제주 해역 아열대 해양생물 유입 모니터링을 위한 ARMS 분석 방법 연구

Abstract

Autonomous Reef Monitoring Structures (ARMS)는 열대해역 복잡한 산호초 지역의 서식처 파괴를 최소화 하며 설치 지역의 해양생물다양성을 관찰하기 위해 개발된 표준화/정량화한 모니터링구조물이다. ARMS는 열대 산호초 해역에 먼저 설치하여 홗용 가능성이 이미 검증되었고, 최근에는 유럽 및 극지방에 설치해 암반 생태계 모니터링에도 적합한 것을 확인 하였다. 지구 온난화로 우리나라 주변해역의 수온은 지속적으로 상승하는 추세이며, 수온상승폭은 전세계적으로 가장 높은 것으로 확인되고 있다. 제주도는 우리나라 기후변화의 전초기지로 일부 지역에서는 수온상승에 따른 산호류의 경쟁 우위 현상 및 아열대생물 유입이 관찰되고 있다. 이러한 기후변화의 가속도로 인해 저위도 아열대 해양생물의 북상과 유입 증가는 우리나라 주변 서식 생물들의 생태학적 지위 변화를 야기할 수 있다. 해양생태계의 서식지 변화는 미래 수산자원의 이동과 매우 밀접한 관련이 있어 제주 해역의 아열대 해양생물 유입 모니터링은 수산자원학적 측면에서 매우 중요하다. 최근 기후변화 연구에서 관측 및 모니터링, 예측 최적화를 위해 다양한 분야에서 빅데이터를 홗용한 연구가 수행되고 있다. 해양관측 및 홖경인자 데이터베이스 구축에 비해, 해양생태계조사 데이터는 지속적인 생태정보를 축적하기에는 현재 부족한 실정이다. 따라서, 우리나라 기후변화의 전초기지인 제주 해역에서의 아열대 해양생물의 출현, 정착, 서식 및 이동 과정을 파악할 수 있는 해양생물다양성 자료의 체계적인 확보가 필요하다. 이에 급속도로 변화하고 있는 제주도 주변 해양생물다양성의 장기적인 변화를 관찰하기 위한 모델로 ARMS를 홗용하고, 신속한 객체탐지를 위해 딥러닝 기술을 접목하는 연구를 시도해 보고자 한다. 이를 완성하기 위해서는 국내 해양생물다양성의 표준화된 데이터베이스 구축과 아열대 기후변화 연구의 머신러닝, 딥러닝 기반의 해양홖경 및 생물 상관성, 굮집구조, 객체탐지 및 분류 등의 빅데이터 홗용 기술 배양도 함께 병행해야 할 것으로 판단된다.