해당 논문의 저자들은 환경에 대한 지식이 증가함에 따라 IUCN 글로벌 생태계 유형학의 차기 버전에서 점진적인 개선을 기대합니다. 유형학의 다양한 특징들은 불확실성을 해결하기 위한 추가 개발을 보증합니다. 한 가지의 예시로, 각 생태계 기능군에 대한 조립 모델을 통해 적합한 가설을 제시할 수 있는데, 이 때 경험적인 증거가 크게 다른 결과를 도출합니다. 서로 다른 생태계 유형과 서로 다른 융합 필터 간의 연구의 편차를 수정한다면, 조립 모델뿐만 아니라 서로 다른 유형학의 수준 내에서 생태계 기능 그룹과 단위 간의 차이를 개선하는 데 도움이 될 것입니다.

대기, 심해저, 지하 담수, 암석권 및 얼음 아래 등 잘 알려지지 않은 환경을 강조하고, 연구자들 및 서로 다른 이용자들이 특정 생태계가 어디에 속하는지 대답을 유도함으로써, 이 논문의 연구자들은 추가적인 유형학 연구에서 서로 간의 지식 차이가 큰 유형학의 간극을 좁힐 수 있음을 기대하며, 이를 통해 유형학의 적용이 넓어지며 동시에 그 구조에 대한 수정사항 및 각 단위에 대한 설명을 보강할 기대합니다.

생태계 매핑은 기반 정보의 또 다른 구성 요소로서, 현재 생태계 기능 그룹에 대한 지표적인 글로벌 생태 지도는 정확성과 정확성이 서로 간에 상당히 다르기 때문에 추가적인 개발이 크게 요구됩니다. Figure 3를 참고하여 설명하자면, 유형학을 사용하는 데 포괄적이고 세계적으로 일관된 생태지도의 완전한 형태를 필요로 하지 않습니다. 그 이유는, 그러한 생태지도는 이전의 알려진 지식을 반영하지 않거나, 국가 범위 또는 특정 생태계 그룹에만 특정되기 때문입니다. 하지만 CBD 대상 및 일부 다른 응용 프로그램에 대한 체계적인 보고에 필요한 적절한 해상도의 신뢰할 수 있는 글로벌 생태 지도는 생태계의 거시적인 통합에 매우 중요한 요소입니다.

매핑 프로세스를 이전에 발전해 온 분류에서 분리함으로써, 이들의 접근 방식은 생태계 단위의 정의를 공간 데이터의 현재 가용성에 의해 부과되는 제약으로부터 해방하고 생태계 지도의 점진적인 개선을 가능하게 합니다(Supplementary Information, Appendix 4, p13). 클라우드 컴퓨팅과 AI의 신기술, 개선된 지구 환경 데이터 및 위성 이미지의 시간 아카이브 심화가 그 길을 열어주고 있습니다. 조수 갯벌(TM1.2), 빙하호수(F2.4), 열대우림(T1.3)과 같은 대조적인 생태계 집단을 위해 확장된 시계열의 일부 고해상도 지도가 제작되었습니다. 이에 반해 숲 덮개와 지표수에 대한 포괄적인 데이터는 글로벌 고해상도 시계열 매핑이 향후 10년 이내에 대부분의 생태계 기능 그룹에 대해 가능해야 함을 시사합니다. 유형학의 차기 버전은 공간 분석에 의존하는 애플리케이션을 지원하기 위해 지도의 표준 표기법을 점차적으로 개선해 나갈 것입니다. 특히 해양 환경에서의 생태계 평가를 지원하려면 위협 및 기능 저하에 대응할 개선된 매핑이 필요합니다.

저자들은 자연의 연속적인 생태학적 패턴에서 나오는 이산적인 표현과 관련된 한계를 인정합니다. 이들의 기술 프레임워크가 핵심 및 과도적인 단위를 인식하더라도, 그 이산적인 구조는 광범위한 기술이나 세분화에도 불구하고 궁극적으로 피할 수 없는 생태계 간의 경계 및 기타 불확실성을 야기합니다. 하지만 이러한 오류성은 인간이 의식적인 우주의 환경적, 사회적, 경제적, 문화적 차원을 어떻게 이해하고 관리하는지를 결정하는 심층 인지 과정에 기반을 둔 분류적 접근법에 의해 극복할 수 있습니다. 이는 생태계 정보의 효과적인 저장, 검색 및 전송을 위한 IUCN 유형학의 광범위한 활용을 촉진하는 요소가 될 것입니다.

연구진들의 유형학의 계층적 구조는 세계적으로 필수적인 사항들이 지속 가능한 개발과 생물 다양성 보존에 대한 국제적 의무 사항을 뒷받침하는, 지상의 자연 기반 해결책과 직접 연결될 수 있도록 해야 합니다. 지구의 생태계를 크게 생물지리학적 혹은 생물물리학적 관점에서 보다 동적이고 기능적인 관점을 통해 바라봄으로써, 생물다양성 보존과 생태계 서비스 유지라는 두 가지 목표를 동시에 해결할 수 있는 더 강력하고 직접적인 기반을 세울 수 있을 것입니다.