연안 해역의 퇴적환경은 조석, 파랑, 지형적 특성에 의해 복잡한 양상을 보이는 것이 일반적이다. 복잡한 양상의 퇴적환경은 특성지표인 강열감량(IL), 화학적산소요구량(COD), 산휘발성황화물(AVS), 총유기탄소(TOC) 등의 분포와 일치하지 않아 지리적 구분이 매우 어렵다. 퇴적환경의 지리적 구분을 위해 해양환경에 대한 국가 모니터링 프로그램을 통해 수집된 표층퇴적물 측정자료를 활용하여 기계학습 기반 클러스터링과 공간상관 분석을 적용하여 연안의 퇴적환경을 군집화하여 구분하였다. 입력변수는 위치정보(위경도)와 니질함량(%)이었으며, 가우시안혼합모델(GMM) 클러스터링을 통해 국내 연안을 4개의 퇴적환경(클러스터 1: zS, 클러스터 2~4: sZ)으로 구분하였다. 공간상관 분석을 위해 세미베리오그램을 적용한 결과, 각 클러스터는 고유한 공간상관성 구조를 보였으며, 특히 클러스터 4는 높은 Nugget/Sill 비율(0.89)로 파랑 우세 환경의 지속적인 교란 특성을 갖는 것으로 나타났다. 유기물 지표(IL, COD, AVS, TOC, TN)의 분포 특성을 클러스터별로 분석한 결과, 통계적으로 유의한 차이로 구분되었다(***p < 0.001). TOC 함량은 중앙값(median)을 기준으로 클러스터 1(0.4%), 클러스터 2(0.7%), 클러스터 4(1.2%), 클러스터3(1.3%) 순으로 증가하였으며, 이는 입도 특성과 뚜렷한 상관을 갖기 때문이다. TOC와 TN(총질소)을 이용한 C/N 비를 이용한 유기물 기원 추정에서는 클러스터 1과 3은 해양기원 유기물이 우세한 반면(C/N 비 5~9 범위가 각각 50.3과 42.7%), 반면 클러스터 2와 4는 육상기원 유기물 영향이 상대적으로 큰 것으로 나타났다(C/N 비 15이상 범위가 각각 30.1과 29.9%). 스피어만(Spearman) 상관을 이용한 분석에서 TOC는 세립질 퇴적물과 뚜렷한 상관(니질함량, r = 0.60)을 보였으나, 저서생태계 다양성과 클러스터별 상관은 상반된 결과를 보여 유기물과 저서생태계 간의 비선형적 관계를 확인하였다. 본 연구의 결과는 연안 퇴적환경 특성을 고려한 적절한 구분이 각 해역에 단일한 환경기준을 적용하는 현행 연안퇴적물 관리의 효율성을 개선하는데 활용될 수 있을 것이다. 또한, 다량의 자료를 기계학습 기반의 객관적 분석을 통해 연안 퇴적환경의 특성을 반영한 적절한 구분을 시도하여 자연적 배경 수준을 고려한 차별화된 해양환경 관리 정책 수립의 과학적 근거로 활용될 수 있을 것으로 기대한다.
Kim et al. (Sat,) studied this question.