강원도지방(江原道地方) 소나무 동령임분(同齡林分)의 최대임목본수(最大林木本數) 및 고사(枯死)모델 Maximum Stem Number and Mortality Model for Even-Aged Pinus Densiflora Stand in Kangwon-Province, Korea원문보기
본 연구에서는 ha당 단면적이 최대가 되는 임목본수가 그 임분이 유지시킬 수 있는 최대임목본수라는 Sterba의 이론을 강원도지방 소나무의 임시표본점 조사자료에 적용시켜 강원도지방 소나무 동령임분의 최대임목본수 및 고사모델을 유도하였다. ha당 임목본수와 우세목수고를 변수로 하여 평균흉고직경을 추정하는 평균흉고직경식의 통계적 신뢰성은 매우 높았으며, ha당 임목본수 및 우세목수고에 따른 흉고직경생장의 변이를 잘 설명해 주었다. 또한, 이 평균흉고직경식으로부터 유도되는 ha당 흉고단면적식은 ha당 임목본수의 변화에 따른 ha당 흉고단면적의 변화를 우세목수고별로 잘 나타내 주었다. ha당 흉고단면적이 최대가 되는 임목본수로 부터 우세목수고 및 흉고직경별로 유도되는 최대임목본수곡선은 임목본수 관측치의 상부를 지나면서 임분의 최대임목본수를 잘 나타내 주었다. 또한, 평균흉고직경에 대한 최대임목본수식으로부터 추정되는 최대임분밀도지수는 임분의 최대잠재밀도를 나타내는 지수로 활용할 수 있었다. 본 연구에서 제시한 최대임목본수식 및 최대임분밀도지수식은 최대밀도에 도달한 임분자료를 근거로 하는 것이 아니라 다양한 밀도를 나타내는 임분으로부터 조사된 자료를 근거로 한다는 특징이 있으며, 이를 이용하면 고사량추정, 최대잠재생산량추정 둥 임분밀도관리에 필요한 정보를 마련할 수 있다.
본 연구에서는 ha당 단면적이 최대가 되는 임목본수가 그 임분이 유지시킬 수 있는 최대임목본수라는 Sterba의 이론을 강원도지방 소나무의 임시표본점 조사자료에 적용시켜 강원도지방 소나무 동령임분의 최대임목본수 및 고사모델을 유도하였다. ha당 임목본수와 우세목수고를 변수로 하여 평균흉고직경을 추정하는 평균흉고직경식의 통계적 신뢰성은 매우 높았으며, ha당 임목본수 및 우세목수고에 따른 흉고직경생장의 변이를 잘 설명해 주었다. 또한, 이 평균흉고직경식으로부터 유도되는 ha당 흉고단면적식은 ha당 임목본수의 변화에 따른 ha당 흉고단면적의 변화를 우세목수고별로 잘 나타내 주었다. ha당 흉고단면적이 최대가 되는 임목본수로 부터 우세목수고 및 흉고직경별로 유도되는 최대임목본수곡선은 임목본수 관측치의 상부를 지나면서 임분의 최대임목본수를 잘 나타내 주었다. 또한, 평균흉고직경에 대한 최대임목본수식으로부터 추정되는 최대임분밀도지수는 임분의 최대잠재밀도를 나타내는 지수로 활용할 수 있었다. 본 연구에서 제시한 최대임목본수식 및 최대임분밀도지수식은 최대밀도에 도달한 임분자료를 근거로 하는 것이 아니라 다양한 밀도를 나타내는 임분으로부터 조사된 자료를 근거로 한다는 특징이 있으며, 이를 이용하면 고사량추정, 최대잠재생산량추정 둥 임분밀도관리에 필요한 정보를 마련할 수 있다.
Sterba's theory that stem number maintaining maximum basal area per ha is maximum stem number of a stand, had been applied to data from 103 temporary plots in even-aged Pinus densiflora stands in Kangwon province, Korea and a maximum stem number and mortality model was prepared. DBH growth model whi...
