녹는 빙하로 인해 배송 시간이 단축되지만 숨겨진 비용이 발생합니다.

링크 표

• 배경, 결과 및 결론
• I. 배경
• II. 데이터 설명
• III. 분석
• IV. 토론
• V. 방법
• VI. 선언
• VII. 감사의 말

배경

북극 온난화로 인한 해빙 감소는 전통적인 운송 경로보다 현저히 짧은 경로를 통한 선박의 이동을 용이하게 합니다. 선박 충돌을 피하기 위해 이상적으로 설계된 자동 식별 시스템(AIS)은 선박 항해 정보(현재 27가지 유형의 메시지)를 이름, 위치 또는 속도와 같이 전송하며, 해빙이 감소함에 따라 북극 운송의 진행 상황을 모니터링하는 강력한 데이터 소스입니다.

결과

선박 AIS 데이터를 수집하는 온라인 플랫폼의 분석을 바탕으로, 우리는 북극해를 통한 선박의 공간적 분포, 강도 및 시간적 진화를 해빙 지역에서 방출된 면적과 관련하여 정량화했습니다. 북극해를 통한 선박은 공간적으로 무거운 꼬리 분포를 따라 분포되어 있으며, 이는 제한된 북극 지역을 통한 많은 교통량을 의미하며, 지수는 선박 범주에 따라 달라집니다.

어업은 가장 큰 공간적 확산을 보이는 범주로, 선박 경로의 폭은 근위 해빙 면적과 상관관계가 있습니다. 이러한 경로의 시간적 진화는 일년 내내 선박 활동이 장기간 증가하는 것이 특징입니다.

결론

AIS 데이터는 전 세계 국제 함대의 활동에 대한 귀중한 정보를 제공합니다. 새로운 국제 협정의 맥락에서, 그것은 다른 측면들 중에서도 운송, 어업 및 해양 생물에 대한 잠재적 영향을 모니터링하는 귀중한 자료입니다. 여기서 우리는 최근 몇 년 동안 북극 운송에 초점을 맞추었는데, 이는 특히 북동쪽 및 북서쪽 통로 해안 경로 주변에서 빠르게 성장하고 있으며, 더 짧은 운송 경로를 설계하고 상품 운송으로 인한 온실 가스 배출을 줄일 수 있는 기회를 제공하지만 북극 생태계에 영향을 미칠 위험이 있습니다.

I. 배경

해운 교통은 세계 무역에서 지배적인 운송 모드를 나타내며 국제 상품 무역량의 80% 이상을 제공합니다[1]. 사실, 경제 성장으로 인해 1992년과 2002년 사이에 해상 교통량이 60% 증가했습니다[2]. 해상 운송이 세계 경제에 미치는 중요성은 2020년 에버 기븐 컨테이너선이 좌초되어 수에즈 운하가 막혔을 때 입증되었습니다. 얼음 덮개가 감소하여 아시아에서 유럽과 북미로 상품을 운송하는 새로운 북극 항로가 개설되면 교통량이 증가하고 이 취약한 생태계에 새로운 위협이 발생할 것이며[3] 북극의 급격한 기후 변화로 인한 직접적인 영향에 더해질 것입니다. 사실, 운송 시간에 대한 추산에 따르면 2013년과 2022년 사이에 7%가 증가한 것으로 나타났습니다[4].

추적 기술은 해양을 통한 선박의 이동 분석에서 중요한 역할을 하며 경제적, 정치적, 생태적 결과를 초래하는 여러 선박 행동을 정량화할 수 있게 해줍니다. 예를 들어, 어선 추적은 어업 활동의 핫스팟을 추론하는 데 도움이 되었습니다[5–7]. 게다가 어선의 궤적과 해양 동물의 이동 추적이 겹치면서 어선과 상어 사이의 중복 위험이 높고 따라서 부수어획 위험이 있는 지역[8]과 대형 선박과 고래상어의 충돌 위험[9]이 드러났습니다.

