🧬 biology

City-specific or generalisable resistances? An urban animal connectivity model performs better when parameterised from two cities

뮌헨과 앙제의 검은지저귀 이동 패턴을 분석함으로써, 본 연구는 절대적인 서식지 저항성 수치는 도시 간에 차이가 있으나, 여러 도시 환경의 데이터를 결합하는 것이 상대적 장벽 중요성을 식별하기 위한 연결성 모델의 예측 정확도와 전이성을 유의미하게 향상시킨다는 점을 입증한다.

원저자: Lisa Merkens, Meret Pundsack, Anne Mimet, Damien Gourmelon, Wolfgang W Weisser

게시일 2026-08-12

📖 4 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Lisa Merkens, Meret Pundsack, Anne Mimet, Damien Gourmelon, Wolfgang W Weisser

원본 논문은 CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ⚕️ 이것은 동료 심사를 거치지 않은 프리프린트의 AI 생성 설명입니다. 의학적 조언이 아닙니다. 이 내용을 바탕으로 건강 관련 결정을 내리지 마세요. 전체 면책 조항 읽기

도시를 단순히 사람들이 사는 곳이 아니라, 동물들을 위한 거대하고 북적이는 미로라고 상상해 보세요. 새, 다람쥐, 혹은 고슴도치에게 공원에서 다른 공원으로 이동하는 것은 단순히 날거나 걷는 문제가 아닙니다. 그것은 장애물로 가득 찬 고도의 전략이 필요한 내비게이션 게임입니다. 조용한 풀밭이나 키 큰 나무 같은 것들은 마치 탁 트인 고속도로처럼 이동하기 쉽고 먹이가 풍족한 곳입니다. 반면, 거대한 마천루나 굉음을 내는 고속도로 같은 것들은 거대한 벽이나 깊은 해자처럼 되어 여정을 위험하거나 불가능하게 만듭니다. 과학자들은 이러한 장애물을 '저항(resistance)'이라고 부릅니다. 동물이 우리 콘크리트 정글에서 살아남을 수 있도록 돕기 위해, 도시 계획가들은 컴퓨터 모델을 사용하여 최적의 경로를 지도화하며, 이를 통해 동물들이 먹이, 짝, 그리고 안전한 둥지를 틀 곳을 찾을 수 있도록 녹지 공간을 연결하고자 합니다. 하지만 여기서 까다로운 문제가 발생합니다. 이 모델들은 일종의 '규칙서'를 필요로 합니다. 특정 동물이 특정 유형의 건물이나 도로를 통과하는 것이 정확히 얼마나 '어려운지'를 알아야 하기 때문입니다.

과학자들이 고민해 온 큰 질문은 이 규칙서가 보편적인 것인지, 아니면 각 도시에 맞춰 특별히 작성되는 것인지 하는 점입니다. 독일 뮌헨에 있는 새에게 '중간 크기의 건물'이 프랑스 앙제에 있는 새에게도 똑같이 무섭게 느껴질까요? 아니면 그 도시의 독특한 분위기, 배치, 그리고 역사가 동물이 세상을 바라보는 방식을 바꾸는 것일까요? 만약 한 도시를 위해 만들어진 규칙서가 다른 도시에서도 작동한다는 것을 신뢰할 수 없다면, 우리는 잘못된 다리를 건설하거나 가장 중요한 경로를 놓치게 될지도 모 모릅니다. 이러한 불확실성은 대규모로 야생 동물을 보호하는 것을 어렵게 만듭니다. 왜냐하면 우리가 단순히 한 곳의 보전 계획을 다른 곳으로 복사해서 붙여넣을 수 없으며, 그것이 실제로 적합한지 확인하는 과정 없이 할 수 없기 때문입니다.

