SPECIES DISTRIBUTION PROJECTIONS UNDER INTERNAL CLIMATE VARIABILITY REVEAL MULTIPLE PLAUSIBLE FUTURES REQUIRING FLEXIBLE CLIMATE-READY DECISIONS

이 연구는 내부 기후 변동성이 종 분포 모델의 예측 결과를 질적으로 변화시키고 방향을 반전시킬 수 있음을 보여주며, 이를 통해 단일 최선 추정치가 아닌 다양한 기후 시나리오를 고려한 유연한 기후 대응 의사결정이 필요함을 강조합니다.

핵심

🌍 1. 기존 방식: "한 가지 미래만 보는 나침반"

지금까지 과학자들은 기후 변화가 생물들의 서식지 (살아갈 곳) 에 미칠 영향을 예측할 때, 마치 한 장의 지도를 보듯 "가장 가능성 높은 미래" 하나만 그려왔습니다.

• 비유: 내일 비가 올지 말지 예측할 때, "아마 비가 50% 확률로 올 거야"라고 말하지 않고, "내일 비가 올 것이다"라고 딱 정해서 말하고, 그걸 믿고 우산을 챙기는 것과 비슷합니다.
• 문제점: 하지만 기후 시스템은 매우 복잡해서, 같은 조건에서도 내부적인 요인 (바람의 흐름, 해류의 미세한 변화 등) 때문에 전혀 다른 결과가 나올 수 있습니다. 기존 연구는 이 '내부적인 요인'을 평균내서 없애버렸기 때문에, 실제는 여러 가지 다른 미래가 존재할 수 있다는 걸 놓치고 있었습니다.

🎲 2. 새로운 발견: "동일한 출발, 100 가지 다른 결말"

이 연구팀은 CESM2-LENS2라는 거대한 기후 모델에서 **100 개의 서로 다른 초기 조건 (시작점)**을 설정하고, 각각을 100 번 실행해 보았습니다.

• 비유: 같은 레시피로 같은 양의 재료를 가지고 100 명의 요리사가 요리를 만들었을 때, 모두가 똑같은 맛의 요리를 만들 것이라고 생각했던 것이 기존 방식이었습니다. 하지만 이 연구는 "아니야, 100 명이 만들면 100 가지 다른 맛 (혹은 실패) 이 나올 수 있어"라고 증명했습니다.
• 결과: 34 종의 해양 및 육상 생물 (예: 모기, 미역, 여우 등) 을 분석한 결과, 단순히 기후 모델의 시작 조건만 달라져도 생물들의 서식지 변화 예측이 완전히 뒤바뀌는 경우가 많았습니다.
  • 어떤 시나리오에서는 "북쪽으로 이동할 것"이라고 예측했는데, 다른 시나리오에서는 "오히려 사라질 것"이라고 예측하기도 했습니다.
  • 핵심: 우리가 믿고 있던 '단 하나의 정답'은 사실 가장 그럴듯한 추측 중 하나일 뿐이며, 그 밖에도 전혀 다른 미래들이 공존하고 있다는 것입니다.

🐟 3. 바다 vs 육지: "예측하기 쉬운 바다, 예측하기 어려운 육지"

연구는 흥미로운 차이를 발견했습니다.

• 바다 생물 (80% 는 예측 가능): 바다의 기후 변화는 상대적으로 규칙적이라, 미래가 어느 정도 예측 가능합니다. (비유: 바다의 파도는 규칙적으로 일어서 다음 파도 위치를 대략 알 수 있음)
• 육지 생물 (60% 는 예측 불가): 육지는 지형, 구름, 바람 등 변수가 너무 복잡해서, 같은 기후 변화라도 결과가 천차만별입니다. (비유: 산속의 안개는 바람 한 번에 방향이 완전히 달라져서 다음 안개 위치를 예측하기 힘듦)
• 결론: 육지 생물을 보호하려는 정책은 바다보다 훨씬 더 불확실성이 크다는 뜻입니다.

📊 4. 네 가지 미래 시나리오 (의사결정 프레임워크)

저자는 이 불확실성을 바탕으로 의사결정자에게 4 가지 상황을 제안합니다.

1. Case 1 (변화 없음): 어떤 시나리오를 봐도 변화가 거의 없음. → 현재 상태 유지 및 모니터링.
2. Case 2 (명확한 변화): 어떤 시나리오를 봐도 "북쪽으로 이동한다"는 결론이 같고, 그 정도도 비슷함. → 확신 있게 대응 (예: 새로운 보호구역 지정).
3. Case 3 (방향은 같지만 크기는 모름): "북쪽으로 이동한다"는 건 같지만, 이동 범위가 작을지 클지 모름. → 유연한 정책 필요. (예: 이동 범위가 작을 때와 클 때 모두 대비할 수 있는 계획)
4. Case 4 (방향도 모름): 어떤 시나리오에서는 북쪽으로 가고, 어떤 시나리오에서는 남쪽으로 가거나 사라짐. → 최악의 경우를 대비한 '실수 없는 조치' (No-regrets approach). (예: 어떤 미래가 오더라도 도움이 되는 생태계 복원)

💡 5. 우리가 배워야 할 교훈: "유연한 계획이 필요하다"

이 논문의 가장 중요한 메시지는 **"단 하나의 미래 지도를 믿고 모든 것을 걸지 마라"**는 것입니다.

