WO2022196945A1 - 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법 - Google Patents

개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법 Download PDF

Info

Publication number
WO2022196945A1
WO2022196945A1 PCT/KR2022/002019 KR2022002019W WO2022196945A1 WO 2022196945 A1 WO2022196945 A1 WO 2022196945A1 KR 2022002019 W KR2022002019 W KR 2022002019W WO 2022196945 A1 WO2022196945 A1 WO 2022196945A1
Authority
WO
WIPO (PCT)
Prior art keywords
population
cell
density variation
density
variance
Prior art date
Application number
PCT/KR2022/002019
Other languages
English (en)
French (fr)
Inventor
이도훈
정남
이경은
전태수
Original Assignee
국립생태원
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 국립생태원 filed Critical 국립생태원
Publication of WO2022196945A1 publication Critical patent/WO2022196945A1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/02—Reservations, e.g. for tickets, services or events
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/40—Monitoring or fighting invasive species

Definitions

  • the present invention relates to an apparatus for predicting population distribution based on a population distribution simulation model and a method for predicting population distribution using the same, and by simulating the population distribution based on a diffusion mechanism in consideration of the reproductive and migration mechanisms, which are the core of population dynamics, population distribution and diffusion It relates to an apparatus for predicting population distribution based on a population distribution simulation model that can predict changes and enable appropriate management measures, and a method for predicting population distribution using the same.
  • habitat preference and species distribution models based on statistics and machine intelligence predict the distribution of species according to regions based on data. There are limits.
  • Korean Patent Registration No. 10-0750749 (Title of the Invention: Plant Resources Quantification Method Using GIS) has been disclosed.
  • the present invention simulates the population distribution based on the diffusion mechanism in consideration of the reproductive and migration mechanisms, which are the core of population dynamics, so that the population distribution and diffusion changes can be predicted and appropriate management measures are possible.
  • An object of the present invention is to provide an apparatus for predicting population distribution based on a population distribution simulation model and a method for predicting population distribution using the same.
  • an apparatus for predicting population distribution based on a population distribution simulation model receives an environmental data layer based on a geographic information system, sets a calculation area, and generates raster data.
  • An apparatus for predicting population variance can be provided, comprising: an insertion unit for generating population raster data by inserting an initial population layer into the raster data; and an output unit for outputting population variance data according to initial conditions and parameters using the population raster data.
  • the initial condition is the current density (N i (t)) of each cell in the population raster data
  • the cell is a spatial unit set in the population raster data.
  • the current density (N i (t)) of each cell is set by a user or is derived from the output unit through the population raster data.
  • the parameters include population growth rate (r b ), population mortality rate (r d ), maximum density of each cell (K), Ali effect threshold in each cell (A), and probability of human capture (P c ) in each cell. , it is characterized in that it includes at least one of a population movement probability (R m ) between each cell and a movement rate ( hi / ⁇ k h k ) according to the environmental preference of each cell.
  • the output unit is characterized in that the total population density variation is derived through the initial conditions and parameters, and the population distribution data is output using the derived total population density variation.
  • the output also uses the total population density variation as a natural population density variation in each cell, a human capture density variation in each cell as a population density variation captured by humans, and a migratory density variation as a population density variation migrated in each cell. It is characterized in that it is derived.
  • the output unit includes the population growth rate (r b ), the population mortality rate (r d ), the maximum accepted density of each cell (K), the Ali effect threshold in each cell (A), and the current density of each cell (N i (t) )) to find the natural population density variation.
  • the output unit is characterized in that the human capture density variation is calculated using the probability of human capture in each cell (P c ) and the current density (N i (t)) of each cell.
  • the output unit uses the population movement probability (R m ) between each cell, the current density of each cell (N i (t)), and the movement rate (h i / ⁇ k h k ) according to the environmental preference of each cell. It is characterized in that the shifting density variation is obtained.
  • the apparatus for predicting population distribution receives an environmental data layer based on a geographic information system, sets a calculation area, and receives raster data setting step to create;
  • a method for predicting population variance comprising: a population insertion step of generating population raster data by inserting an initial population layer into the raster data; and an output step of outputting population variance data according to initial conditions and parameters using the population raster data can do.
  • the output step is characterized in that the total population density variation is derived through the initial conditions and parameters, and population distribution data is output using the derived total population density variation.
  • the output step is characterized in that the total population density variation is derived through Equation 1 below.
  • dN i (t) is the total population density variation in cell (i) in spatial units
  • dN natural,i (t) is the natural population density variation in each cell
  • dN capture,i ( where t) is the human capture density variation, which is the variation in population density captured by humans in each cell
  • dN moving,i (t) is the migration density variation, which is the variation in population density moved in each cell
  • the output step is characterized in that the natural population density variation is obtained through Equation 2 below.
  • N natural,i (t) is the natural population density variation in each cell
  • r b is the population growth rate
  • r d is the population mortality rate
  • K is the maximum accepted density of each cell
  • A is the natural population density variation in each cell.
  • Ali effect threshold of , N i (t) is the current density of each cell
  • the output step is characterized in that the human capture density variation is obtained through Equation 3 below.
  • N capture,i (t) is the human capture density variation, which is the population density variation captured by humans in each cell
  • P c is the probability of human capture in each cell
  • N i (t) is each is the cell's current density
  • the output step is characterized in that the moving density variation is obtained through the following Equation (4).
  • N moving,i (t) is the moving density variation, which is the population density variation that is moved in each cell
  • R m is the probability of population movement between each cell
  • N i (t) is the displacement of the population density moving in each cell.
  • current density N j (t) is the current density of neighboring cell (j)
  • j is all neighboring cells of cell (i)
  • k is all neighboring cells of neighboring cell (j)
  • h i / ⁇ k h k is each Mobility rate according to the environmental preference of the cell
  • h i is the environmental preference of the cell (i)
  • h k is the environmental preference of the cell (j)
  • the apparatus for predicting population distribution based on the population distribution simulation model according to the embodiment of the present invention and the method for predicting population distribution using the same can simulate population distribution based on the diffusion mechanism in consideration of the reproductive and migration mechanisms, which are the core of population dynamics. have.
  • FIG. 1 is a block diagram illustrating an apparatus for predicting population variance based on a population variance simulation model according to an embodiment of the present invention.
  • FIG. 2 is a flowchart illustrating a method for predicting population variance using an apparatus for predicting population variance based on a population variance simulation model according to an embodiment of the present invention.
  • FIG. 3 is a flowchart sequentially illustrating steps S100 of FIG. 2 .
  • FIG. 4 is an exemplary screen view showing an environment data layer is input in step S110 of FIG.
  • FIG. 5 is an exemplary screen view showing a state in which a calculation area is set through step S120 of FIG. 3 .
  • FIG. 6 is an exemplary screen view showing a state in which raster data is generated through step S130 of FIG. 3 .
  • FIG. 7 is an exemplary screen view showing a state in which population raster data is generated through step S200 of FIG. 2 .
  • FIG. 8 is a flowchart sequentially illustrating steps S300 of FIG. 2 .
  • FIG. 9 is an exemplary screen view showing a state in which the population distribution data is output in step S320 of FIG.
  • An apparatus for predicting population distribution based on a population distribution simulation model includes: an integrator for receiving an environmental data layer based on a geographic information system, setting a calculation area, and generating raster data;
  • An apparatus for predicting population variance can be provided, comprising: an insertion unit for generating population raster data by inserting an initial population layer into the raster data; and an output unit for outputting population variance data according to initial conditions and parameters using the population raster data. have.
  • the apparatus for predicting population distribution receives an environmental data layer based on a geographic information system and sets a calculation area to generate raster data setting step;
  • a method for predicting population variance comprising: a population insertion step of generating population raster data by inserting an initial population layer into the raster data; and an output step of outputting population variance data according to initial conditions and parameters using the population raster data can do.
  • the apparatus and method are preferably provided in a terminal such as a computer communicating through a wired communication network, but may also be provided in a mobile communication terminal including a tablet communicating through a wireless communication network.
  • FIG. 1 is a block diagram illustrating an apparatus for predicting population variance based on a population variance simulation model according to an embodiment of the present invention.
