Climate change does not eliminate species directly—it moves the conditions they depend on. A tree species adapted to temperatures between 10°C and 20°C annual mean does not die when its current habitat warms to 22°C; instead, the zone of suitable temperature shifts upslope and poleward. Whether the species survives depends on whether it can migrate fast enough to track its moving habitat, whether suitable terrain exists at the new location, and whether human land use blocks the migration corridor. Species distribution modeling—particularly the Maximum Entropy (MaxEnt) algorithm—has become the primary tool for projecting where habitats will shift and which species are most at risk.

The Research Landscape: Modeling Range Shifts

Luo, Yang & Liu (2025), with 11 citations, model habitat suitability for Sorbus alnifolia (a temperate deciduous tree valued for ornamental and ecological functions) under current and future climate scenarios across China. Using 198 occurrence records and 54 environmental factors (including bioclimatic, vegetation, and atmospheric variables), their MaxEnt model (AUC = 0.95, indicating strong discriminative power) projects:

• Current suitable habitat: Concentrated in central-eastern China, spanning approximately 1.2 million km².
• 2050–2070 projections: Total suitable habitat area is projected to increase under future climate scenarios as new regions at higher latitudes become climatically suitable. However, moderately and highly suitable habitats shrink—meaning the quality of available habitat degrades even as the total footprint expands. The species gains marginal habitat at its northern edge while losing its best habitat in core and southern range areas.
• Key environmental predictors: Annual precipitation (37.4%), NDVI (30.0%), and August water vapor pressure (20.8%) are the top three predictors of the species' distribution—indicating that moisture availability and vegetation productivity are more decisive than temperature alone in determining habitat suitability.

El-Khalafy, El-Kenany & Al-Mokadem (2025), with 11 citations, apply an ensemble modeling approach—combining GLM, Random Forest, BRT, and SVM rather than MaxEnt alone—in a contrasting context: two endemic plant species in Saint Catherine Protectorate, Egypt—a montane desert environment where suitable habitat is already restricted to narrow elevation bands. Their projections are more alarming:

• Both species lose a substantial portion of suitable habitat under moderate warming scenarios by 2070, with virtually no suitable habitat remaining under high-emissions scenarios.
• Unlike temperate species that can shift poleward, montane desert endemics face a ceiling effect: they already occupy the highest elevations available, and there is no suitable terrain above them to shift into.
• The conservation implication is stark: for these species, habitat protection alone is insufficient—active assisted migration or ex situ conservation may be necessary.

Conservation Prioritization

Hazarika, Deka & Majumdar (2025), with 5 citations, model threatened Dipterocarpus species in the Indian Eastern Himalayas, demonstrating how MaxEnt outputs can directly inform conservation planning. By overlaying projected suitable habitat with existing protected area networks, they identify:

• Gap areas: Regions of high future habitat suitability that fall outside current protected areas—priority candidates for protection expansion.
• Corridor needs: Disconnected patches of future suitable habitat that require landscape corridors to enable species migration.
• Conflict zones: Areas where projected suitable habitat overlaps with planned infrastructure or agricultural expansion.

Lai, Fan & Liu (2025), with 3 citations, model the nearly extinct rosewood Dalbergia odorifera—one of the world's most valuable timber species, with wild populations reduced to fewer than 1,000 individuals by illegal logging. Their model identifies potential reintroduction sites where future climate conditions match the species' requirements, providing a restoration roadmap.

Critical Analysis: Claims and Evidence

<

Claim	Evidence	Verdict
MaxEnt achieves high discriminative accuracy for species distributions	All four papers: AUC > 0.90	✅ Supported — consistent across taxa and regions
Significant habitat degradation is projected for vulnerable species by 2070	Luo et al. (total area increases but high-quality habitat shrinks) + El-Khalafy et al. (substantial habitat loss)	✅ Supported — pattern varies by species and scenario
Montane endemics face ceiling effects limiting upward migration	El-Khalafy et al.: no higher terrain available	✅ Supported
MaxEnt projections can directly guide conservation planning	Hazarika et al.: gap analysis and corridor identification	✅ Supported — demonstrated application
MaxEnt captures all relevant factors limiting species distributions	All models limited to climate + terrain variables	⚠️ Uncertain — biotic interactions, dispersal limits, and soil conditions are typically excluded

