Research Article

Journal of the Korean Geographical Society. 30 June 2020. 253-264
https://doi.org/10.22776/kgs.2020.55.3.253

ABSTRACT


MAIN

  • 1. 연구배경 및 목적

  • 2. 연구방법 및 분석자료

  •   1) 생태계 중요도 지수

  •   2) 미래 토지이용변화 예측

  •   3) 생태계 취약성 지수

  • 3. 연구결과

  •   1) 생태계 중요도 지수 산출

  •   2) 토지이용변화에 따른 생태계 중요도 지수 변화 예측

  •   3) 토지이용변화를 고려한 생태계 취약성 지수 도출

  • 4. 고찰 및 결론

1. 연구배경 및 목적

생물다양성협약(Convention on Biological Diversity, CBD)의 당사국은 각 국가뿐만 아니라 전 세계 생물다양성 보전 노력을 촉진하기 위하여 2010년 생물다양성 보전을 위한 전략계획 2011-2020(Strategic Plan for Biodiversity 2011-2020)과 20개의 아이치 생물다양성 타깃(Aichi biodiversity target)을 채택하였다(Visconti et al. 2019). 이 중 보호지역 관련 타깃 11번 타깃으로 육상 보호지역은 전체 면적의 17%, 해양 보호지역은 10%를 2020년까지 달성하는 것을 목표로 하고 있으며, 현재 담수를 포함한 육상 보호지역은 약 15%, 해양 보호지역은 7%의 목표를 달성한 것으로 보고되었다(CBD, 2014; Visconti et al., 2019). 육상의 경우 목표치에 매우 근접한 것으로 판단할 수 있으나 보호지역 내의 개체군 감소의 지속, 인간 활동에 의한 압력 증가 등에 의한 생물다양성 보전에 대한 실효성 측면에서는 여러 가지 문제점들이 지적되고 있다(Watson et al., 2014; Venter et al., 2018; Butchart et al., 2015). 이와 더불어, CBD는 미래 환경변화에 따른 서식지 변화가 고려되지 않아, 현재의 보호지역 지정 체계는 지속적인 종다양성 보전에 한계가 있다고 판단하였다(CBD, 2014).

우리나라의 육상 보호지역 면적은 약 15.5%로 CBD의 15% 보다 다소 높은 것으로 나타났다. 그러나 보호지역의 선정부터 관리 및 운영에 있어서 생태계 특성에 관한 연구 부족, 인간 활동에 의한 압력 증가, 환경변화 영향에 관한 연구 부족 등에 따른 생물다양성 보전의 실효성에 대한 문제가 제기되었다(Koo et al., 2019). 예를 들어, 우리나라 대표적인 보호지역인 국립공원의 경우 각 공원의 생태계를 대표하는 종으로 깃대종을 선정하고 있으나 깃대종의 선정에 각 국립공원의 고유생태계 특성이 반영된 곳은 많지 않다(Koo et al., 2019). 이와 더불어 기후변화와 토지이용변화 등 자연환경의 변화와 인간 활동에 따른 환경 변화가 생태계 및 생물다양성 보전에 매우 중요한 것으로 보고됐으나 우리나라 보호지역 선정에 있어서 이에 대한 고려가 매우 미흡한 것이 현실이다. 특히, 근래 연구들은 기후변화보다도 토지이용변화가 생물의 서식지 파괴에 더 심각한 영향을 주는 주요 요인인 것으로 보고하고 있다(Keshtkar and Voigt, 2016). 이에 따라 멸종위기종 서식지, 취약생태계, 생태경관, 원시성 등 다양한 생태계 인자들과 더불어 토지이용변화를 고려한 보호지역 선정 및 관리가 필요하다. 따라서 CBD에서 제시한 목표 17% 달성과 생태계 연결성 유지를 통한 안정적인 종다양성 보전을 위하여 다양한 생태계 인자와 토지이용변화를 고려한 생태계 보호지역 확대방안 마련이 필요하다.

근래 생태계 보호지역의 지정을 위한 연구에서는 환경변화, 생태계 연결성 및 생태계서비스 등을 고려한 다양한 평가기법들(서식지 모형, 생태계서비스 평가 모형, 생태경로 모형 등)이 활용되고 있다(Önal and Wang, 2008; Giakoumi et al., 2013; Levin et al., 2013; Dickson et al., 2017). 이러한 기법들은 다양한 인자들 간의 상호작용을 고려하고 미래 서식지 변화를 고려하여 보호지역으로 우선 선정되어야 할 지역을 제시하고 있으며, 특히 보호지역 선정에 생물종의 서식지 환경을 잘 분석할 수 있는 지역단위 분석을 수행하고 있다. 이에 반해 우리나라의 보호지역 지정을 위한 기존 분석기법들은 희귀 야생동・식물의 유무나 경관의 심미적인 가치, 지형적 가치 및 생태계의 원시성 등 여러 가지 요소를 각각의 독립적인 인자들로 고려하고 이 중 각 지역마다 해당되는 인자만을 고려하거나 다중 인자가 해당될 경우 이들의 단순 중첩을 통해 평가하고 있다(환경부, 2007; 2008). 특히 미소규모(fine scale)나 지역규모(local scale)의 분석보다는 국가규모(national scale)의 분석을 통한 보호지역 지정이 이루어지고 있어 지역단위의 다양한 생태계가 반영되지 못하고 있다. 이와 더불어 기후변화 및 토지이용변화 등 인간의 간섭에 의한 환경변화가 중요한 인자임에도 불구하고 보호지역 지정에 고려되지 않고 있다. 대부분의 야생동・식물 서식지 특성과 서식지에 대한 환경변화 영향이 지역 규모에서 설명되는 것을 고려할 때, 지역단위에서 환경변화를 고려한 생태계 우수지역을 분석하고 이를 통해 보호지역을 선정해야 한다.

