생물다양성 측정의 현재 과제

수십 년에 걸친 생태학 연구와 날로 정교해지는 기술에도 불구하고, 생물다양성 측정은 지구상의 생명을 효과적으로 모니터링하고 보전하는 역량을 제한하는 중대한 과제에 직면해 있다. 이러한 과제는 기술적·조직적·인식론적 영역에 걸쳐 있으며, 전 지구적 보전 노력에 필요한 포괄적이고 표준화된 접근을 가로막는 장벽이 된다. 이러한 장애물을 이해하는 것은 WIA 생물다양성 지수 표준이 왜 그토록 중요한 진전인지를 파악하는 데 필수적이다.

데이터 파편화와 비호환성

생물다양성 과학에서 가장 광범위한 과제는 아마도 수많은 기관, 데이터베이스, 형식에 걸친 데이터 파편화일 것이다. 연구자, 보전 단체, 정부 기관, 시민 과학 프로젝트 모두가 가치 있는 생물다양성 데이터를 수집하지만, 이러한 데이터셋은 흔히 조직별 사일로에 고립된 채 남아 있다.

사일로 문제

인도네시아의 열대림 모니터링 프로젝트는 브라질의 유사한 프로젝트와 완전히 다른 데이터 구조를 사용할 수 있다. 대학 연구자는 자신의 특정 분석에 맞춘 형식의 스프레드시트에 데이터를 저장하고, 정부 기관은 과학적 종합보다는 규제 준수를 위해 설계된 데이터베이스를 운영한다. 원주민 공동체는 여러 세대에 걸친 전통 생태 지식을 보유하고 있지만, 이 정보가 공식 과학 데이터셋과 통합되는 경우는 드물다.

이러한 파편화는 심각한 결과를 낳는다. 보전 계획가가 여러 지역에 걸쳐 생물다양성을 평가해야 할 때, 서로 다른 출처의 데이터를 통합하는 일은 엄청난 작업이 된다. 연구자는 데이터를 분석하는 것보다 형식을 다시 맞추고 표준화하는 데 더 많은 시간을 쓴다. 전 지구적 패턴을 드러낼 수 있는 메타분석은 서로 다른 프로토콜로 수집되어 호환되지 않는 형식으로 저장된 데이터셋을 조화시키기 위해 막대한 노력을 요구한다.

분류학적 불일치

데이터 형식이 일치하더라도 분류학적 견해 차이가 통합의 걸림돌이 된다. 분류학 권위 기관마다 인정하는 종의 수가 다르거나, 서로 다른 학명을 사용하거나, 분류 계층을 다르게 구성할 수 있다. 한 분류 체계에서 유효한 종으로 인정되는 조류가 다른 체계에서는 아종으로 간주될 수도 있다.

방법론적 불일치

데이터 형식 문제를 넘어, 생물다양성을 측정하는 방식의 근본적인 차이가 비교 가능성 문제를 낳는다. 같은 생태계를 연구하는 두 연구자가 단지 방법론적 선택의 차이만으로 극적으로 다른 다양성 추정치를 산출할 수 있다.

표본 추출 노력의 편차

생물다양성 추정치는 표본 추출 노력, 즉 관찰자가 현장에서 얼마나 오래 머무는지, 얼마나 많은 표본을 수집하는지, 어떤 방법을 쓰는지에 매우 민감하다. 30분 동안 수행한 조류 조사는 3시간 동안 수행한 조사보다 적은 종을 탐지한다. 48시간 동안 설치해 둔 함정 트랩은 24시간 후에 확인한 트랩보다 더 많은 곤충을 포획한다.

표준화된 표본 추출 프로토콜이 없으면 연구 간 다양성 비교에 문제가 생긴다. 연구자들은 서로 다른 표본 크기를 통계적으로 보정하기 위해 희박화(rarefaction) 기법을 개발했지만, 이러한 접근법에는 한계가 있으며 근본적으로 다른 표본 추출 전략을 완전히 보정할 수는 없다.

