콘텐츠로 이동

⑤ 조사지점 선정

다섯 번째 탭 ⑤ 조사지점 선정 (Survey Site Selection, v0.1.x의 Priority Sites for Survey)은 서식적합도 래스터를 현장 조사지점 목록 으로 변환합니다. 새 개체군 발견과 모델 검증이라는 두 가지 다른 목적이 있고, QMaxent는 목적마다 다른 표집 전략을 제공합니다.

단계별 따라하기

1단계. 목적과 조건 정하기

고적합도 탐색 모드의 조사지점 선정 탭

  1. 조사 목적: 고적합도 탐색은 적합하지만 조사하지 않은 곳에서 새 개체군을 찾습니다. 적합도 구간별 층화 표집은 예측 적합도 구간 전반에서 모델을 확인합니다(2단계).
  2. 고적합도 탐색 설정: 최소 적합도와 샘플링 순서(무작위 또는 Top-N (적합도 높은 순))입니다.
  3. 샘플링 전략: 조사지점 수, 기존 출현지와 지점 사이의 최소 거리(미터)입니다.
  4. ▶ 조사지점 선정을 누르면 선정이 시작됩니다.

2단계. (검증 조사) 적합도 구간별 층화 표집

적합도 구간별 층화 표집을 고른 화면

  1. 적합도 구간별 층화 표집을 고릅니다.
  2. 구간별 층화 표집 설정: 임계값 방법이 포함할 가장 낮은 적합도를 정합니다. 그 위의 셀을 적합도 구간 네 개로 나누고 구간마다 지점을 고르게 배치합니다.

3단계. 주소와 출력 파일

역지오코딩과 출력 영역

  1. 역지오코딩: 행정구역 주소 자동 추가 (OpenStreetMap)를 켜면 지점마다 주소를 기록합니다. 주소 언어로 현지어나 다른 언어를 고릅니다. 인터넷 연결이 필요합니다.
  2. 출력: GeoPackage 경로와 QGIS 프로젝트에 자동 추가입니다.

4단계. 실행하고 결과 확인

진행 막대와 상태 줄이 표시된 선정 진행 화면

  1. 진행 막대입니다.
  2. 상태 줄입니다. 예: 역지오코딩 진행 수.

선정이 끝난 화면

  1. 선정된 지점 수와 파일 저장 위치가 표시됩니다.

조사지점이 지도에 표시된 QGIS 주 화면

  1. 조사지점 레이어가 레이어 패널에 추가됩니다.

조사 목적

하나 선택:

모드 목표 참고문헌
고적합도 탐색 미조사 지역에서 새 개체군 찾기 Williams et al. 2009
적합도 구간별 층화 표집 예측 적합도 구간 전반에서 모델 확인 Rhoden, Peterman & Taylor 2017

v0.1.x의 Discovery 모드가 고적합도 탐색, Validation 모드가 적합도 구간별 층화 표집입니다. 두 모드는 모델에 매우 다른 질문을 던지므로, 패널 나머지가 선택된 목적에 따라 두 가지 다른 구성으로 전환됩니다.

고적합도 탐색 모드

고적합도 탐색 모드의 조사지점 선정 탭

학습된 모델이 높은 적합도 를 예측한 위치에서 조사지점을 뽑아, 현장 팀이 가장 유력한 서식지에 조사 노력을 집중하도록 안내합니다.

고적합도 탐색 설정

  • 최소 적합도: 적합도가 이 값 이상인 셀이 후보 풀이 됩니다. 예측 래스터가 선택되면 래스터 최댓값 × 0.9 로 자동 채워져 가장 유망한 영역만 포착합니다. 더 넓은 후보 풀을 원하면 0.7 등으로 낮추세요.
  • 샘플링 순서:
    • 무작위: 고적합도 영역 안에서 균일 무작위 표본. 후보 풀의 공간 커버리지를 원할 때.
    • Top-N (적합도 높은 순): 가장 적합도 높은 N개 셀 선택. 정말 최고 지점만 방문해야 할 때.

샘플링 전략

목적과 무관하게 조사지점 집합을 형성하는 세 개의 수치 컨트롤:

  • 조사지점 수: 선정할 지점 수(기본 20).
  • 기존 출현지로부터 최소 거리 (m): 어떤 출현 지점으로부터의 이 반경 이내 표본을 금지. 기본 1,000 m. 출현 지점이 GPS 부정확하거나 알려진 곳에서 멀리 떨어진 진정한 새 개체군을 찾고 싶으면 증가.
  • 지점 간 최소 거리 (m): 이미 선택된 지점으로부터의 이 반경 이내 표본을 금지. 기본 500 m. 조사지점을 고적합도 영역에 분산.

역지오코딩

행정구역 주소 자동 추가 (OpenStreetMap) 를 체크하면 QMaxent가 OpenStreetMap Nominatim 에 질의해 각 조사지점에 사람이 읽을 수 있는 주소를 추가합니다. API 키가 필요 없고, Nominatim 사용 정책에 따라 초당 1건으로 요청합니다. 20개 지점이면 약 20초가 걸립니다.

