국가산림자원조사 자료와 임상도를 이용한 경기지역 산림의 임분재적 공간분포 추정 Estimating the Spatial Distribution of Forest Stand Volume in Gyeonggi Province using National Forest Inventory Data and Forest Type Map원문보기
기후변화협약 대응을 위한 산림의 임목축적량과 변화량 탐지의 측면에서 국가산림자원조사는 신뢰성있는 산림통계량을 산출하기 위한 기반자료로서의 결정적인 역할을 담당하고 있다. 그러나 많은 정보들이 아직 행정구역단위 통계로만 산출되고 있어 산림 통계량의 공간적 분포와 같은 정보를 제공해주지는 못하고 있다. 따라서 본 연구는 국가산림자원조사 자료를 이용해 임상특성별 임분재적 추정모델을 개발하고, 임상도와 통합하여 임분재적의 공간분포를 추정하는 것을 목표로 하였다. 산림의 임분재적 추정모델 개발을 위해 연구대상지에 포함된 국가산림자원조사 자료를 이용하여 표본점별 임분재적과 흉고단면적합을 산출하고, 표본점의 임황정보(수종, 경급, 영급, 소밀도)를 모델개발에 활용했다. 결과적으로 수종, 영급, 소밀도 기준에 따른 임분재적 모델이 구축되었으며, 본 모델을 임상도에 적용해 임분재적 주제도와 불확실성 주제도를 제작했다. 임분재적 주제도에 의한 연구대상지의 평균 임분재적은 85.7 $m^3$/ha이며, 95% 신뢰구간을 고려했을 때 약 79.7~91.8 $m^3$/ha 구간에 포함되는 것으로 나타났다.
기후변화협약 대응을 위한 산림의 임목축적량과 변화량 탐지의 측면에서 국가산림자원조사는 신뢰성있는 산림통계량을 산출하기 위한 기반자료로서의 결정적인 역할을 담당하고 있다. 그러나 많은 정보들이 아직 행정구역단위 통계로만 산출되고 있어 산림 통계량의 공간적 분포와 같은 정보를 제공해주지는 못하고 있다. 따라서 본 연구는 국가산림자원조사 자료를 이용해 임상특성별 임분재적 추정모델을 개발하고, 임상도와 통합하여 임분재적의 공간분포를 추정하는 것을 목표로 하였다. 산림의 임분재적 추정모델 개발을 위해 연구대상지에 포함된 국가산림자원조사 자료를 이용하여 표본점별 임분재적과 흉고단면적합을 산출하고, 표본점의 임황정보(수종, 경급, 영급, 소밀도)를 모델개발에 활용했다. 결과적으로 수종, 영급, 소밀도 기준에 따른 임분재적 모델이 구축되었으며, 본 모델을 임상도에 적용해 임분재적 주제도와 불확실성 주제도를 제작했다. 임분재적 주제도에 의한 연구대상지의 평균 임분재적은 85.7 $m^3$/ha이며, 95% 신뢰구간을 고려했을 때 약 79.7~91.8 $m^3$/ha 구간에 포함되는 것으로 나타났다.
Reliable forest statistics provides important information to meet the UNFCCC. In this respect, the national forest inventory has played a crucial role to provide the reliable forest statistics for several decades. However, the previous forest statistics calculated by administrative district has not ...
Reliable forest statistics provides important information to meet the UNFCCC. In this respect, the national forest inventory has played a crucial role to provide the reliable forest statistics for several decades. However, the previous forest statistics calculated by administrative district has not provided spatial information in a small scale. Thus, this study focused on developing models to estimate an explicit spatial distribution of forest growing stock. For this, first, stand volume model by stand types was developed using National Forest Inventory(NFI) data. Second, forest type map was integrated with this model. NFI data were used to calculate plot-level stand volume and basal area. The stand types of NFI plot including the species composition, age class, DBH class and crown density class are very crucial data to be connected with forest type map. Finally, polygonlevel stand volume map was developed with spatial uncertainty map. Average stand volume was estimated at 85.7 $m^3$/ha in the study area, and at 95% significance interval it was ranged from 79.7 $m^3$/ha to 91.8 $m^3$/ha.
