Understanding connectivity data에 대해 알아보겠습니다.
이 글은 MARXAN conservation solutions에 소개된 원문을 번역·정리한 것입니다.
https://marxansolutions.org/understanding-connectivity-data/
Understanding connectivity data. - Marxan
One of the challenges associated with integrating data of ecological connectivity in spatial planning is the wide variety of entities that move (e.g. organisms, genes, pollutants) and of movement processes (e.g. animal migration, larval dispersal, multi-ge
marxansolutions.org
Understanding connectivity data (연결성 데이터 이해하기)
공간 계획에 생태적 연결성 데이터를 통합하는 데 관련된 과제 중 하나는 이동하는 개체(예: 유기체, 유전자, 오염 물질)의 종류가 매우 다양하고 이동 과정(예: 동물 이주, 유충 분산, 다세대 유전자 흐름, 탄소 흐름)도 매우 다양하다는 것입니다. 데이터 유형과 출처가 매우 다양하지만, 연결성 데이터는 보통 행렬(matrix) 형태로 표현됩니다. 이때 공급 지점은 행으로(row), 수용 지점은 열(column)로 나타냅니다. 혹은 엣지 리스트(edge list) 형태로도 저장할 수 있는데, 첫 번째 열에는 기여 지점 ID, 두 번째 열에는 수용 지점 ID, 세 번째 열에는 해당 지점 쌍 사이의 연결성 값(connectivity value)이 기록됩니다. 이는 Marxan에서 경계 길이 보정(boundary length modifier)을 정의하는 방식과 유사합니다.
일부 공간 계획자들은 개체군 통계(demographic) 정보에 근거한 상세한 연결성 데이터를 활용할 수 있습니다. 이동을 직접 측정(예: 개체 표식·추적)하거나, 추정치(유전자 분석 또는 생물물리학적 모델)로 얻을 수 있으며, 연결성의 강도는 확률값이나 절대량으로 표현되곤 합니다. 또한 경관 연결성 강도는 서식지 간의 유클리드 거리(Euclidean distance)나, 저항에 따른 고립(isolation by resistance; McRae, 2006)을 바탕으로 산출할 수도 있습니다.
Daigle RM, Metaxas A, Balbar AC, McGowan J, Treml EA, Kuempel CD, Possingham HP, Beger M. Operationalizing ecological connectivity in spatial conservation planning with Marxan Connect. Methods in Ecology and Evolution. 2020 Apr;11(4):570-9. https://doi.org/10.1111/2041-210X.13349
McRae, Brad H. "Isolation by resistance." Evolution 60.8 (2006): 1551-1561. https://onlinelibrary.wiley.com/doi/epdf/10.1111/j.0014-3820.2006.tb00500.x