13. Horie R , Endo K , Nonaka J , Hunatsumaru H , Koganezawa M (2006) Nest site selection of Northern Goshawks Accipiter gentilis in Nasunogahara, Tochigi Prefecture, central Japan , Janpanese Journal of Ornithology, Vol.55 (2) ; pp.41-47
    14. Horie R , Endo K , Nonaka J , Ozaki K (2007) Seasonal change in home range of male Northern Goshawk in central Japan , Janpanese Journal of Ornithology, Vol.56 (1) ; pp.22-32
    15. Hoyo D , Elliott A , Sargatal J (1992) Handbook of the birds of the world , Linx edicions, Vol.2; pp.160-163
    16. Ishizuka T , Ikeda Y (1996) Goshawk breeding in coastal windbreak forest in Ishikawa , STRIX, Vol.14; pp.197-200
    17. Iwami Y (1996) Some Prey Items of  Three Species of Hawks (Goshawk  Accipite rgeneilis, Sparrowhawks  A.nisus  and  Buzzard  Buteo  buteo) in Tokachi  District,Eastern Hokkaido , Jap. J. Ornithol, Vol.45; pp.37-38
    18. Kang JE , Lee MJ (2012) Assessment of Flood Vulnerability to Climate Change Using Fuzzy Model and GIS in Seoul , Journal of the Korean Association of Geographic Information Studies, Vol.15 (3) ; pp.119-136(in Korean with English abstract)
    19. Kim DM , Oh HS (2013) Breeding Ecology according to Altitude and Temperature Variation in Timouse , Korean J. Environ. Ecol, Vol.27 (6) ; pp.666-675(in Korean with English abstract)
    20. Kim DS , Jung SA (2013) Developing Analytical Model for Locating Preferred Ecovillage Sites Using GIS: The Case Study of Bukgu, Pohang , Journal of the Korean Association of Geographic Information Studies, Vol.16 (2) ; pp.30-46(in Korean with English abstract)
    21. Kim HG (2012) 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 , A master’s thesis, Univ. of seoul, national, Korea, pp.102(in Korean with English abstract)
    22. Kim HG , Lee DK , Mo YW , Kil SH , Park C , Lee SJ (2013) Prediction of Landslides Occurrence Probability under cimate Change using MaxEnt Model , Journal of Environmental Impact Assessment, Vol.22 (1) ; pp.39-50(in Korean with English abstract)
    23. Kim J S , Han B H , Kwak JI (2010) Relationship between the Distribution of Wildbirds and Temperature for Six Years: A Case Study of Worldcup Park in Seoul, Korea , Korean J. Environ. Ecol, Vol.24 (3) ; pp.227-234(in Korean with English abstract)
    24. Kim KC , Kwon OS (2000) Estimating the Biological Growth Function of Korean Anchovy:A Maximum Entropy Approach , Journal of Korean Resource Economics Association, Vol.9 (2) ; pp.285-309(in Korean with English abstract)
    25. Kim SK , Kim NS , Cheong SW , Kim YH , Sung HC , Park SR (2008) A Habitat Analysis of the Historical Breeding Sites of Oriental White Storks(Ciconia boyciana) in Gyeonggi and Chungcheong Provinces, Korea , Korean Association of Geographic Information Studies, Vol.15 (3) ; pp.125-137(in Korean with English abstract)
    26. Klaver RW , Backlund D , Bartelt PE , Erickson MG , Knowles CJ , Kmowles PR , Wimberly MC (2012) Spatial analysis of northern goshawk territories in the black hills, south dakota , Condor, Vol.114 (3) ; pp.532-543
    27. Kwon HS (2011) Integrated Evaluation Model of Biodiversity forConservation Planning: Focused on Mt. Jiri , Mt. Deokyu and Mt.Gaya regions , Ph. D. thesis, Univ. of Seoul national, Korea, pp.120(in Korean with English abstract)
    28. Kwon HS , Ryu JE , Seo CW , Kim JY , Lim DO , Suh MH (2012a) A Study on Distribution Characteristics of Corylopsis coreana Using SDM , Journal of Environmental Impact Assessment, Vol.21 (5) ; pp.735-743(in Korean with English abstract)
    29. Kwon HS , Seo CW , Park CH (2012b) Development of Species Distribution Models and Evaluation of Species Richness in Jirisan region , Journal of the Korean Society for GeoSpatial Information System, Vol.20 (3) ; pp.11-18(in Korean with English abstract)
    30. Lee DK , Kim HG (2010) Habitat Potential Evaluation Using MaxEnt Model: Focused on Riparian Distance, Stream Order and Land Use , J. Korean Env. Res. Tech, Vol.13 (6) ; pp.161-172(in Korean with English abstract)
    31. Lee SG , Jung SG , Park KH , Kim KT , Lee WS (2010) A Prediction Model and Mapping for Forest-Dwelling Birds Habitat Using GIS , Korean Association of Geographic Information Studies, Vol.13 (1) ; pp.62-73(in Korean with English abstract)