이에 따라 본 연구에서는 생태적으로 우수한 지역의 보호지역 편입을 위하여 다양한 생태계 인자들과 토지이용변화를 고려한 지역규모 생태계 보호지역 선정기법을 개발하여 제주도에 적용하였다. 제주도는 특유의 지질, 식생대, 자연경관 및 기후조건으로 다른 지역에서 볼 수 없는 독특하고 다양한 서식지들을 보유하고 있어 보전가치가 매우 높은 지역이다. 그러나 관광 개발 및 농경지 확장에 의한 급격한 토지이용변화로 기후변화 등 미래 환경변화 적응에 중요한 서식지와 자연경관의 파괴가 예상된다(이현우 등, 2015). 특히 한라산 등 특정 보호지역을 제외한 많은 지역에서 농지로의 토지 전용이 관찰됨에 따라 생태적으로 우수한 지역의 평가와 이를 통한 보호지역 발굴이 시급하다. 또한, 생태적으로 우수한 지역을 찾고 보호지역으로 편입하도록 제안하는 것을 목적으로 함으로 이미 보호지역으로 지정된 지역은 분석에서 제외하였다. 본 연구결과는 우수 생태 지역 도출을 통해 제주도의 보호지역 지정에 기초 자료를 제공할 뿐만 아니라, 보호지역 지정에 있어서 토지이용변화 등 환경변화를 고려하는 것이 필요함을 보여준다.

2. 연구방법 및 분석자료

본 연구에서는 다양한 생태계 인자들과 토지이용변화를 고려하여 토지이용변화에 취약하나 생태적으로 중요한 지역을 찾고 이 지역을 우선 보호 대상 지역으로 제시하였다. 이를 위하여 첫째, 제주도 고유의 생태계를 설명하는 다양한 인자들에 대한 공간자료를 수집하였다. 둘째, 토지피복을 포함한 수집된 개별 자료는 생태계 및 생물다양성 보전에 대한 기여도에 따라 등급화하고 등급에 따라 지수를 부여하여 중요도 지수를 작성하였다. 셋째, 작성된 모든 인자의 중요도 지수를 평균하여 최종 중요도 지수를 지도로 작성하였으며, 이에 따라 우수한 생태계의 우선순위를 제시하였다. 마지막으로, 생태적으로 우수하나 미래 토지이용변화에 따라 훼손이 우려되는 지역을 도출하여 취약성 지수를 제시하고, 이에 따라 보호지역으로 우선 선정되어야 하는 지역을 제시하였다. 중요도 지수는 보호 가치가 높은 지역에 높은 점수가 배점되고 상대적으로 낮은 지역에 낮게 배점되었다. 취약성 지수는 훼손의 정도가 높을 것으로 예측되는 지역에 높게, 낮을 것으로 예측되는 지역에 낮은 점수가 배점되었다. 취약성 지수 산출에 사용된 미래 토지이용변화는 2050년 토지이용 예측 자료로, 사회경제경로(SSP: Shared Socio-economic Pathways) 시나리오 가정하에 산출된 2050년의 토지피복 자료가 분석에 사용되었다.

1) 생태계 중요도 지수

제주도의 우수한 생태계를 분석하기 위하여 생태계 생물・비생물 인자들은 제주도청의 절대, 상대, 관리보전지역 자료로부터 추출하여 사용하였다(http://www.nsdi.go.kr/lxportal/allSearch.html). 제주도는 제주도 자연생태계를 절대, 상대, 관리보전지역으로 나누어 보호 정책을 수행하고 있다. 절대보전지역은 가장 높은 강도의 보전 정책이 시행되고 있는 지역으로, 개발이 금지되어 있는 한라산국립공원을 포함하는 보호지역 등으로 구성되어 있다. 상대보전지역은 절대보전지역과 관리보전지역의 중간 강도의 보전 정책이 시행되고 있어, 개발이 전면 금지되지는 않으나 행위 및 시설 제한이 관리보전지역보다 강하게 시행되고 있다. 절대보전지역과 상대보전지역이 하나의 분류 등급으로 관리되는 것과 달리, 보전지역 중 보호 강도가 가장 낮은 관리보전지역은 그 보전가치에 따라 등급을 부여하고, 등급에 따라 다른 관리 정책을 적용하고 있다. 공간적으로는 절대보전지역과 관리보전지역이 대부분의 보전지역을 구성하고 있으며, 이 두 보전지역과 비교하면 매우 협소한 지역이 상대보전지역으로 지정되어 있다.

생태계 인자 중 생물 인자는 멸종위기야생생물 군락지, 천연기념물 군락지, 철새도래지, 희귀식물 군락지, 특산식물 군락지, 자연림 자료, 활엽수림, 침활혼효림, 침엽수림, 초지, 잡목지 등이 사용되었다 (표 1). 비생물 인자는 숨골, 용암동굴, 스코리아층, 오름, 곶자왈 등이 사용되었다(표 1). 비생물 인자는 세계자연보호연맹(International Union for Conservation of Nature, IUCN)에서 제시하는 보호지역 지정 요건 중 가장 강력한 보호를 요구하는 원시성・독특성 인자와 보호 가치가 높은 지형・지질을 포함하는 자연경관 등의 2개의 인자로 분류하여 분석하였다(https://www.iucn.org/theme/protected-areas/about/protected-area-categories).

표 1.

