A Comparison of Machine Learning Species Distribution Methods for Habitat Analysis of the Korea Water Deer (Hydropotes inermis argyropus)

고라니 서식지 분석을 위한 기계학습식 종분포모형 비교

The field of wildlife habitat conservation research has attracted attention as integrated biodiversity management strategies. Considering the status of the species surveying data and the environmental variables in Korea, the GARP and Maxent models optimized for presence-only data could be one of the most suitable models in habitat modeling. For make sure applicability in the domestic environment we applied the machine learning species distribution model for analyzing habitats of the Korea water deer($Hydropotes$ $inermis$ $argyropus$) in the $Sapgyocheon$ watershed, $Chungcheong$ province. We used the $3^{rd}$ National Natural Environment Survey data and 10 environment variables by literature review for the modelling. Analysis results showed that habitats for the Korea water deer were predicted 16.3%(Maxent) and 27.1%(GARP), respectively. In terms of accuracy(training/test) the Maxent(0.85/0.69) was higher than the GARP(0.65/0.61), and the Spearman's rank correlation coefficient result of the Maxent(${\rho}$=0.71, p<0.01) was higher than the result of GARP(${\rho}$=0.55, p<0.05). However results could be depended on sites and target species, therefore selection of the appropriate model considering on the situation will be important to analyzing habitats.

야생동 식물 서식지 보전 연구는 통합적인 생물다양성 관리 전략으로서 주목받고 있다. 국내 종조사자료 및 환경공간정보 여건을 고려할 때 종출현정보에 최적화된 것으로 알려져 있는 GARP 모형과 Maxent 모형이 서식지 분석에 가장 적합한 것으로 판단된다. 국내 적용가능성을 확인하기 위해 충청도 삽교천 일원을 대상으로 고라니($Hydropotes$ $inermis$ $argyropus$)에 대한 기계학습식 모형을 적용하였다. 종출현지점은 3차 전국자연환경조사, 환경변수는 문헌조사를 통해 10개를 도출하였다. 분석 결과 Maxent 모형과 GARP 모형은 각각 전체 면적의 16.3%, 27.1%를 고라니 서식지로 예측하였다. 종분포모형 정확도(훈련/검증)는 Maxent 모형(0.85/0.69)이 GARP 모형(0.65/0.61)보다 높게 분석되고 Spearman 순위 상관계수 역시 Maxent 모형(${\rho}$=0.71, p<0.01)이 GARP 모형(${\rho}$=0.55, p<0.05)보다 높게 분석되었다. 이는 대상지의 특성과 대상종에 따라 달라질 수 있으므로 상황에 따라 적절한 모형을 적용하는 것이 바람직할 것으로 판단된다.