대한원격탐사학회지 (Korean Journal of Remote Sensing)

대한원격탐사학회 (Korean Society of Remote Sensing)
권호 표지
DOI QR코드

DOI QR Code

GOCI 자료를 활용한 한국 연근해 살오징어의 계절별 서식적합지수 모델 개발

Development of Seasonal Habitat Suitability Indices for the Todarodes Pacificus around South Korea Based on GOCI Data

  • 이선주 (한국해양과학기술원 해양위성센터) ;
  • 최종국 (한국해양과학기술원 해양위성센터) ;
  • 박명숙 (한국해양과학기술원 해양위성센터) ;
  • 김상우 ((주)국토해양환경기술단 환경모니터링연구소)
  • Seonju Lee (Korea Ocean Satellite Center, Korea Institute of Ocean Science and Technology) ;
  • Jong-Kuk Choi (Korea Ocean Satellite Center, Korea Institute of Ocean Science and Technology) ;
  • Myung-Sook Park (Korea Ocean Satellite Center, Korea Institute of Ocean Science and Technology) ;
  • Sang Woo Kim (Environment Monitoring Institute, Land & Ocean Environmental ENG.)
  • 투고 : 2023.10.04
  • 심사 : 2023.11.15
  • 발행 : 2023.12.31
PDF 다운로드
⟨ 이전 논문 다음 논문 ⟩

초록

지구온난화로 인한 해수면온도 상승은 해양 생태계와 해양 생물에 열적 스트레스를 유발하여 해양 종의 생산성과 분포에 심각한 영향을 미친다. 이와 관련하여 최근 우리나라의 수산자원 중 살오징어의 어획량이 지속적으로 감소하고 있다. 본 연구에서는 지속적인 수산자원 관리를 위하여 어장 형성에 영향을 주는 해양환경을 분석하고 천리안해양관측위성 자료를 비롯한 여러 위성자료들을 이용하여 계절별 살오징어 서식지적합 모델을 개발하였다. 해수면온도는 14.11-26.16℃, 해수면높이는 0.56-0.82 m, 엽록소-a 농도는 0.31-1.52 mg m-3, 일차생산량은 580.96-1574.13 mg C m-2 day-1인 범위에서 평균적으로 약 83%의 살오징어가 어획되는 것을 확인하였다. 계절별로 적합지수를 곡선 접합한 후, 네 가지 통계 방법으로 서식지적합지수를 개발하였고 그 중 산술평균을 사용한 모델이 가장 좋은 성능을 보였다. 개발한 통계 모델과 2019년 어획량 자료와 비교하였을 때, 계절별로 다른 해역에 생성되는 어장과 어획량이 높은 곳에 서식지적합지수가 높게 나타나는 것을 확인하여 모델이 잘 개발될 것을 볼 수 있었다. 또한, 살오징어의 어장 형성과 관련이 높은 해수면온도의 뚜렷한 증가 추세를 확인하였으며 앞으로 지속될 해양 온난화에 의해 어장이 변화할 것으로 예상이 된다. 수산자원 관리를 위해서는 꾸준히 모니터링하는 것이 필요하다고 보여진다.

Under global warming, the steadily increasing sea surface temperature (SST) severely impacts marine ecosystems,such as the productivity decrease and change in marine species distribution. Recently, the catch of Todarodes Pacificus, one of South Korea's primary marine resources, has dramatically decreased. In this study, we analyze the marine environment that affects the formation of fishing grounds of Todarodes Pacificus and develop seasonal habitat suitability index (HSI) models based on various satellite data including Geostationary Ocean Color Imager (GOCI) data to continuously manage fisheries resources over Korean exclusive economic zone. About 83% of catches are found within the range of SST of 14.11-26.16℃,sea level height of 0.56-0.82 m, chlorophyll-a concentration of 0.31-1.52 mg m-3, and primary production of 580.96-1574.13 mg C m-2 day-1. The seasonal HSI models are developed using the Arithmetic Mean Model, which showed the best performance. Comparing the developed HSI value with the 2019 catch data, it is confirmed that the HSI model is valid because the fishing grounds are formed in different sea regions by season (East Sea in winter and Yellow Sea in summer) and the high HSI (> 0.6) concurrences to areas with the high catch. In addition, we identified the significant increasing trend in SST over study regions, which is highly related to the formation of fishing grounds of Todarodes Pacificus. We can expect the fishing grounds will be changed by accelerating ocean warming in the future. Continuous HSI monitoring is necessary to manage fisheries' spatial and temporal distribution.

키워드

1. 서론

기후변화에 관한 정부간 협의체(Intergovernmental Panel on Climate Change, IPCC) 6차 평가보고서에 따르면 전세계 평균 해수면온도(Sea Surface Temperature, SST)는 산업화 이전(1850–1900년) 대비, 현재(2011년–2020년) 0.88°C 상승하였다(Intergovernmental Panel on Climate Change, 2023). 특히, 동아시아는 전 세계에서 해양온난화가 빠르게 진행되고 있는 지역 중 하나이다(Belkin, 2009; Lima and Wethey, 2012; Bao and Ren, 2014). 우리나라 주변 해역의 SST는 지난 54년간(1968년–2021년) 1.35°C 상승하였으며, 이는 같은 기간의 전세계 평균 SST 상승률인 0.52°C에 비하면 약 2.5배로 높은 상승률을 나타낸다(National Institute of Fisheries Science, 2022). 또한, 한반도 주변 해역에서 해양 열파(marine heatwave)가 빈번해지고 강해지고 있다(Lee et al., 2023). 이는 해양 온난화로 인한 SST의 평균값 및 경년 변동성이 증가하고 있음을 보여준다.

지구온난화로 인하여 해양에 축적된 열 에너지는 해양 생태계와 해양 생물에 열 스트레스를 유발하여 산호 백화, 엽록소 농도 감소, 집단 폐사, 주요 서식지 생물의 분포 변화 등 해양 환경에 큰 영향을 미치고 있다(Hoegh-Guldberg et al., 2007; Wernberg et al., 2013; Bond et al., 2015; Cavole et al., 2016; Wernberg, 2021). Wernberg (2021)에 의하면 2011년 호주 서쪽 해안 지역에서 SST가 급격하게 상승한 결과, 온대 해조류와 어종이 줄어들고 열대 해조류와 어종이 증가하였으며 훼손된 해양 생태계가 현재까지도 복원되지 않았음을 보여주었다. 기후변화로 인한 SST의 증가는 해양 환경을 변화시켜 해양 생물의 분포와 종조성을 변화시키고, 이는 어획종 변화 및 어획량 변동 등 미래 수산자원의 변화로 이어질 것으로 예상된다.