생태계 보호지역 분석 요소

인자 지표 항목 사용 자료
생물 인자 멸종위기종 서식지 멸종위기야생생물 군락지, 천연기념물 군락지, 철새도래지
고유종 서식지 희귀식물, 특산식물 군락지, 자연림
활엽수림 고밀지역, 침활혼효림 고밀지역
활엽수림 중·저밀지역, 침활혼효림 중·저밀지역, 침엽수림지역
비생물 인자 원시성, 독특성 숨골, 용암동굴, 곶자왈, 오름, 스코리아층
자연경관 오름, 해안선 주변, 오름+계곡, 오름+경작지 등

절대보전지역, 상대보전지역과 관리보전지역에서 추출된 생물 인자(멸종위기종 서식지, 고유종 서식지)와 2개의 비생물 인자 및 토지피복을 보전가치에 따라 GIS의 reclassify 기능을 활용하여 분류하고 중요도 지수를 부여하였다. 생물 인자의 경우 멸종위기종 서식지와 고유종 서식지가 모두 생물종의 서식지로 하나의 인자로 분석했지만, 원시성・독특성과 자연경관 등 비생물 인자는 각각 독립적인 특성을 갖는 인자로 2개의 인자로 나누어 분석하였다. 절대보전지역은 개발이 금지되어 있으며, 국립공원 등 보호지역으로 지정되어 있어 본 연구의 대상이 아니므로 지수 0을 부여하였다. 관리보전지역에서 추출된 생물 인자와 2개의 비생물 인자들은 중요도에 따라 1~4의 중요도 지수가 부여되었다. 상대보전지역은 오름, 하천, 계곡, 해안 등으로 구성되어 있으며, 행위 및 시설 제한 등 보전 강도가 절대보전지역과 관리보전지역의 중간 정도이다. 그러므로 관리보전지역에 속한 지역이 생물・비생물의 3개 인자에서 모두 높은 점수를 받았을 경우 12점인 것을 고려하여, 상대보전지역은 이보다 높은 점수를 부여하기 위하여 16점을 부여하였다. 또한, 인간의 간섭이 제한되며 생물의 서식지로서 생태적 의미가 있는 토지피복을 반영하기 위하여 토지피복도는 대분류 항목 중 초지와 산림은 1, 그 외의 항목인 시가지, 농경지, 습지, 나지, 수역은 0으로 분류하였다. 토지피복도에 습지의 경우 갯벌, 염전, 내륙습지가 포함되는데 제주도 생태계의 경우 이에 해당하는 지역이 없어 0으로 분류하였다. 토지피복도는 국토환경정보센터(http://www.neins.go.kr)에서 제공하는 자료를 사용하였다(그림 1c).

절대, 상대, 관리보전지역 중 관리보전지역은 생태계 인자들의 복잡한 구성 때문에 세분화된 중요도 지수 배점 과정이 적용되었다. 관리보전지역의 생물 인자 중 멸종위기종 서식지, 천연기념물 군락지, 철새도래지 등 동・식물 멸종을 설명하는 자료는 최상위 지수 4를 부여하고, 멸종위협은 없으나 제주도의 고유한 생태계를 설명할 수 있는 인자인 희귀식물 군락지, 특산식물 군락지, 자연림 등은 지수 3을, 활엽수림, 침활혼효림, 침엽수림 등의 식생 인자는 지수 2를, 그 외 녹지인 초지와 잡목지는 지수 1을 부여하였다. 비생물 인자 중 제주도에만 있는 독특성 및 원시성을 대표하는 숨골, 용암동굴 자료 등은 지수 4를 부여하였으며, 스코리아층 지역, 오름, 곶자왈은 자연경관과 멸종위기종 및 특산종 서식지에서 중복으로 고려되므로 지수 3을 부여하였다. 자연성 중 자연경관을 설명하는 인자인 오름, 가시성이 높고 아름다운 경관인 해안선 주변 지역은 지수 4를, 오름과 해안선 부근 중 경작지, 주거지 등이 포함된 지역은 인간의 간섭 정도에 따라 지수 3과 2를 각각 부여하였다.

이렇게 생산된 공간자료는 GIS의 map algebra 기능을 활용하여 식 (1)에 따라 통합된 후 계산 결과에 따라 중요도 지수가 산출되었다. 산출된 중요도 지수는 GIS의 Natural Breaks (Jenks) 기법을 사용하여 4개의 등급으로 재분류되었으며, 이에 따라 생태적으로 우수하여 보전가치가 높은 지역을 제시하는 최종 생태계 중요도 지수 0~3을 제시하였다.

$$EII=a\ast b\sum_{i=1}^nx_i$$ 식 (1)

EII (Ecological Importance Index)는 생태적으로 우수한 지역의 중요도 지수, a는 토지피복, b는 절대보전지역, x는 생물・비생물 생태계 인자, n는 생태계 인자 수를 의미한다.

2) 미래 토지이용변화 예측

토지이용변화는 기후변화 적응 및 온실가스 감축에 대한 사회 역량 및 부담과 연계하여 미래의 타당한 사회・경제 상태를 추정한 사회경제경로(SSP: Shared Socioeconomic Pathways) 시나리오 가정하에 예측되었다. SSP 시나리오 및 스토리라인은 인구, 경제, 도시화 등 사회・경제적 요인 등을 고려한 미래 토지피복 및 토지이용변화 예측에 일반적으로 활용된다(Riahi et al., 2017). 특히 전 지구적 범위에서 기후변화에 따른 생태계 변화 예측 시 사회・경제적 상태 변화 요인의 입력 자료로 활용되어 왔다(Swetnam et al., 2011). 또한, 국내 미래 토지피복변화 연구들에 광범위하게 활용되어 왔다(송철호 등, 2018). SSP 시나리오는 온실가스 감축과 기후변화 적응에 대한 사회적 부담 정도에 따라 5개의 시나리오로 구분되며(O’Neill et al., 2017), 본 연구에서는 SSP1~5 시나리오 중 극단적 경우인 SSP1과 3 시나리오를 토지이용변화 예측에 적용하였다.