이 연구는 유럽 전역의 도시에 성공적으로 적응해 온 흔한 검은지저귀(blackbird)를 탐정처럼 추적하며 이 아이디어를 테스트하기로 했습니다. 두 가지 매우 다른 유럽 도시인 독일 뮌헨과 프랑스 앙제의 데이터를 활용하여, 연구진은 단순하지만 심오한 질문을 던졌습니다. "한 도시에서 배운 '저항 규칙'을 다른 도시에서 사용할 수 있을까, 아니면 매번 처음부터 다시 시작해야 할까?" 또한 그들은 두 도시의 데이터를 하나로 합쳤을 때, 각각의 데이터보다 더 나은 '슈퍼 규칙서'를 만들 수 있을지도 궁금해했습니다.

이를 알아내기 위해, 연구진은 두 도시를 서로 다른 비디오 게임 레벨처럼 취급했습니다. 먼저, 그들은 뮌헨과 앙제에서 검은지서귀가 실제로 어디로 움직이고 날아다니는지 관찰했습니다. 그들은 새들이 무엇을 피하고 무엇을 찾는지 살펴보았습니다. 그 결과, 새들의 '좋은 집을 위한 쇼핑 리스트'는 꽤 일관적이라는 것을 발견했습니다. 새들은 어느 도시에 있든 상관없이 나무, 관목, 풀이 섞인 지역을 좋아했습니다. 뮌헨이든 앙제든, 새들은 샐러드를 만들기 위한 동일한 재료를 원했으므로 '서식지 요구 조건'은 쉽게 전이될 수 있었습니다.

하지만 장애물을 살펴보았을 때 이야기는 더욱 흥미로워졌습니다. 그들은 장애물의 '순서'는 두 도시에서 동일하다는 것을 발견했습니다(높은 건물은 항상 가장 무서웠고, 그다음은 중간 건물, 그다음은 도로 순이었습니다). 하지만 실제 '공포의 강도'는 달랐습니다. 뮌헨에서는 저층 건물이 도로보다 더 큰 장벽처럼 느껴졌지만, 앙제에서는 도로가 저층 건물만큼이나 무섭게 느껴졌습니다. 이는 어떤 도시에서는 10피트 높이의 벽이 완전한 차단벽이 되는 반면, 다른 도시에서는 사소한 불편함에 불과하다는 것과 같습니다. 절대적인 수치가 완벽하게 일치하지 않았다는 것은, 한 도시에서 얻은 저항 값을 다른 도시로 그대로 복사해서 붙여넣는다고 해서 완벽하게 작동할 것이라 기대할 수 없음을 의미합니다.

그러나 반전이 있었습니다. 연구진이 두 도시의 데이터를 결합하여 하나의 공유된 모델을 만들었을 때, 이 모델은 뮌헨의 움직임을 예측하기 위해 뮌헨의 데이터만을 사용했을 때보다 오히려 더 잘 작동했습니다. 마치 두 그룹의 새들에게서 각각 이야기를 듣는 과정을 통해, 단 한 그룹의 이야기만 들었을 때보다 검은지저귀가 느끼는 도시 생활의 일반적인 '분위기'를 더 정확하게 파악한 것과 같습니다. 결합된 모델은 뮌헨의 데이터만으로 구축된 모델보다 뮌헨의 새들이 어디로 갈지를 약간 더 잘 예측했습니다. 이는 모든 도시가 자신만의 독특한 특성을 가지고 있더라도, 큰 그림을 볼 때만 드러나는 근본적인 패턴이 존재함을 시사합니다.

그렇다면 결론은 무엇일까요? 이 논문은 우리가 한 도시의 정확한 저항 수치를 맹목적으로 복사해서 다른 도시에 붙여넣는다고 해서 완벽함을 기대할 수는 없다고 제안합니다. 도로가 주는 '무서운 정도'는 지역적 맥락에 따라 변합니다. 하지만 우리는 무엇이 무섭고 무엇이 안전한지에 대한 일반적인 '순위'는 전달할 수 있습니다. 더 중요한 것은, 만약 우리가 미래를 위한 가장 정확한 지도를 만들고 싶다면, 단 하나의 도시만을 고립시켜 연구해서는 안 된다는 점입니다. 여러 도시의 데이터를 모음으로써, 우리는 더 스마트하고 신뢰할 수 있는 가이드를 만들 수 있을지도 모릅니다. 이것이 모든 것을 즉각 해결하는 마법의 탄환은 아니지만, 도시 간의 협력이 우리 깃털 달린 이웃들을 돕기 위한 더 나은 보전 계획으로 이어질 수 있다는 강력한 제안입니다.