Reliable forest statistics provides important information to meet the UNFCCC. In this respect, the national forest inventory has played a crucial role to provide the reliable forest statistics for several decades. However, the previous forest statistics calculated by administrative district has not provided spatial information in a small scale. Thus, this study focused on developing models to estimate an explicit spatial distribution of forest growing stock. For this, first, stand volume model by stand types was developed using National Forest Inventory(NFI) data. Second, forest type map was integrated with this model. NFI data were used to calculate plot-level stand volume and basal area. The stand types of NFI plot including the species composition, age class, DBH class and crown density class are very crucial data to be connected with forest type map. Finally, polygonlevel stand volume map was developed with spatial uncertainty map. Average stand volume was estimated at 85.7 $m^3$/ha in the study area, and at 95% significance interval it was ranged from 79.7 $m^3$/ha to 91.8 $m^3$/ha.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
임상도는 축적 1/15,000 항공사진을 판독하여 임분의 임상·주요수종·경급·영급·소밀도 등의 정보를 지도화 한 것으로, 본 연구에서는 임분재적 공간분포를 나타낼 수 있는 기본도로서 제4차 임상도를 이용했다. 4차 임상도는 2005년에 제작 완료된 가장 최신의 임상도이며, 4차 국가산림자원조사와 동일한 시기에 제작되었기 때문에 본 임상도에서 산출된 결과물은 시간적 통일성을 고려하여 제4차 국가산림자원조사 자료를 이용하여 평가되었다.
결과적으로 본 연구에서는 수종과 경급(또는 영급) 구분에 따른 소밀도 정보를 흉고단면적합으로 환산할 수 있는 모델과 흉고단면적합에서 다시 임분재적으로 변환할 수 있는 수종별 모델을 나눠서 개발하여 최종적으로는 두 모델을 통합하여 임분재적 추정모델을 구축하고자 했다. 즉, 산림의 임분재적 공간분포 추정을 위해 먼저 아래와 같이 i) 임상과 경급(또는 영급)을 고려하여 소밀도와 흉고단면적합의 관계를 도출하고 그 다음으로 ii) 수종을 고려하여 흉고단면적합과 임분재적의 관계를 도출한다.
따라서 본 연구에서는 산림의 임분재적 공간분포를 추정하기 위해 국내에서 가장 광범위하게 구축되어 있는 산림공간자료인 임상도를 이용하는 방법론을 개발하고자 한다. 그리고 바이오매스량으로 변환할 수 있는 전단계인 임분재적 공간분포를 산출하는 것을 목표로 한다. 이를 위해 국가산림자원조사 자료를 바탕으로 임황특성별 임분재적 추정모델을 개발하고, 이 모델을 임상도에 적용해 임분재적의 공간분포를 파악할 수 있는 주제도를 제작할 것이다.
따라서 본 연구에서는 산림의 임분재적 공간분포를 추정하기 위해 국내에서 가장 광범위하게 구축되어 있는 산림공간자료인 임상도를 이용하는 방법론을 개발하고자 한다. 그리고 바이오매스량으로 변환할 수 있는 전단계인 임분재적 공간분포를 산출하는 것을 목표로 한다.
또한 임상도를 이용한 임분재적 주제도 제작 방법론의 장·단점을 분석하고 개선·보완 사항을 도출하여 향후 임상도 기반의 산림 바이오매스 지도 제작을 위한 기반을 조성하고자 한다.
본 연구는 오랜 기간 축적되어 온 국가산림자원조사 자료를 기반으로 서울·인천·경기지역 산림의 일반적 특성을 추출하고 임상도를 이와 결합하여 폴리곤 단위의 평균 임분재적 공간분포 추정을 가능하게 했다는 데 의의가 있다. 그러나 연속형 자료를 기반으로 하고 공간적으로 보다 세밀한 임분재적 추정을 위해서는 수고와 밀도 추정에 필요한 위성영상이나 입지도 등 부가적인 정보를 활용하는 것이 필요하다.