SSP 시나리오의 설정과 토지피복 예측 알고리즘은 우리나라 상황을 잘 반영하고 있는 송철호 등(2018)의 방법을 적용하였다. SSP1 시나리오는 온실가스 감축과 기후변화 적응에 대한 사회적 노력이 최소한으로 필요한 지속가능한 사회를 가정한다(Jones and O’Neill, 2016; O’Neill et al., 2017). SSP1은 인구가 가장 적게 증가하고 도시화가 빠르게 진행되어 증가한 인구가 도시로 집중되어 도시의 확장 속도가 느린 것을 가정한다(Jones and O’Neill, 2016; O’Neill et al., 2017). 반면 SSP3 시나리오는 온실가스 감축과 기후변화 적응에 대한 사회적 노력이 최대로 필요한 경우를 가정한다(Jones and O’Neill, 2016; O’Neill et al., 2017). SSP3는 인구가 가장 많이 증가하고 인구가 도시로 집중되는 것이 아니라 도시 외곽으로 분산되어 도시가 지속적으로 확장되는 것을 가정한다(Jones and O’Neill, 2016; O’Neill et al., 2017). 각 시나리오별 인구 증가에 따른 도시화 분석을 위하여 기준년도 대비 전체 시가화 지역을 대상으로 Jones and O’Neill (2016)의 방식을 사용하여 주거 면적을 계산하였다(그림 1). 이를 위한 시가지 면적은 1980년대부터 공간자료로 구축된 환경부 토지피복도를 사용하였으며, 인구 입력 자료인 인구 추계 및 도시 거주 인구, GDP 등은 국내 개발 자료를 선정하여 활용하였다(채여라 등, 2016).

토지이용변화는 미국 National Capital Project에서 개발한 InVEST 모형 중 토지피복 및 토지이용 지도를 바탕으로 자산 가치를 평가하는 보조 모형인 Scenario Generator를 사용하여 예측하였다(Vigerstol and Aukema, 2011; Sharp et al., 2018). Scenario Generator는 시나리오를 바탕으로 인간에 의한 토지이용변화를 예측하는 모형으로, 공간적으로 결과를 도출할 수 있어 널리 활용되고 있다(Bhagabati et al., 2014). Scenario Generator는 변화매트릭스(transition matrix)에 설정된 토지이용형태 간의 변화율(transition likelihood)로 각 토지이용형태의 변화에 가중치를 부여하고, 시나리오에 따라 토지이용을 유지하는 제약요인(constraints)과 토지이용 변화를 가속하는 이용요인(use factors)을 가정하여 미래 토지피복도를 도출한다(송철호 등 2018).

변화매트릭스, 제약요인, 이용요인의 설정은 시나리오를 바탕으로 하는 스토리라인에 따라 구성된다. 따라서 각 시나리오에 따른 토지피복 면적 예측 방법을 사용하여 입력 자료 및 변화율을 구성하였다. 토지이용 유형별 증감에 따른 변화는 변화매트릭스로, 제약요인과 가속요인은 벡터형식의 공간자료로 분석하였다. 변화매트릭스는 SSP 시나리오와 기존의 10년 단위로 제공되는 토지피복 자료를 사용하여 계산하였으며, 분석 시 2020년 자료가 제공되지 않아 1990년, 2000년, 2010년 자료를 계산에 사용하였다(그림 1). 2050년 토지피복변화 예측을 위해 2010년 토지피복도를 기준으로 설정하였으며, 예측의 불확도를 줄이기 위해 모형을 30번 반복 구동하여 평균값을 사용하였다. 본 연구의 공간분석에 사용된 자료의 해상도는 30 ㎡이다.

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550302/images/geo_55_03_02_F1.jpg
그림 1.

1990(a), 2000(b), 2010(c) 년도 제주도 토지이용 현황

3) 생태계 취약성 지수

생태계 취약성 지수를 산출하기 위하여 먼저 식(1)에 따라 현재(2010년)와 미래(2050년)의 토지피복을 고려한 생태계 중요도 지수를 산출하였다. 2050년 생태계 중요도 지수는 식(1)에 따라 산출된 후 2010년 분류 등급 기준에 따라 1~4등급으로 분류되었다. 미래 토지피복은 SSP1 시나리오와 SSP3 시나리오 가정 하에 예측되었으며, 이에 따라 두 개의 미래 토지피복이 예측에 적용되었다. 산출된 현재와 미래의 생태계 중요도 지수의 차이를 GIS의 map algebra 기능을 활용하여 계산하여 토지이용변화에 따른 제주도 생태계의 훼손 정도를 예측하였다.

3. 연구결과

1) 생태계 중요도 지수 산출

연구방법에서 제시된 배점 방식에 따라 생물인자와 비생물인자(원시성・독특성, 자연경관)의 중요도 지수 및 토지피복의 공간자료를 도출하였다(그림 2).

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550302/images/geo_55_03_02_F2.jpg
그림 2.

생태계 인자들의 중요도 지수 공간자료

생산된 인자별 중요도 지수 공간자료는 앞에서 제시된 식 (1)에 따라 계산하여, 토지이용 항목 중 시가지, 농경지, 습지, 나지, 수역과 절대보전지역을 제외한 지역에 대하여 최종 생태계 중요도 지수를 계산하였다(그림 3). 최종 산출된 중요도 지수는 4개의 등급으로 재분류하고, 생태적으로 우수한 정도가 낮은 지역에서 높은 지역으로 0에서 3의 지수를 부여하였다. 가장 우수한 지역인 지수 3인 지역은 전체 분석 지역 중 약 15%로, 본 지역에는 한라산 주위의 오름과 곶자왈 및 주요 멸종위기생물의 서식처 등을 포함하였다. 그 외 계곡과 해안 경관의 수려한 지역들이 다수 포함되었다. 지수 2인 지역은 전체 분석 지역 중 약 28%로, 한라산국립공원 주변부의 활엽수림, 침활혼효림 및 자연림 중 식생밀도가 매우 높은 지역들을 포함하였다. 생태계 중요도 지수 중 가장 하위에 해당하는 지수 1인 지역은 전체 분석 지역 중 약 57%로, 한라산국립공원 주변부의 활엽수림, 침활혼효림 및 자연림 중 식생밀도가 낮은 지역들을 포함하였다.