  • an apparatus 1 for predicting population variance based on a population variance simulation model may include an integrator 10 , an insertion unit 20 , and an output unit 30 .
  • the integrator 10 may receive an environmental data layer based on a Geographic Information System (GIS), set a calculation area, and generate raster data.
  • GIS Geographic Information System
  • Geographic Information System is a system implemented so that it can be managed by processing geographic information of all spatial shapes with distribution characteristics under the recent so-called cyber land management, digitizing it, and writing it on the map. .
  • the integrator 10 may process to have one environmental preference per cell (spatial unit) by integrating preferences for each environmental factor according to the environmental data layer.
  • the environmental data layer may include the preference of the corresponding environmental factor per cell (spatial unit).
  • the environmental preference of the corresponding cell is (1.0+ 0.0)/2 can be calculated as 0.5.
  • the integrator 10 may assign a weight to the preference of each environmental factor, and may assign a weight to the preference using a raster or a raster calculator.
  • the insertion unit 20 may generate the population raster data by inserting an initial population layer into the raster data generated by the integration unit 10 .
  • the initial population layer may be information about populations such as endangered wild animals and harmful birds as well as alien species.
  • the output unit 30 may use the population raster data generated by the insertion unit 20 to output population dispersion data according to initial conditions and parameters. Therefore, it is possible to predict changes in population dispersal and spread so that appropriate management measures can be taken.
  • the initial condition is the current density (N i (t)) of each cell (i) in the population raster data
  • the cell (i) may be a spatial unit set in the population raster data.
  • the current density of each cell according to the change of time t may be defined as in Equation 5 below.
  • the current density N i (t) of each cell may be set by the user or may be set by the output unit 30 derived from the population raster data.
  • the parameters include population growth rate (r b ), population mortality rate (r d ), maximum density of each cell (K), Ali effect threshold in each cell (A), probability of human capture in each cell (P c ), It may include one or more of the population movement probability (R m ) between each cell and the movement rate (h i / ⁇ k h k ) according to the environmental preference of each cell, preferably including all, but is not limited thereto.
  • the population movement probability (R m ) between each cell is the probability of moving from each cell to another cell, and the movement rate (h i / ⁇ k h k ) according to the environmental preference of each cell is the rate of movement from the neighboring cell according to the environmental preference. .
  • These parameters may be set by receiving input from the user.
  • the output unit 30 obtains the population distribution data through the initial conditions and parameters as described above, and by applying factors that can be considered in actual invasion, it is possible to reflect ecological realism and management effect as much as possible.
  • the output unit 30 may derive the total population density variation through the initial condition and parameters, and output the population distribution data using the derived total population density variation.
  • the output unit 30 may derive the total population density variation using the natural population density variation, the human captured density variation, and the migration density variation in each cell, and may be derived through Equation 1 below.
  • dN i (t) is the total population density variation in cell (i) in spatial units
  • dN natural,i (t) is the natural population density variation in each cell
  • dN capture,i (t) ) is the human capture density variation
  • dN moving,i (t) is the moving density variation.
  • the human capture density variation (dN capture,i (t)) may be the population density variation captured by humans in each cell, and the moving density variation (dN moving,i (t)) is the population moving from each cell to another cell. It may be a density variation.
  • the output unit 30 displays the natural population density variation in each cell, which is used to derive the overall population density variation, the population growth rate (r b ), the population mortality rate (r d ), the maximum accepted density of each cell (K), and each It can be obtained using the Ali effect threshold in the cell (A) and the current density of each cell (N i (t)).
  • Equation (2) More specifically, it can be obtained through Equation (2).
  • N natural,i (t) is the natural population density variation in each cell
  • r b is the population growth rate
  • r d is the population mortality rate
  • K is the maximum accepted density of each cell
  • A is the natural population density variation in each cell.
  • the Ali effect threshold, N i (t), is the current density of each cell.
  • the output unit 30 can calculate the human capture density variation using the human capture probability (P c ) in each cell and the current density (N i (t)) of each cell, which can be obtained through Equation 3 below.
  • N capture,i (t) is the human capture density variation, which is the population density variation captured by humans in each cell
  • P c is the probability of human capture in each cell
  • N i (t) is each cell is the current density of
  • the output unit 30 uses the population movement probability (R m ) between each cell, the current density of each cell (N i (t)), and the movement rate (h i / ⁇ k h k ) according to the environmental preference of each cell.
  • R m population movement probability
  • N i (t) current density of each cell
  • h i / ⁇ k h k movement rate
  • N moving,i (t) is the moving density variation, which is the population density variation moving from each cell
  • R m is the population moving probability, which is the probability of moving from each cell to another
  • N i (t) is each The current density of cell (i)
  • N j (t) is the current density of the neighboring cell (j).
  • j is all neighboring cells of cell (i)
  • k is all neighboring cells of neighboring cell (j)
  • h i / ⁇ k h k is the mobility rate according to the environmental preference of each cell
  • h i is the environment of cell (i).
  • the preference, h k is the environmental preference of the cell j.
  • -R m N i (t) may be a density shift moving from one cell to another, may be a density variation moving from a neighboring cell to a corresponding cell according to environmental preference.
  • the variation in the migration density of each cell may be determined depending on the population moving from the corresponding cell to another cell and the population moving from the neighboring cell.
  • the output unit 30 may output the population dispersion data using the derived total population density variation, and may output the population dispersion data according to the number of simulations.
  • the output unit 30 may provide the user with the population distribution data to predict the population distribution and spread changes and to enable appropriate management measures.
  • FIG. 2 is a flowchart illustrating a method for predicting population variance using an apparatus for predicting population variance based on a population variance simulation model according to an embodiment of the present invention
  • FIG. 3 is a flowchart sequentially illustrating steps S100 of FIG. 2
  • FIG. 4 is FIG. 3
  • It is an exemplary screen view showing the state in which the environmental data layer is input in step S110 of It is an exemplary screen view showing how raster data is generated
  • FIG. 7 is a screen exemplary view showing how population raster data is generated through step S200 of FIG. 2
  • FIG. 8 is a flowchart sequentially showing step S300 of FIG.
  • FIG. 9 is an exemplary screen view showing the state in which the population distribution data is output in step S320 of FIG. 8 .
  • the method for predicting population variance using the apparatus for predicting population variance based on a population variance simulation model may include a setting step (S100), a population insertion step (S200) and an output step (S300).
  • S100 setting step
  • S200 population insertion step
  • S300 output step
  • the population distribution prediction apparatus 1 may receive an environmental data layer based on the geographic information system and set a calculation area to generate raster data.
  • step S100 may include a condition input step S110 , a calculation area setting step S120 , and a rasterization step S130 .
  • the population distribution prediction apparatus 1 may receive an environmental data layer as shown in FIG. 4 based on the geographic information system. At this time, desired environmental conditions (eg, forests, water systems, etc.) are selected from the user, transformed into an environmental data layer, and then input can be received.
  • desired environmental conditions eg, forests, water systems, etc.
  • step S110 when there are a plurality of input environmental data layers, preference for each environmental factor according to the environmental data layer may be integrated to have one environmental preference per cell (spatial unit).
  • the calculation area may be set as shown in FIG. 5 by receiving coordinates or the like or setting a block (range) in the environment data layer to set the calculation area.
  • the rasterization step ( S130 ) may generate raster data as shown in FIG. 6 by rasterizing the input environment data layer according to the calculation area.
  • the population raster data may be generated as shown in FIG. 7 by inserting the initial population layer into the raster data.
  • population dispersion data may be output according to initial conditions and parameters using the population raster data.
  • the total population density variation may be derived through the initial conditions and parameters, and population variance data may be output using the derived total population density variation.
  • step S300 may include a condition input step S310 and a distributed data output step S320 .
  • an initial condition and parameters may be input.
  • the initial condition may be input by the user, but the apparatus for predicting population variance 1 may also be derived and set through population raster data.
  • parameters can be set by receiving input from the user.
  • the total population density variation may be derived through the initial conditions and parameters, and population dispersion data may be output using the derived total population density variation. Since the process has been described in detail in the above device, a detailed description thereof will be omitted.
  • the apparatus for predicting population distribution based on a population distribution simulation model according to an embodiment of the present invention and the method for predicting population distribution using the same consider the reproductive and migration mechanisms, which are the core of population dynamics, to achieve population distribution based on the diffusion mechanism. can be imitated