관찰자 편향과 전문성

종 식별에는 전문성이 필요하며, 전문가의 가용성은 지역과 분류군에 따라 다르다. 같은 장소에서도 숙련된 조류학자는 초보 관찰자보다 훨씬 많은 종을 탐지하고 식별한다. 서로 비슷하게 생긴 은밀종(cryptic species)의 경우, 정밀한 검사나 유전 분석 없이는 전문가 사이에서도 식별 결과가 엇갈릴 수 있다.

이러한 전문성 격차는 체계적 편향을 만든다. 전문가가 풍부하고 연구가 잘 된 지역은 과학 역량이 제한된 외딴 지역보다 더 풍부하고 정확한 데이터셋을 생산한다. 카리스마 있는 대형 동물은 무척추동물, 균류, 미생물에 비해 불균형적으로 많은 관심을 받으며, 이는 전체 생물다양성에 대한 우리의 이해를 왜곡한다.

시간적 불일치

많은 생물다양성 연구는 장기 모니터링이 아니라 한 시점의 스냅숏을 제공하는 일회성 조사이다. 반복 표본 추출을 하는 연구도 시간 간격이 일정하지 않은 경우가 많다. 몇 해는 연례 조사를 하다가 공백이 생기고, 이후 분기별 모니터링을 하는 식이어서 통계적으로 분석하기 어려운 불규칙한 시계열이 만들어진다.

계절적 시기 또한 매우 중요하다. 번식기가 절정인 봄에 조사한 숲은 많은 종이 부재하거나 활동하지 않는 겨울에 조사한 같은 숲보다 훨씬 다양해 보일 것이다. 그럼에도 많은 데이터셋이 조사 시기를 충분히 기록하지 않아 계절 간 비교가 불가능하다.

규모 불일치

생물다양성 패턴은 규모에 의존하지만, 생물다양성 데이터는 매우 다양한 공간적·시간적 규모에서 수집되어 통합과 해석에 어려움을 준다.

공간 규모 문제

방형구 기반 식생 조사는 100 m² 방형구를 대상으로 할 수 있는 반면, 위성 원격 탐사는 30m × 30m 픽셀을 분석하고, 보호구역은 수천 제곱킬로미터에 걸쳐 있다. 종 분포 모델은 미터 단위에서 위도 단위(도)에 이르는 해상도로 작동한다. 규모마다 포착하는 과정과 패턴이 다르다.

세밀한 규모의 데이터를 더 거친 해상도로 집계하면 정보가 손실되고, 거친 데이터를 더 세밀한 규모로 분해하면 픽셀 내부 이질성에 대해 근거 없는 가정을 하게 된다. 일부 규모 문제를 다루는 통계 방법은 존재하지만, 데이터 수집 규모와 의사결정 규모 사이의 근본적인 불일치는 여전히 남아 있다.

시간 규모 과제

생태 과정은 초 단위(포식자-피식자 상호작용)부터 천 년 단위(진화적 다양화)에 이르는 시간 규모에서 작동한다. 보전 계획에는 빠른 동태와 장기 추세를 모두 이해하는 것이 필요하지만, 대부분의 모니터링 프로그램은 몇 년 또는 수십 년에 불과하다.

기후 변화는 또 다른 복잡성을 더한다. 종의 분포 범위가 이동하고 생태계가 재편되면서 과거의 기준선 데이터가 더 이상 현실적인 참조 조건을 나타내지 못할 수 있다. 기후로 인한 분포 범위 이동이 역사적으로 존재하지 않던 지역에 새로운 종을 들여올 때, 무엇이 "토착 생물다양성"인지가 모호해진다.

기술 장벽과 디지털 격차

eDNA 메타바코딩, 위성 원격 탐사, 머신러닝 같은 첨단 기술은 생물다양성 모니터링에 혁신적인 역량을 제공한다. 그러나 이러한 기술은 많은 연구자와 보전 실무자, 특히 생물다양성이 풍부한 개발도상국의 이들에게는 여전히 접근하기 어렵다.

인프라 한계

eDNA 분석에는 DNA 추출, PCR 증폭, 차세대 염기서열 분석을 위한 실험실 시설이 필요한데, 많은 지역에서는 이러한 인프라를 이용할 수 없다. 원격 탐사 분석에는 고성능 컴퓨팅, 전문 소프트웨어, 기술적 전문성이 요구된다. 외딴 현장에서는 안정적인 인터넷 연결이나 전기 같은 기본 요건조차 당연하게 여길 수 없다.

