도시 생물다양성 모니터링을 위한 딥러닝 기반 서식예측 연구

Deep Learning for Habitat Prediction and Urban Biodiversity Monitoring

연구 내용

카메라트랩 관측 데이터를 기반으로 서식적합도와 종 존재를 예측하고, 도시 생태 모니터링의 자동화 방법을 확립하는 연구

도시 생태계에서 우산종의 서식확률과 서식적합도를 예측하기 위해 서식요건과 먹이종의 분포를 결합한 모델을 구축합니다. 또한 카메라트랩으로 수집된 관측 데이터를 딥러닝 기반 분석으로 처리하여 종 분류와 분석 효율을 높이는 접근을 수행합니다. 이러한 방법은 경관생태 관점에서 도시 내 생물다양성의 공간적 패턴을 도출하고, 생태 보전 및 영향평가에서 활용 가능한 정량 지표로 연결하는 데 목적이 있습니다.

관련 프로젝트

0건

연구 흐름

초기에는 도시 생태계 내 서식 가능성을 지리·생태 변수를 통해 확률적으로 추정하는 예측 모델링을 수행했습니다. 이후 우산종의 서식확률을 먹이종 적합도와 함께 고려하는 방식으로 생태학적 연계를 강화했습니다. 최근에는 카메라트랩 관측에 대한 커스텀 딥러닝 모델 적용 가능성을 검토하여 자동 분석 워크플로를 제안하고, 도시 종 모니터링의 반복성과 일관성을 높이는 방향으로 연구를 확장하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

카메라트랩 관측 자동 분류 파이프라인
도시 생물다양성 핫스팟 탐지
우산종 서식적합도 예측지도
먹이종 분포 기반 서식확률 모델
도시 경관계획의 생태 지표 산출
보전지역 우선순위 선정 보조
개발사업 영향평가의 정량 근거
종별 계절 변동 모니터링 체계
관측 데이터 품질관리 지침
도시 생태 네트워크 보전 전략 수립