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법에 관한 것으로, 본 발명에 따르면, 개체군 분산 모사 모델 기반 개체군 분산 예측 장치에 있어서, 지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성하는 통합부; 상기 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성하는 삽입부 및 상기 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력하는 출력부를 포함하는 개체군 분산 예측 장치를 제공할 수 있다.

Description

개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법
본 발명은 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법에 관한 것으로, 개체군 동태의 핵심인 생식 및 이동 메커니즘을 고려하여 확산 기작에 의거해 개체군 분산을 모사함으로써, 개체군 분산과 확산 변화를 예측할 수 있고 적절한 관리대책이 가능하도록 하는 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법에 관한 것이다.
최근 기후 변화, 환경 교란 등으로 외래생물이 침입하여 생물다양성 훼손 및 질병 유발 등으로 인해 사회, 경제적 손실이 막심하여 대책이 시급한 상황이다.
그러나 외래생물 침입은 많은 요인이 관계되고 복잡하게 전개되므로 객관적인 예측이나 예후를 판단하기에 어려움이 있다.
또한 외래생물뿐 아니라, 멸종위기에 처한 야생동물, 유해조수에 이르기까지 개체군 분산과 확산 변화를 예측하여 객관적 관리대책을 적용하는 등 과학적 기술을 활용한 체계적 관리의 중요성이 높아지는 실정이다.
종래의 종 분포를 예측하는 모델들 중 통계 및 기계지능에 의한 서식처선호 및 종분포 모델 등은 자료 기반으로 지역에 따른 종의 분포를 예측하고 있어, 개체군 동태 기작을 고려하지 않으므로 개체군 분산 동태 예측에 한계가 있다.
이러한 문제를 해결하기 위하여, 기작을 고려하는 모델이 개발되었으나, 확산 방정식 등의 수학적인 공식에 의거하여 시공간에 대한 평균적인 값을 제공할 뿐, 공간명시적으로 각 장소에 대한 국소적 정보는 제공할 수 없는 한계가 있었다.
따라서 확산 기작을 고려한 모델을 통하여 객관적으로 개체군 분산 양상을 광역적으로 제시할 뿐만 아니라 국소적 정보도 동시에 제공하여 효과적으로 관리 대책을 수립하거나 모니터링할 수 있도록 하는 기술에 대한 개발이 필요하다.
종래의 기술로 한국등록특허 제10-0750749호(발명의 명칭: GIS를 이용한 식물자원 수량화 방법)이 공개되어 있다.
상기와 같은 문제를 해결하고자, 본 발명은 개체군 동태의 핵심인 생식 및 이동 메커니즘을 고려하여 확산 기작에 의거해 개체군 분산을 모사함으로써, 개체군 분산과 확산 변화를 예측할 수 있고 적절한 관리대책이 가능하도록 하는 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법을 제공하는데 목적이 있다.
상기와 같은 과제를 해결하기 위하여, 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치는 지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성하는 통합부; 상기 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성하는 삽입부 및 상기 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력하는 출력부를 포함하는 개체군 분산 예측 장치를 제공할 수 있다.
여기서, 상기 최초 조건은 상기 개체군 래스터 데이터에서 각 셀의 현재 밀도(Ni(t))이며, 상기 셀은 상기 개체군 래스터 데이터에서 설정된 공간적인 단위인 것을 특징으로 한다.
또한 상기 최초 조건에서 각 셀의 현재 밀도(Ni(t))는, 사용자에 의해 설정되거나, 상기 출력부로부터 상기 개체군 래스터 데이터를 통해 도출되는 것을 특징으로 한다.
또한 상기 파라메터는 개체군 증식율(rb), 개체군 사망률(rd), 각 셀의 수용최대밀도(K), 각 셀에서의 알리효과 역치(A), 각 셀에서의 인간포획확률(Pc), 각 셀간의 개체군 이동 확률(Rm) 및 각 셀의 환경선호성에 따른 이동율(hi/Σkhk) 중 하나 이상을 포함하는 것을 특징으로 한다.
한편, 상기 출력부는 상기 최초 조건과 파라메터를 통해 전체 개체군 밀도 변이를 도출하고, 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력하는 것을 특징으로 한다.
또한 상기 출력부는 상기 전체 개체군 밀도 변이를 각 셀에서 자연적인 개체군 밀도 변이, 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이인 인간포획 밀도 변이 및 각 셀에서 이동되는 개체군 밀도 변이인 이동 밀도 변이를 이용하여 도출하는 것을 특징으로 한다.
또한 상기 출력부는 상기 개체군 증식률(rb), 개체군 사망률(rd), 각 셀의 수용최대밀도(K), 각 셀에서의 알리효과 역치(A) 및 각 셀의 현재 밀도(Ni(t))를 이용하여 상기 자연적인 개체군 밀도 변이를 구하는 것을 특징으로 한다.
또한 상기 출력부는 상기 각 셀에서의 인간포획확률(Pc) 및 각 셀의 현재 밀도(Ni(t))를 이용하여 상기 인간포획 밀도 변이를 구하는 것을 특징으로 한다.
또한 상기 출력부는 상기 각 셀간의 개체군 이동 확률(Rm), 각 셀의 현재 밀도(Ni(t)) 및 각 셀의 환경선호성에 따른 이동율(hi/Σkhk)을 이용하여 상기 이동 밀도 변이를 구하는 것을 특징으로 한다.
또한 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법은 상기 개체군 분산 예측 장치가 지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성하는 설정단계; 상기 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성하는 개체군삽입단계 및 상기 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력하는 출력단계를 포함하는 개체군 분산 예측 방법을 제공할 수 있다.
또한 상기 출력단계는 상기 최초 조건과 파라메터를 통해 전체 개체군 밀도 변이를 도출하고, 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력하는 것을 특징으로 한다.