Sterba's theory that stem number maintaining maximum basal area per ha is maximum stem number of a stand, had been applied to data from 103 temporary plots in even-aged Pinus densiflora stands in Kangwon province, Korea and a maximum stem number and mortality model was prepared. DBH growth model which estimates dbh with the independent variables of stem number per ha and dominant height shows the good statistical performance, and explains well differences in dbh growth that would be caused by stem number per ha and dominant height. Basal area model derived from dbh growth model also explains well differences in basal area according to stem number per ha and dominant height. The maximum stem number curve, which is derived from stem number per ha at maximum basal area for dominant height and dbh, represents well the upper range of stem number per ha observed. And maximum stand density index derived from the maximum stem number model for dbh could be used for the index of maximum potential density of a stand. The maximum stem number model and maximum stand density index in this study were not based on stand data with maximum density but based on the temporary data from stands with various density. This maximum stem number model can be applied to the estimation of mortality and maximum potential volume.
Sterba's theory that stem number maintaining maximum basal area per ha is maximum stem number of a stand, had been applied to data from 103 temporary plots in even-aged Pinus densiflora stands in Kangwon province, Korea and a maximum stem number and mortality model was prepared. DBH growth model which estimates dbh with the independent variables of stem number per ha and dominant height shows the good statistical performance, and explains well differences in dbh growth that would be caused by stem number per ha and dominant height. Basal area model derived from dbh growth model also explains well differences in basal area according to stem number per ha and dominant height. The maximum stem number curve, which is derived from stem number per ha at maximum basal area for dominant height and dbh, represents well the upper range of stem number per ha observed. And maximum stand density index derived from the maximum stem number model for dbh could be used for the index of maximum potential density of a stand. The maximum stem number model and maximum stand density index in this study were not based on stand data with maximum density but based on the temporary data from stands with various density. This maximum stem number model can be applied to the estimation of mortality and maximum potential volume.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 ha당 흉고단면적이 최대가 되는 임목 본 수가 그 임분이 유지시킬 수 있는 최대임목 본 수라는 Sterba의 이론을 강원도지방 소나무의 일시 조사자료에 적용시켜 강원도지방 소나무 동령임 분의 최대임목본수 및 고사모델을 유도하였다. ha당 임목본수와 우세목수고를 변수로 하여 평균 흉고직경을 추정하는 평균흉고직경식의 결정 계수가 0.
Sterba(1975, 1981, 1987)는 시업이 이루어지지 않은 임분에 대한장기 관측자료 없이도 임시표본점의 1회 조사에 의한 생장인자들로부터 최대임목본수 및 임분의 잠재생산력을 파악할 수 있는 방법을 발표한 바 있다. 본 연구에서는 이러한 Sterba(1975, 1981, 1987)의 이론을 Reineke(1933)의 임분밀도지수 (Stand Density Index : SDI)이론과 함께 설명하고, Sterba 이론을 강원도지방 소나무 동령임 분의 임시표본점 조사자료에 적용시켜 강원도지방 소나무 동령임분의 최대임목본수모델을 유도하고자 한다.
또 다른 하나는 수종 및 입지에 따른 최대임목본수(maximum stem num ber) 또는 최대잠재밀도(maximum potential den- sity)에 초점이 맞추어진 방법이다. 즉, 아무런 관리를 실시하지 않은 상태에서의 임목 본수변화를 장기적으로 관측함으로서 수종 또는 입지별로 유지할 수 있는 최대임목본수를 추정하는 것이다. 이러한 최대임목본수는 결국 고사율(mortality rate) 의 추정에 기준이 되며 최대잠재생산력 (maximum potential productivity)을 나타낸다는 점에서 매우 중요하다.
제안 방법
우세목 수고는 각 표본점별로 주정되는 수고-흉고직경 함수식(이우균, 1996) 으로부터 추정하였다. 즉, 직경을 순서대로 정렬하여 큰 직경급으로부터 20%에 해당하는 직경을 계산하고, 이를 수고"■흉고직경 함수식에 대입하여 구한 수고를 우세목 수고로 하였다(Kramer와 Akca, 1995). 또한, 평균흉고직경은 단 면적 평균법 (quadratic mean method)에 의해 추정하였으며, 수고-흉고직경 함수식에서 이 단 면적 평균직경 (quadratic mean dbh)에 해당하는 수고를 평균수 고로 하였다.