현재 선박 추적 데이터에서 파생된 제품은 공개적으로 사용 가능합니다. 예를 들어, Global Fishing Watch의 주요 제품은 전 세계적으로 높은 공간적 및 시간적 해상도로 어업 노력을 설명합니다[5]. 그러나 전 세계적으로 다른 선박 범주의 궤적을 포함한 더 광범위한 데이터 세트는 개인 구매로 사용할 수 있습니다. 데이터 소유권 및 표준화 문제를 극복하기 위해 여러 출처의 이전에 정리되고 사전 처리되고 과학적으로 검증된 데이터 세트에 액세스하여 온라인 분석을 수행하는 새로운 이니셔티브가 개발되고 있습니다. 이 방향으로 HUB Ocean은 과학자들이 양식장의 기생충 감염, 전 세계 선박 배출 또는 해양 보호 구역(MPA)을 설명하는 공간 데이터와 같은 다양한 해양 현상을 설명하는 여러 데이터 세트에 대한 온라인 분석을 수행할 수 있는 Ocean Data Platform(oceandata.earth)을 개발했습니다.

여기에서는 Ocean Data Platform의 Private Preview Week에서 개발한 데이터 분석을 통해 2020년 1월부터 2022년 4월까지 북극해의 해상 교통량을 분석한 결과를 보고합니다.

II. 데이터 설명

운송 교통량. 북극해를 통과하는 선박의 공간 사용은 자동 식별 시스템(AIS) 데이터에서 추론되었습니다. AIS는 해상 안전을 위해 도입된 시스템으로, 시스템을 사용하는 선박의 속도, 위도, 경도 등 다양한 데이터 변수를 제공합니다. Ocean Data Platform 플랫폼은 높은 공간 해상도의 월별 해상도로 AIS 추적 데이터를 집계하고 선박이 각 그리드 셀을 통과한 시간 수를 보고했습니다. 월별 통과 시간은 2020년 1월부터 2022년 4월까지 사용할 수 있었고 5가지 선박 범주(화물, 어업, 여객, 유조선 및 기타)를 지정했습니다. 분석을 위해 0.1◦ × 0.1◦ 해상도의 글로벌 그리드를 도입하여 북극권(66.6◦, 그림 1)보다 높은 위도를 선택했습니다.

운송 경로가 포함하는 영역의 시간적 진화는 이전에 북극 운송 교통을 평가하는 데 사용된 데이터 세트[10]로 보완되어 Ocean Data Platform 데이터 세트와 비교하고 북극해의 운송 교통의 장기적인 시간적 진화를 설명합니다. 이 이전 데이터 세트는 2010년 7월부터 2015년 5월 사이 AIS 시스템이 각 0.25◦×0.25◦ 그리드 셀에서 감지한 고유 선박의 월별 수를 보고했습니다.

해빙 면적. 해빙 면적은 미국 국립 눈 및 얼음 데이터 센터[11]에서 제공하는 해빙 지수에서 얻었습니다. 이 데이터 세트는 북반구의 해빙 면적의 월별 변화와 북극의 특정 하위 지역을 보고했습니다. 여기서 우리는 북서 통로 경로의 경우 캐나다 군도 지역, 배핀 만, 보퍼트해를 고려했고, 북동 통로의 경우 동시베리아해, 카라해, 바렌츠해를 고려했습니다.

III. 분석

운송 밀도는 각 그리드 셀의 통과 시간을 셀 영역으로 나누어 계산하고, 고려된 지역에서 AIS를 사용하는 모든 선박의 시간을 집계했습니다. 이 패턴은 전체 지도와 다양한 선박 범주와 관련된 특정 패턴(그림 1)에서 운송 활동의 핫스팟을 보여주었습니다. 어선은 북극해, 특히 바렌츠해와 아이슬란드 근처에서 운송에 가장 큰 기여를 했습니다. 유조선과 유사하게 화물선은 북동쪽과 북서쪽 통로 경로를 관찰한 패턴을 보였으며, 후자는 배핀 만에서 더 넓어졌고, 이 지역에서 유조선 궤적이 차지하는 면적이 적었습니다. 승객 교통은 가장 자주 이용하는 경로가 짧았기 때문에 노르웨이와 아이슬란드 해안과 같이 면적의 더 낮은 부분을 차지했습니다.