또한 상기 출력단계는 상기 전체 개체군 밀도 변이를 하기 수학식 1을 통해 도출하는 것을 특징으로 한다.
[수학식 1]
Figure PCTKR2022002019-appb-img-000001
(여기서, t는 시간, dNi(t)는 공간적인 단위인 셀(i)에서의 전체 개체군 밀도 변이, dNnatural,i(t)는 각 셀에서 자연적인 개체군 밀도 변이, dNcapture,i(t)는 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이인 인간포획 밀도 변이, dNmoving,i(t)는 각 셀에서 이동되는 개체군 밀도 변이인 이동 밀도 변이임)
또한 상기 출력단계는 상기 자연적인 개체군 밀도 변이를 하기 수학식 2를 통해 구하는 것을 특징으로 한다.
[수학식 2]
Figure PCTKR2022002019-appb-img-000002
(여기서, t는 시간, dNnatural,i(t)는 각 셀에서 자연적인 개체군 밀도 변이, rb는 개체군 증식률, rd는 개체군 사망률, K는 각 셀의 수용최대밀도, A는 각 셀에서의 알리효과 역치, Ni(t)는 각 셀의 현재 밀도임)
또한 상기 출력단계는 상기 인간포획 밀도 변이를 하기 수학식 3을 통해 구하는 것을 특징으로 한다.
[수학식 3]
Figure PCTKR2022002019-appb-img-000003
(여기서, t는 시간, dNcapture,i(t)는 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이인 인간포획 밀도 변이, Pc는 각 셀에서의 인간포획확률, Ni(t)는 각 셀의 현재 밀도임)
또한 상기 출력단계는 상기 이동 밀도 변이를 하기 수학식 4를 통해 구하는 것을 특징으로 한다.
[수학식 4]
Figure PCTKR2022002019-appb-img-000004
(여기서, t는 시간, dNmoving,i(t)는 각 셀에서 이동되는 개체군 밀도 변이인 이동 밀도 변이, Rm은 각 셀간의 개체군 이동 확률, Ni(t)는 각 셀(i)의 현재 밀도, Nj(t)는 이웃 셀(j)의 현재 밀도, j는 셀(i)의 모든 이웃 셀, k는 이웃 셀(j)의 모든 이웃 셀, hi/Σkhk는 각 셀의 환경선호성에 따른 이동율, hi는 셀(i)의 환경 선호성, hk는 셀(j)의 환경 선호성임)
상기와 같은 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법은 개체군 동태의 핵심인 생식 및 이동 메커니즘을 고려하여 확산 기작에 의거해 개체군 분산을 모사할 수 있다.
이에 외래생물뿐 아니라 멸종위기에 처한 야생동물, 유해조수에 이르기까지 개체군 분산과 확산 변화를 예측할 수 있고 적절한 관리대책이 가능하도록 할 수 있다.
또한 각 위치에 대해 국소적으로 기작 규칙을 제시 한 후 다시 종합함으로써, 공간명시적으로 각 장소에 대한 국소적 정보를 제공함과 동시에 개체군 전체의 분산 양태에 대한 광역적 정보도 제공할 수 있다.
또한 기작에 의거하므로 가상증강현실 구현에 용이하며, 실제 침입에 고려될 수 있는 알리효과, 개체군 수용한도, 공간적 이동율과 함께 인간의 포획효과를 동시에 고려하기 때문에, 생태적 현실성과 관리효과를 최대한 반영할 수 있다.
도 1은 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 도시한 블록도.
도 2는 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법을 나타낸 흐름도.
도 3은 도 2의 S100 단계를 순차적으로 나타낸 흐름도.
도 4는 도 3의 S110 단계에서 환경자료 레이어가 입력된 모습을 나타낸 화면예시도.
도 5는 도 3의 S120 단계를 통해 계산 영역이 설정된 모습을 나타낸 화면예시도.
도 6은 도 3의 S130 단계를 통해 래스터 데이터가 생성된 모습을 나타낸 화면예시도.
도 7은 도 2의 S200 단계를 통해 개체군 래스터 데이터가 생성된 모습을 나타낸 화면예시도.
도 8은 도 2의 S300 단계를 순차적으로 나타낸 흐름도.
도 9는 도 8의 S320 단계에서 개체군 분산 데이터가 출력된 모습을 나타낸 화면예시도.
본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치는 지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성하는 통합부; 상기 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성하는 삽입부 및 상기 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력하는 출력부를 포함하는 개체군 분산 예측 장치를 제공할 수 있다.
본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법은 상기 개체군 분산 예측 장치가 지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성하는 설정단계; 상기 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성하는 개체군삽입단계 및 상기 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력하는 출력단계를 포함하는 개체군 분산 예측 방법을 제공할 수 있다.
이하, 도면을 참조한 본 발명의 설명은 특정한 실시 형태에 대해 한정되지 않으며, 다양한 변환을 가할 수 있고 여러 가지 실시예를 가질 수 있다. 또한, 이하에서 설명하는 내용은 본 발명의 사상 및 기술 범위에 포함되는 모든 변환, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
이하의 설명에서 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용되는 용어로서, 그 자체에 의미가 한정되지 아니하며, 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
본 명세서 전체에 걸쳐 사용되는 동일한 참조번호는 동일한 구성요소를 나타낸다.
본 발명에서 사용되는 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 또한, 이하에서 기재되는 "포함하다", "구비하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것으로 해석되어야 하며, 하나 또는 그 이상의 다른 특징들이나, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
또한, 명세서에 기재된 "…부", "…기", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어나 소프트웨어 또는 하드웨어 및 소프트웨어의 결합으로 구현될 수 있다.