비용 제약

DNA 염기서열 분석 비용은 극적으로 낮아졌지만, 빠듯한 예산으로 운영되는 많은 보전 단체에는 여전히 감당하기 어려울 만큼 비싸다. 고해상도 위성 영상은 확보하는 데 비용이 많이 든다. AI 기반 종 식별 기능을 갖춘 카메라 트랩 체계는 장비뿐 아니라 모델 학습과 운용에도 지속적인 비용이 든다.

이는 곤혹스러운 역설을 낳는다. 생물다양성이 가장 높은 지역(열대림, 산호초, 심해)은 자원 제약 때문에 모니터링 역량이 가장 낮은 경우가 많다. 생물다양성 위기는 바로 우리의 측정·모니터링 역량이 가장 취약한 곳에서 가장 심각하다.

품질 관리와 데이터 신뢰성

모든 생물다양성 데이터가 같은 수준으로 만들어지는 것은 아니다. 데이터셋마다 품질이 크게 다르지만, 품질 평가와 보증을 위한 장치는 부족하거나 일관되지 않은 경우가 많다.

시민 과학의 과제

iNaturalist와 eBird 같은 시민 과학 플랫폼은 생물다양성 데이터 수집을 대중화하여 매년 수백만 건의 관찰을 생성한다. 이 방대한 데이터량은 매우 귀중하지만, 품질 관리에는 어려움이 따른다. 전문가 검증이 도움이 되기는 하나, 관찰 건수가 워낙 많아 포괄적인 검증은 불가능하다.

오동정은 흔하며, 특히 식별이 어려운 분류군에서 그렇다. 공간 좌표가 부정확할 수 있다. 관찰 후 한참 뒤에 사진을 올렸다면 시간 정보가 틀릴 수도 있다. 표본 추출 노력은 매우 불규칙하여, 인기 있는 장소와 카리스마 있는 종이 불균형적으로 많은 관심을 받는다.

메타데이터 부족

전문적으로 수집된 데이터조차 관찰이 어떻게, 언제, 어디서, 누구에 의해 이루어졌는지를 기록한 적절한 메타데이터가 없는 경우가 많다. 이러한 맥락 정보가 없으면 데이터 품질과 적절한 활용 방식을 평가하기 어려워진다. 관찰자가 쌍안경을 사용했는가, 필드스코프를 사용했는가? 식별 훈련을 받았는가? 기상 조건은 어떠했는가? 조사는 체계적이었는가, 기회적이었는가?

"메타데이터 없는 데이터는 잡음에 불과하다"는 격언은 생물다양성 정보에 특히 잘 들어맞는다. 그러나 메타데이터 수집은 시간이 많이 들고 방법을 기술하기 위한 표준화된 어휘가 부족하여, 불완전하거나 일관되지 않은 문서화로 이어진다.

제도적·정책적 장벽

기술적 과제는 데이터 공유와 표준화 노력을 방해하는 제도적 구조와 정책으로 인해 더욱 가중된다.

데이터 소유권과 접근

생물다양성 데이터는 누구의 소유인가? 그것을 수집한 연구자인가? 연구에 자금을 댄 기관인가? 데이터가 수집된 국가의 정부인가? 이러한 질문에는 보편적인 답이 없으며, 상충하는 권리 주장은 마찰을 일으킨다.

유전자원 접근 및 이익 공유에 관한 나고야 의정서는 각국이 자국 유전자원에 대해 주권적 권리를 가진다고 규정한다. 이 조항은 공정한 이익 공유를 보장하기 위한 것이지만, 신중하게 이행되지 않으면 국제적인 데이터 공유를 복잡하게 만들 수 있다. 연구자들은 위반을 우려하거나 향후 논문 발표에서의 경쟁 우위를 유지하기 위해 데이터를 공개적으로 공유하기를 주저할 수 있다.