살오징어(Todarodes Pacificus)는 우리나라 주변 해역을 비롯한 북서태평양 전역에 널리 분포하는 단년생 회유성 어종이다(Roper et al., 1984; Hatanaka et al., 1985; Murata, 1990). 난류성 어종인 살오징어는 해류를 타고 북상하기 때문에 동해, 서해, 남해에 이르기까지 우리나라 연근해 지역에서 많이 어획되는 주요 상업어종 중 하나이다(Roper et al., 1984; Choi et al., 2008). 우리나라의 살오징어 어획량은 1990년대 중반 이후로 약 20만톤 내외를 기록하였나 점차 감소하는 추세를 나타내어 2020년에는 약 5.6만톤으로 급감하였다(Shin et al., 2021). 이는 일본 연근해에서도 나타나는 감소 추세로 1990년대 약 40만톤 내외였던 어획량이 2018년에 약 2만톤으로 감소하였다(Liu et al., 2021).

살오징어 어획량이 감소하는 원인으로는 기후체제 전환(climate regime shift), 조업기술발달에 따른 과잉 어획과 이로 인한 자원량 감소, 불법 조업 등이 있지만 주요 원인은 기후변화에 의한 해양 환경의 변화로 여겨진다(Sakurai et al., 2000; Hwang et al., 2012; Kim et al., 2012; Rosa et al., 2011; Kim et al., 2017; Lee et al., 2017b; Song, 2018). 앞서 언급한 것처럼 SST의 변화는 직간접적으로 해양환경에 영향을 미쳐 어종 및 분포를 변화시킨다. Kim et al. (2017)에 따르면 SST의 변화에 기인한 살오징어의 산란장 환경 변화가 어획량의 변화를 초래한다는 것을 보여주었으며, Jo et al. (2019)은 살오징어 주 어장인 동해의 급격한 수온 상승이 어장 형성에 영향을 주어 남해와 서해 쪽으로 살오징어가 회유하여 새로운 어장이 형성되었음을 보여주었다. 기후변화로 아열대화되고 있는 우리나라 연근해 지역의 수산자원의 감소 및 변동을 평가하고 대책을 마련하기 위해서는 적합한 서식지에 대한 정량적 특성을 규명할 필요가 있다.

본 연구에서는 해양환경과 관련된 살오징어의 서식지적합지수(Habitat Suitability Index, HSI) 모델을 개발하고자 한다. 기존 선행연구들에서 일본 및 우리나라 연근해에 대해서도 살오징어의 어장을 평가하였으나(Alabia et al., 2016; Lee et al., 2019; Zhang et al., 2021; Yu et al., 2023) 사용한 어획량 데이터의 기간이 짧거나 연구 해역이 제한적이었다. 본 연구에서는 10년치의 어획량 자료를 사용하여 살오징어의 어장 형성에 영향을 주는 주요 환경 변수들을 파악하고 환경 변수에 대한 살오징어 적합지수를 산정하였다. 이를 바탕으로 계절별 어장 분포를 추정하는 통계 모델을 개발하고, 어장이 형성될 수 있는 해역을 정량적으로 추정하였다.

2. 연구자료 및 방법

2.1. 연구 지역

우리나라가 속한 동아시아 해역(East Asian marginal seas)은 황해(Yellow Sea), 남해(Korea Strait), 동해(East Sea), 동중국해(East China Sea) 등 다양한 해역을 포함한다(Fig. 1). 황해와 동중국해는 얕은 대륙붕으로 이루어져 있어 대기/해양 상호작용에 민감하며, 남해는 쿠로시오 해류(Kuroshio current)가 지나가는 길목으로 연중 SST가 높은 것이 특징이다. 동해는 반폐쇄해(semi-enclosed sea)로서 난류(East Korea warm current)와 한류(North Korea cold current)가 만나 조경 수역을 형성한다(Chen, 2009; Chang et al., 2016; Lee et al., 2018).

OGCSBN_2023_v39n6_2_1635_f0001.png 이미지

Fig. 1. Map of the East Asian marginal seas with major ocean current systems. The red lines represent the warm currents (Kuroshio Current, East Korea warm current, and Yellow Sea warm current). The blue line represents the cold current, North Korea Cold Current. The coloredareas show the spawning regions of Todarodes Pacificus during fall (yellow) and winter (green). The black box represents the study region. The green line shows the South Korean EEZ.

살오징어는 표층에서부터 수심 200 m 정도에서 서식하며 연중 산란하는 어종이다. 주 발생시기에 따라 하계군, 추계군, 동계군으로 구분되며, 추계군과 동계군의 자원량이 많은 것으로 여겨진다(Sakurai et al., 2000). 추계군의 산란장은 남부 해역에 분포해 있고, 동계군의 산란장은 동중국해의 대륙붕과 대륙사면 부근을 따라 넓게 분포하고 있다고 알려져 있다(Alabia et al., 2016). 각 계절별로 산란장의 위치는 북상하거나 남하하며 봄철에 성장하기 위하여 해류를 따라 북쪽으로 회유한다(Sakurai et al., 2000; Kiyofuji and Saitoh, 2004; Kim and Shin, 2019). 본 연구에서는 우리나라의 배타적경제수역(Exclusive Economic Zone, EEZ) 내에서 오징어 어획이 많이 이루어지는 한반도 연근해역(Fig. 1의 검은색 박스[31°–40°N, 122°–132°E])의 살오징어 생태 환경을 분석할 예정이다.

2.2. 살오징어 어획량 자료

본 연구에서 사용한 살오징어 어획자료는 근해어업(근해채낚기어업, 대형트롤어업 등)과 연안어업(연안통발어업, 연안개량안강망어업 등)의 보고일, 어선톤수, 어획량, 소해구 위치, 위도, 경도에 대한 2011년부터 2019년까지의 통계청 자료를 활용하였다. 해당 자료는 조업일에 대해 어획량을 각 해구별로 보고한 자료로, 일별과 지점별로 보고된 어획량이 다양하게 분포되어 있다. 기후학 관점에서 해양환경과 살오징어 어장 형성의 변화를 살펴보기 위해 일별 자료를 해구별로 누적하여 2011년 1월부터 2019년 12월까지의 월별 자료로 산출하였다. 공간 자료는 해양수산부의 해양생태도의 소해구(약 17 × 17 km) 격자 체계를 사용하여 데이터를 격자화하였다.

2011년부터 2019년까지 연구 지역에 대해 보고된 어획량 자료는 총 24,820건이다. 어획량 자료의 분포를 범위를 나눠서 확인해보았을 때(Table 1), 전체 보고된 어획량 데이터의 99.51%가 0–100 metric tons (MT) 범위에 분포해 있는 것을 확인할 수 있었고, 100 MT 이상인 데이터가 122개로 전체 데이터에서 0.49%만을 차지하는 것을 확인할 수 있었다. 본 연구에서는 어획량 데이터가 100 MT 이상일 때를 이상치로 판단하고 100 MT 이상의 값을 갖는 어획량 데이터를 100 MT로 치환하여 사용하였다.

