search
Contact Us
HOME

  • Crossref logo
  • Crossref Similarity Check logo
Journal Search Engine

to

Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1229-3857(Print)
ISSN : 2288-131X(Online)
Korean Journal of Environment and Ecology Vol.39 No.5 pp.444-456
DOI : https://doi.org/10.13047/KJEE.2025.39.5.444

Wild Bird Collision Status and Spatial Characteristics of Transparent Road Noise Barriers in Gyeongsangnam-do, South Korea1a

Soo-Dong Lee2, Min-Gyu Jo3, Bong-Gyo Cho4, Chung-Hyeon Oh5*
2Dept. of Landscape Architecture, Gyeongsang National Univ., Jinju 52725, Korea (ecoplan@gnu.ac.kr)
3Dept. of Landscape Architecture, Gyeongsang National Univ., Jinju 52725, Korea (whalsrb0881@naver.com)
4Dept. of Urban system Engineering, Gyeongsang National Univ., Jinju 52725, Korea (bonggyo1@naver.com)
5Jirisan National Park Gyeongnam Office, Korea National Park Service, Sancheong 52234, Korea (eco5ch@knps.or.kr)

a 이 논문은 경남녹색환경지원센터에서 지원하는 과제번호 23-2707611-6에 의하여 연구되었음.


* 교신저자 Corresponding author: eco5ch@knps.or.kr
03/08/2025 29/08/2025 02/09/2025

Abstract


Transparent roadside noise barriers are widely installed for noise abatement and landscape enhancement, but their high reflectivity and transparency make them a major source of bird collisions. We compiled 3,638 collision records (3,686 individuals, 74 species) across Gyeongsangnam-do, South Korea (2000–2023) from field surveys, NGO volunteers, and citizen-science databases to map collision patterns and diagnose spatial correlates. Resident forest-associated species—such as Oriental Turtle-dove (Streptopelia orientalis), Azure-winged Magpie (Cyanopica cyanus), and Brown-eared Bulbul (Hypsipetes amaurotis)—were most frequently affected, with collisions peaking in winter. Regardless of collision status, urban and grassland cover increased sharply within ~80 m of barriers. A MaxEnt model (AUC = 0.921) identified distance to forest as the strongest predictor, with risk concentrated in lowland ecotones at forest–agriculture and forest–urban boundaries. These results indicate that collision risk reflects not only barrier design but also surrounding spatial configuration and topography. We recommend bird-safe design at the planning stage for new barriers and sustained citizen-science monitoring to prioritize mitigation in high-risk areas.


SPATIAL STRUCTURE , LAND COVER ANALYSIS , CITIZEN SCIENCE DATA , COLLISION RISK PREDICTION , SPECIES DISTRIBUTION MODEL

경상남도 도로 투명 방음벽에서의 야생조류충돌 실태 및 공간적 특성 분석1a

이수동2, 조민규3, 조봉교4, 오충현5*
2경상국립대학교 조경학과 교수
3경상국립대학교 대학원 조경학과 석사과정
4경상국립대학교 대학원 도시시스템공학과 박사과정
5국립공원공단 지리산국립공원경남사무소 주임

초록


도로변 투명 방음벽은 소음 저감 효과뿐만 아니라 경관 개선이라는 관점에서 널리 설치되고 있으나, 높은 반사율과 투명도로 인해 야생조류 충돌의 주요 원인으로 지목되고 있다. 본 연구는 경상남도 전역을 대상으로 조류 충돌 현황을 파악하고, 충돌 위험지역의 공간적 특성을 규명하여 투명 방음벽의 조류충돌 저감 대책 수립을 위한 기초 자료로 제공하고자 수행되었다. 2000년부터 2023년까지 현장 조사, 비영리 단체 자원봉사, 시민과학 자료를 통해 총 3,638건(74종 3,686개체)의 충돌 정보를 수집하였다. 분석 결과 멧비둘기, 물까치, 직박구리 등 텃새가 주요 충돌 종으로 나타났으며, 계절별로는 겨울철이 가장 많았다. 방음벽 주변 토지피복은 충돌 여부와 무관하게 80m 이내 구간에서 시가화 건조지역과 초지 비율이 급격히 증가하는 경향을 보였다. 종분포 모델(MaxEnt) 분석 결과, 다양한 요인 중 산림과의 거리가 가장 큰 연관성을 보였으며, 산림-농업, 산림-도시 등 생태계 경계부의 저지대에서 충돌 위험이 집중되는 것으로 나타났다(AUC=0.921). 이 결과는 투명 방음벽의 충돌 위험이 방음벽의 구조적 특징뿐만 아니라 주변 공간구조와 지형적 특성과 밀접하게 연관됨을 시사한다. 따라서 신규 방음벽 설치 시 방음벽의 조류충돌 저감 설계 반영과 함께, 시민과학 참여를 통한 지속적 모니터링 등을 통한 위험지역 도출과 고위험지역에 대한 우선 저감 조치가 필요하다.


공간 구조 , 토지피복 분석 , 시민과학 데이터 , 충돌 위험 예측 , 종분포 모델

    서 론

    야생조류의 폐사 원인은 자연적 요인과 인위적 요인으로 구분된다. 자연적 요인에는 포식, 경쟁, 자연재해 등이 포함되며 이는 생태계의 균형을 유지하는 데 기여할 수 있다(Lincoln, 1931). 반면 인위적 요인은 인간 활동으로 인해 발생하며, 건물 및 송전선과 같은 구조물과의 충돌(Loss et al., 2012;Van Doren et al., 2021;Garcês et al., 2019), 집고양이에 의한 포식(Loss et al., 2015), 농약이나 납과 같은 독성 물질로 인한 피해(Kelly et al., 2014;Cherkassky, 2011) 등이 주요 사례이다. 이러한 인위적 요인에 따른 조류 폐사는 북미에서만 매년 수억에서 수십억 마리에 이르는 것으로 추정되며(Loss et al., 2015;Calvert et al., 2013), 특히 구조물과의 충돌은 집고양이에 의한 포식 다음으로 큰 사망 원인으로 보고되고 있다(Calvert et al., 2013).