나타낸다. 비교를 위하여 임목본수 관측치 와이의 경향을 나타내는 회귀주정선을 함께 나타내었다. 그림에서 보는 바와 같이 식(10)에 의해 추정된 최대임목본수곡선은 모두 관측된 임목 본수의 상부를 지나고 있었다.
한 표 본점 내에 30-40본의 임목이 포함되도록 표본점의 크기를 0.01 ha부터 0.1 ha 사이에서 정하였으며, 각 표본점에서는 임목에 대해 흉고직경 및 수고를 측정하였다. 우세목 수고는 각 표본점별로 주정되는 수고-흉고직경 함수식(이우균, 1996) 으로부터 추정하였다.
대상 데이터
강원도지방의 소나무 동령임분 중에서 생육상태가 비교적 양호한 임분을 대상으로 103곳의 임시표본점을 설정하여 임분조사를 실시하였다. 한 표 본점 내에 30-40본의 임목이 포함되도록 표본점의 크기를 0.
데이터처리
Sterba의 평균흉고직경 추정식 의 (식7) 경우는 SAS의 NLIN 프로시져를 이용하여 계수를 추정하였다. 또한, 식17을 伉에 대해 풀면,
이론/모형
이러한 어려움 때문에 모든 자료를 Rein아e의 임목 본수 추정 식(식1)에 적합시킬 경우, 식(3)에 의해 추정된 임분밀도지수(SZZD가 그 임분의 최대밀도를 나타낸다는 근거를 제시할 수 없게 된다. 따라서 과거의 간벌여부에 대한 내용을 모르는 상태에서 비교적 밀하다고 판단되는 임분에서 조사된 자료를 이용하는 본 연구에서는 다음부터 설명하고자 하는 Sterba의 최대본수모델을 이용하여 최대임분밀도지수를 추정하였으며 , Reineke의임목 본수 모델(식1)은 이를 위한 보조식으로 활용하였다.
즉, 직경을 순서대로 정렬하여 큰 직경급으로부터 20%에 해당하는 직경을 계산하고, 이를 수고"■흉고직경 함수식에 대입하여 구한 수고를 우세목 수고로 하였다(Kramer와 Akca, 1995). 또한, 평균흉고직경은 단 면적 평균법 (quadratic mean method)에 의해 추정하였으며, 수고-흉고직경 함수식에서 이 단 면적 평균직경 (quadratic mean dbh)에 해당하는 수고를 평균수 고로 하였다. ha당 본수, 흉고단면적, 재적 등의 ha단위의 생장인자는 표본점내의 생장 인자(본수, 평균 흉고단면적, 평균재적)를 ha 단위로 환산하여 추정하였다.
1 ha 사이에서 정하였으며, 각 표본점에서는 임목에 대해 흉고직경 및 수고를 측정하였다. 우세목 수고는 각 표본점별로 주정되는 수고-흉고직경 함수식(이우균, 1996) 으로부터 추정하였다. 즉, 직경을 순서대로 정렬하여 큰 직경급으로부터 20%에 해당하는 직경을 계산하고, 이를 수고"■흉고직경 함수식에 대입하여 구한 수고를 우세목 수고로 하였다(Kramer와 Akca, 1995).
성능/효과
유도하였다. ha당 임목본수와 우세목수고를 변수로 하여 평균 흉고직경을 추정하는 평균흉고직경식의 결정 계수가 0.95로 높고, t - 분석 에 의한 추정 계수의 유의 수준 온 모두 0.0001로 매우 낮아 이 평균 흉고 직경 식의 통계적 신뢰성이 높은 것으로 나타났다. 이 평균흉고직경식으로부터 유도되는 ha당 흉고단면적 식은 ha당 임목본수의 변화에 따른 ha당 흉고단면적의 변화를 우세목수고별로 잘 나타내주었다.