공간 전체의 운송 밀도 이질성은 대부분 그리드 셀이 낮은 운송 밀도를 표시하고 일부 셀은 큰 값을 집중시키는(그림 2) 무거운 꼬리 분포로 설명되었습니다. 구체적으로, 집계된(범주 전체) 운송 밀도 분포와 특정 범주의 운송 밀도 분포는 거듭제곱 법칙 분포로 설명되었습니다. Python 패키지 powerlaw를 사용하여 이러한 분포에 대한 거듭제곱 법칙 회귀를 수행하여 적합 지수 1.79(집계), 1.49(여객), 1.90(유조선), 1.74(화물), 1.96(어업)을 얻었습니다. 어업의 경우, 낮은 밀도(즉, 지수가 더 작음)에 대해 분포가 균일한 분포에 더 가까운 반면, 큰 밀도는 더 빠른 감소를 의미하며, 이는 회귀에서 포착된 동작이었습니다.

요약하자면, 고정된 원점과 모든 목적지에 도달할 균일한 확률(또는 그 반대)을 갖는 원점-목적지 플럭스를 고려한 무작위 귀무 모형은 1차원에서는 균일한 분포를 나타내는 반면, 2차원에서는 지수가 3인 무거운 꼬리 분포를 나타냅니다.

운송 경로를 감지하기 위해 0이 아닌 값을 갖는 격자 셀만 고려하여 경도당 평균 운송 밀도를 계산하고 각 격자 셀의 상대적 운송 밀도, 즉 운송 밀도를 경도의 평균 운송 밀도로 나눈 값을 나타냅니다(방법 참조). 가장 높은 값은 해안 근처에 위치하는 것을 관찰했습니다(그림 3). 이 기술은 주요 운송 경로(그림 3의 빨간색 복도)와 공해의 여러 어업 핫스팟을 보여주었습니다. 우리는 북태평양과 북대서양을 연결하는 북동쪽과 북서쪽 통로의 두 가지 주요 북극 운송 경로를 감지했으며, 북동쪽 경로는 랴홉스키 섬의 북쪽과 남쪽에서 두 개로 나뉩니다. 두 경로의 대부분의 교통량은 유조선과 화물선과 관련이 있었으며, 이는 여객선과 어선에서 경로를 따라 공간적 연속성이 없다는 사실에서 알 수 있으며, 이는 더 짧은 거리의 여행을 보일 것으로 예상됩니다.

통합 데이터 세트와 다양한 선박 범주에서 운송 밀도의 공간적 속성을 분석한 후, 북극권 전체의 모든 관측치를 통합하여 운송 교통의 시간적 진화에 초점을 맞추었습니다. 전체 기간 동안 가장 높은 운송 교통량은 어선에 해당했고, 그 다음으로 여객선, 화물선, 유조선 순이었습니다(그림 4). 어선과 여객선의 상대적 진화는 큰 상대적 변동을 보이지 않았지만, 화물선과 유조선의 운송 교통량은 2020년과 2021년 모두 여름과 초가을에 가장 활발한 것으로 나타났습니다.

마지막으로, 2010년 7월부터 2015년 5월 사이에 각 0.25◦× 0.25◦ 격자 셀에서 관찰된 고유한 선박의 수를 설명하는 보완적인 데이터 세트를 사용하여 북서 항로와 북동부 항로의 장기적인 변화를 정량화했습니다. 데이터 세트와의 비교를 보장하기 위해, 위에서 설명한 것과 동일한 절차를 따라 선박 경로 폭을 얻었지만, 동일한 격자 셀 크기, 즉 0.25◦ 변을 가진 셀을 고려했습니다. 북서 항로의 경우 여러 해에 걸쳐 유사한 패턴을 관찰한 반면, 북동부 항로는 가장 최근 데이터 세트에서 최대값이 현저히 감소한 반면, 항로에서 관찰 가능한 활동이 나타난 기간이 증가했습니다(그림 7).