    유리창과 같은 투명 구조물은 조류 충돌의 주요 원인으로 알려져 있다(Klem, 1990;Klem et al., 2004). 미국에서는 매년 3억 6,500만~9억 8,800만 마리, 캐나다에서는 약 2,500만 마리의 조류가 유리창 충돌로 사망하는 것으로 추정된다(Loss et al., 2014;Machtans et al., 2013). 한국에서도 유리창과 방음벽에 의해 연간 약 800만 마리의 조류가 폐사하는 것으로 추정된다(National Institute of Ecology, 2021). 특히 도시화와 건축물의 고층화로 유리 구조물의 비율과 표면적이 증가함에 따라 조류충돌 위험은 지속적으로 높아지고 있으며, 야간 조명에 의해 이동성 조류의 충돌 위험이 더욱 가중될 수 있다(Van Doren et al., 2021).

    국내에서도 2000년대 중반 이후 투명 방음벽과 관련된 조류충돌 문제가 공론화되면서 환경부에서 조류충돌 저감을 위한 가이드라인을 제시하였다(Ministry of Environment, 2019). 지자체 차원에서도 맹금류 형상이나 점형 패턴 스티커 부착 등 사후적 관리 방안이 시행되고 있으나, 이러한 단편적 방법만으로는 충돌을 근본적으로 예방하기 어렵다는 한계가 지적되고 있다(Kim et al., 2022). 기존 연구 또한 방음벽의 높이, 너비, 스티커 부착 효과 등 구조적 요인에 집중된 반면 (Hager et al., 2013;Mitrus and Zbyryt, 2018;Loss et al., 2019), 방음벽 설치 지역의 공간구조와 같은 사전 예방적 관점에서의 연구는 상대적으로 부족하다(Kim et al., 2022). 그럼에도 충돌 발생 건물 유리창 비율 및 주변 환경 파악(Borden et al., 2010;Cusa et al., 2015), 시민과학 자료를 활용한 건물충돌 구조 파악(Winton et al., 2018), 조류 충돌의 공간적 이해를 위한 유리창 주변 서식지 구성 파악을 통한 위험 변동 예측(Zyśk-Gorczyńska et al., 2022)과 같은 연구들이 진행되며 충돌 지점 일대 토지피복 요소가 조류충돌 발생에 영향을 미치는 것을 확인하고자 하였다. 특히, Zyśk- Gorczyńska et al.(2022)는 토지이용 조합에 따른 충돌 위험성 평가를 위해 선형 모델(Generalized Linear Model)을 이용하여 평가하였다.

    방음벽 등 구조물에 대한 조류충돌 문제를 근본적으로 해결하기 위해서는 표준화된 조사 기법 적용과 체계적 데이터 수집이 선행되어야 하며(Hager and Cosentino, 2014), 이를 토대로 특정 지역과 종별 취약성을 반영한 맞춤형 보전 전략 수립이 필요하다. 특히 최근에는 시민과학 프로그램이 조류충돌 데이터 수집에 활발히 활용되고 있으며(Loss et al., 2023;Tan et al., 2024), 전문가와 협력해 데이터 품질을 향상시키고 보전 전략 마련에 기여하는 사례가 늘어나고 있다(Uribe-Morfín et al., 2021). 그러나 이러한 시민 참여형 연구는 수도권과 일부 대도시에 집중되어 있어 경상남도 등 다른 지역에서는 여전히 시민참여를 기반으로 한 연구와 모니터링이 부족한 실정이다(Kim et al., 2022).

    이에 본 연구는 투명 방음벽과 조류충돌의 공간적 특성을 규명하고 충돌 위험지역을 예측하여 투명 방음벽의 조류 충돌에 대한 보다 효과적인 저감 대책 마련의 기초 자료를 제공하고자 하였다. 구체적으로, (1) 시민과학 자료와 현장 조사를 통해 충돌 종과 개체수를 파악하고 주요 충돌 종과 서식 특성을 확인하며, (2) 충돌 여부와 방음벽 설치 형태에 따른 주변 토지피복 변화를 분석하고, (3) 종분포 모델을 활용하여 충돌에 영향을 미치는 주요 환경 요인을 규명하고 충돌 위험지역을 도출하는 것을 목표로 하였다.

    연구방법

    1. 연구대상지

    본 연구는 조류 충돌 실태 자료가 상대적으로 부족한 경상남도에서 투명 방음벽이 설치된 주요 도로를 대상으로 수행하였다. 경상남도는 8개 시(거제시, 김해시, 밀양시, 사천시, 양산시, 진주시, 창원시, 통영시)와 10개 군(거창군, 고성군, 남해군, 산청군, 의령군, 창녕군, 하동군, 함안군, 함양군, 합천군)으로 구성되며, 총면적은 10,541.73㎢이다 (Ministry of the Interior and Safety, 2024). 이 중 산림 면적은 6,988.1㎢로 전체 면적의 약 66%를 차지하며, 주요 산지는 북쪽의 덕유산(1,614m)과 가야산(1,430m), 동쪽의 신불산(1,159m), 서쪽의 지리산(1,915m) 등이 있다. 남쪽은 해안과 접하고 있으며 거제도, 남해군 등 다수의 섬이 도로로 연결되어 있다.