The Model Limitation: Correlations Without Mechanisms

MaxEnt is a correlative model: it identifies environmental conditions associated with species occurrence without modeling the physiological or ecological mechanisms through which those conditions affect the species. This creates several well-known limitations:

• Novel climate combinations: Future climates may produce temperature-precipitation combinations that have no current analog. MaxEnt cannot reliably predict species responses to conditions outside its training data range.
• Biotic interactions: Competition, mutualism, and predation are absent from correlative models but fundamentally affect where species actually occur.
• Dispersal limitation: MaxEnt projects where suitable habitat could exist but does not model whether species can actually reach those locations—a critical gap for slow-dispersing species like trees.
• Evolutionary adaptation: Species may adapt to changing conditions rather than simply tracking their current environmental envelope. MaxEnt assumes a static niche, which may overestimate vulnerability.

Open Questions and Future Directions

Hybrid mechanistic-correlative models: Can process-based models (incorporating physiology, demography, and dispersal) be integrated with MaxEnt to improve projection reliability?

Multi-species ensemble projections: How do co-occurring species shift together? Community-level projections are needed because species interactions will change as distributions shift.

Conservation cost-effectiveness: Among the many species projected to lose habitat, how should conservation resources be allocated? Prioritizing species with the largest projected losses, those with the fewest remaining populations, or those with the greatest ecological importance yields different conservation portfolios.

Validation: How well do MaxEnt projections made 10–20 years ago match actual observed range shifts? Retrospective validation is essential but rarely conducted.

Real-time monitoring: Can citizen science and remote sensing provide near-real-time species distribution data that continually recalibrates MaxEnt projections?

Implications for Researchers and Conservation Planners

MaxEnt habitat modeling has become a standard tool in conservation planning—and for good reason. It provides spatially explicit, scenario-dependent projections that translate climate science into actionable conservation information. For protected area managers, MaxEnt outputs identify where current reserves may become climatically unsuitable and where future refugia may emerge, enabling proactive rather than reactive conservation.

For researchers, the priority is improving model realism—incorporating dispersal, biotic interactions, and evolutionary potential into projections that currently treat species as passive passengers on a moving climate conveyor. For policymakers, the consistent finding across studies—that significant habitat loss is projected under moderate-to-high warming scenarios—reinforces the conservation case for aggressive emissions reduction alongside adaptation planning.

면책 조항: 이 게시물은 정보 제공 목적의 연구 동향 개요이다. 학술 연구에서 인용하기 전에 구체적인 연구 결과, 통계 및 주장은 원본 논문을 통해 검증해야 한다.

종(種)은 어디로 이동할 것인가? 기후 변화 하에서의 MaxEnt 서식지 모델링

기후 변화는 종을 직접적으로 소멸시키지 않는다—그것은 종이 의존하는 조건들을 이동시킨다. 연평균 기온 10°C에서 20°C 사이에 적응한 수목 종은 현재 서식지의 온도가 22°C로 상승한다고 해서 사멸하지 않는다. 대신 적합한 온도 구역이 고지대와 극지방 방향으로 이동한다. 해당 종의 생존 여부는 이동하는 서식지를 추적할 만큼 충분히 빠르게 이주할 수 있는지, 새로운 지역에 적합한 지형이 존재하는지, 그리고 인간의 토지 이용이 이주 통로를 차단하지 않는지에 달려 있다. 종 분포 모델링—특히 최대 엔트로피(Maximum Entropy, MaxEnt) 알고리즘—은 서식지가 어디로 이동할 것인지, 어떤 종이 가장 위험에 처해 있는지를 예측하는 주요 도구로 자리 잡았다.

연구 동향: 분포 범위 변화 모델링

Luo, Yang & Liu (2025)는 11회 인용을 기록하며, 중국 전역에 걸쳐 현재 및 미래 기후 시나리오 하에서 Sorbus alnifolia(관상적·생태적 기능으로 가치 있는 온대 낙엽수)의 서식지 적합성을 모델링한다. 198개의 출현 기록과 54개의 환경 요인(생물기후, 식생, 대기 변수 포함)을 활용한 이들의 MaxEnt 모델(AUC = 0.95, 높은 판별력 시사)은 다음과 같이 예측한다:

• 현재 적합 서식지: 중국 중동부에 집중되어 있으며, 약 120만 km²에 걸쳐 분포한다.
• 2050–2070년 전망: 더 높은 위도의 새로운 지역이 기후적으로 적합해짐에 따라, 미래 기후 시나리오 하에서 적합 서식지 총면적은 증가할 것으로 예측된다. 그러나 중간 및 고적합 서식지는 축소되는데, 이는 전체 면적은 확장되더라도 이용 가능한 서식지의 질이 저하됨을 의미한다. 해당 종은 북쪽 가장자리에서 주변부 서식지를 얻는 반면, 핵심 지역 및 남쪽 분포 지역에서는 최적 서식지를 잃게 된다.
• 핵심 환경 예측 변수: 연강수량(37.4%), NDVI(30.0%), 8월 수증기압(20.8%)이 상위 3개 예측 변수로, 서식지 적합성 결정에 있어 온도만큼이나 수분 가용성과 식생 생산성이 더 결정적인 요인임을 시사한다.

El-Khalafy, El-Kenany & Al-Mokadem (2025)는 11회 인용을 기록하며, MaxEnt만을 사용하는 대신 GLM, Random Forest, BRT, SVM을 결합한 앙상블 모델링 접근법을 적용한다. 연구 대상은 이미 좁은 고도대에 적합 서식지가 제한된 산지 사막 환경인 이집트 세인트캐서린 보호구역(Saint Catherine Protectorate)에 서식하는 두 종의 고유 식물 종이다. 이들의 전망은 더욱 우려스럽다:

• 두 종 모두 2070년까지 중간 온난화 시나리오 하에서 적합 서식지의 상당 부분을 상실하며, 고배출 시나리오 하에서는 사실상 적합 서식지가 남지 않는다.
• 극지방 방향으로 이동할 수 있는 온대 종과 달리, 산지 사막 고유종은 상한선 효과(ceiling effect)에 직면한다. 이들은 이미 이용 가능한 최고 고도를 점유하고 있어, 더 이상 이동할 수 있는 적합한 지형이 존재하지 않는다.
• 보전 측면에서의 시사점은 명확하다. 이들 종의 경우 서식지 보호만으로는 불충분하며, 적극적인 보조 이주(assisted migration) 또는 생체 외(ex situ) 보전이 필요할 수 있다.

보전 우선순위 설정

Hazarika, Deka & Majumdar (2025)는 5회 인용을 기록하며, 인도 동부 히말라야(Eastern Himalayas)의 위협받는 Dipterocarpus 종을 모델링하고, MaxEnt 결과물이 보전 계획 수립에 직접적으로 어떻게 활용될 수 있는지를 제시한다. 예측된 적합 서식지를 기존 보호 구역 네트워크와 중첩함으로써 다음을 도출한다:

• 공백 지역(Gap areas): 미래 서식지 적합성이 높지만 현재 보호 구역 밖에 위치한 지역—보호 지역 확대의 우선 후보지.
• 통로 필요성: 종의 이주를 가능하게 하는 경관 통로(landscape corridor)가 필요한, 미래 적합 서식지의 단절된 패치.
• 분쟁 지역: 잠재적 적합 서식지가 계획된 인프라 또는 농업 확장과 겹치는 지역.

Lai, Fan & Liu(2025)는 3회 인용되었으며, 불법 벌목으로 야생 개체 수가 1,000개체 미만으로 감소한, 세계에서 가장 가치 있는 목재 수종 중 하나인 거의 멸종 위기에 처한 로즈우드 Dalbergia odorifera를 모델링한다. 이 모델은 미래 기후 조건이 해당 종의 요건과 일치하는 잠재적 재도입 장소를 식별하여 복원 로드맵을 제공한다.

비판적 분석: 주장과 근거

<

주장	근거	판정
MaxEnt는 종 분포에 대해 높은 판별 정확도를 달성한다	4편의 논문 모두: AUC > 0.90	✅ 지지됨 — 분류군과 지역에 걸쳐 일관됨
2070년까지 취약종의 서식지가 상당히 감소할 것으로 예측된다	Luo et al.(전체 면적은 증가하나 고품질 서식지는 축소) + El-Khalafy et al.(상당한 서식지 손실)	✅ 지지됨 — 패턴은 종과 시나리오에 따라 다름
산악 고유종은 상향 이동을 제한하는 천장 효과에 직면한다	El-Khalafy et al.: 더 높은 지형 부재	✅ 지지됨
MaxEnt 예측은 보전 계획 수립에 직접 활용될 수 있다	Hazarika et al.: 격차 분석 및 회랑 식별	✅ 지지됨 — 적용 사례 입증
MaxEnt는 종 분포를 제한하는 모든 관련 요인을 포착한다	모든 모델이 기후 + 지형 변수로 제한됨	⚠️ 불확실 — 생물 간 상호작용, 분산 한계, 토양 조건은 일반적으로 제외됨