기술 요약: 도시별 특이적 저항성인가, 일반화 가능한 저항성인가? 두 도시의 데이터를 통해 매개변수화된 도시 동물 연결성 모델의 성능 향상

문제 제기
도시 생태 연결성 모델은 보전 계획 수립에 필수적이지만, 경험적 보정 데이터의 부족으로 인해 전문가가 도출한 매개변수에 의존하는 경우가 빈번하다. 한 도시에서 도출한 연결성 매개변수(특히 서식지 요구 조건 및 경관 저항 값)를 다른 도시로 전이하여 사용하는 것이 일반적인 관행이다. 그러나 서로 다른 도시 맥락 간에 이러한 매개변수의 전이 가능성에 대한 연구는 미비한 실정이다. 저항 값이 완전히 맥락 의존적(도시별 특이적)인지, 보편적으로 적용 가능한지, 혹은 데이터를 통합했을 때만 드러나는 일반적인 패턴이 존재하는지는 불분명하다. 체계적인 테스트 없이 매개변수를 전이하는 것은 주요 회랑과 서식지 패치를 잘못 식별할 위험이 있으며, 이는 근거 기반의 도시 계획을 저해할 수 있다.

연구 방법론
본 연구는 유럽의 두 도시인 독일 뮌헨(Munich)과 프랑스 앙제(Angers)를 대상으로 검은지빠귀(Turdus merula)를 모델 종으로 사용하여 비교 프레임워크를 적용하였다. 연구진은 이동 대리 데이터(도로 횡단 구간에서의 조류 출현 여부 및 개체수 관찰을 통한 시각적·음향적 탐지)를 기반으로 한 6단계 모델링 워크플로우(Merkens et al., 2026의 방식 변형)를 활용하였다.

데이터 수집: 두 도시 모두에서 두 가지 데이터셋을 수집하였다. 데이터셋 1(출현/부재)은 자원 위치를 식별하였고, 데이터셋 2(이동 대리)는 50m 도로 횡단 구간을 통해 이동에 대한 저항을 정량화하였다.
자원 식별: 주성분 분석(PCA) 후 분류 및 회귀 나무(CART)를 사용하여 조류의 출현과 관련된 식생 구성(풀, 관목, 나무)을 식별하였다. 이는 뮌헨, 앙제, 그리고 결합된 데이터셋 각각에 대해 독립적으로 수행되었다.
저항 매개변수화: 식생과 수계는 일정하게 유지하면서 인위적 토지 피복(저층/중층/고층 건물, 도로)의 저항 값을 변화시켜 24개의 저항 시나리오를 생성하였다.
연결성 모델링: 최단 비용 경로(least-cost paths)를 통해 계산된 링크 기반 매개 중심성(Betweenness Centrality, BC)을 사용하여 경관 그래프를 구축하였다. 72개의 후보 조합(24개 저항 시나리오 × 3개 이동 거리: 30, 90, 150m)에 대해 모델을 생성하였다.
보정: 단일 도시 데이터셋에는 일반화 선형 모델(GLM)을, 결합된 데이터셋에는 일반화 선형 혼합 모델(GLMM)을 사용하여 관찰된 이동 출현/부재를 가장 잘 설명하는 저항 시나리오를 선택하였다. 모델 선택은 $\Delta$ AIC < 2인 모델들의 저항 값을 평균하여 수행되었다.
검증: 10회 반복 k-겹 외 표본 검증(10-fold repeated out-of-sample validation)을 수행하였다. 뮌헨, 앙제, 결합 데이터셋에서 도출된 매개변수를 독립적인 테스트 세트에 적용하여 예측 성능(AUC, $R^2$ , 연결성 예측 변수의 유의성)을 평가하였다.

