758489_ko-KR

liliconcom

버몬트주 올빼미의 영양실조 및 사망률에 대한 지역 기상 패턴의 영향(2020-US-45MP-601)

마이크 앤더슨, SAS 연구소, SAS 연구소
Anna Morris, 버몬트 자연과학 연구소 수석 환경 교육자
Bren Lundborg, 야생동물 사육사, 버몬트 자연과학 연구소

1994년부터 버몬트 자연과학 연구소(VINS) 야생조류 재활 센터(CWBR)는 미국 북동부에서 토종 야생조류를 재활하기 위해 노력해 왔습니다. CWBR에서 치료하는 가장 흔한 맹금류 환자 중 하나는 막대올빼미입니다. 막대올빼미는 로키 산맥 동쪽에서 흔히 볼 수 있습니다. 그들의 울음소리는 "누가 너를 위해 요리해, 누가 너희 모두를 위해 요리해"라는 익숙한 말입니다. 그들은 사람과 함께 사는 데 빠르게 적응했고, 이 때문에 흔히 치료를 위해 CWBR에 데려옵니다. SAS와의 협업의 일환으로 JMP와 VINS의 기술 직원이 재활 센터의 입원 기록을 분석해 왔습니다. 최근에는 기능적 데이터 분석, 부트스트랩 산림 모델링 및 기타 기술을 결합하여 기후 및 날씨 패턴이 치료를 위해 VINS에 도착하는 막대올빼미의 수에 어떤 영향을 미치는지, 특히 영양실조 및 관련 질병에 대해 조사했습니다. 기온과 강수 패턴이 복합적으로 작용하여 영양실조에 걸린 줄무늬올빼미가 치료를 위해 찾아오는 사례가 증가하는 것을 발견했습니다. 이 세션에서는 연구 결과, 연구 개발 과정, 그리고 미국 북동부 지역의 기후 변화라는 더 넓은 맥락에서 잠재적인 함의에 대해 논의합니다.

자동 생성된 대본...

스피커	성적 증명서
마이크 앤더슨	여러분, 환영합니다. 함께해 주셔서 감사합니다. 저는 버몬트주 퀘치에 있는 버몬트 자연과학 연구소(VINS)의 수석 환경 교육자인 애나 모리스입니다.
	저는 VINS 야생동물 재활 센터의 야생동물 관리인 브렌 룬드보그이고, SAS의 JMP 시스템 엔지니어인 마이크 앤더슨입니다.
	오늘 우리는 버몬트주 야생 올빼미의 영양실조와 사망률에 미치는 지역 기상 패턴의 영향에 대한 우리의 연구 결과를 여러분께 소개하게 되어 기쁩니다.
	이 연구는 조류 재활 클리닉에서 치료를 위해 데려온 야생 올빼미에 대해 18년간 수집한 데이터를 나타내며, 우리 조직과 JMP의 마이크 앤더슨 자원봉사자 간의 독특한 협업을 통해 이루어졌습니다.
	먼저 VINS 자연센터에서 교육 홍보대사로 활동하는 방생 불가능한 재활 조류의 도움을 받아 연구 대상 종인 막대올빼미에 대해 알아보겠습니다.
	그렇습니다. 이 올빼미는 2013년 뉴햄프셔주 트로이에서 재활 치료를 받았고, 교통사고로 인해 눈에 손상을 입어 회복할 수 없었습니다.
	이런 막대올빼미는 뉴잉글랜드의 혼합 낙엽수림에 일년 내내 서식하며, 포유류, 조류, 파충류, 양서류, 어류 및 다양한 육상 및 수생 무척추동물을 먹이로 삼아 살아갑니다.
	그러나 그들이 먹는 먹이는 계절마다 다르며, 겨울에는 작은 포유류가 먹이의 더 큰 부분을 차지합니다.
	겨울에는 눈 덮인 땅 때문에 사냥 스타일이 달라지는데, 눈은 작은 포유류를 포식자로부터 보호해 줄 수 있기 때문입니다.
	줄무늬올빼미는 눈 펀칭(snow punching) 또는 눈 층을 뚫고 내려오는 습성을 이용하여 청각으로 감지된 먹이를 잡는 것으로 알려져 있습니다. 눈 펀칭 습성을 보여주는 짧은 영상을 소개합니다.