Table 1. Reported frequency and percentage of catch data of the Todarodes Pacificus from 2011 to 2019

OGCSBN_2023_v39n6_2_1635_t0001.png 이미지

2.3. 해양 환경에 대한 위성 자료

살오징어에 적합한 어장 환경을 파악하기 위하여 살오징어의 회유 경로 및 어장 위치에영향을 주는 것으로 알려진 해양환경 변수들을 활용하였다(Chen and Chiu, 2003; Alabia et al., 2016; Lee et al., 2019; Yu and Chen, 2021). 본 연구에서는 해양환경 변수로 SST, 엽록소-a 농도(Chlorophyll-a concentration, Chl-a), 해수면높이(Sea Surface Height, SSH), 일차생산력(Primary Production, PP)을 사용하였다.

SST 자료로는 여러 위성 및 현장 관측 자료를 합성하여 만든 고해상도 자료(수평 격자 약 6 × 9 km)인 Group for High-Resolution Sea Surface Temperature (GHRSST) Level 4 자료를 사용하였다. 전 세계 해역을 대상으로 일평균 SST를 제공하는 GHRSST는 10 km 이내의 높은 공간해상도를 가진다. GHRSST는 현장 관측 자료인 Argo 데이터와 비교하여 0.4°C의 표준편차와 0.03°C의 낮은 오차를 갖는 좋은 성능을 나타낸다(Martin et al., 2012). 본 연구에서는 일 평균 자료를 월별로 합성하여 사용하였다.

연구 지역의 Chl-a 분석을 위해 천리안위성(Communication, Ocean, and Meteorological Satellite)에 탑재된 정지 궤도 해양위성(Geostationary Ocean Color Imager, GOCI) 산출물 자료를 활용하였다. GOCI 자료는 지역적 특색이 반영된 대기보정 알고리즘과 Chl-a 알고리즘을 사용하여 본 연구의 연구 지역에 특화된 Chl-a를 산출한다(Ahn et al., 2012; Kim et al., 2015; Park et al., 2021). 2010년 6월에 발사되어 2021년 3월에 임무가 종료된 GOCI Chl-a 자료는 하루에 8번(0~7 UTC) 산출되었으며 500 m의 공간 해상도를 갖는다. 본 연구에서는 위성의 결측치를 최소화 하기 위해 0~7 UTC 자료를 모두 활용하여 월별 자료로 합성하였다.

SSH 자료는 프랑스항공우주국(Centre National d’Etudes Spatiales)의 Archiving, Validation and Interpretation of Satellite Oceanographic (AVISO) 데이터 센터에서 1993년부터 제공하고 있는 위성 고도계 자료를 사용하였다(Hernandez and Schaeffer, 2000). SSH의 상대적인 변화로 해류를 추정할 수 있기 때문에(Landerer et al., 2007; Stammer et al., 2013), 본 연구에서는 해류에 대한 영향을 고려하기 위하여 SSH를 사용하였다. AVISO에서는 일별 및 월별 평균장을 생산하여 배포하고 있으며 해당 자료는 25 km의 공간 해상도를 가진다.

PP는 Chl-a이 광합성을 통해 생성된 탄소 유기물의 양으로 표층에 얼마나 영양분이 많은지를 나타내는 척도이다(Platt and Sathyendranath, 1988; Falkowski et al., 1998). 본 연구에서는 Moderate Resolution Imaging Spectroradiometer (MODIS) SST, Chl-a, 광합성유효광량(Photosynthetically Active Radiation) 490 nm의 하향확산소산계수(diffuse attenuation coefficient at 490 nm) 자료를 이용하여 Vertically Generalized Production Model (Behrenfeld and Falkowski, 1997)로 계산된 자료(https://orca.science.oregonstate.edu/1080.by.2160.monthly.hdf.vgpm.m.chl.m.sst.php)를 사용하였다. MODIS 관측 기간인 2003년부터 산출된 월별 자료를 제공하고 있으며 약 8 km의 공간 해상도를 가진다.

해양환경 변수들의 공간 해상도가 각기 다르며 어획량 자료와의 비교를 위해 변수들의 수평 해상도를 소해 구격자에 맞게 재격자화하였다. 또한, 위성 영상은 구름, 기기 결함 등의 이유로 결측치가 발생한다. 위에서 제시된 환경 변수들과 어획량 간의 관계를 충분히 반영하기 위해 결측치가 아닌 관측된 위성 영상 픽셀들을 사용하여 서식지 모델을 개발하였다. 총 24,820건의 어획 자료 중에서 모델 개발에 사용된 어획 자료는 19,186개이다. 2011년부터 2018년의 자료를 사용하여 모델을 개발하였고 2019년 자료를 사용하여 모델을 검증하였다.

2.4. 서식지적합지수 계산 방법

본 연구에서는 살오징어 서식에 영향을 주는 우리나라 연근해 지역의 해양 환경을 분석하고 이를 바탕으로 서식지적합지수(Habitat Suitability Index, HSI)를 개발하였다. HSI 모델은 미국 어류 및 야생동물 관리국(U.S. Fish and Wildlife Service, 1980)에 의해 개발된 이래로 서식지를 정량화하는 방법 중 널리 사용된 방법으로 해당 종에 대한 서식 환경(먹이, 온도 등)의 적합한 정도를 계산한 적합지수(Suitability Index, SI)를 바탕으로 계산된다(Terrell, 1985; Chen et al., 2009; Yen et al., 2012; Lee et al., 2017a; Lee et al., 2019). 본 연구에서는 살오징어의 어획량과 서식 환경 간의 관계를 히스토그램으로 분석 후, 어획량 중 최대 빈도값을 나눈 값으로 SI를 정의하였다. 0 부터 1 사이의 값을 갖는 SI를 연속적인 곡선에 접합(fitting) 시킨 후, 각 해양환경 요인에서 파생된 SI 값을 결합하여 경험적 HSI 모델을 개발하였다.

SIvariable = a × exp( – ((X – b)/c)2)       (1)

여기서, X는 해양 환경 변수, a, b, c는 상수이다. 각 해양 환경 변수에 대해 SI를 이용하여 HSI를 산출하는 방법은 아래 수식과 같이 네 가지가 있다.

HSI =SI1 × SI2 × SI3       (2)

HSI = min(SI1, SI2, SI3)       (3)

HSI = (SI1 + SI2 + SI3)/3       (4)

HSI = (SI1 × SI2 × SI3)1/3       (5)

순서대로 연속 모델(Continued Product Model, CPM; Grebenkov et al., 2006), 최소 모델(Minimum Model, MINM; Van der Lee et al., 2006), 산술평균 모델(Arithmetic Mean Model, AMM; Hess and Bay, 2000), 기하평균모델(Geometric Mean Model, GMM; Lauver et al., 2002)이 있다. HSI도 SI와 마찬가지로 서식지의 적합 여부를 0 (부적합)에서 1(최적) 사이의 값으로 표현된다. 여기서는 우리나라 EEZ 영역에 대한 HSI만을 살펴보았다.

위와 같은 방법으로 통계 모델들을 구축한 다음, 가장 적합한 모델을 찾아 선택해야 한다. 모델 선별을 위한 Akaike Information Criterion (AIC)을 아래와 같이 계산하였다.