주요 결과

서식지 요구 조건: 자원 프로필(출현에 필요한 식생 구성)은 단일 도시 매개변수와 결합 데이터셋 매개변수 간에 매우 일관되게 나타났다. 뮌헨의 조류는 앙제의 조류보다 약간 더 높은 수목 피복과 낮은 초본 피복과 연관되어 있었으나, 전반적인 자원 요구 조건은 단일 도시 데이터셋을 통해 잘 추정되었다. 데이터를 통합하는 것이 식별된 자원 프로필을 크게 변화시키지는 않았다.
저항 값 (상대적 vs 절대적):
- 상대적 순위: 저항 값의 상대적 순위는 도시 간에 일관되였다. 고층 건물이 가장 높은 저항을 보였고, 중층 건물, 도로, 저층 건물 순으로 나타났다.
- 절대적 값: 절대적 저항 값은 도시 간에 차이가 있었으며, 특히 저층 건물과 도로에서 차이가 두드러졌다. 예를 들어, 뮌헨에서는 저층 건물이 도로보다 높은 저항을 보였으나, 앙제에서는 두 값이 거의 동일했다.
- 결합 매개변수화: 결합 데이터셋에서 도출된 저항 값은 단일 도시 값과 중간 정도의 일관성을 보였으나, 고층 및 중층 건물에 대해서는 더 견고한 추정치를 제공하였다.
예측 성능:
- 뮌헨 검증: 결합 데이터셋에서 도출된 매개변수가 독립적인 뮌헨 데이터를 예측할 때 가장 우수한 성능을 보였다 (평균 AUC = 0.73, $R^2$ = 0.20). 이는 뮌헨 단독 데이터에서 도출된 매개변수(AUC = 0.72, $R^2$ = 0.14)보다 약간 더 우수한 성능이었다.
- 앙제 검증: 뮌헨에서 도출된 매개변수를 앙제에 적용했을 때는 성능이 저조하였으며 (AUC = 0.61, $R^2$ = 0.03), 연결성 예측 변수가 유의미하지 않았다.
- 결합 검증: 결합 매개변수를 사용한 모델은 일반적으로 가장 높은 AUC 값(0.77)을 달성하였으며, 이는 더 큰 규모의 통합된 데이터셋이 통계적 효과를 탐지하는 데 유리함을 시사한다.

의의 및 주장
본 논문은 절대적인 저항 값은 맥락 의존적이며 도시 간 직접 전이가 불가능하지만, 장벽의 상대적 순위(예: 고층 건물은 도로보다 저항이 높음)는 일반화 가능하다는 점을 주장한다. 본 연구는 여러 도시의 데이터를 결합하여 저항 값을 추정하는 것이 단일 도시 매개변수화에 비해 연결성 모델의 예측 성능을 향상시킬 수 있다는 증거를 제시한다. 이러한 접근 방식은 종이 도시 장벽과 상호작용하는 방식에 대한 일반적인 패턴을 식별하게 함으로써, 데이터가 없는 미지의 지점에 대한 모델의 견고성을 개선한다.

저자들은 검은지빠쥐의 경우, 이동이 서로 다른 유럽 도시들에서 유사한 장벽들에 의해 형성되지만 저항의 크기는 다양하다고 결론짓는다. 따라서 단일 도시 데이터는 서식지 요구 조건을 추정하는 데는 충분하지만, 데이터를 결합하면 저항 값의 추정과 모델의 전이 가능성을 개선할 수 있다. 본 연구는 향후 비교 연구를 위한 청사진을 제시하며, 이러한 발견의 범위를 확립하기 위해 더 많은 종과 도시를 대상으로 한 추가 연구가 필요함을 명시하고 있다.

유사한 논문