• 기존: "내일 비가 올 거니까 우산만 사자." (실패할 경우 대비 안 함)
• 새로운 접근: "내일 비가 올 수도, 안 올 수도, 폭풍이 올 수도 있어. 그래서 우산도 챙기고, 방수 옷도 준비하고, 대피소 위치도 확인하자."

기후 변화에 대응할 때는 가장 확률 높은 시나리오 하나만 최적화하는 것이 아니라, 여러 가지 가능한 미래 (100 가지 시나리오) 를 모두 고려하여 어떤 상황이 와도 견딜 수 있는 유연한 정책을 세워야 합니다.

🇰🇷 요약

이 연구는 **"기후 변화 예측은 한 장의 지도가 아니라, 여러 갈래로 뻗어 있는 나뭇가지 같은 것"**이라고 말합니다. 우리는 그 모든 가지가 어떻게 자랄지 알 수 없기 때문에, 어떤 가지가 자라더라도 우리 생태계가 무너지지 않도록 튼튼하고 유연하게 준비해야 합니다. 특히 육지의 생물들은 바다보다 훨씬 더 예측하기 어렵기 때문에, 더 신중하고 유연한 계획이 필요합니다.

기술 요약

이 논문은 종 분포 모델 (SDM) 을 이용한 기후 변화에 따른 생물 종 분포 예측에서 **내부 기후 변동성 **(Internal Climate Variability, ICV)이 어떻게 불확실성을 증폭시키고, 때로는 예측 방향 자체를 반전시킬 수 있는지를 규명한 연구입니다. 기존 연구들이 단일 기후 시나리오나 앙상블 평균을 사용하여 "최선의 추정치"를 제시하는 반면, 이 연구는 100 개의 초기 조건 멤버를 활용하여 ICV 만으로 인해 발생할 수 있는 다양한 합리적인 미래 시나리오를 체계적으로 분석했습니다.

다음은 이 논문의 기술적 요약입니다.

---

1. 연구 배경 및 문제 제기 (Problem)

• 기존 접근법의 한계: 종 분포 모델 (SDM) 은 일반적으로 단일 기후 시나리오나 초기 조건 (Initial Conditions, IC) 이 다른 여러 시뮬레이션의 평균을 사용하여 기후 변화에 따른 생태계 반응을 예측합니다. 이 과정에서 **내부 기후 변동성 **(ICV)이 평균화되어 사라지거나 단일 궤적으로 축소됩니다.
• 핵심 문제: ICV 는 배출 시나리오와 기후 모델 구조가 동일하더라도 초기 조건에 민감하게 반응하여 발생하는 궤적의 발산입니다. SDM 은 기후 이력에서 서식지로의 비선형 매핑이므로, 이상치나 극단적 사건의 순서 차이가 종의 분포 역치 (threshold) 를 넘어서거나 지연 (lag) 을 활성화시켜 동일한 강제력 하에서도 질적으로 다른 생태적 결과를 초래할 수 있습니다.
• 연구 목표: ICV 가 SDM 예측 결과에 어떻게 전파되는지, 그리고 이 불확실성이 관리 결정 (보전, 복원, 공중보건 등) 에 어떤 영향을 미치는지를 체계적으로 규명하기 위한 프레임워크 개발.

2. 방법론 (Methodology)

• 데이터 및 모델:
  • 종: 해양 (12 종) 및 육상 (22 종) 총 34 종을 선정 (멸종 위기종, 어업 자원, 질병 매개체 등 다양한 생태적 지위 포함).
  • 기후 데이터: CESM2-LENS2(Community Earth System Model Large Ensemble) 의 100 개 초기 조건 멤버를 사용. 배출 시나리오는 SSP3-7.0 으로 고정.
  • 기간: 중기 (2031–2060) 및 후기 (2071–2100).
  • 편향 보정: 각 IC 멤버별로 ERA5 및 CMEMS 관측 기후 (1981–2014) 에 맞춰 편향 보정 (Bias Correction) 을 수행하여 관측 기반과 일치시키면서도 ICV 는 유지.
• 모델링 프로세스:
  • 관측 기후와 정적 예측변수 (고도, 수심 등) 를 사용하여 각 종에 대해 **단일 SDM **(XGBoost 기반)을 학습.
  • 학습된 고정 모델을 100 개의 편향 보정된 IC 시나리오에 모두 적용하여, 기후 궤적의 변화만이 예측 결과의 차이가 되도록 함.
• 분석 지표:
  • 4 가지 생태적 지표: 잠재적 면적 변화 (PAC), 잠재적 면적 증가 (PAG), 잠재적 면적 손실 (PAL), 잠재적 적합도 비율 변화 (PSRC).
  • 분류 체계: 100 개 멤버 간의 합의 정도에 따라 4 가지 의사결정 관련 사례 (Case) 로 분류.
  • 통계 분석: 신호대잡음비 (SNR), 에너지 거리 (Energy Distance, ED), 군집화 (Clustering) 를 통해 ICV 의 영향과 환경 예측변수와의 관계를 분석.