    경상남도에는 8개 고속도로(경부, 광주·대구, 남해, 부산 외곽순환, 중부내륙, 중앙, 통영-대전, 함양-울산)와 17개 국도(2, 3, 5, 7, 14, 19, 20, 24, 25, 26, 33, 35, 37, 58, 59, 77, 79)가 통과하며, 이들 도로 구간 중 일부에는 투명 방음벽이 설치되어 있다. 본 연구는 해당 도로에 설치되어 있는 투명 방음벽을 중심으로 조류충돌 특성과 공간적 요인을 분석하였다(Figure 1).

    2. 연구 방법

    본 연구는 조류충돌 분석을 위해 조류충돌 데이터, 투명 방음벽 위치 정보, 환경 변수 데이터를 수집하는 것으로 시작하였다. 수집된 데이터는 계절, 이동 유형, 서식 환경별 충돌 현황 분석, 충돌 여부에 따른 방음벽 주변 토지피복 특성 비교, 그리고 종분포 모델(Species Distribution Model, SDM) 구축에 활용되었다.

    먼저, 계절 및 이동 유형별 충돌 현황 분석을 통해 주요 충돌 종과 서식 특성을 파악하였다. 이어서, 충돌 발생 여부에 따른 방음벽 주변 토지피복과 설치 특성을 비교해 충돌에 영향을 미치는 공간적 요인을 분석하였다. 마지막으로, 지형(수치표면모델, 경사, 향)과 토지피복 정보를 입력 변수로 한 종분포 모델을 구축하여 잠재적 충돌 위험지역을 예측하고 위험 예측 지도를 작성하였다. 이러한 세 단계의 결과를 통합해 충돌 발생 지역의 공간적 특성을 규명하고, 충돌 예방 방안을 제시하였다.

    1) 조류충돌 현황

    조류충돌 데이터는 연구진 자체 현장조사, 경상남도 내 비영리 단체의 자원봉사 조사, 그리고 시민과학자 제보 자료를 통해 수집하였다. 연구진과 비영리 단체는 2023년 1월부터 12월까지 경상남도를 관통하거나 내부에 조성된 8개 고속도로와 17개 국도를 전수 조사하였으며, 이동중 투명창 사용이 확인된 일부 지방도도 추가로 조사하였다. 투명창이 사용된 방음벽은 총 881개 지점, 188,770.6m로 각 방음벽 길이는 7.4m~1,827.9m로 확인되었다. 조사는 2인 1조로 방음벽의 시작 지점부터 끝 지점까지 도보로 이동하며 충돌 흔적을 확인하는 방식으로 이루어졌고, 발견된 조류 사체는 종 식별과 위치 기록을 위해 사진 촬영 후 인근 산림 또는 초지에 매립하여 반복 관측에 따른 중복을 방지하였다. 기본적으로 월 1회 조사하였으며, 철새의 이동기인 봄철과 가을철에는 월 2회 이상 조사를 수행하였다.

    참여 단체는 경남탐조클럽, 남해생태관광협의회, 마·창· 진환경운동연합, 창원지속가능발전협의회, 통영거제환경 운동연합 등이었으며, 경상남도 18개 시·군을 나누어 정기 및 비정기 조사를 진행하였다. 비영리 단체에서 제공한 데이터의 정확성을 높이기 위해, 현장에서 촬영되는 사진에는 자동으로 위치 좌표(위·경도)가 포함되도록 설정하고, 수집된 자료는 채팅앱(카카오톡)을 통해 충돌 지점, 사진, 날짜 정보를 공유하였다.

    시민과학 데이터는 2020년 1월부터 2023년 12월까지 한국의 생태 관찰 플랫폼인 네이처링(Naturing)과 경남야생동 물센터에서 제공받은 자료를 활용하였다. 이 자료에는 충돌 지점의 좌표, 종명, 개체 수가 포함되어 있으며, QGIS 3.40을 통해 공간 정보화하였다. 또한 사진 기반의 좌표 데이터는 QGIS ImportPhoto plugin을 사용하여 좌표 기반의 공간 정보 데이터화하였다. 이후 방음벽 충돌과 무관한 사례(예: 건물 충돌)는 분석에서 제외하였다.

    최종적으로 정리된 충돌 데이터는 계절(봄, 여름, 가을, 겨울)과 이동 유형(텃새, 여름철새, 겨울철새, 나그네새), 주요 서식 환경(산림형, 수생형)별로 정리하였다. 이동 유형과 서식 환경 구분은 『한국의 새』(Lee et al., 2020), 『야생조류 필드가이드』(Park, 2022), 국립생물자원관 종 정보(National Institute of Biological Resources, 2023)를 참고하였으며, 중복 유형의 경우 관찰 빈도가 높은 특성을 기준으로 분류하 였다. 서식 환경은 단순 비교를 위해 초지, 산림, 공원, 개활지, 인가, 숲, 농경지 등은 산림형으로, 해안, 하구, 습지, 저수지, 호소, 호수, 계곡 등은 수생형으로 구분하였다.

    2) 방음벽 위치 확인 및 권역화

    투명창이 사용된 방음벽 위치 확인을 위해 네이버 지도(https://map.naver.com/) 및 카카오맵(https://map.kakao.com/) 로드뷰를 이용하였으며, QGIS 3.40과 VWorld Satellite를 통해 선형으로 공간 데이터 처리 후 현장 조사 시 검수하였다. 고속도로와 국도는 전수 조사하였으며, 지방도의 경우 충돌이 발생한 지점에 대해서만 공간 정보화하였다.

    조사된 방음벽은 도로 폭을 고려하여 인접한 30m 일대 방음벽을 묶어서 하나의 권역으로 보았다. 방음벽의 경우 도로의 양쪽에 모두 설치되거나 교차로로 인해 방음벽이 단절되는 경우 주변 공간구조는 동일하므로 독립된 방음벽에 30m 버퍼를 생성하여 버퍼가 중첩되거나, 육안 판독을 통해 주변 토지피복 유형이 동일한 경우 하나의 권역으로 보았다.

