Caramel LabCaramel Lab

2026년 46주차 · 급상승 연구 주제

기후변화와 종 분포 변화

환경공학 · Species Distribution and Climate Change

▲255%

연 3,431 → 12,164편
분야 평균 대비 +239%p

왜 지금 뜨나

기후 변화로 인해 생물종의 서식지가 변하고 멸종 위기가 가속화되면서, 생태계 보전 및 관리를 위한 종 분포 예측 연구의 중요성이 커지고 있습니다.

출판량은 OpenAlex 전수 데이터를 최근 12개월과 직전 12개월로 나눠 비교한 값이에요. 분야 전체가 함께 커지는 착시를 빼기 위해 분야 중앙값 성장률을 차감한 초과 성장(+239%p)으로 순위를 매겼어요.

이 주제로 잡을 수 있는 연구 방향

학부·석사 수준에서 실제로 착수 가능한 스케일로 좁힌 방향이에요. 마음에 드는 걸 고르면 카라멜 조교가 이어서 구체화해 줘요.

이 주제 전체로 아이디에이션 시작

이 주제의 대표 논문

인용 속도와 최신성으로 고른 논문이에요. 한국어 요약을 먼저 보고, 원문은 8개 섹션 풀 분석으로 이어갈 수 있어요.

1

biomod2: 종 분포 모델 확장

‘biomod2' – extending presence–absence species distribution models to multiple data types

R 패키지 biomod2는 종 분포 모델링(SDM) 분야에서 널리 활용되는 도구로, 생태학자들이 다양한 모델링 알고리즘과 앙상블 예측을 통해 종-환경 관계를 시공간적으로 보정, 평가, 예측할 수 있게 합니다. 지속적인 개선을 거쳐, 이 연구는 biomod2의 최신 버전을 소개하며, 다양한 생태학적 데이터 유형을 통합하여 모델링 범위를 크게 확장했습니다. 새로운 버전은 기존의 출현-비출현 데이터 외에도 개체수, 다중 클래스 풍부도 범주, 상대적 또는 절대적 풍부도 등 광범위한 풍부도 데이터를 지원합니다. 이를 통해 바이오매스, 토지…

2

거대 언어 모델의 생태학적 지식 평가

Large language models possess some ecological knowledge, but how much?

거대 언어 모델(LLM)은 다양한 분야에서 뛰어난 질문 답변 능력을 보여왔지만, 생태학 분야에서의 효과는 충분히 탐구되지 않았습니다. 인공지능 도구가 과학 연구 과정에 점차 통합됨에 따라, 생태학적 정보를 기억하고 통합하는 LLM의 잠재력을 이해하는 것이 중요합니다. 본 연구에서는 Gemini 1.5 Pro와 GPT-4o 두 가지 LLM의 생태학적 지식을 일련의 생태학 중심 과제를 통해 평가했습니다. 이 과제들은 종 분포 예측, 분포 지도 생성, 심각한 멸종 위기종 목록화, 위협 분류, 종 특성 추정 등 LLM의 능력을 평가합니다…

3

종 분포 변화, 기후 모델 예측보다 빠르다

Species range shifts often speed ahead of their modeled climatic niches

기후 변화에 따른 종 분포 변화 예측은 생물다양성 보전 및 관리에 필수적이지만, 기후 기반 모델 예측과 실제 관측된 분포 변화 간의 일치 여부는 불분명했습니다. 본 연구는 기후 서식지 모델로 예측된 분포 변화와 지난 수십 년간의 실제 관측 데이터를 통해 파악된 분포 변화 간의 일치도를 3,500종 이상의 해양 및 육상 종에서 9,500건 이상의 사례를 분석하여 검증했습니다. 분석 결과, 관측된 분포 변화와 모델 예측은 위도 방향에서는 대체로 일치하는 경향을 보였으며, 해양 종(76%)이 육상 종(56%)보다 일치도가 높았습니다. …

이번 주 트렌드 전체 보기