본 발명에서 장치 및 방법은 유선통신망을 통해 통신하는 컴퓨터 등의 단말기에서 제공됨이 바람직하나, 무선통신망을 통해 통신하는 태블릿 등을 포함하는 이동통신 단말기에서도 제공될 수 있다.
이하, 첨부된 도면을 참조하여 본 발명의 실시 예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법을 상세히 살펴보기로 한다.
도 1은 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 도시한 블록도이다.
도 1을 참조하면, 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치(1)는 통합부(10), 삽입부(20) 및 출력부(30)를 포함할 수 있다.
통합부(10)는 지리정보시스템(Geographic Information System, GIS)을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성할 수 있다.
상기 지리정보시스템(Geographic Information System, GIS)은 최근 사이버 국토 관리라는 일명아래 분포의 특성을 가진 모든 공간적 형상의 지리정보를 처리하고, 이를 수치화하여 지도 상에 기입함으로써 관리할 수 있도록 구현된 시스템이다.
여기서 통합부(10)는 입력된 환경자료 레이어가 다수일 경우, 환경자료 레이어에 따른 각 환경 요인에 대한 선호성을 통합시켜 셀(공간 단위) 당 하나의 환경 선호성을 가지도록 처리할 수 있다.
이때 환경자료 레이어는 셀(공간 단위) 당 해당 환경 요인의 선호성를 포함할 수 있다.
예를 들어, 입력된 환경자료 레이어에 따라 수계와 산림이 환경 요인이 되고, 하나의 셀에서 해당 개체군에 대한 수계와 산림의 선호성은 각각 1.0, 0이라고 한다면, 해당 셀의 환경 선호성은 (1.0+0.0)/2로 계산되어 0.5가 될 수 있다.
또한 통합부(10)는 환경 선호성을 계산할 시, 각 환경요인의 선호성에 가중치를 부여할 수 있는데 래스터 또는 래스터 계산기 등을 이용하여 가중치를 부여할 수 있다.
삽입부(20)는 통합부(10)에서 생성된 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성할 수 있다.
최초 개체군 레이어는 외래생물뿐 아니라 멸종위기에 처한 야생동물, 유해조수 등의 개체군에 대한 정보일 수 있다.
출력부(30)는 삽입부(20)에서 생성된 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력할 수 있다. 이에 개체군 분산과 확산 변화를 예측하여 적절한 관리대책이 가능하도록 할 수 있다.
여기서, 최초 조건은 개체군 래스터 데이터에서 각 셀(i)의 현재 밀도(Ni(t))이며, 셀(i)은 개체군 래스터 데이터에서 설정된 공간적인 단위일 수 있다.
시간(t)의 변화에 따른 각 셀의 현재 밀도는 하기 수학식 5와 같이 정의 될 수 있다.
[수학식 5]
Figure PCTKR2022002019-appb-img-000005
이러한 각 셀의 현재 밀도(Ni(t))는 사용자에 의해 설정되거나, 출력부(30)가 개체군 래스터 데이터를 통해 도출하여 설정할 수도 있다.
또한 파라메터는 개체군 증식율(rb), 개체군 사망률(rd), 각 셀의 수용최대밀도(K), 각 셀에서의 알리효과 역치(A), 각 셀에서의 인간포획확률(Pc), 각 셀간의 개체군 이동 확률(Rm) 및 각 셀의 환경선호성에 따른 이동율(hi/Σkhk) 중 하나 이상을 포함할 수 있고, 모두 포함하는 것이 바람직하나, 이에 한정되지는 않는다.
각 셀간의 개체군 이동 확률(Rm)은 각 셀에서 다른 셀로 이동하는 확률이고, 각 셀의 환경선호성에 따른 이동율(hi/Σkhk)은 이웃 셀로부터 환경선호성에 따라 이동해 오는 비율이다.
이러한 파라메터는 사용자로부터 입력받아 설정될 수 있다.
출력부(30)는 상기와 같은 최초 조건과 파라메터를 통해 개체군 분산 데이터를 획득함으로서, 실제 침입에 고려될 수 있는 요인들을 적용하여 생태적 현실성과 관리효과를 최대한 반영할 수 있다.
구체적으로, 출력부(30)는 최초 조건과 파라메터를 통해 전체 개체군 밀도 변이를 도출하고, 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력할 수 있다.
여기서 출력부(30)는 전체 개체군 밀도 변이를 각 셀에서 자연적인 개체군 밀도 변이, 인간포획 밀도 변이 및 이동 밀도 변이를 이용하여 도출할 수 있는데, 하기 수학식 1을 통해 도출할 수 있다.
[수학식 1]
Figure PCTKR2022002019-appb-img-000006
여기서, t는 시간, dNi(t)는 공간적인 단위인 셀(i)에서의 전체 개체군 밀도 변이, dNnatural,i(t)는 각 셀에서 자연적인 개체군 밀도 변이, dNcapture,i(t)는 인간포획 밀도 변이, dNmoving,i(t)는 이동 밀도 변이이다.
인간포획 밀도 변이(dNcapture,i(t))는 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이일 수 있고, 이동 밀도 변이(dNmoving,i(t))는 각 셀에서 다른 셀로 이동하는 개체군 밀도 변이일 수 있다.
또한 출력부(30)는 전체 개체군 밀도 변이를 도출하는데 사용되는 각 셀에서 자연적인 개체군 밀도 변이를 개체군 증식률(rb), 개체군 사망률(rd), 각 셀의 수용최대밀도(K), 각 셀에서의 알리효과 역치(A) 및 각 셀의 현재 밀도(Ni(t))를 이용하여 구할 수 있다.
보다 구체적으로, 수학식 2를 통해 구할 수 있다.
[수학식 2]
Figure PCTKR2022002019-appb-img-000007
여기서, t는 시간, dNnatural,i(t)는 각 셀에서 자연적인 개체군 밀도 변이, rb는 개체군 증식률, rd는 개체군 사망률, K는 각 셀의 수용최대밀도, A는 각 셀에서의 알리효과 역치, Ni(t)는 각 셀의 현재 밀도이다.
또한 출력부(30)는 각 셀에서의 인간포획확률(Pc) 및 각 셀의 현재 밀도(Ni(t))를 이용하여 인간포획 밀도 변이를 구할 수 있는데, 하기 수학식 3을 통해 구할 수 있다.
[수학식 3]
Figure PCTKR2022002019-appb-img-000008
여기서, t는 시간, dNcapture,i(t)는 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이인 인간포획 밀도 변이, Pc는 각 셀에서의 인간포획확률, Ni(t)는 각 셀의 현재 밀도이다.