제안 방법
둘째, 모델 추정의 전체적인 유의성을 파악하기 위해, 임업통계연보(산림청, 2005)에서 제시하고 있는 통계와 추정된 임분재적 공간분포에서 산출된 통계결과를 비교했다.
본 연구에서는 NFI 자료를 기반으로 하여 임황특성별(수종, 영급, 소밀도)로 임분재적을 추정할 수 있도록 모델을 개발했고, 이 모델과 임상도를 결합하여 서울·인천·경기지역 산림에 대한 임분재적 공간분포를 추정했다.
임분의 수종, 영급, 소밀도 조합에 따라 개발된 임분재적모델을 임상도에 적용하여 임분재적 주제도를 제작할 수 있다. 소밀도-흉고단면적합 변환표 생성시 각 항목의 통계량 산정 과정에서 샘플표본의 95% 신뢰구간을 함께 계산했다. 이 신뢰구간은 각 항목에 포함되는 값들의 분포형태를 나타내는 첨도(Kurtosis)의 지표가 된다.
소밀도를 흉고단면적합의 변수로 변환하기 위해 전체 NFI 자료를 대상으로 임상, 영급, 그리고 소밀도에 따른 흉고단면적합 통계값을 산출해 변환표를 작성했다. NFI의 소밀도는 범주형 자료로 조사되고 있어 연속모델(continuous model)을 구축하는데 한계가 있기 때문에, 각 계급조건 내에 포함되는 표본점의 흉고단면적합 통계량을 구해 변환표를 작성했다.
위에서 추정된 흉고단면적합과 임분재적을 연결시키기 위해 NFI 표본점 자료를 이용해 회귀모델을 구성했다. NFI 표본점의 단위면적당 흉고단면적합과 임분재적은 매우 밀접한 관계를 보였다.
NFI 표본점 자료는 임분재적 모델을 개발하는 목적으로, 임상도는 산출될 임분재적 주제도의 기본도로 활용되었다(Figure 1). 임분재적 주제도 결과물은 제4차 임상도의 제작시기(2005년 제작 완료)와 유사한 시기에 제작된 임업통계연보(산림청, 2005)의 통계자료와 비교하여 추정의 유의성을 파악했다.
본 연구를 통해 생성되는 임분재적 주제도는 두 가지 측면에서 평가되었다. 첫째, NFI 자료로 개발된 임분재적 추정모델이 NFI 표본점 자료를 어느 정도로 재현하고 있는지를 분석해 임분재적을 추정하는데 있어서 발생하는 모델의 불확실성을 평가했다. 모델 평가에 이용된 통계량은 평균편의(MD; Mean Difference)와 평균제곱근오차(RMSE; Root Mean Square Error이다.
수종분류기준은 “해당 수종의 수관 점유면적 또는 입목본수 비율이 75% 이상인 임분(김경민 등, 2008)”을 말한다. 추가적으로 필요한 자료로서 표본점별 단위면적당 흉고단면적합(Basal area, m2/ha)을 계산하였다.
표본의 평균과 함께 각 계급구분에서의 95% 신뢰구간이 해당하는 값의 범위, 즉 95% 신뢰구간의 최소값과 최대값을 함께 산출했다. 이 구간은 해당 계급구분에서 나타날 수 있는 흉고단면적합 추정값의 범위를 나타내며, 이 범위는 임상 내 수종별 차이, 각 계급구간 내의 변이, 그리고 측정오차 등에 의한 불확실성을 반영한다.
개체목별 입목재적은 표본점별로 합산되었고 최종적으로 표본점별 단위면적당 임분재적(m3/ha)이 산출되었다. 표본점별 임분재적과 임상도를 연결시키기 위해, 임상도의 수종분류기준에 따라 표본점별 수종구분을 재분류하였으며 경급, 영급, 소밀도는 표본점별 임황조사 결과를 그대로 활용하였다. 수종분류기준은 “해당 수종의 수관 점유면적 또는 입목본수 비율이 75% 이상인 임분(김경민 등, 2008)”을 말한다.