IV. 토론

예를 들어 동물의 궤적이나 해양 생물에 대한 위협[13]과 같은 해양 환경에 대한 데이터의 가용성은 역사적으로 육지에서 발생하는 프로세스를 설명하는 데이터와 대조적으로 제한적이었습니다. 그러나 커뮤니티와 과학 자금 지원 기관에서 데이터 공유 정책에 대한 패러다임의 변화는 보다 빈번한 해양 데이터 공개로 이어졌습니다. 이러한 맥락에서 여러 소스 데이터 세트를 수집, 정리 및 표준화하는 온라인 플랫폼은 해양 과학을 발전시키는 주요 이점이 됩니다[14, 15]. 또한 온라인 계산을 위한 서버의 가용성은 데이터 액세스뿐만 아니라 빅데이터를 처리하는 계산 리소스의 민주화를 향한 변화를 가져옵니다. 이러한 맥락에서 우리는 Private Preview Week에서 HUB Ocean의 Ocean Data Connector를 사용하여 무료로 북극 운송 교통에 대한 분석을 개발했습니다.

북동부 및 북서부 항로의 해상 교통에 대한 장기 분석은 그림 5와 같이 경도별 해상 교통의 시간적 변화를 보고했습니다.위쪽 패널은 각 경도에서 null이 아닌 운송이 있는 셀에 대한 평균 운송 밀도를 나타내고, 아래쪽은 이러한 셀의 단면 길이를 나타냅니다.흰색 항목은 교통이 없음을 나타냅니다.위쪽 패널의 검은색 선은 북동부 및 북서부 항로를 측정하는 데 가장 대표적인 것으로 선택한 경도를 나타내며 각각 150º 및 -90º입니다.두 경로 모두에서 예상되는 계절적 패턴으로 북서 항로에서 변동성이 낮음을 보여줍니다.그러나 북동부 항로는 최대 경로 폭이 최근 감소했으며, 더 긴 계절적 거동, 즉 경로가 더 좁지만 일년 중 더 긴 부분 동안 사용되었습니다. 이미 "인류폐쇄"라고 불리는 시기에 COVID-19의 확산을 줄이기 위한 지역적, 지역적 및 국제적 이동 제한[16, 17]은 우리가 분석한 기간의 대부분과 겹치며, 공장 생산 속도의 감소를 의미하며, 교통량이 감소하면 선박이 모든 지리적 및 환경적(얼음) 제약을 고려할 때 거리 측면에서 최적에 더 가까운 경로를 따르게 되므로 북동부 경로의 폭이 감소한 것을 설명할 수 있습니다. 사실, 글로벌 분석에 따르면 특히 북반구에서 팬데믹 초기 몇 달 동안 교통 점유율이 1.4% 감소한 것으로 나타났습니다[18].

북극해의 해빙 범위가 급속한 북극 온난화로 인해 감소하는 것은 운송 경로를 최적화하고 운송 시간과 비용을 줄이며 따라서 온실 가스 배출을 줄일 수 있는 기회를 나타냅니다. 그러나 북극 운송 교통량의 이러한 증가는 북극의 "푸른 가속"[19]의 선구자일 수 있으며, 이미 감지된 플라스틱 오염[23, 24]과 같은 다른 스트레스 요인 외에도 이전에는 선박 충돌[21]이나 수중 소음[22]과 같은 운송 위험[20]에 노출되지 않았던 해양 종을 위협할 수 있습니다. 반면, 새로운 운송 경로의 가용성은 지구 온난화에 대한 인간 기반의 부정적 피드백을 나타내어 더 짧은 경로를 사용함으로써 선박의 배출을 줄일 수 있습니다[25]. 이러한 잠재적인 긍정적 및 부정적 측면은 환경 영향을 최소화하는 데 도움이 되는 북극 운송 교통을 모니터링하고 관리하기 위한 데이터 분석의 중요성을 강조합니다.

