육상 양식 내 환경성 병원체 제어를 위한 확장형 예측 체계
한국의 넙치 양식 산업은 전 세계 생산량의 절반가량을 차지할 정도로 매우 중요한 위치에 있습니다. 하지만 전남 지역에서는 매년 20~30%, 제주 지역에서는 50% 이상의 높은 폐사율이 발생하며 양식 산업의 안정성을 위협하고 있습니다. 조사 결과 폐사의 83% 이상이 기생충, 연쇄상구균, 바이러스 등 감염성 병원체에 의한 것으로 나타났으며, 특히 환절기와 고수온기에 피해가 집중되는 경향을 보입니다. 이러한 문제를 해결하기 위해 병원체 발생 원인을 환경적 인자와 연계하여 정량적으로 분석하고 제어하는 기술적 접근이 시급한 실정입니다. 연구진은 기상학적 요인과 수질 인자가 병원체의 번성, 즉 '블루밍(Blooming)' 현상에 미치는 인과관계를 규명하기 위해 전남과 제주의 양식장을 대상으로 조사를 실시했습니다. 분석 결과 전남 지역은 제주도에 비해 환경 변화에 훨씬 취약하며, 특히 강수 빈도와 수온 상승이 미생물 활성을 촉진하는 핵심 변수로 작용함을 확인했습니다. 이는 단순한 정성적 관찰을 넘어 서열 상관계수 분석과 구조 방정식 모델링(SEM)을 활용하여, 외부 환경의 변화가 양식장 내 병원체 발생에 기여하는 기제와 그 부하량을 수치화했다는 점에서 학술적 가치가 높습니다. 병원균의 유입을 물리적으로 차단하기 위해 전남 지역 양식장에는 다단계 수처리 시스템이 도입되었습니다. 바스켓 스트레이너, 멀티 사이클론, 고압 모래 여과기 등으로 구성된 이 시스템은 탁도 유발 물질과 외부 유입 오염원을 효과적으로 차단하도록 설계되었습니다. 실제 테스트 결과 탁도는 평균 89% 제거되었으며, 의도하지 않았던 암모니아 수치도 여과 과정을 통해 약 23% 감소하는 효과를 거두었습니다. 특히 기상 악화로 미생물 활성도가 급증하는 시기에도 수처리 시스템을 거친 사육수는 오염도를 대조군 대비 6분의 1 수준으로 낮게 유지하며 탁월한 방어 능력을 보여주었습니다. 다층 퍼셉트론(MLP) 방식의 인공지능 모델을 활용하면 특정 환경 조건에서 병원체가 얼마나 번성할지 정밀하게 예측할 수 있습니다. 수질 및 기상 데이터를 기반으로 학습한 이 모델은 pH가 높고 용존 산소가 낮으며 수온이 20~23도 사이일 때 박테리아가 가장 활발하게 증식한다는 사실을 높은 신뢰도로 도출해 냈습니다. 인공지능을 통한 정량적 예측은 양식 현장에서 병원체 오염 위험을 선제적으로 감지할 수 있는 토대를 마련해 줍니다. 이를 통해 양식 관리자는 환경 부하가 높은 시기에 수처리 시스템을 집중 가동하는 등 보다 효율적인 양식장 관리가 가능해집니다. 이번 연구는 환경 요인이 병원체 번성에 미치는 영향을 과학적으로 규명하고, AI 모델과 수처리 기술을 결합해 이를 제어할 수 있음을 입증했습니다. 이러한 통합 관리 시스템은 연어 양식이 발달한 노르웨이와 캐나다, 패류 양식이 활발한 일본과 중국 등 전 세계 수산 양식 국가들의 경제적 피해를 줄이는 데 광범위하게 응용될 수 있습니다. 정밀한 데이터 분석을 기반으로 한 스마트 수산 양식 기술은 기후 변화에 따른 불확실성을 극복하고, 미래 식량 자원인 수산물의 안정적인 생산량을 확보하는 데 핵심적인 역할을 수행할 것입니다.