역지오코딩은 전 세계 어디서나 동작합니다. 주소 언어 로 행정구역 이름의 언어를 고릅니다:

옵션 결과
현지 이름 (기본) 각 나라의 언어 (예: 도미니카공화국은 스페인어, 한국은 한국어)
QGIS 화면 언어 QGIS에 설정된 화면 언어
영어 영어 이름 (OpenStreetMap에 있을 때)

주소는 다음 필드에 들어갑니다. 모두 OpenStreetMap의 일반 행정 단위이며 특정 나라 전용이 아닙니다:

필드 수준 예
country 국가 대한민국, República Dominicana
province 광역 행정구역 한국의 도, 도미니카공화국의 provincia, 미국의 state
city_county 시군구 수준 한국의 시/군/구, 도미니카공화국의 municipio
district 읍면동, 리 수준 한국의 읍/면/동, 도미니카공화국의 distrito municipal, sección
display_name 전체 주소 문자열

하위 단위일수록 OpenStreetMap의 자료 상태에 따라 빈 값이 나올 수 있습니다.

적합도 구간별 층화 표집 모드

이 모드는 새 현장 조사로 예측 적합도 구간을 확인하거나 반증하기 위한 것입니다. Rhoden, Peterman & Taylor (2017)에 따라 임계값 이상인 셀을 적합도 4분위로 나누고 각 구간에서 같은 수의 지점을 뽑습니다. 낮은 적합도 지점도 일부러 포함하므로, 현장 조사 결과로 실제 출현이 예측 적합도 구간을 따르는지 확인할 수 있습니다.

구간별 층화 표집 설정: 임계값 방법

임계값은 표집 범위만 정합니다. 임계값 이상인 셀이 표집 대상이 되고, 이 셀들을 4분위로 나눕니다. 이진(적합/부적합) 지도는 만들지 않습니다.

방법 정의 참고문헌
MTP Minimum Training Presence: 어떤 출현 지점에서의 최저 적합도 Pearson et al. 2007
T10 10% Training Presence: 일부 이상치 출현에 강건 Pearson et al. 2007
MaxSSS Maximum Sum of Sensitivity and Specificity: 학습 자료 ROC에서 민감도와 특이도의 합이 최대인 값 Liu, White & Newell 2013
사용자 지정 사용자가 직접 값 선택 —

MTP를 고르면 가장 넓은 범위에서 표집하고, MaxSSS나 T10을 고르면 범위가 좁아져 비교적 적합도가 높은 셀 안에서 구간을 나눕니다. 선택한 방법으로 계산한 값은 계산된 임계값 칸에 표시됩니다.

출력

  • 출력 벡터 layer: 기본 경로는 출력 폴더의 survey_sites.gpkg 입니다. 각 조사지점이 점이며 속성 id, lat, lon, suitability, quartile (적합도 구간별 층화 표집에서는 1~4, 고적합도 탐색에서는 0), 그리고 역지오코딩이 켜진 경우 위의 주소 필드를 가집니다. 같은 이름의 GeoPackage가 이미 있으면 새 결과로 교체합니다. 다른 프로그램이 그 파일을 열고 있어 지울 수 없으면 survey_sites_1.gpkg 처럼 다음 빈 이름으로 저장합니다.
  • QGIS 프로젝트에 자동 추가 (기본 켜짐): Survey sites 레이어가 기본 빨간 점 심볼과 함께 로드되어 적합도 지도 위에 조사지점을 즉시 볼 수 있습니다.

Bradypus 모델에 고적합도 탐색을 실행한 후 (▶ 조사지점 선정 클릭):

선정이 끝난 조사지점 선정 탭

상태 줄은 "✓ 조사지점 20개 선정 완료 (MinSuit = 0.9000); 19/20 지오코딩 완료" 처럼 보고합니다. 한 지점은 외해 위에 떨어져 지오코딩에 실패했는데, Nominatim에 그곳의 주소 기록이 없기 때문입니다.

조사지점이 적합도 지도 위에 표시됩니다:

Bradypus 적합도 지도 위에 빨간 점으로 표시된 조사지점

조사 설계 팁

  • 두 모드를 함께 실행: 현장 예산이 있다면 둘 다 실행하세요. 고적합도 탐색은 확인할 새 개체군 후보를 주고, 적합도 구간별 층화 표집은 모델 정확도 추정을 줍니다.
  • 자동 설정된 최소 적합도를 재정의: 연구 시스템의 "높음"이 모델과 생물학적으로 다를 때. Bradypus의 cloglog 0.9는 우림 핵심을 포착하고, 고산종은 더 낮게 조정합니다.
  • 간격 제약을 활용: 조사 일정 안에 실제로 지점에 도달할 수 있도록. 지점 간 기본 500 m는 도로로 접근하는 조사에 적당하고, 지점마다 여러 날 이동이 필요한 서식지라면 늘리세요.