Effects of modelling choices on early invasive risk assessments: lessons from the psyllid vectors of Citrus Huanglongbing

기술 요약: 모델링 선택이 초기 침입 위험 평가에 미치는 영향

문제 제로 (Problem Statement)
종 분포 모델(Species Distribution Models, SDMs)은 초기 침입 위험 평가를 위한 핵심적인 도구이지만, 그 결과물은 흔히 표준화되지 않은 방법론적 선택에 따라 크게 달라진다. 초기 단계의 침입 상황에서 실무자들은 종종 제한된 데이터와 기본 설정(예: MaxEnt와 같은 단일 알고리로, GBIF와 같은 저장소의 정제되지 않은 데이터)에 의존한다. 이러한 선택은 실질적인 규제 및 관리 결정에 영향을 미칠 수 있는 상이한 공간 투영 결과를 초래할 수 있다. 최선의 관행(best-practice) 가이드라인이 존재함에도 불구하고, 특히 데이터 큐레이션, 침입 범위 데이터의 포함 여부, 배경 점(background point) 선택, 변수 선택, 그리고 앙상블 대 단일 모델 접근 방식과 관련하여 초기 위험 분석 시에는 이러한 가이드라인이 거의 적용되지 않는다. 본 연구는 이러한 이론적 최선 관행과 경험적 위험 평가 사이의 간극을 해결하기 위해, 두 가지 주요 농업 해충인 아시아ي트러스리프리프시리드(Diaphorina citri)와 아프리카 트러스리프리프시리드(Trioza erytreae, 황금색 귤나무 깍지벌레류의 매개충)를 대상으로 특정 모델링 결정이 성능과 공간 투영에 어떻게 영향을 미치는지 평가한다.

방법론 (Methodology)
저자들은 고표준 참조 전략(REF)과 비교하여 7가지의 뚜렷한 모델링 전략을 평가하는 체계적인 비교 프레임워크를 채택하였다. 연구에는 대조적인 침입 역사를 가진 두 종류의 침입성 psyllid 종이 사용되었다.

• 데이터 구축: 두 가지 출현 데이터셋이 구성되었다. 하나는 표준 정제를 거친 GBIF 유래의 "기본(basic)" 데이터셋이며, 다른 하나는 전문가가 큐레이션한 "고품질(high-quality)" 데이터셋으로, 추가적인 저장소(iNaturalist, EPPO), 공식 보고서, 과학 문헌을 포함한다. 고품질 데이터셋에는 곤충의 존재를 확인하기 위한 특정 기생자 및 매개 박테리아의 대리 기록(proxy records)도 포함되었다.
• 모델링 전략:
  • REF (참조): 고품질 데이터셋, 전문가가 선택한 환경 변수, 그리고 확진된 출현 지점으로부터 100km 이내 영역을 제외하도록 필터링된 유사 부재(pseudo-absences)를 사용한 앙상블 모델링(MaxEnt, GAM, LASSO, BRT, Random Forests).
  • DEF (기본): 표준 정제되지 않은 GBIF 데이터셋, 미리 결정된 변수, 그리고 필터링되지 않은 무작위 배경 점을 사용하는 단일 모델(MaxEnt 전용).
  • 변형 모델 (Variants): REF로부터 파생된 다섯 가지 중간 전략이 테스트되었다:
    • OCC: 기본 데이터셋 vs 고품질 데이터셋.
    • NAT: 자생 범위 출현 데이터만 사용 vs 자생 및 침입 범위 모두 사용.
    • BACK: 무작위 배경 점 vs 필터링된 유사 부재.
    • AUTO: 자동 변수 선택 vs 전문가 선택 변수.
    • MAX: 단일 MaxEnt 모델 vs 앙상블 모델.
• 환경 변수: 모델에는 19개의 생물기후 변수(CHELSA V2.1), 열 축적 변수, 그리고 순 일차 생산량(NPP)이 사용되었다.
• 평가 지표: 성능은 표준 전체 범위 지표(AUC, TSS, Boyce Index)와 새로운 침입 중심 지표인 **침입 위음성률(invasive False Negative Rate, iFNR)**을 사용하여 평가되었다. iFNR은 확진된 침입 범위 내에서의 누락 오류율을 측정한다.