	저는 짧은 관찰을 통해 긴꼬리올빼미가 인간이 만든 지형을 상당히 잘 견뎌내는 것을 보았습니다. 긴꼬리올빼미 둥지의 거의 4분의 1이 인간의 구조물을 이용하고 있었습니다.
	시민 과학 프로젝트인 iNaturalist에 따르면, 버몬트주에서는 일반인이 가장 자주 관찰하는 올빼미 종이 있으며, 야생 올빼미에 대한 연구 등급 관찰이 468건 기록되었습니다.
	그렇기 때문에, 줄무늬올빼미는 부상당한 동물을 발견한 사람들이 야생 동물 재활 병원에 데려오는 경우가 많습니다.
	버몬트 자연과학 연구소 야생조류 재활 센터(CWBR)는 버몬트주 퀘치에 위치한 연방 및 주 정부 허가 야생동물 재활 시설입니다.
	주에서 합법적으로 재활이 가능한 모든 야생 조류 종은 CWBR에 환자로 제출되었으며 2001년부터 2019년까지 연평균 405명의 환자를 받았습니다.
	193종의 조류를 대표합니다. CWBR에 내원한 환자의 90%가 시설에서 86km 이내에서 왔습니다.
	18년간의 연구 기간 동안 입원한 환자 중 11%는 올빼미목(Strix varia)에 속하는 올빼미였으며, 이 목에는 6종이 포함되었고, 막대올빼미가 가장 흔했습니다.
	그러나 CWBR이 환자로 받는 막대올빼미의 수는 해마다 다른 흔히 받는 종인 미국지빠귀와 비교해 크게 달랐습니다.
	2018년에서 2019년 겨울과 같은 특정 해는 많은 수의 환자가 발생했기 때문에 CWBR 직원과 미국 북동부의 다른 재활 센터에서 큰 올빼미가 나타나는 해로 간주되기도 했습니다.
	지역 자연주의자들이 제시한 한 가지 설명은 큰 해의 현상이 날씨 패턴의 변화에 ​​기인한다는 것입니다.
	짧은 시간 동안 동결/해동 주기가 발생하면, 이러한 온화하고 습한 겨울은 먹이를 잡기 위해 눈에 의존하는 올빼미에게 어려움을 주는 것으로 생각됩니다.
	특히 눈 위에 얼음 층이 형성되면 올빼미가 이를 이용해 먹이를 잡는 것을 막을 수 있습니다.
	올빼미가 이 얼음층을 뚫고 지나갈 수 없을지도 모르니 눈 휩쓸기 기술을 써야 합니다. 먹이를 구하려고... 제 자리를 잃었습니다.
	따라서 동물들은 먹이를 얻기 위해 다른 사냥 장소나 방식을 이용하거나 영양실조로 인해 약해질 수 있으며, 이는 인간과의 부정적인 상호 작용으로 이어져 부상을 입을 수 있습니다.
	이 연구는 CWBR에서 재활을 위해 파견된 올빼미의 수와 평균보다 높은 겨울 강수량 사이에 관계가 있는지 확인하기 위해 수행되었습니다.
	지역 날씨와 관련된 환자 수의 변화에는 여러 가지 가능한 설명이 있지만,
	우리는 막대올빼미가 더 습한 겨울에 나타나는지 더 자세히 조사하여 얼음층 가설을 뒷받침하는 것이 있는지 확인하려고 했습니다.
	건조한 겨울보다 섭취 진단의 일부로 영양실조가 더 큰 비중을 차지했습니다.
	이는 전반적인 인구 증가보다는 식량 확보가 주된 어려움으로 재활이 필요함을 시사하며, 전반적인 인구 증가는 모든 섭취 범주에서 비례적으로 증가할 가능성이 높습니다.
	처음에는 이와 관련하여 상당히 간단한 시계열 분석 관계가 있을 것으로 예상했습니다.
	우리는 입학에 대한 원본 데이터를 살펴보고 Bren이 말했듯이 데이터를 비교하기 위해 갔습니다.
	막대올빼미와 미국지빠귀는 흉년을 볼 수 있습니다.
	여기서는 허리케인이 실제로 관련된 회색을 제외하고 파란색으로 표시했습니다.
	울새와 관련된 매우 강력한 주기적 신호가 있음을 알 수 있습니다. 연중 서식하는 줄무늬올빼미의 유입률은 비교적 안정적일 것으로 보이지만, 해마다 상당한 변화가 있음을 알 수 있습니다.