대상 데이터
연구대상지는 경기도이며, 여기에는 서울특별시와 인천광역시가 포함되어 있다. 대상지 전체 면적은 1,174,496 ha 이고 그 중 입목지의 면적은 약 48%인 564,286 ha이다.
임분재적 모델과 임상도를 이용해 임분재적 주제도를 제작하기 위해 1~5차 NFI 표본점 자료와 제4차 임상도가 활용되었다. NFI 표본점 자료는 임분재적 모델을 개발하는 목적으로, 임상도는 산출될 임분재적 주제도의 기본도로 활용되었다(Figure 1).
임분재적 추정모델 개발을 위해 경기도 NFI 표본점 557개(1차), 400개(2차), 1,311개(3차), 243개(4차), 631개(2006~2008년), (5차)로 전체 3,142개의 표본점 자료를 이용하였다. 각 개체목별로 입목재적을 산출하기 위해 Kozak 식에 의하여 수피포함 수간곡선을 구한 후 이를 10 cm 단위로 수간석해하여 합산하는 방법을 적용하였으며, 수간 곡선을 구하기 위해 입력되어야 하는 수종별 모수는 제 4차 국가산림자원조사 산림자원조사 요령에서 제시하고 있는 모수값을 이용하였다(국립산림과학원, 2005).
데이터처리
첫째, NFI 자료로 개발된 임분재적 추정모델이 NFI 표본점 자료를 어느 정도로 재현하고 있는지를 분석해 임분재적을 추정하는데 있어서 발생하는 모델의 불확실성을 평가했다. 모델 평가에 이용된 통계량은 평균편의(MD; Mean Difference)와 평균제곱근오차(RMSE; Root Mean Square Error이다. MD는 모델 추정치가 실측치에 비해 평균적으로 얼마만큼의 편의(Bias)를 갖는가를 평가하고 RMSE는 모델 추정치와 실측치가 평균적으로 얼마만큼 떨어져 있는지를 평가하는 통계량이며, 계산식은 다음과 같다.
이론/모형
임분재적 추정모델 개발을 위해 경기도 NFI 표본점 557개(1차), 400개(2차), 1,311개(3차), 243개(4차), 631개(2006~2008년), (5차)로 전체 3,142개의 표본점 자료를 이용하였다. 각 개체목별로 입목재적을 산출하기 위해 Kozak 식에 의하여 수피포함 수간곡선을 구한 후 이를 10 cm 단위로 수간석해하여 합산하는 방법을 적용하였으며, 수간 곡선을 구하기 위해 입력되어야 하는 수종별 모수는 제 4차 국가산림자원조사 산림자원조사 요령에서 제시하고 있는 모수값을 이용하였다(국립산림과학원, 2005). 개체목별 입목재적은 표본점별로 합산되었고 최종적으로 표본점별 단위면적당 임분재적(m3/ha)이 산출되었다.
성능/효과
반면 영급과 소밀도를 기준으로 자료를 구분하였을 때 모든 계급구분에서 통계량 산출이 가능했다. ANOVA 분석을 실시한 결과, 영급-소밀도 구분 변환표는 모든 임상에서 95% 이상의 신뢰도로 흉고단면적합을 유의미하게 구분하고 있었다(Table 2). 경급은 등급을 4단계로 분류하고 있고 영급은 6단계 이상으로 분류하고 있어 영급이 경급보다 임분의 특성을 보다 세밀하게 분류하고 있을 뿐 아니라, 연구대상지 산림의 약 95%가 1, 2 경급에 집중되어 있어서 경급이 실질적인 산림특성 분류기준으로서의 역할을 수행하지 못하는 문제가 있었다.