    32. Lorraine T C (2000) Nesting habitat selection and productivity of Northern Goshawks in west-central montana , Ph. D. thesis, Univ. of Montana, U.S.A, Vol.87;
    33. Matsue M , Momose H , Ueta M , Fujiwara N (2006) Factors Affecting the Breeding Density of Northern Goshawks (Accipiter gentilis) , Journal of The Japanese Institute of Landscape Architecture, Vol.69 (5) ; pp.513-518
    34. (2005a) Ministry of Environment , Announcement of Ministry of Environment, pp.29(in Korean)
    35. (2005b) Ministry of Environment Picture book of endangered wild animals and plants , Ministry of Environment, Vol.p; pp.78(in Korean)
    36. Philips SJ , Dudik M , Schapire RE (2006) Maximum entropy Approach to Species Distribution Modeling , Proceedings of the Twenty-First International Conference on Machine Learning, pp.655-662
    37. Seo CW , Choi TY , Choi YS , Kim DY (2008) A Study on Wildlife Habitat Suitability Modeling for Goral (Nemorhaedus caudatus raddeanus) in Seoraksan National Park , Journal of the Korea Society of Environmental Restoration Technology, Vol.11 (3) ; pp.28-38(in Korean with English abstract)
    38. Shin MS (2013) Species Distribution Model and Land Suitability Assessment: Focused on city in Boryeong , A master’s thesis, Univ. of Junbuk, national, Korea, pp.102(in Korean with English abstract)
    39. Smithers B L , Boal CW , Andersen DE (2005) Northern goshawk diet in minnesota: An analysis using video recording systems , Journal Raptor Res, Vol.39 (3) ; pp.264-273
    40. Speiser R , Bosakowski T (1987) Nest site selection by Northern Goshawk is northern New Jersey and south eastern New York , Condor, Vol.89; pp.387-394
    41. Squires JR , Ruggiero LF (1996) Nest-site preference of Northern Goshawk in south central , Wyoming J. Wildl. Manage, Vol.60; pp.170-177
    42. Song WK , Kim EY (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 (1) ; pp.171-180(in Korean with English abstract)
    43. Suzuki T (1999) Nesting Habitat of the Northern Goshawk Accipiter gentilis in the Tokachi Plain, Eastern Hokkaido , Janpanese Journal of Ornithology, Vol.48 (2) ; pp.135-144
    44. Tornberg R , Colpaert A (2001) Survival, ranging, habitat choice and diet of the Northern Goshawk Accipiter gentilis during winter in Northern Finland , IBIS, Vol.143; pp.41-50
    45. Toyne E P (1998) Breeding season diet of the Goshawk Accipiter gentilis in Wales , Ibis, Vol.140 (4) ; pp.569-579
    46. Uchida H , Shigeru S , Suzuki S , Watanabe T , Ishimatu Y , Tanaka I , Aoyama S , Nakamura H , Noumi M , Nakajima H , Sakurai M (2007) Breeding ecology of Northern Goshawk at hilly terrain area in central Japan , Janpanese Journal of Ornithology, Vol.56 (2) ; pp.131-140
    47. Ueta M , Momose H , Yamada Y , Tanaka KD , Matsue M (2006) Habitat use and natal dispersal patterns of fledgling Goshawks , Bird Research, Vol.2; pp.1-10
    48. Ueta M , Horie R , Uchida H , Endo K (2010) Estimation of home ranges and important foraging areas of Northern Goshawks based on nest distributions, vegetation and land-use , Bird Research, Vol.6; pp.1-9
    49. Widen P (1989) The hunting habitats of goshawks Accipite rgentilis in boreal forests of central Sweden , Ibis, Vol.131; pp.205-213
    50. Yi JH , Baek CH , Jung JW , Youm K S , Cho SR (2011) Studies on Breeding Ecology of Goshawk [Northern Goshawk] Accipiter gentilis at South Korea , Kor. J. Orni, Vol.18 (2) ; pp.171-180(in Korean with English abstract)
    51. Yi JH , Lee IK , Baek CR , Cho SR (2013) Studied on Habitat and Nest Characteristic of the Breeding Goshawk [Northern Goshawk] Accipiter gentilis in South Korea , J. Korean Env. Res. Tech, Vol.16 (5) ; pp.83-92(in Korean with English abstract)
    52. Yun JM (2012) A Study on Spatial Structure Analysis Using the Integrated Model of Space Syntax and GIS: ACase Study of the Hadeok Area in Dangjin City , Journal of the Korean Association of Geographic Information Studies, Vol.15 (3) ; pp.13-22(in Korean with English abstract)
    53. Zar JH (1984) Biostatistical Analysis Prentice-Hall Inc. Englewood Cliffs, Prentice-Hall Inc, pp.718