V. 방법

운송 밀도. 원시 데이터는 모든 통과 선박을 포함하여 AIS 장치가 장착된 선박의 고해상도 그리드 셀에 대한 운송 통과 시간과 어선, 여객선, 화물선 및 유조선의 네 가지 선박 범주로 세분화된 운송 통과 시간을 제공했습니다. 이러한 고해상도 그리드 셀을 크기가 0.1◦× 0.1◦인 그리드 셀에 집계했습니다. 운송 통과 시간을 셀 영역 A로 나누어 운송 밀도를 얻었습니다.

여기서 R = 6371km는 지구 반경이고, ϕ는 위도(도)이며, ∆λ와 ∆ϕ는 각각 셀의 경도와 위도 방향(도)입니다.

경도당 평균 운송 밀도. 우리는 같은 경도를 가진 셀을 통과하는 총 운송 운송 시간의 합을 0이 아닌 운송 시간이 있는 셀의 면적으로 나누어 경도당 평균 운송 밀도를 계산합니다. 이는 Eq. 7에 따릅니다. 이 값의 시간적 진화(그림 5, 위)의 경우, 각 시간 단계에서 우리는 해당 특정 기간에 0이 아닌 운송 시간이 있는 셀만 고려합니다.

경도당 경로 폭. 우리는 특정 경도 λ를 가진 북극 지역의 모든 격자 셀을 고려하고, 0이 아닌 통과 시간을 표시한 셀 수 N(λ, t)의 시간적 진화를 계산합니다. 우리는 경로 폭 W(λ, t)를 이러한 셀의 위도 횡단면의 길이로 계산했습니다.

VI. 선언

A. 자금 조달

JPR은 MCIN/AEI/10.13039/501100011033에서 자금 지원을 받은 Juan de la Cierva Formacion 프로그램(Ref. FJC2019-040622-I)의 지원을 받았습니다. JPR은 스페인 연구 기관 MCIN/AEI/10.13039/501100011033에서 MISLAND 프로젝트(PID2020-114324GB-C22)를 통해 지원을 받았습니다.

이 연구는 Mar´ıa de Maeztu Excellence Unit 2023-2027 Refs. CEX2021-001201-M 및 CEX2021-001164-M의 지원을 받았으며 MCIN/AEI /10.13039/501100011033의 자금 지원을 받았습니다.

B. 저자의 기여

JPR: 개념화, 데이터 큐레이션, 형식적 분석, 소프트웨어, 시각화, 쓰기: 초안. KK: 형식적 분석, 쓰기: 검토 및 편집. CMD: 개념화, 쓰기: 검토 및 편집. VME: 개념화, 형식적 분석, 쓰기: 초안.

VII. 감사의 말

저자는 Ocean Data Connector를 통해 모든 분석을 원격으로 실행하기 위한 데이터와 계산 시설에 대한 접근을 제공한 HUB Ocean hubocean.earth 플랫폼에 감사드립니다.

[1] UNCTAD, 해상운송 검토(유엔 출판물, 2021).

[2] J. Tournadre, 지구물리학 연구 편지 41, 7924(2014).

[3] N. Melia, K. Haines 및 E. Hawkins, 지구물리학 연구 편지 43, 9720(2016).

[4] M. M¨uller, M. Knol-Kauffman, J. Jeuring 및 C. Palerme, npj Ocean Sustainability 2, 12(2023).

[5] DA Kroodsma, J. Mayorga, T. Hochberg, NA Miller, K. Boerder, F. Ferretti, A. Wilson, B. Bergman, TD White, BA Block 등, Science 359, 904 (2018).

