Wind as Driver of Bird and Bat Abundance, Flight Direction, Altitude, and Speed on the North Atlantic Shelf

기술 요약: 북대서양 대륙붕에서 조류 및 박쥐의 풍량(Wind)에 따른 밀도, 비행 방향, 고도 및 속도 변화

문제 제기
미국 동북부 연안을 따라 해상 풍력 에너지 발전이 확대됨에 따라, 터빈과의 충돌 위험을 정확하게 정량화하기 위해 비행하는 동물(조류 및 박쥐)의 행동을 이해하는 것이 필수적이다. 현재의 충돌 위험 모델은 회피율이나 비행 매개변수와 같이 정량화하기 어려운 동물 행동에 대한 가설에 의존하는 경우가 많다. 풍속과 풍향이 비행 활동에 영향을 미친다는 사실은 알려져 있으나, 기존 연구들은 주로 시간적·공간적 해상도가 제한적인 역사적 기후 데이터(예: ERA5 재분석 데이터)에 의존하거나 유럽 해역(북해)에 집중되어 왔다. 또한, 미국 해역의 고해상도 공동 위치 풍속 측정값과 연계하여 동물의 밀도, 비행 높이, 비행 속도를 동시에 분석한 연구는 거의 없다. 충돌 위험 평가를 개선하기 위해 기상 조건이 동물의 존재와 비행 역학을 어떻게 유도하는지 이해하는 것이 매우 중요하다.

연구 방법론
본 연구는 2024년 가을철 5주 동안 미국 북동부 대륙붕(북위 40.9°, 서경 70.79°)에 배치된 연구용 바지선에서 수집된 조류 레이더와 풍향/풍속 리다르(Lidar) 데이터를 통합하는 새로운 방법론적 프레임워크를 제시한다.

• 데이터 수집: 전방향 S-밴드 레이더(MERLIN True3D)를 사용하여 조류 및 박쥐의 궤적을 포착하였으며, 두 대의 프로파일링 리다르(WindCube v2.1 및 Halo XR+)를 통해 고해 resolution의 풍속 및 풍향 프로파일을 제공받았다.
• 데이터 처리: 레이더 궤적은 곤충 등을 제외하고 데이터 품질을 확보하기 위해 탐지 거리(200–1100 m), 비행 속도(<35 m/s), 반사 강도(−25.5 ~ 10 dBsm)를 기준으로 필터링되었다. 이후 궤적은 비행 고도에서의 동시 풍속 데이터와 매칭되었다.
• 클러스터링 접근법: 레이더가 종을 구분하지 못하는 문제를 해결하기 위해, 동물 크기의 대리 지표로 반사 강도를 사용하는 계층적 클러스터링 방법론을 개발하였다. 이 알고리즘은 비행 행동 분포(시간당 밀도, 비행 높이, 방향, 속도)를 기반으로 궤적을 두 그룹("작은 그룹"과 "큰 그룹")으로 나누었다. 최적의 클러스터 분할 지점은 반사 강도 임계값인 −8.54 dBsm에서 결정되었다.
• 통계 분석: 각 클러스터의 시간당 밀도를 평가하기 위해 일반 가법 모델(GAM)을 사용하였다. 또한, 누적 분포 함수를 분석하여 풍향(뒷바람, 측면풍, 맞바람)과 비행 방향, 높이, 속도 간의 관계를 조사하였다.

주요 결과
필터링된 67,410개의 궤적을 분석한 결과, 풍속 조건과 동물 크기에 따른 뚜렷한 행동 패턴이 나타났다:

• 밀도 결정 요인: 두 크기 클러스터 모두에서 이전 시간의 동물 밀도가 현재 밀도의 가장 강력한 예측 변수였다. 환경 요인 중에서는 풍속과 태양 방위각이 가장 큰 영향을 미쳤다. 높은 풍속은 일반적으로 밀도를 억제하며, 특히 "큰 그룹"의 경우 풍속이 15 m/s를 초과할 때 이러한 경향이 두드러졌다.
• 크기 기반 행동 차이:
  • 작은 그룹 (낮은 반사 강도): 이 동물들(체구가 작은 이동성 종으로 추정)은 풍향 패턴과 일치하는 집중된 비행 방향을 보였다. 이들은 다양한 고도, 특히 더 높은 고도에서 비행하는 경향이 있었으며, 뒷바람을 타고 비행하는 성향(72.4%의 궤적)이 강했다. 이들의 밀도는 이동성 급증(migratory pulses)과 일치하는 독특한 시간적 폭발 현상을 보였다.
  • 큰 그룹 (높은 반사 강도): 이 동물들(체구가 큰 상주성 종으로 추정)은 다양한 방향으로 비행했으나 낮은 고도(82.3%가 100 m 미만)에 집중되어 있었다. 이들은 작은 그룹에 비해 불리한 풍향 조건(측면풍 및 맞바람)에서도 비행할 가능성이 더 높았다.
• 비행 역학:
  • 방향: 비행 방향 분포는 풍향에 따라 변화하였다. 높은 풍속에서 두 클러스터 모두 비행 방향 분포가 좁아졌으며, 뒷바람을 타고 비행하는 비율이 높아졌다.
  • 고도: 비행 높이는 풍속과 상관관계가 있었다. 풍속이 빨라질 때 더 많은 동물이 높은 고도에서 탐지되었다. 동물들은 일반적으로 최대 풍향 지원을 받는 고도 근처에서 비행하였다.
  • 속도: 지면 속도(Ground speed)는 바람의 도움을 받을 때 증가한 반면, 대기 속도(Air speed)는 비교적 일정하게 유지되었다(작은 그룹 약 5 m/s, 큰 그룹 약 8 m/s). 이는 더 큰 동물이 더 높은 대기 속도를 유지함을 시사하며, 이는 잠재적으로 더 높은 에너지 투입을 의미한다.

의의 및 주장
저자들은 본 연구가 쌍을 이룬 고해상도 레이더 및 리다르 데이터를 사용하여 해상 풍력 단지에서의 동물 행동에 대한 첫 통찰을 제공한다고 주장한다. 주요 기여는 다음과 같다:

1. 방법론적 프레임 frameworks: 본 논문은 비행하는 동물의 행동을 분석하기 위해 레이더와 리다르 데이터를 통합하는 프레임워크를 구축하여, 향후 해상 연구를 위한 템플릿을 제공한다.
2. 행동적 통찰: 연구 결과, 바람이 동물의 존재, 비행 방향, 고도 및 속도를 결정하는 주요 동인임을 입증하였다. 본 연구는 동물 행동이 균일하지 않음을 강조한다. 즉, 서로 다른 크기 그룹(이동성과 상주성이라는 서로 다른 생태적 전략을 나타내는 것으로 보이는)은 풍향 조건에 다르게 반응한다.
3. 충돌 위험에 대한 시사점: 비행 방향, 높이, 속도를 고정된 종별 상수로 취급하는 충돌 위험 모델은 불충분할 수 있음을 시사한다. 본 연구는 다음을 나타낸다:
   • 풍속이 증가함에 따라 터빈 로터 회전 구역(RSZ) 내에 있는 동물의 비율이 감소한다.
   • 지면 속도는 바람의 도움을 받을 때 증가하며, 이는 로터를 통과하는 이동 시간에 영향을 미친다.
   • 동물은 풍향 조건에 따라 비행 매개변수(예: 뒷바람이나 특정 고도를 찾는 행위)를 능동적으로 조정한다.

저자들은 본 연구가 특정 5주간의 가을철 기간에 국한되어 있다는 한계가 있지만, 레이더와 리다르 데이터를 결려한 통합 분석이 충돌 위험 평가를 정교화할 수 있는 중요한 행동적 세부 사항을 밝혀냈다고 결론지었다. 또한, 충돌 위험 예측 모델을 개발하기 위해서는 향-후 연구에서 더 장기적인 데이터 세트를 활용해야 한다고 강조하였다.