AIC = 2k – 2 ln(L)       (6)

로그우도(log-likelihood)에 의해 AIC 값이 결정되며 AIC 값이 작을수록 최적의 모델이다. k는 모델에 사용된 환경 변수의 개수이며 L은 우도를 나타낸다.

3. 연구 결과 및 토의

3.1. 살오징어 어획량의 분포 및 해양환경 분석

우리나라 연근해 지역에서 살오징어는 겨울철에는 동해, 여름철에는 서해 부근에서 많이 어획된다(Fig. 2a). 1월과 2월은 동해 남부 해역에 넓게 어장이 형성되어 있으며 10월부터 12월은 동해안을 따라 어획량이 높게 나타나는 것을 볼 수 있다. 동한난류의 세기가 강한 가을에는 동해안을 따라 살오징어가 북상하는 것으로 보이고 한류의 세기가 강해지는 1월, 2월에는 동해 남부 해역에 어장이 다르게 형성되는 것으로 보여진다. 2010년대의 살오징어의 연 평균 어획량은 약 6만 톤으로(Fig. 2b), 90년대에는 평균 15만 톤에서 22만 톤이었던 어획량에 비하면 절반 이상 감소한 것을 확인할 수 있다(Hwang et al., 2012). 월 평균 어획량을 살펴보면 3월부터 5월에 어획량이 월등히 적은 것을 볼 수 있는데(Fig. 2c)이는 해양수산부에서 봄철에 성장하는 살오징어의 생태적 특성에 맞추어 보통 봄철을 금어기로 설정하기 때문이다.

OGCSBN_2023_v39n6_2_1635_f0002.png 이미지

Fig. 2. Averaged catch by (a) spatial, (b) seasonal, and (c) monthly distribution of the Todarodes Pacificus from 2011 to 2019 (unit: MT).

살오징어의 어장에 영향을 준다고 선행연구들을 통해 알려진 해양환경 변수들(SST, SSH, Chl-a, PP)과 살오징어의 어획량의 관계를 히스토그램 분포를 통해 살펴보았다(Fig. 3). 살오징어의 어획량과 관련된 해양환경 변수들의 10번째 백분위수와 90번째 백분위수를 살펴보았을 때, SST는 14.11–26.16°C, SSH는 0.56–0.82 m, Chl-a는 0.31–1.52 mg m–3, PP는 580.96–1574.13 mg C m–2day–1의 범위에서 분포하며 해당 구간의 살오징어 어획량은 총 어획량의 약 83%를 차지하였다. 또한, 해양환경 변수 중 SST에서 어획량이 크게 나타나는 두 지점(14.5–15°C 구간과 23.5–24°C 구간)을 볼 수 있었다(Fig. 3a). SST는 계절적 변화가 뚜렷한 변수이며, 특히 우리 나라 연근해역은 지리적 특성이 달라서 해역별로 계절별 SST의 차이가 명확하게 나타난다. 그렇기 때문에 하나의 모델로 살오징어 HSI 모델을 만들기 보다는 계절별로 모델을 따로 개발하는 것이 타당하다. 우리나라 연근해역의 살오징어 HSI를 개발한 선행연구(Lee et al., 2019) 또한 겨울·봄(12월–5월), 여름·가을(6월–11월)로 계절을 구분하여 모델을 개발하였다. 본 연구에서는 각 계절별 살오징어 HSI 모델을 개발함으로써 해양환경의 계절 변화 추세가 포함되어 기존 연구보다 더 향상된 성능을 가질 수 있다. 살오징어 HSI 모델 개발을 이를 위해 월별 공간 분포(Fig. 2a)를 확인했을 때 비슷한 해역에서 어장이 형성되는 월별로 계절을 구분하였다. 본 연구에서는 겨울(1월–3월), 봄(4월–6월), 여름(7월–9월), 가을(10월–12월)로 구분하였다.

OGCSBN_2023_v39n6_2_1635_f0003.png 이미지

Fig. 3. Histogram distributions of (a) sea surface temperature (SST; unit: °C), (b) sea surface height (SSH; unit: m), (c) chlorophyll-a concentration (Chl-a; unit: mg m–3), and (d) primary production (PP; unit: mg C m–2 day–1) on the Todarodes Pacificus catch (unit: ⅹ100 MT) from 2011 to 2018.

3.2. 계절별 HSI 모델 개발

3.1.에서 구분한 계절을 바탕으로 계절별로 HSI 모델을 개발하기 위해 먼저 해양환경 변수들에 대해 계절별 SI를 구하였다(Fig. 4). 계절별로 구한 SI 분포를 살펴보면, 해양환경 변수들과 어획량의 관계에서 나타나는 정점이 계절별로 조금씩 다른 것을 확인할 수 있다. 앞서 설명했듯이, 살오징어는 겨울철에는 동해에서 주로 잡히고 여름철에는 주로 서해에 어장이 형성된다. 겨울철 동해의 SST가 약 15°C, SSH는 약 0.6 m, Chl-a과 PP가 각각 0.55 mg m–3, 600 mg C m–2 day–1 정도일 때 살오징어의 어획량이 많다. 여름철 서해의 경우에 24–26°C의 SST, 약 0.73 m의 SSH, 0.45 mg m–3의 Chl-a, 800 mg C m–2 day–1의 PP를 가질 때 어획량이 많다는 것을 확인할 수 있다.

OGCSBN_2023_v39n6_2_1635_f0004.png 이미지

Fig. 4. Seasonal histogram distributions of suitability index (SI) for the (a) SST (unit: °C), (b) SSH (unit: m), (c) Chl-a (unit: mg m–3), and (d) PP (unit: mg C m–2 day–1) during spring (April–May–June, red), summer (July–August–September, orange), fall (October–November–December, green), and winter.

각 해양환경 변수에 대해 SI 곡선을 접합하였다(Fig. 5). 접합된 SI 모델의 계절별 수식과 이를 통계적으로 검증한 결과와 함께 Table 2에 나타나 있다. 접합된 SI 모델들은 제곱근 오차가 낮고 결정 계수가 높게 나타나 좋은 통계적 성능을 가지는 것으로 분석되었다.

OGCSBN_2023_v39n6_2_1635_f0005.png 이미지

Fig. 5. Seasonal fitted SI curves inferred from the relationship between the Todarodes Pacificus catch and SST (first row), SSH (second row), Chl-a (third row), and PP (fourth row).

