Conservation Solutions with Marxan #6 : Planning units

Marxan 소프트웨어의 주요 개념 중 하나인 Planning units에 대해 알아보겠습니다.

 

이 글은 MARXAN conservation solutions에 소개된 원문을 번역·정리한 것입니다.

https://marxansolutions.org/planning-units/

Planning units. - Marxan

 

Planning Units

Planning Units는 어떤 보전 또는 구역 설정 계획에서도 기본적인 구성 요소 역할을 합니다. 이는 마치 퍼즐 조각처럼 세계를 더 작고 관리 가능한 부분으로 나누어, 각각을 별도로 다룰 수 있게 해 줍니다. 각 planning units에는 지구상에서 해당 위치에 관한 정보가 포함됩니다.

 

예를 들어 이 해양 생태계를 살펴봅시다.

우리는 planning unit 격자를 겹쳐 놓을 수 있습니다.

이렇게 하면 그 안에 담긴 가치들을 좀 더 쉽게 정량화할 수 있습니다.

각 planning units에는 고유한 식별 번호가 있으며, 이 번호와 여기에 연결된 생물학적 또는 사회·경제적 정보가 보전 계획 소프트웨어(예: Marxan)로 전달되는 입력값이 됩니다.

---

PLANNING UNIT SIZE AND SHAPE

planning unit의 적절한 크기와 형태를 결정할 때 고려해야 할 사항은 매우 많습니다. 모든 상황에 공통으로 적용되는 하나의 정답은 없으며, 각각의 보전 계획 실행 상황에 따라 알맞은 크기와 형태가 달라집니다. 일반적으로, planning unit의 크기와 형태는 다음 요소들의 조합에 의해 결정됩니다.

• 계획의 규모(예: 전 지구적, 지역적, 국가적, 혹은 지방적)
• 사용 중인 데이터 세트의 해상도
• 계획의 목적 및 결과물의 용도(예: 일반적인 지역 우선순위 설정 또는 종합 구역 설정안과 같은 구체적 실행 계획)

---

NUMBER OF PLANNING UNITS

Marxan이 처리할 수 있는 planning unit의 최대 개수는 얼마일까요? 기술적으로는, 초기 버전의 Marxan(version 1.8.10 및 이전)에서는 약 20,000~30,000개의 planning unit 처리에 상한이 있었습니다. 그러나 최적화된 버전(version 2.0+)에서는 이러한 제한이 줄어들어, RAM 메모리가 충분한 최신 컴퓨터에서 100,000개 심지어 150,000개 이상의 planning unit도 성공적으로 처리한 사례가 있습니다. 하지만 컴퓨터 성능과는 별개로, 합리적인 수준의 최적해(Optimality)를 추구하는 Marxan 알고리즘이 너무 많은 PUs과 피처(features)를 효율적이고, 의미 있는 해로 처리하기는 수학적으로도 어렵습니다.

 

가능한 네트워크 해의 수는 "2^(PUs 개수)"입니다. 따라서 100,000개의 PUs이 있다면, 가능한 해의 수는 10^10,000을 훨씬 넘어서는데, 이는 우주에 존재하는 원자의 수보다 많습니다! 그렇다고 해도, 어떤 경우에는 피처의 배치가 워낙 제한적이어서 PUs이 매우 많아도 근사해(near-optimal)를 도출할 수 있는 사례도 있습니다. 그러나 이는 예외적인 상황이며, 일반적으로 가능한 네트워크 구성(조합)이 아주 많은 상황에서는 50,000개 이상의 PUs을 사용하는 경우 최적해를 찾기가 어려워집니다.

 

규모와 정밀도(해상도) 문제를 고려해 볼 때, 세밀한 해상도의 래스터 데이터를 sub-catchments나 육각형(hexagon) 등으로 묶는 것은 실제로 데이터를 잃게 만드는 일이 아니며, 문제가 되지 않아야 합니다. 결국 이 모든 것은 의사결정이 이루어지는 공간적 규모(spatial scale)에 달려 있습니다. 만약 광범위한 연구 지역에서의 의사결정이 여전히 1헥타르 수준에서 이뤄진다면, 문제를 sub-regional 단위로 나누어 분석해야 합니다. 하지만 보통은 그렇지 않습니다. 필요하다면 순차적(sequential) 혹은 greedy 알고리즘을 이용해 엄청난 수의 PUs을 처리할 수도 있지만, 그렇게 나온 해가 최적해에 근접할 가능성은 매우 낮습니다.

 

결과적으로, 모범 사례는 데이터를 더 큰 PUs으로 집약(aggregate)하거나, 연구 지역을 여러 구역으로 세분화하는 것입니다. 만약 PUs 수를 크게 설정하기로 결정했다면, 좋은 해(solution)가 수렴하기 시작하는 데 필요한 반복(iterations) 횟수를 찾기 위해 광범위한 테스트를 수행해야 합니다. 최신 데스크톱 컴퓨터를 사용하더라도, 의미 있는 근사해를 얻는 데 드는 처리 시간이 크게 늘어날 수 있으며, 예컨대 Marxan 시나리오 1회 실행에 24시간 이상이 걸릴 수도 있습니다.

 

 

Ardron, J.A., Possingham, H.P., and Klein, C.J. (eds). 2010. Marxan Good Practices Handbook, Version 2. Pacific Marine Analysis and Research Association, Victoria, BC, Canada. 165 pages. https://pacmara.org/wp-content/uploads/2010/07/Marxan-Good-Practices-Handbook-v2-2010.pdf