    3) 충돌 여부에 따른 방음벽 일대 토지피복 현황

    주변 토지피복 현황은 권역 중심에서 방음벽 면에 직각으로 교차하는 1km 선을 생성하여 방음벽 좌 500m, 우 500m 토지피복을 20m 간격으로 확인하였다. 권역 내 방음벽이 서로 다른 도로에 위치하거나, 토지피복지도 범위를 벗어나 방음벽 일대의 토지피복 현황을 알 수 없는 경우는 분석에서 제외하였다. 설치 형태는 도로 한쪽에만 방음벽이 있을 때를 단면형(A)으로, 양쪽에 있을 때를 양면형(B)으로 구분하였다(Figure 3).

    충돌 횟수는 권역 내에서 발생한 충돌 정보만을 이용하였으며, 권역 밖 데이터는 정확히 어떤 방음벽에서 충돌했는지 특정하기가 어려우므로 분석에서 제외하였다. 각 조건에 따라 방음벽 수, 충돌횟수, 방음벽별 평균±표준편차, 최댓값, 최댓값을 제외한 평균±표준편차, 거리별 토지피복 누적비 그래프 및 우점 유형을 확인하였다. 방대한 양의 데이터를 취득하는 과정에서 생긴 데이터 편향이 발생할 수 있으므로(Backstrom et al., 2024), 이상치를 제거한 값을 살펴보기 위해 최댓값을 배제한 평균을 살펴보았다.

    토지피복 유형은 환경 공간정보서비스(https://egis.me.go. kr/)에서 제공하는 2022년 토지피복지도를 이용하여 시가화 건조지역, 농업지역, 산림지역, 초지, 습지, 나지, 수역 7가지 대분류 유형으로 정리하였다. 방음벽에 수직인 1km 선 생성 및 토지피복 속성 추출은 QGIS 3.40을 이용하였다.

    4) 충돌 위험지역 특성 파악 및 예측지도 작성

    생태계 연구에서 종의 잠재적 서식지를 파악하기 위해 널리 활용되는 종분포 모델은 산사태, 전염병, 작물 재배지 선정 등 다양한 환경 예측 연구에도 응용될 수 있다. 본 연구에서는 방음벽 주변의 공간 구조를 고려하여 조류 충돌이 빈번하게 발생할 가능성이 높은 지역을 예측하고, 해당 지역의 공간적 특성을 규명하기 위해 종분포 모델을 적용하였다. 존재 데이터만으로도 안정적인 예측이 가능하며 최적 확률 분포로 수렴하는 알고리즘을 갖춘 MaxEnt(Maximum Entropy) 모델을 선정하였으며, 이는 생태학 분야에서 가장 널리 사용되는 접근법 중 하나이다(Phillips et al., 2006).

    모델에 투입된 환경변수는 선행연구(Kim et al., 2022;Zyśk-Gorczyńska et al., 2022;Hager et al., 2013)를 참고하여 구축하였다. 토지피복 변수의 경우, 환경공간정보서비스에서 제공하는 2022년 토지피복지도를 활용하였으며, 7개 대분류 유형 중 도로 및 방음벽이 포함된 시가화 건조지역을 제외한 6개 유형(농업지, 산림, 초지, 습지, 나지, 수역)으로부 터의 거리를 계산하였다. 토지피복별 거리는 QGIS의 근접도 분석 기능을 통해 산출하였고, 지형 변수로는 수치표면모델(Digital Surface Model, DSM), 경사(Slope), 향(Aspect)을 선정하였다. DSM은 ALOS에서 제공하는 30m 해상도 자료를 사용하였으며, 경사와 향은 DSM 기반으로 QGIS의 지형 분석 도구를 통해 산출하였다. 모든 변수는 연속형 자료로 구축되었으며 해상도는 30m로 통일하였다.

    변수 간 다중공선성을 확인하기 위해 ENMtools(Warren et al., 2010)의 Pearson 상관분석을 적용하였으며, 상관계수 절대값이 0.7 이상인 변수는 제거하였다. 상관성이 높은 변수가 도출될 경우, 선행연구를 참고하여 방음벽 충돌과의 연관성이 낮다고 판단되는 인자를 제외하였다. 출현 데이터는 방음벽 권역별 충돌 분석에서 활용된 지점을 기반으로 하였으며, 공간적 편향을 최소화하기 위해 동일 해상도 내에서는 한 개의 포인트만 유지하도록 전처리하였다.

    MaxEnt 모델은 Random seed와 Write plot data 옵션을 활성화한 상태에서 bootstrap 방식으로 10회 반복 실행하였으며, 데이터는 75%를 학습용, 25%를 검증용으로 무작위 분할하였다. 나머지 설정은 기본값을 사용하였다. 모델의 예측 정확도는 ROC(Receiver Operating Characteristic) 곡선의 AUC(Area Under the Curve) 값을 기준으로 평가하였으며, AUC 값이 0.7 이상일 경우 모델의 성능이 적절하다 고 판단하였다(Thuiller, 2003;Swets, 1988).

    모델 결과 해석은 변수별 기여도와 중요도를 확인하기 위해 Jackknife 검정을 수행하였으며, 환경 변수 값 변화에 따른 반응곡선(Response curve)을 통해 충돌 위험에 대한 변수의 영향 패턴을 분석하였다. 최종적으로 예측된 적합도 값은 Zhang et al. (2019)을 참고하여 영향 없음(0-0.2), 낮음(0.2-0.4), 감시 필요(0.4-0.6), 위험(0.6-1.0)의 네 구간으로 등급을 나누어 충돌 위험 예측지도를 제작하였으며, 영향 없음에서 위험 등급으로 갈수록 충돌 가능성이 높아진다.