Table 2. Seasonal SI models derived from marine environmental variables

OGCSBN_2023_v39n6_2_1635_t0002.png 이미지

계절별로 구한 SI를 결합하여 HSI를 구하였다. 앞서 언급된 것처럼(2.4절) SI를 결합하는 방법은 네 가지(CPM, MINM, AMM, GMM)가 있다. 본 연구에서는 살오징어 어장에 영향을 줄 것으로 판단되는 기본 해양환경 변수를 SST, SSH, Chl-a로 선정하였고 추가로 PP를 포함하였을 때의 AIC 결과를 비교 분석하였다. SST, SSH, Chl-a, SI를 결합하여 만든 HSI 모델의 AIC 결과를 살펴보면, CPM의 AIC 값이 19,476으로 가장 높은 값을 나타냈으며, 그 다음으로 MINM이 19,368, GMM이 19,223의 AIC 값을 가졌다. 가장 낮은 AIC 값을 가진 모델은 AMM으로 19,119 값을 나타냈고 세 가지 해양환경 변수를 결합한 HSI 모델 중 높은 성능을 나타냈다. PP 변수를 추가하였을 때, AMM의 AIC 값이 18,771로써 세가지 변수를 활용했을 때보다 네 가지 변수를 활용했을 때 더 높은 성능을 보였다. 이상치의 영향을 크게 받는 세 모델(CPM, MINM, GMM)과는 달리 평균값을 반환하는 AMM이 적절하다는 선행연구들의 결과와도 일치한다(Chen et al., 2009; Lee et al., 2019; Zhang et al., 2021)이 결과를 바탕으로, 우리나라 연근해 지역의 살오징어 서식지에 대한 최적의 HSI 모델은 SST, SSH, Chl-a, PP, SI를 결합하여 만든 AMM임을 확인하였다.

AMM을 통해 개발한 HSI(이하 AMM HSI)를 이용하여 2019년 월별 HSI를 구하고 이를 실제 어획량과 비교하였다(Fig. 6). 겨울철 HSI 모델을 활용하여 1월부터 3월까지의 HSI를 구했으며 마찬가지로 봄철(4월–6월), 여름철(7월–9월), 가을철(10월–12월) 모델을 이용하여 각 월별 HSI를 산출하였다. HSI가 높을수록 살오징어의 서식에 적합하다는 의미이므로 어획량이 많을 것으로 기대할 수 있다. 실제 어획량을 살펴보면, HSI 1월과 2월에는 대한해협 서수도와 동해 남부 해역에 어장이 형성되어 있다. AMM HSI에서 산출된 결과에서도 서해는 HSI가 낮고(< 0.2) 동해 해당 해역의 HSI가 0.5 이상으로 나타나 실제 어획량과 일치함을 확인하였다. 겨울과 봄을 지나 여름철(특히, 7월과 8월)에 서해에서 어장이 형성되는 것 또한 AMM HSI에서 잘 나타나고 있으며 HSI가 0.6 이상인 곳에 어획량도 많은 것을 확인할 수 있다. 9월에 동해에서 어장이 형성되고 10월, 11월을 지나 12월에 동해 연안을 따라 형성된 어장도 잘 나타나고 있다. 해당 결과들을 통해, 우리나라 연근해 지역에서 살오징어에 적합한 서식지는 HSI가 0.5 이상인 곳이라고 확인할 수 있다.

OGCSBN_2023_v39n6_2_1635_f0006.png 이미지

Fig. 6. This is the distribution maps of (a) monthly Todarodes Pacificus catch in 2019 and (b) monthly HSI in 2019 derived from the arithmetic mean model using SST, SSH, Chl-a, PP over south Korean EEZ region.

다만, 5월과 10월에 동해에서 오징어가 어획 되지만 AMM HSI 결과에서는 0.3 정도로 낮게 나타나는 것을 볼 수 있다. 4월과 5월은 태양복사량에 의한 해양 표층의 가열이 시작되기 전으로 유사한 해양 환경을 가지나 4월은 해양수산부에서 살오징어의 금어기로 지정하기 때문에 어획량이 거의 없다(5월도 살오징어 금어기이나 근해채낚기어업과 연안복합어업에 의한 어획은 제외함). 그렇기 때문에 5월의 HSI가 낮게 산출된 것으로 보여진다. 10월의 경우, 겨울이 되기 전 가열된 SST가 냉각되는 과정으로 겨울(10월–12월) 모델로 함께 산출되어 이런 오차가 발생한 것으로 여겨진다. 계절별 HSI 모델은 계절내 세부 특성의 차이를 충분히 반영하지 못하는 것으로 여겨지므로 추후 연구에서는 HSI를 월별로 개발하여 이러한 오차가 감소되는지 검토해 볼 예정이다.

3.3. 해양환경의 변화가 살오징어 어장 형성에 미치는 영향

기후변화에 따른 해양환경의 변화는 살오징어의 어장의 위치 및 분포에 영향을 줄 수 있다. 선행연구들에 따르면(Kim et al., 2017; Jo et al., 2019) 우리나라 연근해의 SST 및 해류의 변화에 의해 살오징어의 어장이 형성되는 위치가 변화한 것을 볼 수 있다. Jo et al. (2019)은 최근 동해의 기온 상승으로 인해 살오징어의 어장이 남해와 서해까지 확장되었음을 보여주었다. Kim et al. (2017)에 따르면 서해의 어획 중심 위도는 1980년대에 비해 2000년대에 약 1° 상승 하였으며, 동해는 난류의 경로 변화에 의해 어장의 위치가 먼바다(1980년대)에서 연안(1990년대 및 2000년대)으로 바뀌었다. 뿐만 아니라, 대규모 해양-대기 순환과 관련된 기후 변동성인 Pacific Decadal Oscillation이 동해로 유입되는 난류량 및 어획량 변화와 상관성을 보이므로(Miller et al., 2004) 살오징어의 어장 및 서식지를 정량화 하기 위해서는 해양환경의 중장기적인 변화에 대한 분석이 필요하다.

2011년부터 2019년의 월별 해양환경 변수들의 시간 변동성을 살펴보았을 때, 대부분의 해양환경 변수가 뚜렷한 증가 추세를 갖는 것으로 나타났다(Fig. 7). 우리나라 해역에서 SST는 유의하게 증가하며 약 0.2°C 증가 추세를 나타낸다. SSH는 서해에서 유의한 추세를 보이며 약 0.01 m 증가 추세를 나타냈다. Chl-a 같은 경우, 본 연구에서 사용한 GOCI 데이터가 임무 수행 기간 중 후반에 센서 감도 저하로 인하여 Chl-a 반응이 다른 위성(MODIS, VIIRS)과 다른 추세를 가진다는 선행연구(Park et al., 2021)가 있었다. 추후, MODIS 또는 VIIRS 자료를 통하여 Chl-a 추세를 비교하고 살오징어 어획량과 분석을 수행할 예정이다. PP는 동해에서는 증가 추세를 나타내고 서해에서는 감소 추세를 보이지만 유의한 추세는 아닌 것으로 보아 변수의 경년 변동성이 큰 것으로 여겨진다.

OGCSBN_2023_v39n6_2_1635_f0007.png 이미지

Fig. 7. Trend of marine environment variables such as SST (unit: °C year–1), SSH (unit: m year–1), Chl-a (unit: mg m–3 year–1), and PP (unit: mg C m–2 day–1 year –1) during 2011 to 2019. The dashed regions indicate the areas where the trends are significant with a 95% confidence level.

