최근 많은 연구, 다양한 분야에서는 종의 잠재적인 분포 및 확산을 예측하기 위한 연구가 수행되고 있다. 기후변화에 의한 생물다양성 변화에 대한 예측이 중요해짐에 따라 이러한 예측의 중요성은 더 욱 커지고 있다. 특히 외래생물(invasive species)에 대한 잠재적인 분포 및 확산을 예측하는 것은 경제적이고 효율적인 이득을 가져오기 때문에 높은 활용가치를 가지는 것으로 알려져 있다. 머신러닝(Machine Learning)은 인공지능(AI)의 한 분야로서, 많은 데이터를 컴퓨터에 학습시켜 알 고리즘을 통해 훈련된 속성을 바탕으로 예측하는 것에 초점을 두고 있다. 본 연구에서는 머신러닝 기 술을 활용하여 외래 양서파충류를 대상으로 적용할 수 있는 잠재적인 분포 및 확산 예측 모델을 개발 하고자 한다. 종의 잠재적인 분포를 예측하기 위해 종분포모델(Species distribution model)의 GLM, GAM, BRT, MaxEnt, SVM 등의 알고리즘 결과를 융합한 앙상블(Ensemble) 모델을 활용하였다. 또한, 종 분포모델에서 포함하지 못하였던 생물종의 생물학적, 생태학적 특성을 반영하기 위해 IBM (Individual based model)을 활용하여 확산 모델을 생산하였다. 연구결과, 단일 알고리즘을 사용했을 경우보다 높은 정확성을 가지는 앙상블 분포모델이 생산되었 으며, 종의 확산을 나타내는 IBM 모델의 결과도 생산되었다. 현재까지 앙상블 분포모델은 생태계교란 생물과 유입주의생물에 대해, IBM 모델은 생태계교란생물을 대상으로 개발이 진행 및 보완되고 있다. 본 연구결과는 외래 양서파충류에 대한 잠재적인 분포 및 확산을 예측함으로서, 외래 양서파충류의 위해성을 평가하고 외래 양서파충류에 대한 대응방안을 마련하는데 기여할 것으로 판단된다.