한 우세목수고급에서는 ha당 임목 본수가 증가할수록 ha당 흉고단면적이 증가하다가 최대 점에 도달하고는 다시 감소하는 경향을 보여, ha 당 흉고단면적이 최대가 되는 임목본수가 한 임분이 유지시킬 수 있는 최대임목본수임을 잘 나타내주었다. 또한, 전체적으로는 우세목수고급이 증가할수록 ha당 임목본수는 감소하는 반면, ha당 흉고단면적은 증가하는 추세를 보였다.
있다. 본 연구에서 제시한 최대임목본수식 및 최대임 분 밀도 지수식은 최대밀도에 도달한 임분 자료를 근거로 하는 것이 아니라 다양한 밀도를 나타내는 임분으로부터 조사된 자료를 근거로 한다는 특징이 있으며, 이를 이용하면 고사량추정, 최대 잠재 생산량 추정 등 임분밀도관리에 필요한 정보를 마련할 수 있다.
605를 나타낸다고 했으나, 그간의 많은 연구에 의하면 수종이나 입지별로 약간의 차이가 있는 것으로 밝혀졌다 (Gadow와 Franz, 1989). 본 연구에서 추정된 강원도 소나무의 6계수는 T.61147로서 Reineke의 B 계수 -L605보다 약간 높은 것으로 나타났다.
이러한 생장원칙에 입각하여 ha당 흉고단면적 식을 ha당 임목본수에 대해 미분하고, 이를 0으로 하는 ha당 임목본수로부터 추정한 우세 목수 고 및 흉고직경에 따른 최대임목본수곡선은 임목 본수 관측치의 상부를 지나면서 임분의 최대임목 본 수를 잘 나타내 주었다.
나타낸 것이다. 전체적으로는 우세 목수 고급이 증가될수록 임목본수는 감소되는 반면 단면적은 증가하고 있다. 이는 임령이 증가하면서 우세목 수고도 증가하고 그.
611470으로 추정 되 었 다(표2). 추정 된 계 수는 유의 수준 0.0001 에서 모두 유의한 것으로 판단되었으며, 추정 식의 결정계수도 0.89로 비교적 높은 편이었다. 여기에서 감소계수로 불리는 0는 임분의 임목 본수 유지력을 나타내는데, 클수록(절대치로는 작을수록) 본수의 감소정도가 낮으며, 같은 흉고직경에서 많은 임목본수를 유지시킬 수 있다(Gadow 와 Franz, 1989).
0001 에서 모두 유의한 것으로 판단되었다. 추정식의 결정계수는 0.72로 비교적 낮은 편이었으며 , 추정 치의 표준오차도 흉고직경을 설명변수로 하는 것보다 높게 나타났다. 이와 같은 통계적 적합성의 차이는 흉고직경을 설명변수로 하면 지위나 임령의 영향을 최대한 배제시킬 수 있다는 Reineke(1933) 의 연구결과에서 찾을 수 있다.
추정계수의 t-검정 결과 식(7)에서는 추정계수의 유의수준이 비교적 높았다. 특히, 추정계수 佝의 경우 유의수준이 0.33으로 매우 높게 나타나 이보다 낮은 유의수준에서는 추정계수가 0이라는 귀무가설을 기각하지 못하여 %의 변수인 우세목수고가 임목 본수 - 흉고직 경관계에 의미있는 영 향을 주지 못하는 것으로 판명되었다. 그러나 식(20)과 같이 식(1)에서 추정된 B(-l, 61147)를 식(19)에 대입하여 缶 대신에 aJ-0.
이 평균흉고직경식으로부터 유도되는 ha당 흉고단면적 식은 ha당 임목본수의 변화에 따른 ha당 흉고단면적의 변화를 우세목수고별로 잘 나타내주었다. 한 우세목수고급에서는 ha당 임목 본수가 증가할수록 ha당 흉고단면적이 증가하다가 최대 점에 도달하고는 다시 감소하는 경향을 보여, ha 당 흉고단면적이 최대가 되는 임목본수가 한 임분이 유지시킬 수 있는 최대임목본수임을 잘 나타내주었다. 또한, 전체적으로는 우세목수고급이 증가할수록 ha당 임목본수는 감소하는 반면, ha당 흉고단면적은 증가하는 추세를 보였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.