    결과 및 고찰

    1. 결과

    1) 충돌 현황

    2020년부터 2023년까지 수집된 조류충돌 자료는 총 3,638건, 74종, 3,686개체였다. 동정 불가 개체를 제외했을 때, 멧비둘기(Streptopelia orientalis)가 538개체로 가장 높은 충돌 빈도를 보였으며, 물까치(Cyanopica cyanus), 직박구리(Microscelis amaurotis), 참새(Passer montanus), 흰배지빠귀(Turdus pallidus), 붉은머리오목눈이(Paradoxornis webbianus) 순으로 나타났다(Table 2). 이들 종은 대부분 도시 내부 녹지나 주변 산림에서 활동하는 산림형 조류였다.

    계절별 충돌 빈도는 겨울(37.1%) > 봄 > 가을 > 여름 순으로 나타났다. 이동 유형별로는 텃새가 가장 높은 충돌 빈도를 보였으며, 여름철새, 겨울철새, 나그네새 순으로 나타났다(Table 3). 텃새는 모든 계절에서 높은 충돌 빈도를 보였으며, 여름철새는 가을에, 겨울철새는 겨울과 봄에, 나그네새는 가을과 겨울에 충돌이 집중되었다.

    2) 충돌 여부에 따른 방음벽 일대 토지이용 현황 파악

    권역화 결과 총 467개 방음벽 구간 중 분석이 가능한 453개 구간을 평가하였다(Table 4). 충돌이 발생하지 않은 방음벽은 단면형 224개, 양면형 45개였고, 충돌이 발생한 방음 벽은 단면형 148개(2,294회 충돌), 양면형 36개(1,094회 충돌)였다. 양면형이 단면형 대비 약 4배가 적음에도 불구하고 충돌 횟수는 2배밖에 차이가 나지 않으며, 충돌 발생 방음벽의 평균 충돌 횟수는 단면형 15.5±32.5회, 양면형 30.4±76.7회로 나타났다. 그러나 최댓값(313회, 451회)을 제외하면 각각 13.5±21.4회, 18.4±29.2회로 차이가 줄어들었다.

    Figure 4는 충돌 여부와 설치 형태별 거리-토지피복 누적 비율에 따라 A, B, C, D 4가지 유형으로 구분된다. 충돌 여부에 따른 토지피복 변화는 없으나, 방음벽 단면과 양면에 따른 차이는 있었다. 양면형 방음벽 중심부에서는 시가화 건조지역이 80% 이상을 점유하는데, 이는 방음벽이 양면에 있어 도로가 속한 시가화 건조지역 유형을 더 잘 인식하여 발생한 것으로 0~20m구간에서 4가지 유형의 시가화 건조지역 비율이 약 40% 이상을 보이는 점에서 확인이 가능하다. 4가지로 구분하였음에도 모든 유형에서 습지와 수역은 비중 변화가 거의 없었으며, 산림과 농업지역은 방음 벽으로부터 약 80m 거리까지 50% 이상을 차지하였다. 중심부(방음벽 인접 구간)로 갈수록 산림과 농업지역 비율은 급감하고, 시가화 건조지역과 초지는 중심부에서 급격히 증가하는 양상을 보였다.

    3) 충돌 위험지역 특성 및 예측지도

    MaxEnt 모델 구동을 위해 수집된 3,638개 충돌 데이터 중 편향 제거 후 1,039개 지점을 분석에 활용하였다. 환경변수 간 상관관계 분석 결과, 농지-초지(0.74), 농지-습지(0.77), 수역-DSM(0.72) 간 높은 상관성을 보여 초지와 습지, 수역은 제외하였다. 최종 분석에는 산림, 농지, 나지와의 거리와 DSM, 경사, 향 6개 변수가 사용되었다.

    분석 데이터는 학습(666개)과 검증(221개) 세트로 구분하였으며, 10회 반복 모델링 결과 평균 AUC는 0.921 ± 0.002로 매우 높은 예측 정확도를 보였다. 변수 기여도 분석에서 산림과의 거리가 가장 높았으며, 농지, 나지, DSM, 경사, 향 순으로 나타났다(Table 5). DSM은 기여도는 낮지만 중요도와 gain에서 높은 값을 보여 모델 성능에 중요한 변수로 평가되었다.

    응답곡선(Response curves) 분석 결과(Figure 5), 향을 제외한 모든 변수에서 충돌 가능성은 특정 값에서 최대를 보인 후 거리나 값이 증가함에 따라 감소하는 경향을 나타냈다. 예를 들어 산림은 약 117m 이내, 농지는 9.9m 이내, 나지는 7.0m 이내에서 충돌 가능성이 가장 높았으며, DSM 은 약 19.8m에서 최대치를 보였다. 경사는 2.7° 부근에서 충돌 위험이 높았으며, 향은 북향(342.5°)에서 다소 높은 값을 보였다. 이는 산림과 가까우면서 지대가 낮고, 주변에 농경지나 나지와 같은 개방 공간이 인접한 구간에서 충돌 위험이 증가함을 시사한다.

    4) 충돌 위험 예측지도

    최종 예측 결과를 등급화한 충돌 위험지도는 영향 없음(0 –0.2), 낮음(0.2-0.4), 감시 필요(0.4-0.6), 위험(0.6-1.0) 4개 등급으로 구분되었으며, 나열된 등급 순서에 따라 충돌 위험성은 증가한다(Figure 6). 위험지역은 도심 내부보다는 도시-산림, 산림-농지, 산림-하천, 산림-산림 경계부에, 감시 필요나 낮음 지역은 도심 내부에 분포하는 양상을 보였다. 평균적으로 위험지역 구간은 200개 권역에서 2,594회 충돌이 발생해 가장 높은 수치를 보였고, 감시지역 165개(533 회), 낮음 76개(169회), 영향 없음 12개(92회) 순이었다(Table 6). 등급이 높아질수록 충돌이 발생하지 않은 방음벽 비율은 낮아졌고, 1회 이상 충돌이 발생한 방음벽 비율은 충돌 위험 가능성이 높아짐에 따라 증가하였다.