지구온난화로 인해 우리나라 연근해역이 아열대화되고 있음을 고려하면, 앞으로 살오징어의 어장은 SST 증가에 따라 현재보다 북쪽에 형성될 것으로 예상되지만 어장의 분포나 변동은 다른 변수와도 관련이 있다. 살오징어 어장 형성에는 1차원적으로 SST의 영향이 크지만 SST 증가는 다른 해양환경을 변화시키고 이러한 변화는 해양 생태계와 상호작용하면서 복합적으로 작용한다. SST만을 고려하여 모델을 만들기보다 여러 변수들을 사용하여 모델을 만들면 이러한 복합적인 영향을 고려할 수 있다. 지속적인 수산자원 관리를 위해서는 기후변화에 의한 해양환경 변화를 분석하여 살오징어의 서식지 적합도 변화를 꾸준히 모니터링하는 것이 중요하다.

4. 결론

지구온난화로 인하여 SST는 매년 증가하고 있으며 이러한 해양의 온난화 추세는 우리나라가 속한 동아시아 해역에서 더욱 가속화되고 있다. 해양의 온난화는 해양 생태계과 해양 생물에 열적 스트레스를 유발하여 저온 생물군의 분포를 축소시키고 고온 생물군의 분포를 확대하는 데 영향을 준다. 최근 우리나라의 주요 상업 어종 중 하나인 살오징어의 어획량이 감소 추세(1990년대 약 40만톤에서 2018년 약 2만톤)인 것 또한 기후변화에 의한 해양환경의 변화와 관련이 있다. 우리나라 연근해역의 지속적인 수산자원 관리를 위해 위성 자료를 활용하여 계절별로 살오징어의 어장 형성에 영향을 주는 해양환경을 분석하고 서식지적합지수(HSI) 모델을 개발하였다.

살오징어는 가을에는 대한해협, 겨울에는 동중국해에 산란장을 형성하고 봄철부터 성장을 위해 해류를 따라 북상한다. 살오징어의 어장은 여름철에는 서해에 형성되고 겨울철에는 동해에 형성된다. 살오징어의 어장에 영향을 준다고 알려져 있는 해양환경 변수들(SST, SSH, Chl-a, PP)과 어획량과의 관계를 살펴보았을 때, SST는 14.11–26.16°C, SSH는 0.56–0.82 m, Chl-a는 0.31–1.52 mg m–3, PP는 580.96–1574.13 mg C m–2 day–1의 범위에서 대부분의 어획이 발생하는 것을 확인할 수 있었다. 해양환경 변수들, 특히 SST가 뚜렷한 계절성을 가지고 있기 때문에 본 연구에서는 계절별로 HSI 모델을 개발하였으며 계절은 겨울(1월–3월), 봄(4월–6월), 여름(7월–9월), 가을(10월–12월)로 구분하였다. 2011년부터 2018년까지의 데이터를 사용하여 모델을 개발하고 2019년 자료를 사용하여 검증하였다.

계절별로 구분한 해양환경 변수들에 대해 SI 곡선접합을 하였으며, 접합된 SI 모델들은 제곱근 오차가 낮고 결정 계수가 높게 나타나 좋은 통계적 성능을 보였다. SI 모델들을 사용하여 CPM, MINM, AMM, GMM 방법으로 HSI를 결합하였고 각각의 성능을 비교하였다. 통계 모델들 중 네 가지 해양환경 변수들을 모두 사용하여 AMM으로 HSI를 산출했을 때 최적의 성능을 보였고 이를 이용하여 2019년 월별 어획량과 비교 분석을 수행하였다. AMM을 통해 산출된 월별 HSI과 비교하여 살펴보았을 때, 살오징어 어장이 계절별로 다른 해역에 형성되는 것과 어획량이 많은 곳에 HSI 값이 높게(> 0.6) 나타나는 것을 확인할 수 있었다. 다만 특정 월(5월과 10월)에 어획량과 달리 HSI 결과가 낮게(< 0.3) 나타나는 것을 확인하여 추후 월별로 HSI를 산출하여 검토할 예정이다.

해양환경 변수들의 추세 변동을 분석하였을 때, SST가 뚜렷하게 증가하는 추세를 나타냈다. 지구온난화로 인해 앞으로도 지속적으로 SST가 증가할 것을 고려하면 미래의 살오징어의 어장 또한 변화할 것이라고 쉽게 예상된다. 본 연구에서는 살오징어에 대해 분석하였지만 지속적인 수산자원 관리를 위해서는 살오징어 뿐만 아닌 다른 어종에 대해서도 서식지 적합도 분석을 통한 해역의 어종 분포나 어획량 변동 등을 모니터링하는 것이 필요하다.

사사

이 논문은 2022년도 해양수산부 재원으로 해양수산과학기술진흥원의 지원을 받아 수행된 연구입니다(20220546, 천리안 2B호 산출물 정확도 향상 연구).

Conflict of Interest

No potential conflict of interest relevant to this article was reported.