또한 출력부(30)는 각 셀간의 개체군 이동 확률(Rm), 각 셀의 현재 밀도(Ni(t)) 및 각 셀의 환경선호성에 따른 이동율(hi/Σkhk)을 이용하여 하기 수학식 4와 같이 이동 밀도 변이를 구할 수 있다.
[수학식 4]
Figure PCTKR2022002019-appb-img-000009
여기서, t는 시간, dNmoving,i(t)는 각 셀에서 이동되는 개체군 밀도 변이인 이동 밀도 변이, Rm은 각 셀에서 다른 셀로 이동하는 확률인 개체군 이동 확률, Ni(t)는 각 셀(i)의 현재 밀도, Nj(t)는 이웃 셀(j)의 현재 밀도이다.
또한 j는 셀(i)의 모든 이웃 셀, k는 이웃 셀(j)의 모든 이웃 셀, hi/Σkhk는 각 셀의 환경선호성에 따른 이동율, hi는 셀(i)의 환경 선호성, hk는 셀(j)의 환경 선호성이다.
이에 -RmNi(t)는 해당 셀에서 다른 셀로 이동하는 밀도 변이일 수 있으며,
Figure PCTKR2022002019-appb-img-000010
는 환경선호성에 따라 이웃 셀로부터 해당 셀로 이동해 오는 밀도 변이일 수 있다.
이와 같이 각 셀의 이동 밀도 변이는 해당 셀에서 다른 셀로 이동하는 개체군과 이웃 셀에서 이동해 오는 개체군에 따라 결정될 수 있다.
이에 출력부(30)는 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력할 수 있는데, 모사횟수에 따라 개체군 분산 데이터를 출력할 수 있다.
이와 같이 출력부(30)는 개체군 분산 데이터를 사용자에게 제공하여 개체군 분산과 확산 변화를 예측할 수 있고 적절한 관리대책이 가능하도록 할 수 있다.
이러한 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법에 대하여 하기에서 구체적으로 설명하기로 한다.
도 2는 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법을 나타낸 흐름도이고, 도 3은 도 2의 S100 단계를 순차적으로 나타낸 흐름도이고, 도 4는 도 3의 S110 단계에서 환경자료 레이어가 입력된 모습을 나타낸 화면예시도이고, 도 5는 도 3의 S120 단계를 통해 계산 영역이 설정된 모습을 나타낸 화면예시도이고, 도 6은 도 3의 S130 단계를 통해 래스터 데이터가 생성된 모습을 나타낸 화면예시도이고, 도 7은 도 2의 S200 단계를 통해 개체군 래스터 데이터가 생성된 모습을 나타낸 화면예시도이고, 도 8은 도 2의 S300 단계를 순차적으로 나타낸 흐름도이며, 도 9는 도 8의 S320 단계에서 개체군 분산 데이터가 출력된 모습을 나타낸 화면예시도이다.
도 2를 참조하면, 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법은 설정단계(S100), 개체군삽입단계(S200) 및 출력단계(S300)를 포함할 수 있다.
먼저, 설정단계(S100)는 개체군 분산 예측 장치(1)가 지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성할 수 있다.
도 3을 참조하면, S100 단계는 조건입력단계(S110), 계산영역설정단계(S120) 및 래스터화단계(S130)를 포함할 수 있다.
조건입력단계(S110)는 개체군 분산 예측 장치(1)가 지리정보시스템을 기반으로 도 4와 같이 환경자료 레이어를 입력받을 수 있다. 이때 사용자로부터 원하는 환경조건(예, 산림, 수계 등)을 선택받아 환경자료 레이어로 변형한 후 입력받을 수 있다.
또한 S110 단계는 입력된 환경자료 레이어가 다수일 경우, 환경자료 레이어에 따른 각 환경 요인에 대한 선호성을 통합시켜 셀(공간 단위) 당 하나의 환경 선호성을 가지도록 처리할 수 있다.
계산영역설정단계(S120)는 좌표 등을 입력받거나 환경자료 레이어에서 블록(범위)을 설정하는 것으로 계산 영역을 설정 받아 도 5와 같이 계산 영역이 설정될 수 있다.
래스터화단계(S130)는 계산 영역에 따라 입력된 환경자료 레이어를 래스터화하여 도 6과 같이 래스터 데이터를 생성할 수 있다.
개체군삽입단계(S200)는 래스터 데이터에 최초 개체군 레이어를 삽입하여 도 7과 같이 개체군 래스터 데이터를 생성할 수 있다.
출력단계(S300)는 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력할 수 있다.
S300 단계는 최초 조건과 파라메터를 통해 전체 개체군 밀도 변이를 도출하고, 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력할 수 있다.
도 8을 참조하면, S300 단계는 조건입력단계(S310) 및 분산데이터출력단계(S320)를 포함할 수 있다.
조건입력단계(S310)는 최초 조건과 파라메터를 입력받을 수 있다. 이때, 최초 조건은 사용자에게 입력받을 수 있으나, 개체군 분산 예측 장치(1)가 개체군 래스터 데이터를 통해 도출하여 설정할 수도 있다. 또한 파라메터도 사용자에게 입력받아 설정될 수 있다.
분산데이터출력단계(S320)는 최초 조건과 파라메터를 통해 전체 개체군 밀도 변이를 도출하고, 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력할 수 있다. 이루어지는 과정에 대해서는 상기 장치에서 구체적으로 설명하였으므로, 자세한 설명은 생략하기로 한다.
상기에서 설명한 바와 같이, 본 발명의 실시예에 따른 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법은 개체군 동태의 핵심인 생식 및 이동 메커니즘을 고려하여 확산 기작에 의거해 개체군 분산을 모사할 수 있다.
이에 외래생물뿐 아니라 멸종위기에 처한 야생동물, 유해조수에 이르기까지 개체군 분산과 확산 변화를 예측할 수 있고 적절한 관리대책이 가능하도록 할 수 있다.
또한 각 위치에 대해 국소적으로 기작 규칙을 제시 한 후 다시 종합함으로써, 공간명시적으로 각 장소에 대한 국소적 정보를 제공함과 동시에 개체군 전체의 분산 양태에 대한 광역적 정보도 제공할 수 있다.
또한 기작에 의거하므로 가상증강현실 구현에 용이하며, 실제 침입에 고려될 수 있는 알리효과, 개체군 수용한도, 공간적 이동율과 함께 인간의 포획효과를 동시에 고려하기 때문에, 생태적 현실성과 관리효과를 최대한 반영할 수 있다.
이상으로 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였으나, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고 다른 구체적인 형태로 실시할 수 있다는 것을 이해할 수 있을 것이다. 따라서 이상에서 기술한 실시예는 모든 면에서 예시적인 것이며 한정적이 아닌 것이다.

