Automated and quantitative characterization of multi-scale benthic habitat and associated biological communities of an unknown southeast Pacific seamount

본 연구는 남동 태평양의 미개척 해저산인 솔리토 해저산에 대해 고해상도 음향 데이터와 원격조종잠수정 (ROV) 관측을 통합한 자동화된 정량적 분석 프레임워크를 적용하여, 지형과 기질의 다중 규모 특성이 저서 생물 군집 구조에 미치는 영향을 규명하고 해당 지역의 생태계 보전을 위한 기초 자료를 제공했습니다.

핵심

1. 탐험의 배경: "지도 없는 미지의 섬"

우리가 살고 있는 지구 표면 중 바다의 대부분은 아직 지도에 그려지지 않았습니다. 특히 남태평양의 '솔리토 해저 산'은 그중에서도 가장 알려지지 않은 곳 중 하나였습니다.

• 비유: 마치 우주에 떠 있는 미지의 행성처럼, 솔리토 해저 산은 1,000m 이상 솟아 있는 거대한 산이지만, 그 위에는 어떤 땅이 있고 어떤 생물이 사는지 아무도 모르고 있었습니다.
• 연구의 목적: 과학자들은 이 '미지의 행성'의 지도를 그리고, 그곳의 생태계가 어떻게 작동하는지 이해하기 위해 탐사를 떠났습니다.

2. 탐사 방법: "AI 가 그린 지도와 로봇 카메라"

과학자들은 직접 물속으로 내려갈 수 없으므로, 두 가지 강력한 도구를 사용했습니다.

• 초정밀 소나 (멀티빔 음향 탐지기):

  • 비유: 마치 어둠 속에서 초음파로 사물을 감지하는 박쥐처럼, 배에서 쏘아보낸 소나 신호가 해저에 닿아 돌아오는 시간을 측정해 산의 모양을 3D 로 정밀하게 재현했습니다. 이를 통해 산의 정상, 경사면, 계곡 같은 큰 지형 (메가서식지) 을 구분했습니다.
  • 결과: AI(인공지능) 가 이 데이터를 분석해 산을 5 개의 구역 (정상, 경사면, 계곡, 등산로, 평지) 으로 나누었습니다.

• 원격 조종 로봇 (ROV):

  • 비유: 깊은 바다로 내려가는 무인 드론입니다. 이 로봇은 고화질 카메라를 달고 산을 돌아다니며 바닥을 촬영했습니다.
  • 작업: 로봇은 산의 각 구역에 무엇이 깔려 있는지 (단단한 바위, 모래, 산호 조각 등) 확인하고, 그곳에 사는 생물들을 찍어 왔습니다.

3. 발견된 비밀: "집의 종류가 사는 사람을 결정한다"

이 연구의 가장 큰 발견은 **"바닥의 재질 (서식지) 과 산의 모양이 어떤 생물이 살지 결정한다"**는 것입니다.

• 깊은 곳 (SO643 탐사) vs 얕은 곳 (SO645 탐사):

  • 깊은 곳: 산의 아래쪽은 산호로 만든 작은 숲이 우거져 있었습니다. 산호, 불가사리, 해면동물 등 다양한 생물이 복잡하게 얽혀 살았습니다. 마치 복잡한 고층 아파트처럼 다양한 층이 있고, 각 층마다 다른 주민이 사는 것과 같습니다.
  • 얕은 곳: 산의 윗부분은 상대적으로 생물이 적고 단순했습니다. 하지만 **산호 조각 (Coral Rubble)**이 쌓인 곳에서는 특이한 **해면동물 (Stelletta sp.)**이 군집을 이루고 있었습니다. 마치 폐허가 된 건물을 개조해 만든 독특한 공동체처럼, 산호 조각이 쌓인 곳만이 이 해면동물에게 완벽한 집이 된 것입니다.

• 주요 발견:

  • 단단한 바위 위에는 산호나 해초처럼 단단한 곳에 붙어 사는 생물들이 살고,
  • 모래 위에는 모래에 숨거나 떠다니는 생물들이 살았습니다.
  • 특히 **산호 조각 (Rubble)**은 단순한 쓰레기가 아니라, 특정 해면동물에게만 딱 맞는 특별한 보금자리 역할을 했습니다.