각 개체목별로 입목재적을 산출하기 위해 Kozak 식에 의하여 수피포함 수간곡선을 구한 후 이를 10 cm 단위로 수간석해하여 합산하는 방법을 적용하였으며, 수간 곡선을 구하기 위해 입력되어야 하는 수종별 모수는 제 4차 국가산림자원조사 산림자원조사 요령에서 제시하고 있는 모수값을 이용하였다(국립산림과학원, 2005). 개체목별 입목재적은 표본점별로 합산되었고 최종적으로 표본점별 단위면적당 임분재적(m3/ha)이 산출되었다. 표본점별 임분재적과 임상도를 연결시키기 위해, 임상도의 수종분류기준에 따라 표본점별 수종구분을 재분류하였으며 경급, 영급, 소밀도는 표본점별 임황조사 결과를 그대로 활용하였다.
NFI표본점의 흉고단면적합과 임분재적 자료는 연속형 자료이기 때문에 수종별로 회귀모델을 구축할 수 있었다. 거듭제곱 형태의 회귀모형이 구성되었으며, 모델의 결정계수는 0.94~0.99로 매우 높게 나타났다(Table 3).
ANOVA 분석을 실시한 결과, 영급-소밀도 구분 변환표는 모든 임상에서 95% 이상의 신뢰도로 흉고단면적합을 유의미하게 구분하고 있었다(Table 2). 경급은 등급을 4단계로 분류하고 있고 영급은 6단계 이상으로 분류하고 있어 영급이 경급보다 임분의 특성을 보다 세밀하게 분류하고 있을 뿐 아니라, 연구대상지 산림의 약 95%가 1, 2 경급에 집중되어 있어서 경급이 실질적인 산림특성 분류기준으로서의 역할을 수행하지 못하는 문제가 있었다. 따라서 영급이 임상의 흉고단면적합을 구분하는데 보다 유용한 변수로 활용될 수 있었다.
본 연구에서는 NFI 자료를 기반으로 하여 임황특성별(수종, 영급, 소밀도)로 임분재적을 추정할 수 있도록 모델을 개발했고, 이 모델과 임상도를 결합하여 서울·인천·경기지역 산림에 대한 임분재적 공간분포를 추정했다. 그 결과 평균 85.7 m3/ha의 재적을 가지는 임분재적 주제도가 제작되었으며, 공간적인 불확실성을 비교할 수 있는 별도의 지도가 함께 산출되었다.
임업통계연보(산림청, 2005)의 통계값에서도 역시 경기지역의 임분재적과 활엽수림의 임분재적이 상대적으로 크게 산출된 것을 볼 수 있었다. 그러나 본 연구에서 추정된 평균 임분재적은 85.7(79.7~91.8) m3/ha로 나타나 기존의 통계값 74.5 m3/ha보다 약 11.2 m3/ha 과대평가했으며, 행정구역 구분에 따른 비교에서도 모두 과대평가되는 것으로 나타났다. 그러나 임상별 비교에서는, 침엽수림 추정치의 95% 신뢰구간 내에 기존의 통계값이 포함되어 침엽수림의 경우에서는 본 연구의 추정 결과와 기존의 통계량이 유사한 결과를 산출했다는 것을 알 수 있었다.
2 m3/ha 과대평가했으며, 행정구역 구분에 따른 비교에서도 모두 과대평가되는 것으로 나타났다. 그러나 임상별 비교에서는, 침엽수림 추정치의 95% 신뢰구간 내에 기존의 통계값이 포함되어 침엽수림의 경우에서는 본 연구의 추정 결과와 기존의 통계량이 유사한 결과를 산출했다는 것을 알 수 있었다. 활엽수림과 혼효림의 평균값 차이는 각각 약 12.
실측자료에서 계산된 임분재적과 Table 2과 Table 3의 두 가지 모델을 NFI 자료에 적용하여 추정한 임분재적을 비교하여 모델의 적합도를 평가했다, 그 결과 모델의 추정결과가 측정결과의 경향을 재현하고는 있지만 임분재적이 커질수록 오차의 범위가 확대되는 경향을 보였다. 모델 전체적인 MD는 -2.2 m3/ha로 모델의 임분재적이 실제 임분재적보다 전체적으로 과소평가하는 것으로 나타났으며(침엽수림 -2.4 m3/ha; 활엽수림 -1.7 m3/ha; 혼효림 -2.7 m3/ha) 임상에 따른 차이는 크지 않았다. 전체적인 RMSE는 31.