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550302/images/geo_55_03_02_F3.jpg
그림 3.

현재(2010년) 토지이용을 고려한 생태계 중요도 지수 분포
제주도 중앙에 위치한 한라산국립공원 등 절대보전지역은 생태적으로 가장 우수한 지역이나 분석에서 제외되어 0의 지수가 부여되었다. 그러므로 지도에서 0의 지수를 갖는 지역은 절대보전지역과 생태적으로 우수성이 낮은 지역을 포함한다.

2) 토지이용변화에 따른 생태계 중요도 지수 변화 예측

토지이용변화 예측 결과, SSP1 시나리오를 적용한 경우 시가지는 9%, 농경지는 110% 증가하였고, 산림은 30%, 초지는 16%, 습지는 18%, 나지는 3% 감소하였다(그림 4-A). SSP3 시나리오를 적용한 경우 시가지는 38%, 농경지는 116%, 나지는 97% 증가하였고, 산림은 37%, 초지는 42%, 습지는 76% 감소하였다(그림 4-B). 일반적으로 SSP1에 비해 SSP3 시나리오 가정 하에서 시가지의 증가율이 29% 정도 현저히 높았으며, 농경지의 증가율은 약 6% 정도 높을 것으로 예측되었다. 생태적으로 중요한 산림과 초지의 경우 SSP1 시나리오 가정 하에서 더 낮은 감소율이 예측되었으며, 두 시나리오 간 감소율 차이는 초지가 더 높은 것으로 예측되었다: 산림은 SSP3 가정 하에서 약 7% 정도의 더 감소하였으며, 초지는 26% 정도 더 감소하였다. 나지의 경우는 변화율 예측에서 반대의 경향을 보였다. SSP1 시나리오 가정하에서는 3% 감소했지만, SSP3 가정하에서는 97% 증가할 것으로 예측되었다.

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550302/images/geo_55_03_02_F4.jpg
그림 4.

SSP1(A)와 SSP3(B) 시나리오를 적용한 2050년 제주 토지이용 전망

SSP 시나리오를 토대로 예측한 미래 토지이용변화를 적용하여 미래 생태계 중요도를 분석한 결과 생태계 중요도 지수 1~3의 모든 지역이 현재보다 감소하는 것으로 예측되었다(그림 5). 가장 우수한 생태계 지역인 지수 3 지역은 SSP1 시나리오 하에서 약 20%, SSP3 하에서 약 33% 감소하는 것으로 예측되었다. 지수 2인 지역은 SSP1을 적용한 경우 약 21%, SSP3의 경우 약 26% 감소하였으며, 지수 1인 지역은 SSP1 하에서 약 13%, SSP3 하에서 23% 감소하는 것으로 나타났다.

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550302/images/geo_55_03_02_F5.jpg
그림 5.

SSP1(A), SSP3(B) 시나리오 기반 토지이용변화 예측을 적용한 2050년 생태계 중요도 지수 분포

3) 토지이용변화를 고려한 생태계 취약성 지수 도출

현재 생태계 중요도 지수와 예측된 2050년 생태계 중요도 지수를 비교하여 토지이용변화에 의한 제주도 생태계의 취약성을 나타내는 0-3의 취약성 지수를 산출하였다(그림 6). 현재와 미래의 생태계 중요도 지수를 비교한 결과 생태계 훼손 정도는 –3~3으로 계산되었다. -3~0은 미래 토지피복이 현재보다 생태적으로 우수한 지역임으로 모두 취약성 지수 0으로 재분류하여 최종적으로 제주도 생태계의 취약성 지수는 0-3으로 산출되었다(그림 6). 생태계 훼손 정도가 가장 심각한 취약성 지수 3인 지역은 SSP1 시나리오 가정에서 제주도 전체 면적의 약 0.9%(~15 ㎢)였으며, SSP3 하에서는 약 1.5%(~27 ㎢)였다. 지수 3인 지역은 한라산을 중심으로 제주도 동쪽에 집중적으로 분포하고 있으며, 서쪽과 북쪽 일부 지역에 드물게 나타났다. 중간 정도의 훼손이 예측된 지역인 취약성 지수 2인 지역은 SSP1의 경우 약 1.8%(~32 ㎢)였으며, SSP3의 경우 약 2.2%(~39 ㎢)였다. 지수 2인 지역은 제주도 서쪽에 대부분 분포하고 있는 것으로 예측되었다. 가장 훼손 정도가 낮은 취약성 지수 1인 지역은 SSP1의 경우 약 3.2%(~56 ㎢)였으며, SSP3의 경우 약 4.9%(~85 ㎢)였다. 지수 1인 지역은 가장 넓은 지역으로 제주도 전역에 걸쳐 산재하여 분포하는 것으로 예측되었다.

http://static.apub.kr/journalsite/sites/geo/2020-055-03/N013550302/images/geo_55_03_02_F6.jpg
그림 6.

SSP1(A), SSP3(B) 기반 토지이용변화 예측에 따른 2050년 생태계 취약성 지수 분포

4. 고찰 및 결론

우리나라 보호지역 지정은 기준과 방법이 매우 서술적으로 대부분 전문가 의견이나 관찰 등을 바탕으로 경계를 설정하는 등 분석기법을 활용한 예는 매우 드물다(구경아 등, 2018). 분석기법을 적용하여 기존 자료를 통합하여 생태계 보호지역을 도출한 경우에도 다양한 인자들이 종합적으로 고려되지 않거나 미래 환경변화가 고려되지 않은 것이 현실이다. 그러나 보호지역의 지정 목적이 생물다양성 보전을 통해 환경변화에 따른 미래 생태계의 불확실성을 낮추고 이를 통해 생태계 서비스의 지속가능성을 유지하는 것임을 고려할 때, 보호지역 선정에 있어서 생태계를 구성하는 다양한 생물・비생물 인자뿐만 아니라 환경변화도 중요한 인자로 고려되어야 한다. 이를 위하여 본 연구에서는 다양한 생태계 인자들과 현재의 토지피복 및 미래(2050년) 토지이용변화를 고려하여 현재와 미래의 보전가치가 높은 우수 생태계 지역을 도출하고 생태계 중요도 지수를 산출하였다. 또한, 산출된 현재와 미래 생태계 중요도 지수를 비교하여 미래 토지이용의 변화에 따른 훼손 정도를 계산하고 그에 따라 생태계 취약성 지수를 산출하였다. 그 결과, 보전가치가 높고 생태적으로 우수한 지역(그림 3, 5)과 미래토지이용 변화에 따라 훼손이 우려되는 취약한 지역이 도출되었다(그림 6).