참고문헌

  1. Ahn, J. H., Park, Y. J., Ryu, J. H., Lee, B., and Oh, I. S., 2012. Development of atmospheric correction algorithm for Geostationary Ocean Color Imager (GOCI). Ocean Science Journal, 47, 247-259. https://doi.org/10.1007/s12601-012-0026-2
  2. Alabia, I. D., Dehara, M., Saitoh, S. I., and Hirawake, T., 2016. Seasonal habitat patterns of Japanese common squid (Todarodes pacificus) inferred from satellite-based species distribution models. Remote Sensing, 8(11), 921. https://doi.org/10.3390/rs8110921
  3. Bao, B., and Ren, G., 2014. Climatological characteristics and long-term change of SST over the marginal seas of China. Continental Shelf Research, 77, 96-106. https://doi.org/10.1016/j.csr.2014.01.013
  4. Behrenfeld, M. J., and Falkowski, P. G., 1997. Photosynthetic rates derived from satellite-based chlorophyll concentration. Limnology and Oceanography, 42(1), 1-20. https://doi.org/10.4319/lo.1997.42.1.0001
  5. Belkin, I. M., 2009. Rapid warming of large marine ecosystems. Progress in Oceanography, 81(1-4), 207-213. https://doi.org/10.1016/j.pocean.2009.04.011
  6. Bond, N. A., Cronin, M. F., Freeland, H., and Mantua, N., 2015. Causes and impacts of the 2014 warm anomaly in the NE Pacific. Geophysical Research Letters, 42(9), 3414-3420. https://doi.org/10.1002/2015GL063306
  7. Cavole, L. M., Demko, A. M., Diner, R. E., Giddings, A., Koester, I., Pagniello, C. M. et al., 2016. Biological impacts of the 2013-2015 warm-water anomaly in the Northeast Pacific: Winners, losers, and the future. Oceanography, 29(2), 273-285. https://doi.org/10.5670/oceanog.2016.32
  8. Chen, C. S., and Chiu, T. S., 2003. Variations of life history parameters in two geographical groups of the neon flying squid, Ommastrephes bartramii, from the North Pacific. Fisheries Research, 63(3), 349-366. https://doi.org/10.1016/S0165-7836(03)00101-2
  9. Chen, C. T. A., 2009. Chemical and physical fronts in the Bohai, Yellow and East China seas. Journal of Marine Systems, 78(3), 394-410. https://doi.org/10.1016/j.jmarsys.2008.11.016
  10. Chang, K. I., Zhang, C. I., Park, C., Kang, D. J., Ju, S. J., Lee, S. H., and Wimbush, M., 2016. Oceanography of the East Sea (Japan Sea). Springer. https://doi.org/10.1007/978-3-319-22720-7
  11. Choi, K., Lee, C. I., Hwang, K., Kim, S. W., Park, J. H., and Gong, Y., 2008. Distribution and migration of Japanese common squid, Todarodes pacificus, in the southwestern part of the East (Japan) Sea. Fisheries Research, 91(2-3), 281-290. https://doi.org/10.1016/j.fishres.2007.12.009
  12. Falkowski, P. G., Barber, R. T., and Smetacek, V., 1998. Biogeochemical controls and feedbacks on ocean primary production. Science, 281(5374), 200-206. https://doi.org/10.1126/science.281.5374.200
  13. Grebenkov, A., Lukashevich, A., Linkov, I., and Kapustka, L. A., 2006. A habitat suitability evaluation technique and its application to environmental risk assessment. In: Arapis, G., Goncharova, N., Baveye, P. (eds.), Ecotoxicology, ecological risk assessment and multiple stressors, Springer, pp. 191-201. https://doi.org/10.1007/1-4020-4476-3_13
  14. Hatanaka, H., 1985. Comparison of life cycles of five ommastrephid squids fished by Japan: Todarodes pacificus, Illex illecebrosus, Illex argentinus, Nototodarus sloani sloani and Nototodarus sloani gouldi. NAFO Scientific Council Studies, 9, 59-68.
  15. Hernandez, F., and Schaeffer, P., 2000. Altimetric mean sea surfaces and gravity anomaly maps inter-comparisons (AVISO Technical Report No. AVI-NT-011-5242-CLS). Centre National d'Etudes Spatiales. https://ftp.spacecenter.dk/pub/GOCINA/DOC/MSS_comp.pdf
  16. Hess, G. R., and Bay, J. M., 2000. A regional assessment of windbreak habitat suitability. Environmental Monitoring and Assessment, 61, 239-256. https://doi.org/10.1023/A:1006175323330
  17. Hoegh-Guldberg, O., Mumby, P. J., Hooten, A. J., Steneck, R. S., Greenfield, P., Gomez, E. et al., 2007. Coral reefs under rapid climate change and ocean acidification. Science, 318(5857), 1737-1742. https://doi.org/10.1126/science.1152509
  18. Hwang, K., Kang, S., Oh, T. Y., Choi, K. H., and Lee, D. W., 2012. Change in the fishing grounds and the relationship between the abundance of the common squid Todarodes pacificus and the distribution of zooplankton in the East Sea. Korean Journal of Fisheries and Aquatic Sciences, 45(2), 173-179. https://doi.org/10.5657/KFAS.2012.0173
  19. Intergovernmental Panel on Climate Change, 2023. Sections. In: Core Writing Team, Lee, H., Romero, J. (eds.), Climate change 2023: Synthesis report, Contribution of Working Groups I, II and III to the sixth assessment report of the Intergovernmental Panel on Climate Change, IPCC, pp. 35-115, https://doi.org/10.59327/IPCC/AR6-9789291691647
  20. Jo, M. J., Kim, J. J., Yang, J. H., Kim, C. S., and Kang, S. K., 2019. Changes in the ecological characteristics of Todarodes pacificus associated with long-term catch variations in jigging fishery. Korean Journal of Fisheries and Aquatic Sciences, 52(6), 685-695. https://doi.org/10.5657/KFAS.2019.0685
  21. Kim, J. J., Min H. S., Kim, C., Yoon, J., and Kim, S., 2012. Prediction of the spawning ground of Todarodes pacificus under IPCC climate A1B scenario. Ocean and Polar Research, 34(2), 253-264. https://doi.org/10.4217/OPR.2012.34.2.253
  22. Kim, W., Ahn, J. H., and Park, Y. J., 2015. Correction of stray-light-driven interslot radiometric discrepancy (ISRD) present in radiometric products of geostationary ocean color imager (GOCI). IEEE Transactions on Geoscience and Remote Sensing, 53(10), 5458-5472. https://doi.org/10.1109/TGRS.2015.2422831
  23. Kim, Y. H., Choi, K., and Lee, C. I., 2017. Migration and distribution of the common squid (Todarodes pacificus) in Korean waters. Journal of Environmental Science International, 26(2), 173-181. https://doi.org/10.5322/JESI.2017.26.2.173
  24. Kim, Y. H., and Shin, D. H., 2019. Distribution of common squid, Todarodes pacificus, paralarvae in the Yellow Sea in Spring and Autumn, 2013-2015. Journal of the Korean Society of Marine Environment & Safety, 25(1), 58-66. https://doi.org/10.7837/kosomes.2019.25.1.058
  25. Kiyofuji, H., and Saitoh, S. I., 2004. Use of nighttime visible images to detect Japanese common squid Todarodes pacificus fishing areas and potential migration routes in the Sea of Japan. Marine Ecology Progress Series, 276, 173-186. https://doi.org/10.3354/meps276173
  26. Landerer, F. W., Jungclaus, J. H., and Marotzke, J., 2007. Regional dynamic and steric sea level change in response to the IPCC-A1B scenario. Journal of Physical Oceanography, 37(2), 296-312. https://doi.org/10.1175/JPO3013.1
  27. Lauver, C. L., Busby, W. H., and Whistler, J. L., 2002. Testing a GIS model of habitat suitability for a declining grassland bird. Environmental Management, 30, 88-97. https://doi.org/10.1007/s00267-001-2609-z
  28. Lee, B. E., Kim, J., Kim, N. I., and Kim, J. G., 2017a. Evaluation on replacement habitat of two endangered species, Aster altaicus var. uchiyamae and Polygonatum stenophyllum using habitat suitability index. Journal of Wetlands Research, 19(4), 433-442. https://doi.org/10.17663/JWR.2017.19.4.433