4. 이 연구가 중요한 이유: "미래를 위한 첫걸음"

이 연구는 단순히 "여기에 이런 생물이 산다"를 넘어, 미래의 보전을 위한 기초 자료를 제공합니다.

• 비유: 우리가 집을 지을 때 기초 공사를 철저히 하듯, 해양 보호구역을 만들거나 자원을 개발하기 전에 해저 생태계의 기초 지도가 필수적입니다.
• 의의: 솔리토 해저 산은 주변 섬들과 생물들이 오가며 연결되는 생태적 다리 (Stepping Stone) 역할을 할 가능성이 큽니다. 이 연구를 통해 우리는 이 '다리'의 중요성을 알게 되었고, 앞으로 이곳을 어떻게 보호해야 할지 계획을 세울 수 있게 되었습니다.

요약

이 논문은 AI 와 로봇을 이용해 남태평양의 미지의 해저 산을 탐사하고, **"바닥의 재질과 산의 모양이 생물의 집을 결정한다"**는 사실을 밝혀낸 이야기입니다. 마치 다양한 지형에 맞춰 다른 생물이 살아가는 복잡한 생태계 도시를 발견한 것과 같으며, 이 발견은 미래 해양 보호를 위한 귀중한 지도가 됩니다.

기술 요약

1. 문제 제기 (Problem)

• 지식 부족: 해저산 (Seamounts) 은 해양 생물 다양성의 핵심 거점이지만, 전 세계 해저산의 약 96% 가 과학적으로 조사되지 않았거나 매핑되지 않았습니다. 특히 남동부 태평양 지역은 해양 고유종이 풍부하고 생태적으로 격리되어 있음에도 불구하고, 고해상도 매핑이 극히 제한적입니다.
• 기존 방법론의 한계: 기존 해저 서식지 분류는 주로 전문가의 주관적 판단이나 임계값에 의존하는 반자동화 방식 (예: Benthic Terrain Modeler) 을 사용하여, 재현성과 객관성이 부족하고 연구 간 비교가 어렵다는 문제가 있었습니다.
• 데이터 부재: 솔리토 해저산은 나스카 - 데스벤투라다스 해양공원과 후안 페르난데스 군도 사이에 위치한 미기록 해저산으로, 지질학적 구조와 생물 군집에 대한 기초 자료가 전혀 없었습니다.

2. 방법론 (Methodology)

이 연구는 자동화된 정량적 매핑 프레임워크와 **현장 관측 (ROV)**을 통합한 계층적 접근법을 사용했습니다.

• 데이터 수집:
  • 지형 및 음향 데이터: R/V Falkor (too) 함정에서 Kongsberg EM 124 멀티빔 음향측심기 (MBES) 를 사용하여 고해상도 수심 (100m 격자) 및 후방산란 강도 (50m 격자) 데이터를 취득했습니다.
  • 생물 및 기저 관측: 4,500m 급 ROV 'SuBastian'을 활용하여 두 개의 잠수 (SO643: 심해 1,0541,497m, SO645: 천해 456860m) 를 수행하고, HD/4K 카메라로 해저 영상을 촬영하여 기저 (Substrate) 유형과 대형 저서 생물 (Megafauna) 을 기록했습니다.
• 자동화된 서식지 매핑 (Megahabitat Mapping):
  • 지형 유도 변수 (Terrain Derivatives) 계산: 수심, 경사, BPI(수심 위치 지수), 곡률, TRI(지형 거칠기 지수), VRM(벡터 거칠기 측정) 등을 계산했습니다.
  • 차원 축소 및 군집화: 주성분 분석 (PCA) 을 통해 데이터의 차원을 축소하고, 비지도 학습인 k-means 군집화를 적용하여 객관적인 5 가지 '메가서식지 (Megahabitat)' 유형 (평탄지, 기저 경사면, 계곡, 능선 경사면, 능선 정상) 을 도출했습니다.
• 기저 및 생물 군집 분석:
  • ROV 영상을 기반으로 5 가지 기저 유형 (암반, 암반 + 퇴적물 박막, 퇴적물 - 암반 전이, 퇴적물, 산호 잔해) 을 분류했습니다.
  • 통계 분석: PERMANOVA 를 사용하여 메가서식지와 기저 유형이 생물 군집 구조에 미치는 영향을 검정하고, SIMPER 분석을 통해 군집 차이를 주도하는 주요 종 (Taxa) 을 식별했습니다.

