연구분야별 업무분석을 바탕으로 기초자료를 수집하여 모델링 대상을 선정하였으며 대상자료 목록은 Table 1과 같다. 외부 참조 정보는 항만, 항계공간데이터, 연안공간데이터, 선박입출항정보, 항만해역의 해양환경관측데이터 등과 같이 항만의 환경을 참조하기 위한 데이터들이며 온라인상으로 공개된 자료를 수집하였다. 선체부착생물 수중제거 및 제거부착물의 중금속 분석정보 등을 보존, 관리하기 위한 데이터와 독성실험결과 데이터가 있으며 선체부착생물에 대한 데이터와 마지막으로 항만해역의 환경농도를 예측하기 위한 해양방오제 모델인 MAMPEC(Marine Antifoulant Model to Predict Environmental Concentrations)에 입력되는 데이터들을 최종 데이터모델링 대상으로 선정하였다.

데이터모델은 현실 세계의 정보나 데이터를 시스템으로 구축하기 위해 추상화하여 체계적으로 표현한 모형이다. 데이터모델링은 영속성을 갖는 데이터에 대한 시스템 구조를 사람이 이해할 수 있도록 형상화하는 과정이라 할 수 있다. 정보로서 의미 있는 대상을 인지하고, 식별하는 과정(개념모델)을 거쳐 식별한 것을 기호, 도식 등을 통해 추상화하여 표현(논리모델)하고, 정보시스템의 데이터베이스로 구축하기 위해 추상화된 모델을 구체화된 형태로 변환한다(물리모델)(Graeme and Graham[2005]). Fig. 1은 본 연구에서 수행한 데이터모델링 과정을 도식화한 것이다.

Fig. 1. 
Data model development proress.

데이터모델은 개체관계모델(ER, Entity-Relationship Model), 관계모델(Relational Model), 계층모델(Hierarchical Model), 네트워크 모델(Network Model) 등이 있으며 개체관계모델이 관계형 데이터베이스 설계에 가장 많이 사용되고 있다. 개체관계모델은 엔티티(Entity), 관계(Relationship), 속성(Attribute)으로 구성되며 속성과 관계중 하나 이상의 조합으로 구성된 식별자(Identifier)를 포함한다(Michael and William[1994]).

데이터모델링을 위해 사용한 상용도구로는 전문 ER모델링 소프트웨어인 ExERD 3.x 버전을 사용하였다. ExERD는 인공지능형 편의기능, 최단코스 알고리즈, 선배치 작업 자동화, 위상학을 바탕으로 테이블 배치 최적화 등의 첨단 기능을 지원하고 있으며 ERD(Entity Relationship Diagram)을 작성, 관리, 표출하기 위한 제반 기능을 제공하고 있어 데이터모델링을 체계적으로 수행할 수 있다(Tomato System[2023b]). ExERD는 개념모델, 논리모델, 물리모델을 작성할 수 있으며 완성한 물리모델은 ‘포워드 엔지니어링(Forward Engineering)’기능과 데이터베이스에 접속할 수 있는 자바API(Java Application Programming Interface)인 JDBC(Java Database Connectivity)를 이용하여 타겟 데이터베이스에 자료구조 를 자동으로 생성할 수 있다. 본 연구에서의 타겟 데이터베이스는 오픈소스 데이터베이스로 유명한 PostgreSQL12로써 JDBC Driver postgresql-42.3.4 버전을 이용하였다(Tomato System[2023c]). ExERD는 기 구축된 데이터베이스에 접속하여 ERD(Entity Relationship Diagram)를 생성할 수 있는 ‘리버스 엔지니어링(Reverse Engineering)’ 기능도 제공하고 있다(Tomato System[2023d]).

Fig. 2. 
ERD creation screenshot of ExERD 3.

ERD 작성시, 엔티티 개체간 관계를 설정할 때 식별관계(Identifying Relationship)인지 비식별관계(Non-Identifying Relationship)인지에 따라 실제 데이터베이스 구축시 운영의 난이도가 결정되며 식별관계는 하위개체의 존재 여부가 상위개체에 의존적인 관계이고 ERD 표기시에는 실선으로 표시한다. 비식별관계는 상위개체에 의존적이지 않은 관계로 점선으로 표시하는데 이는 기본키(Primary key)와 참조키(Foreign key) 간의 관계가 항상 유지되도록 데이터의 정확성을 보장하는 참조무결성(Referential Integrity)의 엄격함 정도를 결정하는 사항이기도 하다. 본 연구에서는 자료구성 특성을 고려하여 입출력과 수정이 보다 자유로운 방식인 비식별관계로 정의하였다(Tomato System[2023a]).

초기 업무분석을 통해 파악한 자료의 흐름은 연구사업 생산자료의 관리, 활용에만 촛점이 맞추어져 있어 자칫 정보관리 차원으로 단순화될 우려가 제기되어 관련 연구팀들과 논의를 거쳐 연구사업 종료 이후에도 지속적으로 운영 및 활용이 가능한 선체부착생물정보 중심 체계로 변경하였다(Fig. 3).

