담수환경의 통합적 이해를 위한 생물 및 이화학지표 간 비지도학습 접근법을 활용한 상관관계 분석
Correlation analysis between biological and physicochemical indicators using an unsupervised learning approach for an integrated understanding of freshwater ecosystems
문민호(상명대학교); 이미경(상명대학교 융합공과대학); 안형은(상명대학교); 백종원(상명대학교); 한승민(상명대학교 융합공과대학); 김성욱(상명대학교 융합공과대학); 김동근(상명대학교); 김창배(상명대학교)
43권 4호, 361~376쪽
초록
담수생태계는 생물다양성을 유지하고 필수적인 생태계 서비스를 제공한다. 국내에서는 물환경정보시스템(Water Environment Information System, WEI System)을 통해 생물 및 이화학지표를 개별적으로 모니터링하고 있다. 다양한 생물 분류군과 물리·화학적 조건 간의 복합적인 상호 작용으로 인해, 총체적인 수생태계 건강성 평가를 위해서는 모니터링 데이터를 통합적으로 분석할 필요가 있다. 그러나 지표 간 데이터 특성의 차이로 인해 통합 분석에 어려움이 존재한다. 또한, 모니터링 데이터는 규모가 크고 이질적 특성을 가지므로 변수 간 상호작용을 탐지하기 위해 다른 분석 기법이 요구된다. 본 연구는 Hierarchical Density Based Spatial Clustering of Applications with Noise(HDB SCAN) 알고리즘을 이용해 유사한 변수를 클러스터링하고 노이즈를 제거한 뒤, Spearman’s rank correlation coefficient 및 Maximal Information Coefficient(MIC) 분석을 통해 생물 및 이화학지표 간 주요 상관관계를 규명하고자 하였다. HDBSCAN 분석을 통해 노이즈 지표가 효과적으로 제거되었으며, 생물 및 이화학 지표가 특성에 따라 클러스터로 구분되어 상관관계 분석의 해석 가능성이 향상되었다. Spearman 분석에서는 특히 유사한 생태적 특성을 공유하는 생물종 간에서 강한 상관관계가 확인되었다. 또한 MIC 분석을 통해 건강성평가지수와 특정 생물지표종 간의 비선형적 연관성이 추가로 규명되었으며, 이는 생물지표종 간의 유사한 생태적 특성을 반영하는 것으로 해석된다. 이러한 결과는 현재 측정망의 목적과 기능을 유지하면서도 축적된 데이터의 종합적인 분석을 통해 생물 및 이화학지표 각각의 연관성을 규명하고 통합 분석의 적용 가능성을 제시하였다는 점에서 의의가 있다. 본 연구는 수환경 모니터링 및 관리 전략 수립을 위한 기초자료로 활용될 것으로 기대된다.
Abstract
Freshwater ecosystems support biodiversity and provide essential ecosystem services. In Korea, the Water Environment Information System monitors these ecosystems using separate biological and physicochemical indicators. Complex interactions occur among diverse biological taxa and physicochemical conditions. Thus, integrating heterogeneous monitoring data is crucial for accurately assessing ecosystem health. However, differences in data characteristics between the indicators present significant integration challenges. Given the scale and heterogeneity of the monitoring data, advanced analytical techniques are necessary to detect interactions among variables. This study aimed to identify key correlations among biological and physicochemical indicators by clustering similar variables and removing noise using the Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN) algorithm, followed by Spearman’s rank correlation coefficient and maximal information coefficient (MIC) analyses. HDBSCAN effectively eliminated noise indicators and grouped biological and physicochemical indicators into clusters based on shared characteristics, thereby enhancing the interpretability of the correlation analysis. Spearman analysis showed strong associations among biological indicators, particularly among species with similar ecological traits. MIC analysis further detected non-linear associations between ecological assessment indices and specific biological species, which also reflected similar ecological characteristics. These findings are significant in that the comprehensive analysis of existing monitoring data revealed relationships within biological and physicochemical indicators while preserving the original purpose and function of each monitoring network. This study is expected to serve as a foundational resource for freshwater environmental monitoring and the development of effective management strategies.
- 발행기관:
- 한국환경생물학회
- 분류:
- 부유생물