	비상사태 분석을 살펴보면 녹색 밴드, 기아가 보입니다.
	큰 줄무늬올빼미가 발견된 해와 상당히 잘 일치합니다. 다시 한번, 2008년, 2015년, 2019년을 언급하자면,
	대신 올해는 스키 시즌인데, 이건 잠시 후에 자세히 설명하겠습니다. 2017년은 나오지 않지만, 알려지지 않은 트라우마와 원인이 크게 드러납니다. 그 해에 들어온 동물을 분류하는 방법에 차이가 있었기 때문입니다.
	이 작업을 수행하는 데 있어서 유일한 비결은 기능적 데이터 분석을 사용해야 한다는 것입니다.
	연간 추세를 파악하고 이를 날씨 패턴 및 기타 우리가 찾을 수 있는 데이터와 효과적으로 분석할 수 있는 신호로 전환합니다.
	여기를 살펴보면, 우리가 불황이라고 부르는 해들이 매우 독특한 도기어-도기어-도그레그 패턴을 보인다는 것을 쉽게 알 수 있습니다. 2008년, 2017년, 2019년, 2015년을 볼 수 있습니다.
	다시,
	가장 중요한 점은 이러한 신호가 주성분 분석에서 첫 번째 고유 함수와 가장 강하게 상관관계를 갖는 경향이 있다는 것입니다.
	여기서 구성 요소 1이 좋은 해와 나쁜 해를 구별하는 데 매우 효과적이며, 이상한 허리케인 해는 그 중간에 위치해야 한다는 것을 아주 분명하게 알 수 있습니다.
	FPC 1의 프로파일러를 살펴보면 프로파일러를 높이거나 낮출수록 도글렉 패턴이 더욱 두드러지는 것을 볼 수 있습니다.
	다음 질문은, 그런 종류의 분석에 필요한 데이터를 어떻게 얻을 수 있느냐는 것입니다. 중요하다고 생각하는 날씨 데이터는 어떻게 얻을 수 있을까요? 글쎄요, 훌륭한 기관이 있다는 걸 알게 됐어요.
	여기서 약 20마일 떨어진 스키 리조트인데, 50년대부터 데이터를 수집해 왔습니다.
	그리고 그들은 또한 자연주의자들과 보존 노력들과 협력하여 생태학적 또는 환경적 데이터를 제공해 왔습니다.
	다양한 프로젝트의 연구자들에게 정보를 제공했고, 그들은 우리에게 데이터베이스에 대한 접근 권한을 부여했습니다.
	이것은 버몬트주 킬링턴의 기저 산악 온도의 예이며, 여기에서도 파란색으로 표시된 나쁜 해를 볼 수 있습니다.
	낮은 체온에서는 배가 더 납작해지는 경향이 있습니다. 예를 들어 2007년을 보면 왼쪽 상단 모서리에 첫 번째가 있는데,
	가파른 하락세를 보이다가 다시 가파른 상승세를 보이는 것을 볼 수 있습니다. 반면 올빼미 입학에 있어 최악의 해 중 하나인 2008년은
	우리는 상당히 평평한 봉우리를 가지고 있고, 아니면 중간 부분이 약간 뒤집힌 봉우리를 가지고 있습니다. 2015년을 제외하고는 꽤 일관되게 유지되고 있습니다.
	다른 해에도, 다른 해에도, 다른 해에도.
	그래서 저는 그 모든 데이터를 가져갔고
	함수형 데이터 탐색기를 사용하여 응답의 주성분을 구했습니다. 결과적으로 응답에 대한 함수형 성분과 요인에 대한 함수형 성분을 얻게 됩니다.
	이것은 이 분석의 주요 요인 중 하나로 밝혀진 것 중 하나의 예이며, 이것이 매우 훌륭한 작업을 수행하는 것을 볼 수 있습니다.
	주성분을 추출해 봅시다. 곧 우리가 관심을 가질 것은 바로 이 고유함수 4입니다. 지금 당장은 중요해 보이지 않지만, 알고 보면 꽤 중요한 함수입니다.
	그러면 이 모든 것을 하나로 모아보죠.
	저는 몇 년 전 Gotwalt와 Ramsay가 개척한 자동 검증 전략과 함께 일반화 회귀의 조합을 사용합니다.
	이 동작의 모델을 구축해 보세요. 우리는 꽤 좋은 결과를 얻을 수 있습니다.