3. 주요 기여 (Key Contributions)

• 첫 정량적 매핑: 솔리토 해저산에 대한 최초의 정량적 서식지 지도를 작성하여, 남동부 태평양의 미개척 지역에 대한 기초 생태 정보를 제공했습니다.
• 객관적 자동화 프레임워크: 전문가의 주관적 판단을 배제하고, 지형 및 음향 데이터를 기반으로 한 비지도 학습 (PCA + k-means) 을 적용하여 재현 가능하고 확장 가능한 해저산 서식지 매핑 방법론을 제시했습니다.
• 다중 규모 통합 분석: 거시적 지형 (메가서식지) 과 미시적 기저 (Substrate) 를 통합하여, 물리적 환경이 어떻게 생물 군집을 구조화하는지에 대한 기계적 통찰을 제공했습니다.

4. 주요 결과 (Key Results)

• 메가서식지 분류: 5 가지 명확한 메가서식지 (평탄지, 기저 경사면, 계곡, 능선 경사면, 능선 정상) 가 지형적 복잡성과 기저 반사율에 따라 성공적으로 구분되었습니다.
• 기저 유형 분포:
  • 능선 정상과 경사면은 주로 노출된 암반과 얇은 퇴적물 층으로 덮여 있었으며, 계곡과 기저 경사면은 퇴적물이 우세했습니다.
  • 산호 잔해 (Coral rubble): 특히 SO645(천해) 잠수에서 능선 정상에 국한되어 발견되었으며, 이는 독특한 서식지 유형으로 작용했습니다.
• 생물 군집 구조:
  • 심해 (SO643): 메가서식지 유형이 군집 구조를 주로 결정했습니다. 능선 정상에는 산호초를 형성하는 경석회질 산호 (Scleractinians) 군집이, 능선 경사면에는 흑산호, 관산호, 해면동물이 혼재된 군집이 우세했습니다. 다양한 종이 군집 차이를 주도했습니다.
  • 천해 (SO645): 기저 유형의 영향이 더 강력하게 나타났습니다. 특히 산호 잔해는 해면동물 Stelletta속이 우점하는 독특한 군집을 형성했습니다. 전체적으로 SO643 에 비해 종 다양성이 낮고 소수의 종이 군집 차이를 주도했습니다.
• 환경적 요인: 두 잠수 간의 생물학적 차이는 수심에 따른 산소 농도 변화 (산소 최소층, OMZ 의 위치) 와 수괴 특성 (ESSW 대 AAIW/PDW) 에 기인한 것으로 추정됩니다.

5. 의의 및 시사점 (Significance)

• 보전 계획의 기초: 솔리토 해저산이 나스카 - 데스벤투라다스 및 후안 페르난데스 시스템 간의 생물 지리학적 연결 고리 (Stepping stone) 역할을 할 가능성이 제기되어, 이 지역을 해양 공간 계획 및 보전 전략에 우선적으로 포함해야 함을 시사합니다.
• 방법론적 발전: 심해 환경에서 제한된 현장 데이터만으로도 자동화된 정량적 접근법이 유효함을 입증하여, 향후 심해 생태계 평가 및 보전 계획 수립을 위한 표준 프레임워크로 활용될 수 있습니다.
• 생태계 이해: 지형적 이질성과 기저 유형이 심해 대형 저서 생물 군집을 어떻게 구조화하는지에 대한 메커니즘을 규명함으로써, 심해 생태계의 복잡성을 이해하는 데 중요한 통찰을 제공했습니다.

이 연구는 데이터가 부족한 심해 지역에서 과학적 근거에 기반한 보전 의사결정을 지원하기 위한 통합적 접근법의 모범 사례로 평가됩니다.