  29. Lee, D., Son, S. H., Lee, C. I., Kang, C. K., and Lee, S. H., 2019. Spatio-temporal variability of the habitat suitability index for the Todarodes pacificus (Japanese common squid) around South Korea. Remote Sensing, 11(23), 2720. https://doi.org/10.3390/rs11232720
  30. Lee, J. S., Ryu, J. G., and Kee, H. K., 2017b. A study on the status of Chinese fishing in the East sea off North Korea and directions for countermeasures. The Journal of Fisheries Business Administration, 48(3), 61-74. https://doi.org/10.12939/FBA.2017.48.3.061
  31. Lee, J. H., Lim, B. J., Kim, D. Y., Park, S. H., and Chang, Y. S., 2018. The validation of MOHID regional ocean circulation model around the East Asian Seas in 2016. Journal of the Korean Earth Science Society, 39(5), 436-457. https://doi.org/10.5467/JKESS.2018.39.5.436
  32. Lee, S., Park, M. S., Kwon, M., Park, Y. G., Kim, Y. H., and Choi, N., 2023. Rapidly changing East Asian marine heatwaves under a warming climate. Journal of Geophysical Research: Oceans, 128(6), e2023JC019761. https://doi.org/10.1029/2023JC019761
  33. Lima, F. P., and Wethey, D. S., 2012. Three decades of high-resolution coastal sea surface temperatures reveal more than warming. Nature Communications, 3(1), 1-13. https://doi.org/10.1038/ncomms1713
  34. Liu, Y., Xia, X., Tian, Y., Alabia, I. D., Ma, S., Sun, P., and Saitoh, S. I., 2021. Influence of spawning ground dynamics on the long-term abundance of Japanese flying squid (Todarodes pacificus) winter cohort. Frontiers in Marine Science, 8, 659816. https://doi.org/10.3389/fmars.2021.659816
  35. Martin, M., Dash, P., Ignatov, A., Banzon, V., Beggs, H., Brasnett, B. et al., 2012. Group for High Resolution Sea Surface temperature (GHRSST) analysis fields inter-comparisons. Part 1: A GHRSST multi-product ensemble (GMPE). Deep Sea Research Part II: Topical Studies in Oceanography, 77-80, 21-30. https://doi.org/10.1016/j.dsr2.2012.04.013
  36. Miller, A. J., Chai, F., Chiba, S., Moisan, J. R., and Neilson, D. J., 2004. Decadal-scale climate and ecosystem interactions in the North Pacific Ocean. Journal of Oceanography, 60, 163-188. https://doi.org/10.1023/B:JOCE.0000038325.36306.95
  37. Murata, M., 1990. Oceanic resources of squids*. Marine Behaviour and Physiology, 18(1), 19-71. https://doi.org/10.1080/10236249009378779
  38. National Institute of Fisheries Science, 2022. Annual report for climate change trends in fisheries. National Institute of Fisheries Science. https://nifs.go.kr/rsh/result/rsltPblcPop.do?ORD=&RSLTPUB_SEQ=19884&HIST_SEQ=4&RSLTPUB_GN_CD=&PAGEINDEX=1
  39. Park, M. S., Lee, S., Ahn, J. H., Lee, S. J., Choi, J. K., and Ryu, J. H., 2021. Decadal measurements of the first geostationary ocean color satellite (GOCI) compared with MODIS and VIIRS data. Remote Sensing, 14(1), 72. https://doi.org/10.3390/rs14010072
  40. Platt, T., and Sathyendranath, S., 1988. Oceanic primary production: Estimation by remote sensing at local and regional scales. Science, 241(4873), 1613-1620. https://doi.org/10.1126/science.241.4873.1613
  41. Roper, C. F., Sweeney, M. J., and Nauen, C., 1984. Cephalopods of the world. An annotated and illustrated catalogue of species of interest to fisheries. Food and Agriculture Organization of the United Nations.
  42. Rosa, A. L., Yamamoto, J., and Sakurai, Y., 2011. Effects of environmental variability on the spawning areas, catch, and recruitment of the Japanese common squid, Todarodes pacificus (Cephalopoda: Ommastrephidae), from the 1970s to the 2000s. ICES Journal of Marine Science, 68(6), 1114-1121. https://doi.org/10.1093/icesjms/fsr037
  43. Sakurai, Y., Kiyofuji, H., Saitoh, S., Goto, T., and Hiyama, Y., 2000. Changes in inferred spawning areas of Todarodes pacificus (Cephalopoda: Ommastrephidae) due to changing environmental conditions. ICES Journal of Marine Science, 57(1), 24-30. https://doi.org/10.1006/jmsc.2000.0667
  44. Shin, H. H., Jung, J., Lee, H., Oh, W., Park, G., and Lee, K., 2021. Density estimation of Japanese common squid Todarodes pacificus using multi-frequency. Korean Journal of Fisheries and Aquatic Sciences, 54(6), 1023-1029. https://doi.org/10.5657/KFAS.2021.1023
  45. Song, H., 2018. Fluctuations of common squid Todarodes pacificus catches in the Northwestern Pacific under changing climate and habitat temperature. Korean Journal of Fisheries and Aquatic Sciences, 51(3), 338-343. https://doi.org/10.5657/KFAS.2018.0338
  46. Stammer, D., Cazenave, A., Ponte, R. M., and Tamisiea, M. E., 2013. Causes for contemporary regional sea level changes. Annual Review of Marine Science, 5, 21-46. https://doi.org/10.1146/annurev-marine-121211-172406
  47. Terrell, J. W., 1985. Proceedings of a workshop on fish habitat suitability index models. Fish and Wildlife Service, U.S. Department of the Interior.
  48. U.S. Fish and Wildlife Service, 1980. Ecological services manual - habitat as a basis for environmental assessment. Fish and Wildlife Service, U.S. Department of the Interior.
  49. Van der Lee, G. E., Van der Molen, D. T., Van den Boogaard, H. F., and Van der Klis, H., 2006. Uncertainty analysis of a spatial habitat suitability model and implications for ecological management of water bodies. Landscape Ecology, 21(7), 1019-1032. https://doi.org/10.1007/s10980-006-6587-7
  50. Wernberg, T., 2021. Marine heatwave drives collapse of kelp forests in Western Australia. In: Canadell, J. G., Jackson, R. B. (eds.), Ecosystem collapse and climate change, Springer, pp. 325-343. https://doi.org/10.1007/978-3-030-71330-0_12
  51. Wernberg, T., Smale, D. A., Tuya, F., Thomsen, M. S., Langlois, T. J., De Bettignies, T. et al., 2013. An extreme climatic event alters marine ecosystem structure in a global biodiversity hotspot. Nature Climate Change, 3(1), 78-82. https://doi.org/10.1038/nclimate1627
  52. Yen, K. W., Lu, H. J., Chang, Y., and Lee, M. A., 2012. Using remote-sensing data to detect habitat suitability for yellowfin tuna in the Western and Central Pacific Ocean. International Journal of Remote Sensing, 33(23), 7507-7522. https://doi.org/10.1080/01431161.2012.685973
  53. Yu, W., and Chen, X., 2021. Habitat suitability response to sea-level height changes: Implications for Ommastrephid squid conservation and management. Aquaculture and Fisheries, 6(3), 309-320. https://doi.org/10.1016/j.aaf.2020.06.001
  54. Yu, W., Feng, Z., Chen, B., Wei, Z., and Feng, Y., 2023. Climate-related variations in Autumn cohort of Japanese common squid Todarodes pacificus. Journal of Ocean University of China, 22(2), 490-500. https://doi.org/10.1007/s11802-023-5241-1
  55. Zhang, X., Saitoh, S. I., and Hirawake, T., 2021. Predicting potential fishing zones of Japanese common squid (Todarodes pacificus) using remotely sensed images in coastal waters of south-western Hokkaido, Japan. International Journal of Remote Sensing, 38(21), 275-292. https://doi.org/10.1080/01431161.2016.1266114