남극코끼리물개 이동 패턴과 동인에 대한 빅데이터 분석

초록

272마리 코끼리물개의 10년간 추적 데이터(50만 개 이상 위치)로 이동 거리를 분석한 결과, 이동 거리는 절단형 파워‑법칙을 따르며 시간·공간 규모에 관계없이 동일한 전략을 사용한다는 점을 확인했다. 고점유 지역과 저점유 지역을 구분하고, 군집 탐지를 통해 해양 ‘프로빈스’를 정의함으로써 기억·내재적 요인이 이동에 중요한 역할을 함을 제시한다.

상세 분석

본 연구는 인간 이동성 분석에 사용되는 빅데이터 기법을 동물 이동 연구에 적용한 선구적 사례이다. 272마리 코끼리물개의 Argos 위치 데이터를 10년간 수집해 550 537개의 위치 정보를 구축했으며, 전통적인 ‘전환점( turning point)’ 기반 분석을 배제하고 연속적인 변위(displacement)와 시간 창(T)별 확률밀도함수(pdf)를 직접 추정하였다. 변위는 평균 변위 ⟨d⟩으로 정규화한 뒤 D = d/⟨d⟩ 형태로 스케일링했을 때, D < 1 구간에서는 p(D) ∝ D⁻⁰·⁶⁰, D > 1 구간에서는 급격히 절단되는 형태를 보였다. 이는 전형적인 파워‑법칙(지수 γ = 0.60)과 절단점이 존재하는 ‘truncated power law’이며, 이동이 단순 브라운 운동(a = 0.5)보다 높은 지수 a = b/2 = 0.83을 갖는 ‘directed movement’를 시사한다.

공간 점유 분석에서는 격자 셀당 방문 횟수(occupancy)를 계산해, 전체 면적의 약 20 %가 고점유(높은 방문 빈도) 영역이며 나머지 80 %는 저점유 영역임을 확인했다. 고점유 영역에서는 변위 분포가 여전히 파워‑법칙(지수 ≈ 1.17)을 유지해 전체 스케일프리 특성을 주도한다. 반면 저점유 영역은 장거리·고속 이동이 주를 이루어 절단된 분포를 나타낸다.

개별 궤적에 대한 추가 분석에서는 궤적의 회전 반경(gyration radius)이 10 km에서 2000 km까지 광범위하게 변함을 보여, 개체 간 이동 범위의 이질성을 강조한다. 변위와 회전각의 순서를 보존한 실제 궤적을 무작위 재배열한 ‘reshuffled’ 궤적과 비교했을 때, 실제 궤적이 더 많은 격자 셀을 방문하고, 엔트로피(S) 값이 평균 0.6 이상으로 거의 균등한 방문 확률을 보였다. 이를 기반으로 한 예측 가능성 한계(Π_max)는 대부분 0.2–0.4 사이였으며, 일부 짧은 궤적은 Π_max ≈ 1에 가까워 높은 예측 가능성을 나타냈다. 이러한 결과는 이동이 무작위가 아니라 과거 방문 기록(기억)에 의해 부분적으로 제약받는 비마코프적(non‑Markovian) 특성을 갖는다는 증거다.

군집 탐지(community detection) 기법을 적용해 이동 전이 확률 행렬을 구축하고, 이를 기반으로 2단계(레벨 0, 1) 해양 ‘프로빈스’를 도출했다. 하루(T = 1 day) 전이 기준으로 레벨 0에서는 2개의 대규모 프로빈스, 레벨 1에서는 6개의 세부 프로빈스가 식별되었으며, 개체의 80 %가 한 프로빈스 내에서 80 % 이상의 시간을 보냈다. 이는 개체군 간 공간적 연결성 및 서식지 선호도가 강하게 구조화되어 있음을 의미한다.

전반적으로, 파워‑법칙 기반 스케일프리 이동, 고점유·저점유 영역의 이분화, 엔트로피와 예측 가능성 분석, 그리고 군집 기반 해양 프로빈스 도출이라는 네 가지 주요 결과는 코끼리물개의 이동이 ‘기억 기반’ 혹은 ‘내재적 동인’에 크게 좌우된다는 가설을 강력히 뒷받침한다. 이는 기존의 ‘레비( Lévy) foraging’ 가설에 대한 비판적 재검토를 촉발하고, 대규모 추적 데이터와 빅데이터 분석이 동물 행동학에 제공할 수 있는 새로운 통찰을 보여준다.