Claims (15)

  1. 개체군 분산 모사 모델 기반 개체군 분산 예측 장치에 있어서,
    지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성하는 통합부;
    상기 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성하는 삽입부 및
    상기 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력하는 출력부를 포함하는 개체군 분산 예측 장치.
  2. 제1항에 있어서,
    상기 최초 조건은,
    상기 개체군 래스터 데이터에서 각 셀의 현재 밀도(Ni(t))이며,
    상기 셀은,
    상기 개체군 래스터 데이터에서 설정된 공간적인 단위인 것을 특징으로 하는 개체군 분산 예측 장치.
  3. 제2항에 있어서,
    상기 최초 조건에서 각 셀의 현재 밀도(Ni(t))는,
    사용자에 의해 설정되거나, 상기 출력부로부터 상기 개체군 래스터 데이터를 통해 도출되는 것을 특징으로 하는 개체군 분산 예측 장치.
  4. 제1항에 있어서,
    상기 파라메터는,
    개체군 증식율(rb), 개체군 사망률(rd), 각 셀의 수용최대밀도(K), 각 셀에서의 알리효과 역치(A), 각 셀에서의 인간포획확률(Pc), 각 셀간의 개체군 이동 확률(Rm) 및 각 셀의 환경선호성에 따른 이동율(hi/Σkhk) 중 하나 이상을 포함하는 것을 특징으로 하는 개체군 분산 예측 장치.
  5. 제4항에 있어서,
    상기 출력부는,
    상기 최초 조건과 파라메터를 통해 전체 개체군 밀도 변이를 도출하고, 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력하는 것을 특징으로 하는 개체군 분산 예측 장치.
  6. 제5항에 있어서,
    상기 출력부는,
    상기 전체 개체군 밀도 변이를 각 셀에서 자연적인 개체군 밀도 변이, 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이인 인간포획 밀도 변이 및 각 셀에서 이동되는 개체군 밀도 변이인 이동 밀도 변이를 이용하여 도출하는 것을 특징으로 하는 개체군 분산 예측 장치.
  7. 제6항에 있어서,
    상기 출력부는,
    상기 개체군 증식률(rb), 개체군 사망률(rd), 각 셀의 수용최대밀도(K), 각 셀에서의 알리효과 역치(A) 및 각 셀의 현재 밀도(Ni(t))를 이용하여 상기 자연적인 개체군 밀도 변이를 구하는 것을 특징으로 하는 개체군 분산 예측 장치.
  8. 제6항에 있어서,
    상기 출력부는,
    상기 각 셀에서의 인간포획확률(Pc) 및 각 셀의 현재 밀도(Ni(t))를 이용하여 상기 인간포획 밀도 변이를 구하는 것을 특징으로 하는 개체군 분산 예측 장치.
  9. 제6항에 있어서,
    상기 출력부는,
    상기 각 셀간의 개체군 이동 확률(Rm), 각 셀의 현재 밀도(Ni(t)) 및 각 셀의 환경선호성에 따른 이동율(hi/Σkhk)을 이용하여 상기 이동 밀도 변이를 구하는 것을 특징으로 하는 개체군 분산 예측 장치.
  10. 개체군 분산 모사 모델 기반 개체군 분산 예측 장치를 이용한 개체군 분산 예측 방법에 있어서,
    상기 개체군 분산 예측 장치가 지리정보시스템을 기반으로 환경자료 레이어를 입력받고 계산 영역을 설정받아 래스터 데이터를 생성하는 설정단계;
    상기 래스터 데이터에 최초 개체군 레이어를 삽입하여 개체군 래스터 데이터를 생성하는 개체군삽입단계 및
    상기 개체군 래스터 데이터를 이용하여 최초 조건과 파라메터에 따라 개체군 분산 데이터를 출력하는 출력단계를 포함하는 개체군 분산 예측 방법.
  11. 제10항에 있어서,
    상기 출력단계는,
    상기 최초 조건과 파라메터를 통해 전체 개체군 밀도 변이를 도출하고, 도출된 전체 개체군 밀도 변이를 이용하여 개체군 분산 데이터를 출력하는 것을 특징으로 하는 개체군 분산 예측 방법.
  12. 제11항에 있어서,
    상기 출력단계는,
    상기 전체 개체군 밀도 변이를 하기 수학식 1을 통해 도출하는 것을 특징으로 하는 개체군 분산 예측 방법.
    [수학식 1]
    Figure PCTKR2022002019-appb-img-000011
    (여기서, t는 시간, dNi(t)는 공간적인 단위인 셀(i)에서의 전체 개체군 밀도 변이, dNnatural,i(t)는 각 셀에서 자연적인 개체군 밀도 변이, dNcapture,i(t)는 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이인 인간포획 밀도 변이, dNmoving,i(t)는 각 셀에서 이동되는 개체군 밀도 변이인 이동 밀도 변이임)
  13. 제12항에 있어서,
    상기 출력단계는,
    상기 자연적인 개체군 밀도 변이를 하기 수학식 2를 통해 구하는 것을 특징으로 하는 개체군 분산 예측 방법.
    [수학식 2]
    Figure PCTKR2022002019-appb-img-000012
    (여기서, t는 시간, dNnatural,i(t)는 각 셀에서 자연적인 개체군 밀도 변이, rb는 개체군 증식률, rd는 개체군 사망률, K는 각 셀의 수용최대밀도, A는 각 셀에서의 알리효과 역치, Ni(t)는 각 셀의 현재 밀도임)
  14. 제12항에 있어서,
    상기 출력단계는,
    상기 인간포획 밀도 변이를 하기 수학식 3을 통해 구하는 것을 특징으로 하는 개체군 분산 예측 방법.
    [수학식 3]
    Figure PCTKR2022002019-appb-img-000013
    (여기서, t는 시간, dNcapture,i(t)는 각 셀에서 인간에 의해 포획되는 개체군 밀도 변이인 인간포획 밀도 변이, Pc는 각 셀에서의 인간포획확률, Ni(t)는 각 셀의 현재 밀도임)
  15. 제12항에 있어서,
    상기 출력단계는,
    상기 이동 밀도 변이를 하기 수학식 4를 통해 구하는 것을 특징으로 하는 개체군 분산 예측 방법.
    [수학식 4]
    Figure PCTKR2022002019-appb-img-000014
    (여기서, t는 시간, dNmoving,i(t)는 각 셀에서 이동되는 개체군 밀도 변이인 이동 밀도 변이, Rm은 각 셀간의 개체군 이동 확률, Ni(t)는 각 셀(i)의 현재 밀도, Nj(t)는 이웃 셀(j)의 현재 밀도, j는 셀(i)의 모든 이웃 셀, k는 이웃 셀(j)의 모든 이웃 셀, hi/Σkhk는 각 셀의 환경선호성에 따른 이동율, hi는 셀(i)의 환경 선호성, hk는 셀(j)의 환경 선호성임)
PCT/KR2022/002019 2021-03-17 2022-02-10 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법 WO2022196945A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2021-0034885 2021-03-17
KR1020210034885A KR102297195B1 (ko) 2021-03-17 2021-03-17 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법