미래 토지이용변화는 SSP1 & 3 시나리오를 토대로 예측되었으며, 산림과 초지의 감소와 도시와 농경지 등의 증가를 예측하였다(그림 4). 예측된 토지이용변화를 적용하여 미래 생태계 중요도를 분석한 결과 지수 1~3의 모든 지역이 현재보다 감소하는 것으로 나타났으며, SSP1 보다 SSP3 시나리오 가정하에서 더 많이 감소하는 것으로 예측되었다(그림 5). 현재와 미래의 생태계 중요도 지수의 차이를 비교하여 생태계 취약성을 분석한 결과, 생태계 훼손 정도가 가장 심각한 취약성 지수 3인 지역은 한라산을 중심으로 제주도 동쪽에 집중적으로 분포하고 있으며, 지수 2인 지역은 제주도 서쪽에 대부분 분포하며, 지수 1인 지역은 제주도 전역에 걸쳐 산재하여 분포하는 것으로 예측되었다(그림 6). 제주도 생태계의 보전을 위하여 취약성 지수 3인 지역은 보호지역으로 지정하여 강력한 개발제한이 필요하며, 지수 2인 지역과 1인 지역도 단계적으로 보호지역으로 편입시키거나 관리보전지역인 경우 보전 등급을 상향 조정하여 보호의 강도를 높여야 할 것이다.

본 연구는 보호지역 지정에 다양한 생태계 생물・비생물 인자들이 고려되고 토지이용변화를 고려했다는 점에서 기존의 보호지역 지정 기법들이 가진 한계를 일부 극복했다고 볼 수 있다. 그러나 더 정확하게 우수 생태계 지역을 분석하기 위해서는 인자들에 대한 개별 공간자료뿐만 아니라 인자들의 상호작용을 설명할 수 있는 연구 자료와 분석결과 등이 필요하다. 예를 들어, 멸종위기종 서식지 분포를 생태계 보호지역 분석에서 적용하기 위해서는 각 지역에서 조사된 멸종위기종 목록과 각종의 서식지 적합도 분석결과가 있어야 하며, 분석을 위한 공간화된 환경자료가 필요하다. 그러나 현재 이러한 자료들이 구축되어 있지 않아 각 인자에 대한 공간자료 구축 및 각 서식종들에 관한 생태연구가 시급하다. 이와 더불어 지역규모에서 생태계 보호지역 분석을 위하여 각 인자에 대한 30 m 이하의 고해상도 자료 구축이 필요하다.

본 연구에서는 환경변화 인자로 사회경제시나리오(SSP1 & 3) 가정하에 예측된 토지이용변화가 적용되었다. 기후변화 등 다른 환경변화에 비해 토지이용변화가 가장 영향력이 큰 생물다양성 손실 요인인 것을 고려할 때, 본 연구의 결과는 생태계 보호지역 설정에 중요한 자료가 될 것이다. 그러나 더 정확한 분석결과 도출을 위하여, 기후변화, 오염 등 다른 환경인자 변화의 생태계 영향 또한 고려되어야 한다. 이를 위해서는 기후변화 영향을 설명할 수 있는 생태자료 및 연구결과, 공간분석을 위한 자료 구축이 필요하다. 특히, 기후변화의 경우 30 m 이하의 고해상도 자료가 필요하며, 기후변화에 따른 해수면 상승 등을 고려하기 위해서는 1 m 정도의 고해상도 자료의 구축되어야 한다. 제주도를 포함한 국내 자연생태계 자료는 매우 부족한 현실이다. 시・공간적으로 변화하는 생태계를 보다 더 정확히 분석하고, 이를 기반으로 보호지역을 지정하기 위해서는 지속적인 생태자료의 수집, 분석 및 이를 바탕으로 한 공간자료의 구축, 생태모형의 개발과 적용이 필요하다. 이와 더불어, 분석결과의 정확도를 높이기 위하여 지역에 맞는 토지이용변화 예측 시나리오 개발과 이를 기반으로 하여 토지이용변화를 예측하는 연구가 수행되어야 한다.

기초 자료와 연구 결과 부족에 따른 한계와 더불어, 본 연구의 분석 결과는 제주도 한라산국립공원과 육상 생태계에 한정되어 있어 해안 생태계 보호지역 확대를 위한 정책 활용 시 한계가 있다. 특히 제주도의 경우 제2의 제주공항 건설 등 해안지역 개발 압력을 고려할 때, 향후 해안지역 우수 생태계 보호지역 분석이 추가 진행되어 보호지역 확대 정책에 활용될 수 있어야 한다. 또한, 한라산 주변에 도출된 우수 생태계에 관한 서식지 연구나 서식지 연결성 연구 자료가 부족하여 생태계 연결성 분석이 수행되지 못했다. 예를 들어 생태계 취약성 지수가 가장 높은 지수3 지역이 한라산 동쪽에 파편화되어 분포하고 있다. 이는 분석에 사용된 자료들이 동・식물의 서식지나 종다양성을 모형 등을 사용하여 분석한 자료가 아니라, 대부분 동・식물의 서식지와 종다양성이 높은 곳으로 관찰된 지역인 곶자왈, 오름, 동굴 등의 공간자료가 주로 사용되었기 때문으로 볼 수 있다. 이러한 문제를 해결하기 위해서는 우수한 생태 지역 사이에 위치하는 생태계 연결에 중요한 지역에 대해서도 추가적인 조사와 분석이 이루어져야 한다. 이를 위하여 주요 멸종위기종과 고유종의 이동 거리에 관한 연구 및 이를 고려한 서식지 모형 개발과 적용이 필요하다. 토지피복도의 대분류를 사용하면서 수생태를 대표하는 하천 및 저수지 인자도 분석에 포함되지 않았다. 수생태계가 기후변화 등에 매우 민감한 것을 고려할 때 수생태계에 서식하는 동・식물에 대한 기초적인 생태연구와 서식지 분포 연구 수행이 이루어지고 이를 보호지역 분석에 활용하는 것이 필요하다.