	실제와 예측 플롯을 비교했습니다. 99% 정도의 r 제곱값을 얻었고, 축소 모형을 보면 네 가지 주요 요인, 즉 누적 강수량이 나타나는 것을 알 수 있습니다. 말이 되네요. 비가 내리려면... 비가 내리지 않으면 얼음이 얼 수 없습니다.
	기온 요인도 있는데, 강한... 얼음이 생기려면 기온이 필요합니다. 하지만 일일 강설량이나 일일 강설량의 합도 고려해야 합니다. 연간 최대 강설량과 일일 강우량의 합도 고려해야 합니다.
	그리고 이 모든 것을 종합하면, 우리는 데이터 중심의 관점에서 나쁜 올빼미 해가 어떤 모습인지에 대한 그림을 그릴 수 있습니다.
	우리는 꽤 명확하게 볼 수 있습니다. 먼저 나쁜 바드가 어떤 것인지, 나쁜 해가 어떤 것인지 보여드리겠습니다.
	입학률에 대해서요. 여기서 볼 수 있죠. 나쁜 해가 어떤지 보여드리겠습니다. 나쁜 해는 나쁜 해이고, 좋은 해는 좋은 해입니다. 꽤 극적인 차이가 있죠. 이제 우리는...에 대해 꽤 자세히 살펴봐야 할 것 같습니다.
	우리는 그것이 매우 미묘한 변화이기 때문에 다른 요소들을 주의 깊게 살펴봐야 합니다.
	기온, 강수량, 그리고 이 좋은 해/나쁜 해를 결정하는 요인들. 그 영향이 얼마나 미미한지 꽤 흥미롭네요. 자, 먼저, 연간 총 강설량입니다. 그리고 이 곡선의 기울기를 살펴보겠습니다.
	좋은 한 해 동안
	그리고 나쁜 한 해가 있었습니다. 매년 아주 작은 변화였죠.
	미묘한 변화지만, 그 미묘한 변화가 큰 원인 중 하나입니다. 스노 다이빙을 원활하게 하려면 일정량의 눈이 필요합니다.
	또 다른 것은, 비를 살펴보면, 스키 시즌 13주차쯤에 내린 비의 양을 살펴볼 것입니다.
	좋은 해가 있고, 나쁜 해가 있습니다. 연초에는 비가 조금 더 많이 왔고, 봄에는 평탄한 지형을 보입니다.
	그리고 다시, 계절별 누적 강수량을 살펴보면, 좋은 해는 나쁜 해보다 약간 더 건조한 경향이 있습니다.
	그리고 마지막으로 가장 중요한 건 온도입니다. 이건 사실 꽤... 이게 그거예요.
	이전에도 봤던 배 모양 효과입니다. 초창기나 좋은 해에는 기온이 급격히 떨어지고 다시 급등하는 모습을 보이지만, 나쁜 해에는 전반적으로 약간 더 그릇 모양 효과가 나타납니다.
	이제 브렌에게 넘겨서 막대올빼미 영양실조가 무엇을 의미하는지 말씀드리겠습니다.
	영양실조는 자유롭게 돌아다니는 올빼미와 재활 시설에서 치료를 받는 올빼미 모두의 생존에 상당한 부정적인 영향을 미칩니다.
	해로운 영향으로는 사냥 성공률 감소, 다른 동물이나 포식자 종과 먹이를 놓고 경쟁하는 능력 감소, 면역 역량 저하 등이 있습니다.
	일부 쇠약해진 새들은 날 수 없을 정도로 약해져서, 보살핌을 받는 동안 재급식 증후군과 같은 합병증이 생길 위험이 높습니다.
	보호받는 새의 경우, 사육으로 인한 스트레스와 골절, 외상성 뇌 손상 등의 부상에서 회복하는 데 걸리는 시간 때문에 환자의 칼로리 필요량이 두 배로 늘어날 수 있으며, 이로 인해 이미 영양실조에 걸린 새에게 대사 스트레스가 더욱 심해질 수 있습니다.
	또한, 먹이가 부족하거나 구할 수 없으면 올빼미가 사람이 사는 지역에 더 가까이 다가가서 인간과 관련된 사망 위험이 높아질 수 있습니다.
	모든 해에 걸쳐 막대올빼미가 먹이를 먹는 가장 흔한 원인은 차량 충돌이며, 도로와 인간이 거주하는 서식지 근처에서 사냥하면 그 위험이 커집니다.