실측자료에서 계산된 임분재적과 Table 2과 Table 3의 두 가지 모델을 NFI 자료에 적용하여 추정한 임분재적을 비교하여 모델의 적합도를 평가했다, 그 결과 모델의 추정결과가 측정결과의 경향을 재현하고는 있지만 임분재적이 커질수록 오차의 범위가 확대되는 경향을 보였다. 모델 전체적인 MD는 -2.
위의 임분재적 주제도를 이용해서 통계를 산출한 결과 전체 단위면적당 임분재적은 85.7 m3/ha로 추정되었다(Table 4). 행정구역별로 비교했을 때 경기지역의 평균 임분재적은 86.
7 m3/ha) 임상에 따른 차이는 크지 않았다. 전체적인 RMSE는 31.0 m3/ha로 산출되었으며, 침엽수림, 활엽수림, 혼효림의 RMSE는 각각 29.5, 31.7, 32.5 m3/ha였다.
이 구간은 해당 계급구분에서 나타날 수 있는 흉고단면적합 추정값의 범위를 나타내며, 이 범위는 임상 내 수종별 차이, 각 계급구간 내의 변이, 그리고 측정오차 등에 의한 불확실성을 반영한다. 침엽수, 활엽수, 혼효림의 평균적인 신뢰구간 폭(최대값-최소값)은 각각 3.0, 2.7, 그리고 4.4 m2/ha로 혼효림의 신뢰구간폭이 가장 넓었으며, 이는 각 계급구간 내의 값의 분포가 넓어 평균값의 불확실성이 가장 크다는 것을 의미한다. 흉고단면적합의 추정에 있어서 불확실성이 가장 낮은 계급은 [침엽수림/영급2이하/소밀도‘‘밀”], 높은 계급은 [혼효림/영급5이상/소밀도‘‘소”]였으며, 영급이 커짐에 따라서 불확실성이 대체적으로 증가하는 것으로 나타났다.
또한 혼효림은 대체적으로 활엽수림과 침엽수림 사이의 값을 보였다. 흉고단면적합은 소밀도와 영급이 커질수록 증가하는 경향을 보였다.
흉고단면적합의 추정에 있어서 불확실성이 가장 낮은 계급은 [침엽수림/영급2이하/소밀도‘‘밀”], 높은 계급은 [혼효림/영급5이상/소밀도‘‘소”]였으며, 영급이 커짐에 따라서 불확실성이 대체적으로 증가하는 것으로 나타났다.
후속연구
첫째, 임분재적 추정 시기와 자료의 제작 시기가 일치하지 못했다. 둘째, NFI와 임상도의 주요한 변수가 범주형 자료로 조사되고 있어 연속모델 구축에 한계가 있었다. 셋째, 지역적 환경조건에 따른 수고 특성의 변이를 고려하지 못했다.
일부 조건들(수종-영급-소밀도)에 한해 임분재적이 조사차수에 의해 차이가 발생하는지에 대한 평가가 이루어졌고 그 결과 통계적으로 차이가 없는 것으로 밝혀졌으나, NFI 자료의 부족으로 모든 조건들에 대한 평가가 이루어질 수는 없었다. 또한 만일 기후변화에 따라 임황특성별 임분재적의 변이가 극심하고 일반화할 수 없다면, 임분재적 또는 산림바이오매스를 추정하기 위해서는 해당 시점의 NFI 자료와 동일시기의 임상도 등 시기적 일치를 보이는 자료들만을 이용해서 모델을 구축하고 지도를 제작해야 한다. 그러나 이러한 경우, NFI 자료의 양이 충분치 않기 때문에 위성영상 정보, 각종 공간분석기법 등을 함께 활용하여 신뢰성 있는 공간분포예추정을 가능하게 하는 방법론의 개발이 필요하다.
