갯벌 복원에 활용될 수 있는 생태학적 회복 기술

초록

최근 해양 생태계의 복원 유형은 크게 (1) 자연 회복, (2) 인위적 간섭, (3) 스트레스 요인에 대한 인위적 조치 (4) 서식처 기능 강화 및 창출 등으로 구분할 수 있으며, 적극적인 조치가 취해지는 복원 유형은 세 번째로 이때 행해지는 remedial measures는 주로 물리적 구조의 변경, 하수 처리시설 강화, 인위적인 산소 공급(bubbler 설치) 등이다. 따라서 해외의 해양 서식처, 특히 갯벌 복원은 물리적, 화학적 물질의 유입을 제어하고 물리적 구조의 개선을 통해 해수의 순환을 강화하기 위한 방향으로 행해지고 있음을 엿볼 수 있다. 본 논문은 이와 같은 기술의 하나라 할 수 있는, 생태계 모델을 활용한 degradation 원인의 추정기술에 대한 것이다. 일반적으로 오염에 대한 진단은 오염물질의 농도 측정에 의존하나, 오염물질에 특이적으로 반응하는 생물학적 metrics(예를 들어, 출현 종수, 다모류의 개체당 평균 생체량, 다모류/단각류 비율 등)의 변동을 이해한다면, 이들의 반응으로부터 오염물질의 농도를 예측하는 것이 가능하며, 이를 통해degradation의 원인을 추정할 수 있게 된다. 이를 위해 국외에서 대형저서동물 군집을 대상으로 활용된 metrics를 바탕으로 2008-2010년의 기간동안 퇴적물 TOC와 AVS가 측정된 323개의 갯벌 저서동물 군집과 2개 은닉층과 각 은닉층 별 상, 하 4개의 processing elements를 갖춘 구조의 신경망을 화용하여 부영양화 수준을 예측하는 모형을 진단, 추정하였다. 모형의 훈련, 교차타당성 검토, 검증 과정에서 모두 r=0.5~0.6(p<0.001)의 상관 관계가 추정되었으며, 건강성 평가 지수(ISEP, KBQI), 습중량, 단각류 밀도 등이 부영양화의 변동에 높은 기여도를 갖는 것으로 나타났고, 스트레스 수준에 대한 metrics의 변화 패턴 역시 기존의 가설/예측과 일치하는 것으로 나타나, 이와 같은 모형의 활용이 가능한 것으로 볼 수 있었다.