모델의 한계: 메커니즘 없는 상관관계

MaxEnt는 상관 모델로, 해당 조건이 종에 영향을 미치는 생리적 또는 생태적 메커니즘을 모델링하지 않고 종의 출현과 관련된 환경 조건을 식별한다. 이로 인해 여러 가지 잘 알려진 한계가 발생한다.

• 새로운 기후 조합: 미래 기후는 현재 유사 사례가 없는 기온-강수량 조합을 만들어낼 수 있다. MaxEnt는 훈련 데이터 범위를 벗어난 조건에 대한 종의 반응을 신뢰성 있게 예측할 수 없다.
• 생물 간 상호작용: 경쟁, 상리공생, 포식은 상관 모델에 포함되지 않지만, 종이 실제로 출현하는 위치에 근본적인 영향을 미친다.
• 분산 제한: MaxEnt는 적합 서식지가 존재할 수 있는 위치를 예측하지만, 종이 실제로 그 위치에 도달할 수 있는지는 모델링하지 않는다. 이는 수목과 같이 분산 속도가 느린 종에게 중요한 공백이다.
• 진화적 적응: 종은 현재의 환경 범위를 단순히 추적하는 대신 변화하는 조건에 적응할 수 있다. MaxEnt는 정적인 니치를 가정하므로, 취약성을 과대평가할 수 있다.

미해결 과제와 향후 방향

하이브리드 메커니즘-상관 모델: 생리, 인구통계, 분산을 통합한 과정 기반 모델을 MaxEnt와 결합하여 예측 신뢰성을 향상시킬 수 있는가?

다종 앙상블 예측: 공존하는 종들은 함께 어떻게 이동하는가? 분포가 이동함에 따라 종 간 상호작용이 변화하기 때문에 군집 수준의 예측이 필요하다.

보전의 비용 효율성: 서식지 손실이 예측되는 많은 종 중에서 보전 자원을 어떻게 배분해야 하는가? 예측 손실이 가장 큰 종, 잔존 개체군이 가장 적은 종, 또는 생태적 중요성이 가장 큰 종을 우선시할 경우 서로 다른 보전 포트폴리오가 도출된다.

검증: 10~20년 전에 수행된 MaxEnt 예측이 실제로 관찰된 분포 이동과 얼마나 일치하는가? 소급 검증은 필수적이지만 거의 수행되지 않는다.

실시간 모니터링: 시민 과학과 원격 탐사를 통해 MaxEnt 예측을 지속적으로 재보정하는 거의 실시간에 가까운 종 분포 데이터를 제공할 수 있는가?

연구자 및 보전 계획 수립자를 위한 시사점

MaxEnt 서식지 모델링은 보전 계획에서 표준 도구로 자리잡았으며, 그럴 만한 이유가 있다. 이 모델링은 기후 과학을 실행 가능한 보전 정보로 전환하는 공간 명시적이고 시나리오 의존적인 예측을 제공한다. 보호 구역 관리자에게 MaxEnt 결과물은 현재 보호 구역이 기후적으로 부적합해질 수 있는 곳과 미래 피난처가 나타날 수 있는 곳을 파악하게 해주어, 사후 대응이 아닌 선제적 보전을 가능하게 한다.

연구자들에게는 모델의 현실성을 높이는 것이 우선 과제이다—현재 종을 이동하는 기후 컨베이어 벨트 위의 수동적 승객으로 취급하는 예측에 분산, 생물적 상호작용, 진화적 잠재성을 통합하는 것이 필요하다. 정책 입안자들에게는 연구 전반에 걸쳐 일관되게 나타나는 결과—중간에서 높은 수준의 온난화 시나리오 하에서 상당한 서식지 손실이 예측된다는 것—가 적응 계획과 함께 적극적인 온실가스 감축을 위한 보전 논거를 강화한다.