결론적으로, 본 연구에서는 다양한 생태계 인자들과 현재의 토지피복 및 미래(2050년) 토지이용변화를 고려하여 현재와 미래의 보전가치가 높은 우수 생태계 지역을 도출하고 미래 토지이용의 변화에 따른 훼손 정도를 계산하여 생태계 취약성 지수를 산출하였다. 취약성 지수 3인 지역의 보호지역 지정 등, 취약성 지수를 근거로 보호지역 지정 우선 고려 대상을 제시하였다. 본 연구는 보호지역 지정에 다양한 생태계 생물・비생물 인자들이 고려되고 토지이용변화를 고려했다는 점에서 기존의 보호지역 지정 기법들이 가진 한계가 일부 개선되었다고 볼 수 있다. 특히 토지이용변화 등 환경변화를 고려하여 생태계 보호지역을 도출하여 이러한 인자의 고려가 생태계 보호지역 선정에 중요하다는 점을 제시한 것은 중요한 연구 성과이다. 그러나 더 정확한 생태계 보호지역 분석을 위하여 향후 기초 환경 모니터링 및 공간자료, 기초생태연구, 기후변화 등 다양한 환경인자 변화의 생태계 영향 연구, 해안생태계에 대한 기초 자료 및 연구결과, 지역에 적합한 토지이용변화 예측 등의 자료와 정보 축적이 지속해서 이루어져야 할 것이다.

Acknowledgements

본 연구는 2018년 한국환경정책평가연구원(KEI)의 지원을 받아 수행된 「생태공학적 기법을 활용한 지역단위 생태계 보호지역 확대방안(RE2018-08)」의 연구결과이다.