[6] JP Rodr´ıguez, J. Fern´andez-Gracia, CM Duarte, X. Irigoien 및 VM Egu´ıluz, Science Advances 7, eabe3470(2021).

[7] TH Frawley, B. Muhling, H. Welch, KL Seto, S.-K. Chang, F. Blaha, Q. Hanich, M. Jung, EL Hazen, MG Jacox, et al., One Earth 5, 1002(2022).

[8] N. Queiroz, NE Humphries, A. Couto, M. Vedor, I. Da Costa, AM Sequeira, G. Mucientes, AM Santos, FJ Abascal, DL Abercrombie 등, Nature 572, 461 (2019).

[9] FC Womersley, NE Humphries, N. Queiroz, M. Vedor, I. da Costa, M. Furtado, JP Tyminski, K. Abrantes, G. Araujo, SS Bach 등, Proceedings of the National Academy of Sciences 119, e2117440119 (2022).

[10] VM Egu'ıluz, J. Fern'andez-Gracia, X. Irigoien 및 CM Duarte, Scientific Reports 6, 30682 (2016).

[11] F. Fetterer, K. Knowles, WN Meier, MM Savoie 및 AK Windnagel, "해빙 지수, 버전 3,"(2017). [12] J. Alstott, E. Bullmore 및 D. Plenz, PLoS ONE 9, e85777(2014).

[13] AMM Sequeira, GC Hays, DW Sims, VM Egu´ıluz, JP Rodr´ıguez, MR Heupel, R. Harcourt, H. Calich, N. Queiroz, DP Costa, et al., Frontiers in Marine Science 6, 639(2019).

[14] T. Tanhua, S. Pouliquen, J. Hausman, K. O'brien, P. Bricher, T. De Bruin, JJ Buck, EF Burger, T. Carval, KS Casey 등, Frontiers in Marine Science 6, 440 (2019).

[15] JJ Buck, SJ Bainbridge, EF Burger, AC Kraberg, M. Casari, KS Casey, L. Darroch, JD Rio, K. Metfies, E. Delory, et al., Frontiers in Marine Science 6, 32 (2019).

[16] C. Rutz, M.-C. Loretto, AE Bates, SC Davidson, CM Duarte, W. Jetz, M. Johnson, A. Kato, R. Kays, T. Mueller 외, Nature Ecology & Evolution 4, 1156(2020).

[17] AE Bates, RB Primack, BS Biggar, TJ Bird, ME Clinton, RJ Command, C. Richards, M. Shellard, NR Geraldi, V. Vergara 외, Biological Conservation 263, 109175(2021).

[18] D. March, K. Metcalfe, J. Tintore 및 BJ Godley, Nature Communications 12, 2415(2021).

[19] J.-B. Jouffray, R. Blasiak, AV Norstr¨om, H. Osterblom, ¨ 및 M. Nystr¨om, One Earth 2, 43(2020). [20] KA Burek, FM Gulland 및 TM O'Hara, Ecological Applications 18, S126(2008).

[21] R. Reeves, C. Rosa, JC George, G. Sheffield 및 M. Moore, 해양 정책 36, 454(2012).

[22] OM Tervo, SB Blackwell, S. Ditlevsen, E. Garde, RG Hansen, AL Samson, AS Conrad 및 MP Heide-Jørgensen, Science Advances 9, eade0440(2023).

[23] A. C'ozar, E. Mart'ı, CM Duarte, J. Garc'ıa-de Lomas, E. Van Sebille, TJ Ballatore, VM Egu'ıluz, JI Gonz'alez-Gordillo, ML Pedrotti, F. Echevarr'ıa 등, Science Advances 3, e1600582(2017).

[24] I. Peeken, S. Primpke, B. Beyer, J. G¨utermann, C. Katlein, T. Krumpen, M. Bergmann, L. Hehemann 및 G. Gerdts, Nature Communications 9, 1505(2018).

[25] J. Browse, K. Carslaw, A. Schmidt 및 J. Corbett, 지구물리학 연구 편지 40, 4459(2013).