3. 주요 결과 (Key Results)

3.1 ICV 에 의한 예측 결과의 분기 (Divergence)

• ICV 만으로도 종 분포 예측이 질적으로 다른 결과를 낳을 수 있음이 입증됨.
  • **예시 1 **(Aedes aegypti) 초기 조건 선택에 따라 북상 한계가 달라져 노출되는 도시와 공중보건 위험 지역이 완전히 달라짐.
  • **예시 2 **(Kelp forests) 해조류 숲의 수축 및 단편화 패턴이 IC 에 따라 상이하여, 어떤 해양 보호구역이 서식지 손실을 겪을지 예측이 달라짐.
• 4 가지 사례 분류:
  • Case 1: 변화 없음 (Robust absence of change).
  • Case 2: 방향과 크기에 대한 높은 합의 (Robust directional response).
  • Case 3: 방향은 일치하지만 크기에 큰 불일치 (Consistent direction, high magnitude uncertainty).
  • Case 4: 방향 자체가 반대 (Directional reversals).
• 통계: 전체 종의 약 **44%**가 Case 3 또는 Case 4 에 속하여, ICV 로 인해 예측의 방향성이나 심각성이 크게 왜곡될 수 있음을 보여줌.

3.2 해양 - 육상 이분법 (Marine-Terrestrial Divide)

• 해양 종: 대부분 Case 2(80%) 에 속하여 예측이 비교적 안정적이고 예측 가능함.
• 육상 종: Case 3 및 Case 4 에 훨씬 더 많이 분포 (60%). 육상 기후 변동성이 해양보다 크기 때문이며, 이는 세기 내내 지속됨.
• 시간적 동향: 중기에서 후기로 갈수록 강제된 기후 신호가 강해지지만, 육상 종의 경우 여전히 ICV 에 대한 민감도가 높음.

3.3 지표 의존성 및 SNR 의 한계

• 지표 의존성: 같은 종이라도 PAC, PAL, PSRC 등 사용하는 지표에 따라 분류 사례가 달라질 수 있음 (예: 이동성이 높은 일반종은 불안정함).
• SNR 의 한계: 신호대잡음비 (SNR) 가 낮다고 해서 반드시 방향이 반전되는 것은 아님 (Case 1 과 Case 4 가 모두 낮은 SNR 을 가질 수 있음). 따라서 SNR 만으로는 분포 예측의 구조적 불확실성을 완전히 설명할 수 없음.

3.4 ICV 크기와 예측 불일치의 비례 관계 부재

• 기후 변동성 (ICV) 의 크기가 큰 지역이 반드시 SDM 예측 불일치 (중간 합의도) 와 일치하지는 않음.
• 비선형성: 환경 예측변수 공간 내에서 IC 멤버들이 '서식지 존재'와 '부재'를 예측하는 그룹으로 분리되는 현상 (Energy Distance) 이 관측됨. 이는 작은 기후 차이가 SDM 의 비선형 반응 표면을 통해 증폭되어 이분화된 결과를 낳기 때문임.

4. 주요 기여 및 의의 (Contributions & Significance)

• 새로운 프레임워크 제시: 단일 "최선의 추정치 (Best Estimate)"가 아닌, **불가피한 불확실성 **(Irreducible Uncertainty)을 포함하는 **다중 합리적 미래 **(Multiple Plausible Futures)의 개념을 SDM 예측에 도입.
• 의사결정 지원 도구: 4 가지 사례 분류를 통해 관리자에게 다음과 같은 전략을 제안:
  • Case 2: 표적 적응 (Targeted adaptation).
  • Case 3: 유연한 정책 설계 (Flexible policy design).
  • Case 4: 후회 없는 조치 (No-regrets measures) 및 모니터링 강화.
• 실용적 함의: 기후 준비형 (Climate-ready) 의사결정은 단일 궤적을 최적화하는 것이 아니라, 가능한 미래 전체의 범주 (Envelope) 에서 결정을 **스트레스 테스트 **(Stress-test)해야 함을 강조.
• 도구 공개: 종별 예측 및 전체 IC 분포를 탐색할 수 있는 인터랙티브 Shiny 애플리케이션을 공개하여 연구의 재현성과 확장성을 높임.

5. 결론

이 연구는 내부 기후 변동성 (ICV) 이 단순한 '잡음'이 아니라, 생태계 예측의 방향성과 규모를 근본적으로 바꿀 수 있는 핵심 요소임을 입증했습니다. 특히 육상 생태계와 중기~후기 시나리오에서 ICV 의 영향이 크므로, 생물 다양성 보전 및 기후 적응 정책은 단일 시나리오에 의존하기보다 **다양한 기후 실현 가능성에 걸쳐 견고한 **(Robust)을 수립해야 함을 시사합니다.