데이터 공유 유인의 부재

학계의 보상 구조는 데이터 공유보다 새로운 논문 발표를 우선시한다. 수년간 귀중한 데이터셋을 수집한 연구자는 데이터를 자유롭게 공개해도 경력상 얻는 이득이 거의 없는 반면, 공유된 데이터로 메타분석을 수행한 다른 연구자는 논문 실적을 얻는다. 이러한 비대칭은 개방형 데이터 관행을 위축시킨다.

보전 단체는 자신의 데이터를 모금이나 정책 영향력에서 경쟁 우위를 주는 독점 자산으로 여길 수 있다. 정부 기관은 관료적 장애물에 부딪히고, 데이터를 제대로 보관하고 공유할 자원이 부족하다. 결과적으로 막대한 양의 생물다양성 정보가 폭넓은 종합에 활용되지 못한 채 묶여 있다.

상호운용성 위기

데이터 공유가 이루어지더라도 기술적 상호운용성 문제는 계속된다. 데이터베이스 시스템마다 서로 다른 데이터 모델, 질의 언어, API 프로토콜을 사용한다. 연구자는 GBIF, IUCN 적색 목록, 보호구역 데이터베이스, 지역 저장소에 접근하기 위해 각기 다른 시스템을 익혀야 한다.

공통 표준의 부재

Darwin Core 같은 표준이 생물다양성 데이터용 스키마를 제공하지만, 채택은 불완전하고 일관되지 않다. 많은 데이터셋이 수작업 변환이 필요한 자체 형식을 사용한다. 서식지 유형, 표본 추출 방법, 관찰 유형을 위한 통제 어휘는 이니셔티브마다 다르다.

업데이트와 버전 관리는 또 다른 골칫거리를 만든다. 분류학적 이름이 바뀌거나 공간 경계가 수정되면, 기존 데이터셋이 더 이상 유효하지 않은 개체를 참조할 수 있어 새 데이터와의 호환성을 유지하려면 신중한 대응표 작업(crosswalking)이 필요하다.

계산 및 분석상의 과제

생물다양성 데이터셋이 더 커지고 복잡해짐에 따라 계산상·통계상의 과제가 나타난다.

빅데이터의 복잡성

GBIF가 집계한 출현 기록은 이미 수십억 건 규모에 이른다. 이 정도 규모의 데이터셋을 분석하려면 분산 컴퓨팅 인프라와 전문 알고리즘이 필요하다. 기존 통계 소프트웨어는 이러한 규모를 감당하기 어려워 빅데이터 플랫폼과 클라우드 컴퓨팅이 필요한데, 이는 많은 연구자가 이용할 수 없는 자원이다.

결측 데이터와 불확실성

생물다양성 데이터셋에는 결측값, 탐지 오류, 분류학적 불확실성이 가득하다. 결측 데이터를 처리하고 분석 전반에 불확실성을 전파하는 통계 방법이 존재하지만, 복잡하고 계산 부담이 크다. 많은 분석은 이러한 문제를 그냥 무시하여 잠재적으로 오해를 부르는 결과를 내놓는다.

포괄적 표준의 필요성

데이터 파편화에서 제도적 장벽, 계산상의 복잡성에 이르기까지 서로 얽힌 이러한 과제들은 단편적인 해결책으로는 충분하지 않은 이유를 보여준다. 고립된 문제를 다루는 개별 이니셔티브로는 구조적 장애물을 극복할 수 없다.

필요한 것은 다음을 제공하는 포괄적이고 전 세계적으로 채택된 표준이다.

• 시스템과 기관 전반의 상호운용성을 보장하는 통합 데이터 형식
• 현장 표본 추출과 실험실 분석을 위한 표준화된 프로토콜
• 데이터 검증을 위한 명확한 기준을 수립하는 품질 보증 프레임워크
• 데이터 교환과 시스템 연결을 촉진하는 개방형 API와 통합 도구
• 첨단 기술에 대한 접근을 대중화하는 역량 강화 프로그램
• 데이터 공유와 표준 채택에 보상하는 유인 구조

이후 장들에서 상세히 다루는 WIA 생물다양성 지수 표준은 이러한 포괄적 프레임워크를 제공하며, 생물다양성 측정 과제의 기술적·제도적·사회적 차원을 함께 다룬다.