Maxent(Maximum Entropy Model)

Maxent에 대해서 논문과 구글링 등 자료검색을 하여 정리하여 공부하고 있는 글입니다.

종분포모형(SDMs; Species Distribution Models) 

현장에서의 종 위치정보와 그 위치에서의 환경 및 공간적 특성간의 관계를 추정하여 종 분포를 예측하는 모형. 종분포 모형으로 부터 예측된 결과는 생물지리학, 보존생태학 및 생태학 분야 등에서 의미있는 결과로 인정되며, 다양한 목적으로 활용되고 있다. 종 분포 모형의 종류는 종의 출현자료 유형에 따라 나뉘며 출현/비출현 자료(Present-absent data) 모두를 사용하는 모형. 출현자료(only present data)만 사용하는 모형으로 구분된다. (최병기,2017)

• 출현/비출현자료(Present-absent data)
  1. GLMs(generalized linear models)
  2. GAMs(generalized additive models)
  3. BRT(boosted regression tress)
• 출현자료(only present data) 
  1. GARP(genetic algorithm for rule-set production)
  2. ENFA(ecological niche factor analysis)
  3. Maxent(Maximum entropy modeling of species geographic distributions)

중 하나로 최근 우리나라에서 Maxent분석 모형을 많이 쓰고 있는 추세라고합니다. 

Maxent(Maximum Entropy Model)

• 회기분석을 기반하는 모형. 대상이 되는 야생동물의 출현정보를 바탕으로 최대엔트로피접근법(Maximum Entropy approach)을 통해 야생동물의 분포를 예측할 수 있는 모형(이동근,2010)
• 통계적 분포모형 중 출현자료만을 요구하고 결과값이 신뢰성이 높게나오는 분석모형(김호걸,2013)
• 연구자가 연구 대상 생물종의 출현 위치 표본을 입력해주면 컴퓨터 스스로 출현 위치의 환경 특성을 학습하여, 대상종의 출현 여부를 모르는 지점의 출현 확률을 추정하는 기계학습(machine learnin) 방법(Phillips et al., 2006; 2008; Seo et al., 2008, 최송현, 2018)
• 생물종분포의 무질서도(entropy)를 극대화 할 수 있는 값을 추정하여 공간에서 확률분포를 나타내는 회귀모형
• 기계학습 알고리즘 Maxent. 

한마디로 Maxent는 동식물의 출현지점자료만을 가지고 분포를 예측할 수 있는 기계학습분석 방법 중 하나.

Maxent를 이용하여 어떤연구를 주로 하는가?

서식지잠재력평가(자생가능지예측), 기후변화에 따른 산사태 발생가능성 예측, 이동행태를 고려한 이동통로 적지선정, 식생의 분포경향과 생태적 특성파악 등. 동식물분포특징을 파악하여 서식지 예측, 가능성을 연구

---

Maxent Download

https://biodiversityinformatics.amnh.org/open_source/maxent/

https://biodiversityinformatics.amnh.org/open_source/maxent/

---

Analysis for Maxent : 멕센트 분석을 하기 위해서 필요한 요소 2 

Maxent를 구동하면 나오는 아주 간단한 화면창, 우리에게 필요한 것은 자료를 저 두군데에 넣기만 하면 된다.

1. 종속변수(samples) : 동식물 출현지점에 대한 좌표값(X,Y) .csv 파일 확장자를 필요로 함

2. 환경변수(enviromental layers) : 환경요인에 관한 변수들 .asc 파일 확장자를 필요로 함

***유의할 점: 종속변수와 환경변수의 좌표계가 일치하여야 한다. 

도움을 준 도움이 되는 블로그: https://blog.naver.com/cj97044/221559794203

종분포모형(MaxEnt)

이 블로거가 강조했던 종분포모형의 핵심: 

1. 편향되지 않은 종속변수

2. 예측을 하고자 하는 생물과 아주 밀접한 독립변수의 구축

 

[참고문헌]

Kim, H., Lee, D., Mo, Y., Kil, S., Park, C., & Lee, S. (2013). Prediction of Landslides Occurrence Probability under Climate Change using MaxEnt Model. Journal Of Environmental Impact Assessment, 22(1), 39-50. doi: 10.14249/eia.2013.22.1.039

Lee, D., & Kim, H. (2010). Habitat Potential Evaluation Using Maxent Model* - Focused on Riparian Distance, Stream Order and Land Use -. 韓國環境復元技術學會誌, 13(6), 161-172.

Jeong, S., Lee, H., Park, J., Lee, D., Park, C., & Seo, C. (2015). Selecting Suitable Riparian Wildlife Passage Locations for Water Deer based on MaxEnt Model and Wildlife Crossing Analysis. Journal Of Korean Society For Geospatial Information System, 23(1), 101-111. doi: 10.7319/kogsis.2015.23.1.101

Lee, C., Lee, C., & Choi, B. (2017). Distribution Patterns and Ecological Characters of Paulownia coreana and P. tomentosa in Busan Metropolitan City Using MaxEnt Model. Journal Of The Korean Institute Of Traditional Landscape Architecture, 35(2), 87~97.

Chan, Y., Shin, H., Choi, S., & Song, H. (2018). Predicting Potential Habitat for Hanabusaya Asiatica in the North and South Korean Border Region Using MaxEnt. 한국환경생태학회지, 32(5), 469-477.

 

++ 더 공부할 것 

아직 정리할 게 많은데... 내 머릿 속에 다 들어오지 않았다. 최대엔트로피접근법/ GUI접근법 / 머신러닝기반 예측모형의 특징...? machine learning을 어디서 maxent에 써먹는걸까.../ GIS를 통해 환경변수 자료 구축하는 방법 / 역시 기초는 GIS를 통해 분석을 할 줄 아는 것/ 오미션-코미션그래프 해석하기 (이말은 즉슨 머신러닝 학습) / !!! Machine learning is fun! 머신러닝과 관련하여 기초적인 체계를 잡을 수 있는 책이 있었음 /