	2018년에서 2019년 겨울에는 막대올빼미가 새 모이통을 사냥하고 가금류 등 가축을 쫓는 사례가 자주 보고되었습니다.
	새 모이통에서 사냥을 하면 질병이 전파되는 일반적인 장소이므로 병원균에 노출될 가능성이 높아지고 살모넬라증이나 트리코모나스증과 같은 전염병 발병률이 높아질 수 있습니다.
	혹독한 겨울은 1년차 막대올빼미에게 더 큰 어려움을 안겨줍니다.
	새끼를 품은 막대올빼미는 부모에게 크게 의존하며 날고 사냥할 수 있게 된 후에도 오랫동안 부모와 함께 지냅니다.
	그리고 부모의 지원이 끝나도 그들은 여전히 ​​상대적으로 경험이 부족한 사냥꾼으로, 첫 겨울에는 먹이가 덜 공급되고 환경이 더 열악해집니다.
	게다가 확립된 영역이 없기 때문에 인간 근처에서 사냥할 가능성이 더 높고, 차량 충돌로 인한 부상과 같은 위험에 더 취약해질 수 있습니다.
	태평양 북서부의 북쪽 반점 올빼미인 막대올빼미의 가까운 친척에 대한 이전 연구에서는 겨울과 이른 봄의 춥고 습한 날씨와 관련하여 북쪽 반점 올빼미의 번식력과 생존율이 감소하는 것으로 나타났습니다.
	버몬트주에서는 국립해양대기청(NOAA)이 21세기 중반까지 겨울 강수량이 최대 15% 증가할 것으로 예측했습니다.
	이는 막대올빼미 개체수와 먹이 공급원에 구체적인 영향을 미칠 수 있습니다.
	이 연구 결과는 기후 변화에 따른 올빼미 개체군과 관련 종의 개체군 관리에 중요한 의미를 제공합니다.
	버몬트주와 뉴잉글랜드주의 지역별 기상 패턴이 변화할 것으로 예상되며, 앞으로도 비정상적으로 습한 겨울이 계속될 것으로 보여 향후 20~30년 동안 영양실조에 걸린 막대올빼미가 더 자주 발생할 것으로 보입니다.
	현재 국제자연보전연맹에서 관심대상종으로 지정해 놓은 막대올빼미는 개체수가 증가하고 있어 급속히 멸종 위기에 처하지는 않을 것으로 보인다.
	그러나 지역 개체군에 대한 이러한 명확한 위협을 무시하면 그 위협이 전체 종에 확산되어 우발적인 중독 및 둥지 손실과 같은 다른 보존 문제의 영향을 악화시킬 수 있습니다.
	이러한 결과는 또한 야생 동물 재활자와 수의사 측에서 프로토콜을 수립해야 할 필요성을 강조합니다.
	올빼미의 심각한 영양실조를 치료하고, 재섭식 증후군을 피하고, 종종 치명적인 상태에서 회복하는 데 필요한 영양소의 적절한 균형을 제공하는 데 사용됩니다.
	재활 클리닉은 이러한 증가하는 문제에 대처하기 위해 지식과 자원을 모으는 데 도움이 될 것입니다.
	마지막으로, 이 연구는 기후 변화가 현재 우리 주변 야생 동물 종의 건강에 어떤 영향을 미치고 있는지 또 다른 방식을 보여줍니다.
	기후에 미치는 인간의 영향을 줄이기 위한 개인 및 지역 사회의 노력은 이미 발생한 피해를 멈추거나 되돌리는 데 필요한 규모의 온실 가스 배출을 줄이는 데 충분하지 않습니다.
	정부와 대기업이 조치를 취해야 하며, 개인과 지역 사회는 그러한 조치를 계속 요구할 책임이 있습니다.
	우리는 버몬트 자연과학 연구소와 JMP의 직원과 자원봉사자들에게 감사드리고 싶습니다.
	여기에 제시된 데이터 수집 및 분석에 도움을 주신 Gray O'Tool 님께 감사드립니다. 또한 자세한 날씨 데이터를 제공해 주신 킬링턴 스키 리조트에도 감사드립니다. 감사합니다.

고급 통계 모델링기본 데이터 분석 및 모델링소비자 및 시장 조사대량 맞춤화예측 모델링 및 머신 러닝품질 및 공정 엔지니어링결과 공유 및 전달