Fig. 3. 
Port and biofouling data flow.

선정된 데이터는 총 15개의 단위데이터개체로 정의하였으며 크게 참조정보, 이력정보, 핵심정보의 세가지 영역으로 식별하였다. 외부 참조정보인 항만정보, 해양환경관측정보, 선박입출항정보, 해역공간정보 등은 온라인상 데이터를 수집하여 사용하였으며 연구사업을 통해 직간접적으로 생산되는 선체부착생물 수중제거, 제거부착물 중금속분석, 독성실험, 해양환경농도 예측을 위한 해양방오제 모델인 MAMPEC 입력정보, 선체부착생물정보 등의 나머지 데이터개체들은 이력정보로 구분하였다. 특히 이력정보 중 선체부착생물정보는 연구사업 종료 이후에도 지속적으로 축적, 관리, 활용할 수 있는 핵심정보로 식별하였다(Fig. 4).

Fig. 4. 
Identification and composition of port and biofouling information.

핵심정보로 식별한 선체부착생물정보는 발견시기, 장소, 외래침입종 여부, 위해성 정도 등의 항목들을 항만항계 해역의 공간정보와 연계함으로써 시공간적인 자료 축적 및 활용이 가능하도록 하고 정보를 가시화하여 표출할 수 있는 장점도 있다. 그러나 주요 무역항만을 중심으로한 선체부착생물의 구축은 연구사업의 특성상 자료의 양적인 측면에서 한계가 있어 실질적인 활용도가 저하될 우려가 있다. 따라서 연구사업을 통해 직접적으로 생산되는 선체부착생물정보와 더불어 항만해역 인근 연안에서 기 발견되거나 보고된 부착성 생물들도 모두 잠재적인 선체부착생물로 보고 공간영역을 항만 부근의 연안으로 확장함으로써 추후 데이터베이스 구축시 좀더 활용성이 높은 체계를 구축하고자 하였다. European OCEANIC 프로젝트의 일환으로 추진된 유럽의 선체부착생물정보 데이터베이스 구축, 활용사례를 살펴보면 가장 문제가 많은 대형조류, 선조류, 홍합 및 이매패류, 석회질 튜브웜 등 5가지 생물종을 선정하여 데이터베이스를 구축하였으며 이를 바이오파울링과 관련한 처리기술 개발자, 운영자 및 규제기관에 정보를 제공하여 신속한 의사결정을 지원하기 위한 데이터베이스 및 위치정보기반의 Biofouling매핑 체계를 구축하였다(Vinagre et al.[2020]). 데이터베이스 및 매핑 범위는 유럽 20여개국과 9개 해양생태해역을 포함하며 해역내 다양한 인공구조물 및 재료에 대한 바이오파울링 발생특성 내용을 포함하고 있다.

Fig. 5는 유럽의 바이오파울링 데이터베이스 구축, 활용사례로써 유럽 9개 해양생태구역에 대해 바이오파울링 데이터베이스를 구축한 사례이다. Fig. 5의 좌측 그림은 9개 해앵생태해역이며 우측은 데이터베이스의 항목 및 입력예를 보여주고 있다.

Fig. 5. 
Examples of european database for marine biofouling.

유럽의 사례를 살펴본 바와 같이 선체부착생물정보를 해양공간 정보와 연계하여 관리함으로써 보다 직관적인 정보가시화 효과를 얻고자 하였으며 자료의 집계, 분석의 결과를 쉽게 나타내고 설명할 수 있어 관련 의사결정 지원을 위한 핵심적인 정보인프라를 확보하는데 목적을 두고 있다. 따라서 이러한 잇점을 국내상황에도 적용하고자 주요 무역항의 항계공간데이터와 더불어 전국 연안을 구획한 연안해역도 공간으로 범위를 확장함으로써 추후 선체부착생물정보에 대한 각종 정량적 집계, 분석을 용이하도록 하고자 하며 공간주제도를 이용한 정보시각화 뿐만 아니라 축적되는 자료를 통한 시계열적 변화를 모니터링 할 수 있게 된다(Fig. 6).

Fig. 6. 
Data model imporovement plan through expansion of spatial range.

즉, 선체부착생물정보를 항만(항계) 공간정보와 더불어 관할 연안해역공간과도 필수적으로 매칭하도록 함으로써 항만 및 인근연안에서 발견된 부착성 해양생물정보를 보다 폭넓게 수용할 수 있다. 선체부착생물정보에 대한 통합관리전략은 정보활용성을 향상시키는 효과가 있으며 지속적으로 정보가 축적될 경우, 선체부착생물정보에 대한 중장기 시공간적 분석이 가능해질 것이다. Fig. 7은 대상 데이터개체들을 항만명과 연안명으로 연계하는 데이터모델 구성방안을 나타내고 있다.

Fig. 7. 
Spatial information based port and biofouling data model composition plan.