Publications (1)

Publication Number Publication Date
WO2022196945A1 true WO2022196945A1 (ko) 2022-09-22

Family

ID=77779827

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/002019 WO2022196945A1 (ko) 2021-03-17 2022-02-10 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법

Country Status (2)

Country Link
KR (1) KR102297195B1 (ko)
WO (1) WO2022196945A1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102297195B1 (ko) * 2021-03-17 2021-09-01 국립생태원 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법
CN114138926B (zh) * 2022-01-27 2022-05-10 中国测绘科学研究院 一种人口分布格网大小确定方法及系统
KR102646407B1 (ko) * 2022-04-21 2024-03-11 고려대학교 산학협력단 생태계 멸종 위험 진단 시스템 및 이의 동작방법

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20080088011A (ko) * 2007-03-28 2008-10-02 한국화학연구원 통합환경관리를 위한 위해성 예측 시스템 및 방법, 그리고이 방법을 구현할 수 있는 컴퓨터 판독 가능한 프로그램이기록된 기록매체
KR20100093155A (ko) * 2009-02-16 2010-08-25 유빈스 주식회사 환경정보 제공 시스템
KR20110114285A (ko) * 2010-04-13 2011-10-19 한국지질자원연구원 지리정보시스템 및 확률기법을 이용한 갯벌 저서생물 분포 예측시스템 및 이를 이용한 갯벌 저서생물 분포 예측방법
KR20120054985A (ko) * 2010-11-22 2012-05-31 한국과학기술원 단일 차원 군집 분석의 분산처리를 이용한 대용량 데이터의 군집 분석 시스템, 방법 및 이를 위한 기록 매체
US20200218742A1 (en) * 2005-10-12 2020-07-09 Google Llc Entity Display Priority in a Distributed Geographic Information System
KR102297195B1 (ko) * 2021-03-17 2021-09-01 국립생태원 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20200218742A1 (en) * 2005-10-12 2020-07-09 Google Llc Entity Display Priority in a Distributed Geographic Information System
KR20080088011A (ko) * 2007-03-28 2008-10-02 한국화학연구원 통합환경관리를 위한 위해성 예측 시스템 및 방법, 그리고이 방법을 구현할 수 있는 컴퓨터 판독 가능한 프로그램이기록된 기록매체
KR20100093155A (ko) * 2009-02-16 2010-08-25 유빈스 주식회사 환경정보 제공 시스템
KR20110114285A (ko) * 2010-04-13 2011-10-19 한국지질자원연구원 지리정보시스템 및 확률기법을 이용한 갯벌 저서생물 분포 예측시스템 및 이를 이용한 갯벌 저서생물 분포 예측방법
KR20120054985A (ko) * 2010-11-22 2012-05-31 한국과학기술원 단일 차원 군집 분석의 분산처리를 이용한 대용량 데이터의 군집 분석 시스템, 방법 및 이를 위한 기록 매체
KR102297195B1 (ko) * 2021-03-17 2021-09-01 국립생태원 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법

Also Published As

Publication number Publication date
KR102297195B1 (ko) 2021-09-01

Similar Documents

Publication Publication Date Title
WO2022196945A1 (ko) 개체군 분산 모사 모델 기반 개체군 분산 예측 장치 및 이를 이용한 개체군 분산 예측 방법
WO2020180084A1 (ko) 타겟 이미지의 채색 완성 방법, 장치 및 컴퓨터 프로그램
WO2019172546A1 (en) Electronic apparatus and control method thereof
WO2020159034A1 (ko) 인공지능 기반 설계풍속 자동 산정 방법 및 시스템
WO2020017871A1 (ko) 영상 처리 장치 및 그 동작방법
WO2020114184A1 (zh) 联合建模方法、装置、设备以及计算机可读存储介质
WO2012091326A2 (ko) 고유식별 정보를 이용한 3차원 실시간 거리뷰시스템
WO2022050532A1 (ko) 인공지능 신경망을 이용한 고해상도 음원지도 취득 및 분석방법 및 시스템
WO2020091207A1 (ko) 이미지의 채색 완성 방법, 장치 및 컴퓨터 프로그램과 인공 신경망 학습 방법, 장치 및 컴퓨터 프로그램
WO2020101434A1 (ko) 영상의 리타겟팅을 위한 영상 처리 장치 및 방법
WO2023171981A1 (ko) 감시카메라 관리 장치
WO2023214624A1 (ko) 파티셔닝을 이용한 심층 강화학습 기반의 집적회로 설계 시스템 및 방법
WO2020071618A1 (ko) 엔트로피 기반 신경망 부분학습 방법 및 시스템
WO2022146050A1 (ko) 우울증 진단을 위한 인공지능 연합학습 방법 및 시스템
WO2023177108A1 (en) Method and system for learning to share weights across transformer backbones in vision and language tasks
WO2023113252A1 (ko) 디지털 트윈 모델을 도출하는 장치, 방법 및 컴퓨터 프로그램
WO2022102982A1 (ko) 사용자 참여 기반의 인공 지능 서비스 방법 및 이러한 방법을 수행하는 장치
WO2023027283A1 (ko) 클라우드 로봇 제어 개발을 위한 시뮬레이션 시스템 및 그 방법
WO2019124602A1 (ko) 객체 추적 방법 및 이를 수행하는 장치들
WO2021177567A1 (en) System and method for image color management
WO2020222373A1 (ko) 실내 측위 장치 및 방법
WO2020231215A1 (ko) 복수의 디바이스를 이용하여 증강 현실 객체가 포함된 콘텐츠를 제공하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체
WO2023214795A1 (ko) 상용망 기지국 데이터 기반 디지털 트윈 구축 전자 장치 및 방법
WO2022045526A1 (ko) 정규화된 합성곱 신경망 시스템 및 합성곱 신경망 정규화 방법
WO2021095961A1 (ko) Ptz 카메라 제어 장치 및 그 방법

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22771611

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 22771611

Country of ref document: EP

Kind code of ref document: A1