    2. 고찰

    본 연구는 충돌 현황 분석과 토지피복·지형 정보를 결합해 방음벽 주변의 공간적 특성이 조류 충돌에 미치는 영향을 평가하였다. 분석 결과, 국내외에서 가을철 충돌이 집중 된다는 기존 연구(Riding et al., 2021;Zyśk-Gorczyńska et al., 2020)와 달리, 본 연구에서는 겨울철 충돌 빈도가 가장 높게 나타났다. 이는 2가지 요인 때문으로 겨울철에 낙엽으로 방음벽 주변 및 식생대 하부 관찰이 쉬워지는 것과 더불어 투명창의 충돌 면적이 증가하게 되며, 산림형 텃새 개체군의 번식기 대비 먹이활동과 행동반경이 증가하는 것이 원인으로 해석된다(Dunn, 1993). 또한 주요 충돌 종은 도시-산림 경계부에서 활동하는 멧비둘기, 직박구리 등 산림형 조류였으며, 맹금류 중에서도 새매가 높은 충돌 횟수를 보였는데, 낮은 고도를 유지하며 탐색하거나 지형을 따라 비행하는 사냥 방식(Newton, 1986)과 더불어 텃새화되어 개체 밀도가 높고, 멧비둘기나 산림형 텃새 종과 마찬가지로 산림과 도시를 오가며 활동하기 때문으로 추정된다.

    방음벽 설치 형태별 충돌 빈도는 단면과 양면 간 큰 차이가 없었으나, 토지피복 분석에서는 충돌 여부와 무관하게 80m 이내 구간에서 시가화 건조지역과 초지 비율이 급증하는 공통 패턴이 나타났다. 종분포 모델 결과에서도 충돌 위험 지역은 산림과 농업, 산림과 도시 등 생태계 경계부의 저지대에 집중되었다. 이는 기존 연구(Bracey et al., 2016;Hager et al., 2013)에서 보고된, 도심 내부보다 도시-농촌 경계나 산림 인접 지역에서 충돌 위험이 높다는 결과와 일치한다. 또한 충돌 위험이 낮은 지역에서도 일정 수준의 충돌이 발생한 점은(Zyśk-Gorczyńska et al., 2022) 투명 방음벽이 설치된 모든 구간에서 충돌 가능성이 존재함을 시사한다.

    한국 도로의 65% 이상이 산림을 통과하며(Kim and Lee, 2000), 경상남도 역시 산림 비율이 66%에 달한다. 이러한 지형적 특성은 방음벽 설치 시점부터 충돌 위험을 내재하게 하며, 도시-산림 경계부에서 활동하는 텃새 종의 충돌 가능성을 높인다. 따라서 위험등급(Figure 6) 구간을 우선으로, 투명형을 불투명으로 교체, 패턴 스티커 적용, 수관고 확보 식재 등을 단계적으로 시행한다. 그리고 신규 설치 구간은 설계 단계에서 조류 충돌 저감 기준을 의무적으로 반영하도록 할 필요가 있다. 그러나 현행 ｢야생생물 보호 및 관리에 관한 법률｣은 공공기관 시설에 한정되어 있어 민간 시설 적용이 어려우며, 조류충돌 저감은 시민의 인식 변화와 협력이 병행되어야 효과가 있다(De Young, 1986). 이에 시민과학 활동 확대와 지역 사회 기반 홍보를 통한 정책 수용성 제고가 요구된다.

    본 연구의 한계로는 공간구조 분석에 집중해 방음벽 물리적 특성(높이, 폭, 재질, 스티커 부착 유무 등)을 변수로 포함하지 못했다는 점이 있다. 또한 여름·가을철 장마 및 태풍으로 인한 조사 제약, 강우에 따른 사체 유실, 겨울철 낙엽으로 인한 관찰 편의성 차이 등 계절적 편향이 발생할 가능성이 있다. 향후 연구에서는 방음벽 특성과 공간구조를 통합 분석하고, 고정 조사구를 활용한 장기 모니터링으로 계절·종 별 충돌 패턴을 정량화할 필요가 있다.

    감사의 글

    본 연구에 이용된 야생조류 사체 확인 지점 일부는 네이 처링 야생조류 유리창 충돌 조사 미션 관찰기록 데이터를 활용하여 수행되었습니다.

    Figure

    KJEE-39-5-444_F1.jpg

    Location of Gyeongsangnam-do, the study area, showing administrative divisions and major highways where transparent noise barriers are installed.

    KJEE-39-5-444_F2.jpg

    Workflow of the study for analyzing bird collisions with transparent noise barriers. The process includes collecting collision data, barrier location, and environmental variables; identifying spatial patterns by collision frequency and land-cover characteristics; and applying a species distribution model (SDM) to predict high-risk areas and propose preventive measures.

    KJEE-39-5-444_F3.jpg

    Classification of noise barrier types and extraction of land-cover attributes. Noise barriers were categorized as one-sided (A) or two-sided (B) within each buffer zone. Land-cover attributes were extracted along a 1 km transect perpendicular to the barrier (500 m left and right) at 20 m intervals (C).