References

1
구경아・오일찬・이현우・홍현정・박선욱, 2018, 생태공학적 기법을 활용한 지역단위 생태계 보호지역 확대방안, 한국환경정책・평가연구원.
2
국토교통부, 국가공간정보포털, http://data.nsdi.go.kr/dataset
3
송철호・유소민・김문일・임철희・김지원・김세진・김강산・이우균, 2018, "Scenario Generator를 활용한 사회경제경로 시나리오 반영 미래 토지피복 추정," 한국기후변화학회지, 9, 223-234.
10.15531/KSCCR.2018.9.3.223
4
이현우・김충기・홍현정・노영희・강상인・김종호・신상철・이수재・강진영・Wood, S・Fisher, D, 2015, 자연자본의 지속가능성 제고를 위한 의사결정 지원체계 개발: 생태계서비스 분석을 중심으로, 한국환경정책・평가연구원.
5
채여라・송영일・박창석・이상엽・김오석・김동현・김연주・강영경・장선주・박한나・김기환・임동순・김호용・이진섭・강정은, 2016, 저탄소 기후변화 적응 사회를 위한 사회ㆍ경제 변화 시나리오 개발. 한국환경정책・평가연구원.
6
환경부, 2007. 생태계보호지역 지정기준 객관화 연구.
7
환경부, 2008. 제2차 국립공원 타당성조사 기준 및 자연공원 제도 개선 마련.
8
Bhagabati, N. K., Ricketts, T., Sulistyawan, T. B. S., Conte, M., Ennaanay, D., Hadian, O., McKenzie, E., Olwero, N., Rosenthal, A., Tallis, H. and Wolny, S., 2014, Ecosystem services reinforce Sumatran tiger conservation in land use plans, Biological Conservation, 169, 147-156.
10.1016/j.biocon.2013. 11.010
9
Butchart, S. H. M., Clarke, M., Smith, R. J., Sykes, R. E., Scharlemann, J. P. W., Harfoot, M., Buchanan, G. M., Angulo, A., Balmford, A., Bertzky, B., Brooks, T. M., Carpenter, K. E., Comeros‐Raynal, M. T., Cornell, J., Ficetola, G. F., Fishpool, L. D. C., Fuller, R. A., Geldmann, J., Harwell, H., Hilton‐Taylor, C., Hoffmann, M., Joolia, A., Joppa, L., Kingston, N., May, I., Milam, A., Polidoro, B., Ralph, G., Richman, N., Rondinini, C., Segan, D.B., Skolnik, B., Spalding, M.D., Stuart, S.N., Symes, A., Taylor, J., Visconti, P., Watson, J. E. M., Wood, L. and Burgess, N.D., 2015, Shortfalls and solutions for meeting national and global conservation area targets, Conservation Letters, 8, 329-337.
10.1111/conl.12158
10
CBD (Secretariat of the Convention on Biological Diversity), 2014, Global Biodiversity Outlook 4, Montreal.
11
Dickson, B. G., Albano, C. M., McRae, B. H., Anderson, J. J., Theobald, D. M., Zachmann, L. J., Sisk, T. D. and Dombeck, M. P., 2017, Informing strategic efforts to expand and connect protected areas using a model of ecological flow, with application to the Western United States. Conservation Letters, 10, 564-571.
10.1111/conl.12322
12
Giakoumi, S., Sini, M., Gerovasileiou, V., Mazor, T., Beher, J., Possingham, H. P., Abdulla, A., Çinar, M. E., Dendrinos, P., Gucu, A. C., Karamanlidis, A. A., Rodic, P., Panayotidis, P., Taskin, E., Jaklin, A., Voultsiadou, E., Webster, C., Zenetos, A. and Katsanevakis, S., 2013, Ecoregion-based conservation planning in the mediterranean: Dealing with large-scale heterogeneity, PLoS One 8.
10.1371/journal.pone.0076449
13
IUCN, Protected Areas, https://www.iucn.org/theme/prote cted-areas
14
Jones, B. and O'Neill, B. C., 2016, Spatially explicit global population scenarios consistent with the shared socioeconomic pathways, Environmental Research Letters, 11(8), 084003.
10.1088/1748-9326/11/8/084003
15
Keshtkar, H. and Voigt, W., 2016, Potential impacts of climate and landscape fragmentation changes on plant distributions: Coupling multi-temporal satellite imagery with GIS-based cellular automata model, Ecological Informatics, 32, 145-155.
10.1016/j.ecoinf.2016.02.002
16
Koo, K. A., Oh, I. C., Lee, H. W., Hong, H. J. and Park, S. W., 2019. Prioritizing ecologically important areas for increasing protected area in the republic of Korea : Application of an ecological engineering approach, Korea Environment Institute, 7(4).
17
Levin, N., Watson, J. E. M., Joseph, L. N., Grantham, H. S., Hadar, L., Apel, N., Perevolotsky, A., DeMalach, N., Possingham, H. P. and Kark, S., 2013, A framework for systematic conservation planning and management of Mediterranean landscapes, Biological Conservation, 158, 371-383.
10.1016/j.biocon.2012.08.032
18
Önal, H. and Wang, Y., 2008, A graph theory approach for designing conservation reserve networks with minimal fragmentation, Networks, 51, 142-152.
10. 1002/ net.20211
19
O'Neill, B. C., Kriegler, E., Ebi, K. L., Kemp-Benedict, E., Riahi, K., Rothman, D. S., van Ruijven, B. J., van Vuuren, D. P., Birkmann, J., Kok, K., Levy, M. and Solecki, W., 2017, The roads ahead: Narratives for shared socioeconomic pathways describing world futures in the 21st century, Global Environmental Change, 42, 169-180.
10.1016/j.gloenvcha.2015.01.004
20
Riahi, K., van Vuuren, D. P., Kriegler, E., Edmonds, J., O'Neill, B. C., Fujimori, S., Bauer, N., Calvin, K., Dellink, R., Fricko, O., Lutz, W., Popp, A., Cuaresma, J.C., Kc, S., Leimbach, M., Jiang, L., Kram, T., Rao, S., Emmerling, J., Ebi, K., Hasegawa, T., Havlik, P., Humpenöder, F., Da Silva, L. A., Smith, S., Stehfest, E., Bosetti, V., Eom, J., Gernaat, D., Masui, T., Rogelj, J., Strefler, J., Drouet, L., Krey, V., Luderer, G., Harmsen, M., Takahashi, K., Baumstark, L., Doelman, J. C., Kainuma, M., Klimont, Z., Marangoni, G., Lotze-Campen, H., Obersteiner, M., Tabeau, A. and Tavoni, M., 2017, The Shared socioeconomic pathways and their energy, land use, and greenhouse gas emissions implications: An overview, Global Environmental Change, 42, 153-168. https://doi. org/10. 1016/j.gloenvcha.2016.05.009
10.1016/j.gloenvcha.2016.05.009
21
Sharp, R., Tallis, H. T., Ricketts, T., Guerry, A. D., Wood, S. A., Chaplin-Kramer, R., Nelson, E., Ennaanay, D., Wolny, S., Olwero, N., Vigerstol, K., Pennington, D., Mendoza, G., Aukema, J., Foster, J., Forrest, J., Cameron, D., Arkema, K., Lonsdorf, E., Kennedy, C., Verutes, G., Kim, C.K., Guannel, G., Papenfus, M., Toft, J., Marsik, M., Bernhardt, J., Griffin, R., Glowinski, K., Chaumont, N., Perelman, A., Lacayo, M. Mandle, L., Hamel, P., Vogl, A. L., Rogers, L., Bierbower, W., Denu, D. and Douglass, J., 2018, InVEST 3.6.0 User's Guide. The Natural Capital Project, Stanford University, University of Minnesota, The Nature Conservancy, and World Wildlife Fund.
22
Swetnam, R. D., Fisher, B., Mbilinyi, B. P., Munishi, P. K. T., Willcock, S., Ricketts, T., Mwakalila, S., Balmford, A., Burgess, N. D., Marshall, A. R. and Lewis, S. L., 2011, Mapping socio-economic scenarios of land cover change: A GIS method to enable ecosystem service modelling, Journal of Environmental Management, 92, 563-574.
10.1016/j.jenvman.2010.09.007
23
Venter, O., Magrach, A., Outram, N., Klein, C. J., Possingham, H. P., Di Marco, M. and Watson, J. E. M., 2018, Bias in protected‐area location and its effects on long‐term aspirations of biodiversity conventions, Conservation Biology, 32(1) 127-134.
10.1111/cobi.1297028639356
24
Vigerstol, K. L. and Aukema, J. E., 2011, A comparison of tools for modeling freshwater ecosystem services, Journal of Environmental Management, 92, 2403-2409.
10.1016/j.jenvman.2011.06.040
25
Visconti, P., Butchart, S. H. M., Brooks, T. M., Langhammer, P. F., Marnewick, D., Vergara, S., Yanosky, A. and Watson, J. E. M., 2019, Protected area targets post-2020, Science, 364, 239-241.
10.1126/science.aav6886
26
Watson, J. E. M., Dudley, N., Segan, D. B. and Hockings, M., 2014, The performance and potential of protected areas, Nature, 515, 67-73.
10.1038/nature13947
페이지 상단으로 이동하기