주요 기여 (Key Contributions)

1. iFNR 도입: 본 논문은 침입 생물학의 핵심 지표로서 iFNR을 소개한다. 데이터 불균형(침입 기록보다 자생 기록이 더 많음)으로 인해 침입 범위에서의 낮은 성능을 은폐할 수 있는 표준 지표(AUC, TSS)와 달리, iFNR은 알려진 침입 지역을 예측하지 못한 오류를 직접 정량화한다.
2. 최선 관행의 경험적 검증: 본 연구는 "빠르고 간단한" 접근 방식(기본 설정, 정제되지 않은 데이터, 자생 범위 데이터만 사용)이 표준 지표가 양호함을 나타낼 때조차 고표준 전략에 비해 현저히 성능이 떨어진다는 경험적 증거를 제공한다.
3. 데이터 큐레이션의 영향: 본 연구는 전문가의 큐레이션과 침입 범위 기록의 포함이 단순히 유익한 수준을 넘어, 새로운 환경에서의 정확한 위험 평가를 위해 필수적임을 입증한다.
4. 지표 간 불일치: 본 논문은 높은 전체 범위 분류 점수(AUC, TSS)가 침입 범위에서의 정확한 예측을 보장하지 못한다는 점을 강조하며, 목표 지향적 평가 지표로의 전환을 촉구한다.

결과 (Results)

• 성능 지표: 표준 전체 범위 지표(AUC, TSS, Boyce)는 대부분의 전략이 "만족스러운" 성능(AUC > 0.82)을 보였다고 나타냈다. 그러나 iFNR은 극명한 차이를 드러냈다. 참조(REF) 전략은 침입 지역에서 낮은 누락률을 보였다(D. citri의 경우 7.7%, T. erytreae의 경우 1.8%). 반면, 기본(DEF) 전략은 침입 범위 내 확진된 D. citri 발생의 평균 25.4%를 예측하지 못했다. 자생 데이터만을 사용한 전략(NAT)이나 기본 데이터(OCC)를 사용한 전략 또한 높은 iFNR 값을 보였다.
• 공간 투영: 유사한 전체 범위 성능 점수에도 불구하고, 공간 투영은 크게 달랐다. Jaccard 지수는 상당한 중첩 불일치를 보여주었다(일부 변형 모델에서는 0.75~0.80이었으나, 다른 모델에서는 훨씬 낮았다).
  • NAT 및 OCC 전략은 알려진 침입 지역(예: T. erytreae의 포르투갈, D. citri의 남부 브라질/북부 아르헨티나)에서 적합한 조건을 예측하는 데 실패했다.
  • DEF 전략은 부적합한 넓은 지역(예: D. citri의 사헬 지역)을 예측하는 동시에 실제 침입 전선은 놓쳤다.
• 알고리즘 선택: 앙상블 모델링(REF)은 특히 D. citri에 대해 iFNR과 공간적 일관성 측면에서 단일 모델(MaxEnt 전용) 접근 방식보다 일반적으로 우수한 성능을 보였다.
• 변수 선택: 자동 변수 선택(AUTO)은 iFNR 측면에서 전문가 선택 변수와 유사한 성능을 보였으며, 이는 변수 선택 방법보다 데이터의 질과 범위가 더 중요하다는 것을 시사한다.

의의 및 주장 (Significance and Claims)
본 논문은 초기 침입 위험 평가를 수행할 때 모델링 전략의 선택이 관리 권고 사항에 심대한 영향을 미친다고 주장한다. 저자들은 다음과 같이 단언한다:

• 데이터의 질과 범위가 최우선이다: 전문가가 큐레이션한 데이터와 침입 범위의 발생 기록을 포함하는 것이 새로운 환경에서의 모델 정확도에 가장 영향력 있는 요소이다. 자생 범위 데이터나 정제되지 않은 GBIF 데이터에만 의존하는 것은 위험을 과소평가하게 만든다.
• 표준 지표는 불충분하다: 전통적인 분류 지표(AUC, TSS)는 서로 판이하게 다른 침입 예측을 생성하는 모델들을 구별하는 데 부적절하다. 이 지표들은 자생 데이터가 데이터셋을 지배할 때 침입 지역을 놓치는 모델을 처벌하지 못하는 경우가 많다.
• iFNR은 필수적이다: iFNR은 위험 평가가 위음성 최소화를 우선시하도록 하여 생물 보안 원칙에 부합하도록 하는 필수적인 보완 지표로 제안된다.
• 앙상블 모델링: 단일 모델(MaxEnt)이 높은 전체 범위 점수를 낼 수 있지만, 앙상블 접근 방식은 새로운 환경으로 투영할 때 알고리즘 편향과 불확실성에 대한 필요한 안전장치를 제공한다.

본 연구는 단순화된 절차가 실무자들에게는 매력적일 수 있으나, 위험 평가의 신뢰성을 저해한다고 결론짓는다. 저자들은 견고하고 정책에 부합하는 결정을 지원하기 위해 엄격한 데이터 큐레이션, 침입 범위 데이터의 포함, 앙상블 모델링, 그리고 침입 특화 성능 지표의 채택을 권고한다.