MaxEnt 모델을 이용한 진주시 소나무재선충병 잠재분포 예측

서지정보

ㆍ발행기관 : 경상대학교 농업생명과학연구원 ㆍ수록지정보 : 농업생명과학연구 / 57권 / 6호
ㆍ저자명 : 하의린, 손은희, 성호진, 강현득, 이동우, 김형호

목차

서론
재료 및 방법
1. 소나무재선충병 DB
2. 분석인자 구축
3. 기후인자 보정
4. 모델구동과 평가
결과 및 고찰
1. 분석인자의 반응곡선
2. 분석인자의 중요도
3. 잠재분포 예측 설명력
4. 잠재분포 예측결과 검증
References

한국어 초록

본 연구는 소나무재선충병 방제대상지 선정의 효율성을 높이기 위해 진주시를 대상으로 소나무재선충병 잠재분포를 예측하였다. 예측에 사용된 MaxEnt 모델은 회귀분석을 기반으로 종 발생 확률 평가 및 다양한 잠재분포 예측에 이용되고 있다. 종속변수로는 소나무재선충병 감염목 자료를 사용하였으며, 독립변수로는 지리 ‧ 지형 ‧ 기후적 요인으로 총 15개 인자를 사용하였다. 잠재분포 예측 결과, 모델의 성능은 AUC가 0.801로 우수한 수준의 정확도를 나타냈다. 독립변수 중에는 전년도 감염목과의 거리, 6월 하순 강우량, 5월 강우량, 화목보일러와의 거리 순으로 잠재분포에 영향을 미치는 것으로 나타났다. 이러한 결과는 지속적인 소나무재선충병 감염목 DB 구축과 지리적 요인들에 대한 모니터링의 중요성이 크다는 것을 의미한다.

영어 초록

This study predicted the potential distribution of pine wilt disease in order to increase the efficiency of selecting pine wilt disease control target sites in Jinju-si. The MaxEnt model used for prediction is based on regression analysis and is used to evaluate the probability of species occurrence and predict various potential distributions. As a dependent variable, data on trees infected with pine wilt disease were used, and as an independent variable, a total of 15 factors of geography, topography, and climate were used. As a result of potential distribution prediction, the model's performance was found to have an excellent level of accuracy with an AUC of 0.801. It was found that the potential distribution was affected in the following order: distance from the previous year's infected trees, rainfall in late June, rainfall in May, and distance from the wood boiler. These results mean that the importance of continuously building a DB for pine wilt disease-infected trees and monitoring geographical factors is significant.

참고 자료

없음