    KJEE-39-5-444_F4.jpg

    Cumulative land-cover ratios (7 classes) along transects (500 m left/right) by collision status and installation type. A: One-sided, collision-free barriers - Forest and agricultural land dominate outer zones (>80 m), while urbanized areas increase toward the barrier center. B: Two-sided, collision-free barriers - Similar outer-zone patterns but with higher central urban ratios due to double-sided installation. C: One-sided barriers with collisions - Agricultural and urbanized areas sharply increase toward the center, reflecting higher collision hotspots. D: Two-sided barriers with collisions - Urban land cover dominates the center (>80%), with forest cover restricted to outer zones. The X-axis indicates distance (m) from the barrier center, and the Y-axis shows cumulative percentage.

    KJEE-39-5-444_F5.jpg

    Response curves of six environmental variables. The X-axis indicates variable values (distance or gradient), and the Y-axis shows predicted suitability (0 1). Red lines represent means across 10 replicates, and blue shading indicates standard deviation.

    KJEE-39-5-444_F6.jpg

    Predicted bird-collision risk map derived from MaxEnt model. Risk levels are categorized into four classes: no impact (0-0.2), low (0.2-0.4), monitoring (0.4-0.6), and high (0.6-1.0).

    Table

    Topographic and land-cover variables applied in the MaxEnt model to predict bird collision risk around noise barriers

    Seasonal species-specific noise barrier collision records (2020–2023). Species with total collisions <10 are grouped together

    Number of collisions by major habitat type(forest, water) and bird migration type(Summer Migratory, Winter Migratory, Resident, Passing)

    Noise barrier segments by collision status, installation type, and dominant land-cover characteristics (mean ± SD, maximum, and maximum-excluded mean ± SD)

    Contribution, permutation importance, and training gain (single-variable) for each environmental variable used in MaxEnt model

    Number of noise barrier segments and collision frequency by predicted risk level (No impact, Low, Monitoring, High risk)

    Reference

    1. Backstrom, L.J., C.T. Callaghan, N.P. Leseberg, R.A. Fuller and J.E.M. Watson ( 2024) Assessing adequacy of citizen science datasets for biodiversity monitoring. Ecology and Evolution 14(2): e10857.
    2. Borden, W., O.M. Lockhart, A.W. Jones and J.S. Lyons ( 2010) Seasonal, taxonomic, and local habitat components of bird-window collisions on an urban university campus in Cleveland, OH. Ohio Journal of Science 110: 44-52.
    3. Bracey, A.M., M.A. Etterson, G.J. Niemi and R.F. Green ( 2016) Variation in bird-window collision mortality and scavenging rates within an urban landscape. The Wilson Journal of Ornithology 128(2): 355-367.
    4. Calvert, A.M., C.A. Bishop, R.D. Elliot, E.A. Krebs, T.M. Kydd, C.S. Machtans and G.J. Robertson ( 2013) A synthesis of human-related Avian Mortality in Canada. Avian Conservation and Ecology 8(2): 11.
    5. Cherkassky, L. ( 2011) Anthropogenic Causes of Wild Bird Mortality. Wildlife Rehabilitation Bulletin 29(1): 1-13.
    6. Cusa, M., D.A. Jackson and M. Mesure ( 2015) Window collisions by migratory bird species: Urban geographical patterns and habitat associations. Urban Ecosystems 18(4): 1427-1446.
    7. De Young, R. ( 1986) Some psychological aspects of recycling: The structure of conservation satisfactions. Environment and Behavior 18: 435-449.
    8. Dunn, E.H. ( 1993) Bird mortality from striking residential windows in winter. Journal of Field Ornithology 64(3): 302-309.
    9. Garcês, A., I. Pires, F.A.L. Pacheco, L.F. Sanches Fernandes, V. Soeiro, S. Lóio, J. Prada, R. Cortes and F.L. Queiroga ( 2019) Preservation of wild bird species in northern Portugal-Effects of anthropogenic pressures in wild bird populations (2008- 2017). Science of the Total Environment 650(2): 2996-3006.
    10. Hager, S.B. and B.J. Cosentino ( 2014) Surveying for bird carcasses resulting from window collisions: A standardized protocol. PeerJ PrePrints 2: e406v1.
    11. Hager, S.B., B.J. Cosentino, K.J. McKay, C. Monson, W. Zuurdeeg and B. Blevins ( 2013) Window area and development drive spatial variation in bird-window collisions in an urban landscape. PLOS ONE 8: 1-10.
    12. Kelly, T.R., R.H. Poppenga, L.A. Woods, Y.Z. Hernandez, W.M. Boyce, F.J. Samaniego, S.G. Torres and C.K. Johnson ( 2014) Causes of mortality and unintentional poisoning in predatory and scavenging birds in California. Veterinary Record Open 1(1): e000028.
    13. Kim, B.H. and K.J. Lee ( 2000) Change of plant community after road construction-Case study on Seongsamjae Road in Chirisan National Park-. Korean Society of Environment and Ecology 14(2): 127-138. (in Korean with English abstract)
    14. Kim, S.R., J.Y. Choi, J.Y. Seo, S.K. Kim, J.W. Baek, W.K. Song and C. Park ( 2022) Spatial composition affecting bird collision in Suwon-city, South Korea. Journal of Environmental Impact Assessment 31(4): 241-249.
    15. Klem, D. ( 1990) Collisions between birds and windows: Mortality and prevention. Journal of Field Ornithology 61(1): 120-128.
    16. Klem, D., D.C. Keck, K.L. Marty, A.J. Ball, E.E. Niciu and C.T. Platt ( 2004) Effects of window angling, feeder placement, and scavengers on avian mortality at plate glass. The Wilson Bulletin 116(1): 69-73.
    17. Lee, W.S., T.H. Koo and J.Y. Park ( 2000) A field guide to the birds of Korea. LG Evergreen Foundation Press, Seoul-si, 383pp.
    18. Lincoln. F.C. ( 1931) Some causes of mortality among birds. The Auk 48(4): 538-546.
    19. Loss, S.R., B.V. Li, L.C. Horn, M.R. Mesure, L. Zhu, T.G. Brys, A.M. Dokter, J.A. Elmore, R.E. Gibbons, T.Z. Homayoun, K.G. Horton, P. Inglet, B. Jones, T. Keys, S. Lao, S.S. Loss, K.L. Parkins, H.L. Prestridge, G.J. Riggs, C.S. Riding, K.R. Sweezey, A.C. Vallery, B.M. Van Doren, J. Wang, C. Zuzula and A. Farnsworth ( 2023) Citizen science to address the global issue of bird-window collisions. Frontiers in Ecology and the Environment 21(9): 418-427.
    20. Loss, S.R., S. Lao, J.W. Eckles, A.W. Anderson, R.B. Blair and R.J. Turner ( 2019) Factors influencing bird-building collisions in the downtown area of a major North American city. PLOS One 14(11): 1-24.
    21. Loss, S.R., T. Will and P.P. Marra ( 2012) Direct human-caused mortality of birds: Improving quantification of magnitude and assessment of population impact. Frontiers in Ecology and the Environment 10(7): 357-364.
    22. Loss, S.R., T. Will and P.P. Marra ( 2014) Estimation of bird-vehicle collision mortality on U.S. roads. The Journal of Wildlife Management 78(5): 763-771.
    23. Loss, S.R., T. Will and P.P. Marra ( 2015) Direct mortality of birds from anthropogenic causes. Annual Review of Ecology, Evolution, and Systematics 46: 99-120.
    24. Machtans, C.S., C.H.R. Wedeles and E.M. Bayne ( 2013) A first estimate for Canada of the number of birds killed by colliding with building windows. Avian Conservation and Ecology 8(2): 6.
    25. Ministry of Environment ( 2019) Guidelines for mitigating bird collisions with transparent windows. Sejong, Korea, 25pp. (in Korean)
    26. Ministry of the Interior and Safety ( 2024) Korea urban statistics 2024. https://kosis.kr/statHtml/statHtml.do?orgId=110&tblId=DT_11001N_2013_A022&conn_path=I2
    27. Mitrus, C. and A. Zbyryt ( 2018) Reducing avian mortality from noise barrier collisions along an urban roadway. Urban Ecosystems 21: 351-356.
    28. National Institute of Biological Resources ( 2023) National list of Korea. National Institute of Biological Resources. Incheon, Korea. https://kbr.go.kr/ (Accessed on 15 March, 2025)
    29. National Institute of Ecology ( 2021) Guidelines for citizen science surveys on bird-window collisions. National Institute of Ecology, Seocheon, 120pp. (in Korean)
    30. Newton, I. ( 1986) The sparrowhawk. Published by T. & A.D. Poyser, London, 420pp.
    31. Park, J.G. ( 2022) Identification guide to birds of Korea. Nature and Ecology Press, Gyeonggi-do, 704pp. (in Korean)
    32. Phillips, S.J., R.P. Anderson and R.E. Schapire ( 2006) Maximum entropy modeling of species geographic distributions. Ecological Modelling 190(3-4): 231-259.
    33. Riding, C.S., T.J. O’Connell and S.R. Loss ( 2021) Multi-scale temporal variation in bird-window collisions in the central United States. Scientific Reports 11: 11062.
    34. Swets, J.A. ( 1988) Measuring the accuracy of diagnostic systems. Science 240(4857): 1285-1293.
    35. Tan, D.J.X., N.A. Freymueller, K.M. Teo, W.S. Symes, S.K.Y. Lum and F.E. Rheindt ( 2024) Disentangling the biotic and abiotic drivers of bird-building collisions in a tropical Asian city with ecological niche modeling. Conservation Biology 38(4): e14255.
    36. Thuiller, W. ( 2003) BIOMOD-Optimizing predictions of species distributions and projecting potential future shifts under global change. Global Change Biology 9(10): 1353-1362.
    37. Uribe-Morfín, P., M.A. Gómez-Martínez, L. Moreles-Abonce, A. Olvera-Arteaga, H. Shimada-Beltrán and I. MacGregor-Fors ( 2021) The invisible enemy: Understanding bird-window strikes through citizen science in a focal city. Ecological Research 36(3): 430-439.
    38. Van Doren, B.M., D.E. Willard, M. Hennen, K.G. Horton, E.F. Stuber, D. Sheldon, A.H. Sivakumar, J. Wang, A. Farnsworth and B.M. Winger ( 2021) Drivers of fatal bird collisions in an urban center. Proceedings of the National Academy of Sciences of the United States of America 118(24): e2101666118.
    39. Warren, D.L., R.E. Glor and M. Turelli ( 2010) ENMTools: A toolbox for comparative studies of environmental niche models. Ecography 33(3): 607-611.
    40. Winton, R.S., N. Ocampo-Peñuela and N. Cagle ( 2018) Geo-referencing bird-window collisions for targeted mitigation. PeerJ 6(1): e4215.
    41. Zhang, Z., S. Xu, C. Capinha, R. Weterings and T. Gao ( 2019) Using species distribution model to predict the impact of climate change on the potential distribution of Japanese whiting Sillago japonica. Ecological Indicators 104: 333-340.
    42. Zyśk-Gorczyńska, E., H. Sztwiertnia, M. Pietkiewicz, A. Kolanek, K. Bojarska and M. Żmihorski ( 2022) Local bird densities and habitats are poor predictors of bird collision with glass bus shelters. Landscape and Urban Planning 217: 104285.
    43. Zyśk-Gorczyńska, E., P. Skórka and M. Żmihorski ( 2020) Graffiti saves birds: A year-round pattern of bird collisions with glass bus shelters. Landscape and Urban Planning 193: 103680.
    Copyright © Korean Society of Environment & Ecology (KSEE). All right reserved.