NFI 표본점 자료의 수고와 소밀도가 연속형 자료로 구축되어야 보다 정확도 높은 모델이 개발될 수 있다. 본 연구에서 영급-소밀도-흉고단면적합 모델과 흉고단면적합-임분재적 모델을 분리하여 개발한 것과는 달리, 수고(또는 영급)-소밀도-임분재적(또는 바이오매스)을 변수로 하는 통합된 수종별 연속모델이 개발된다면 추정의 불확실성은 보다 줄어들 수 있다. 이를 위해서는 NFI 표본점의 수고 또는 소밀도 자료가 항공사진 판독이나 추가적인 현장조사를 통해 연속형 자료로 추가 확보되어야 한다.
이 자료는 임분재적 공간분포의 불확실성 수준을 지역별로 비교·평가할 수 있는 자료로 활용할 수 있다.
그러나 임상도는 수고정보를 포함하고 있지 않기 때문에 근본적으로 한계가 있다. 이를 보완하기 위해 임황 특성별 평균수고에 대한 기존연구 자료, 입지도 등을 이용한 지역적 환경특성을 고려한 지위지수의 공간분포 자료를 함께 활용한다면 수고의 공간분포를 나타내는 변수를 생성하는 것이 가능하리라 예상된다.
그리고 바이오매스량으로 변환할 수 있는 전단계인 임분재적 공간분포를 산출하는 것을 목표로 한다. 이를 위해 국가산림자원조사 자료를 바탕으로 임황특성별 임분재적 추정모델을 개발하고, 이 모델을 임상도에 적용해 임분재적의 공간분포를 파악할 수 있는 주제도를 제작할 것이다. 또한 임상도를 이용한 임분재적 주제도 제작 방법론의 장·단점을 분석하고 개선·보완 사항을 도출하여 향후 임상도 기반의 산림 바이오매스 지도 제작을 위한 기반을 조성하고자 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
국가산림자원조사에서 측정하는 것은?
국가산림자원조사는 1972~1975년의 제1차 조사를 시작으로 제2차(1978~1981), 제3차(1986~1992), 제4차(1996~2005) 조사가 완료되었으며, 현재 제5차 조사(2006~2010)가 실시 중에 있다. 전국 산림을 통계적으로 대표할 수 있는 표본점을 설정하고 표본점의 임황정보(토지이용, 임상, 경급, 영급, 밀도 등)와 표본점 내의 모든 수목의 수종, 흉고직경 등의 자료를 측정하고 있다. 현재 수행중인 5차 조사에서는 이전의 임목자원 인자에 추가해서 산림생태, 환경 인자를 포함하여 조사하므로 보다 다양하고 질 높은 국가차원의 산림정보가 축적되고 있다(심우범 등, 2008).
국가산림자원조사의 목표는?
국가산림자원조사(National Forest Inventory, NFI)는 산림에 대한 국가적 통계정보를 제공하는 것을 목표로 하고 있다. 특히 최근에는 기후변화협약의 체결 및 교토의정서 발효에 의해 이산화탄소 흡수원으로서의 산림바이오매스를 이해하기 위한 연구가 국내외적으로 다양하게 요구되고 있다.
국가산림자원조사는 어느 시기에 어떠한 순서로 진행되었는가?
국가산림자원조사는 1972~1975년의 제1차 조사를 시작으로 제2차(1978~1981), 제3차(1986~1992), 제4차(1996~2005) 조사가 완료되었으며, 현재 제5차 조사(2006~2010)가 실시 중에 있다. 전국 산림을 통계적으로 대표할 수 있는 표본점을 설정하고 표본점의 임황정보(토지이용, 임상, 경급, 영급, 밀도 등)와 표본점 내의 모든 수목의 수종, 흉고직경 등의 자료를 측정하고 있다.
참고문헌 (15)
국립산림과학원. 2005. 산림자원조사보고서(민유림): 경기도 기본계획구, 국립 산림과학원. 서울. pp. 656.
김갑덕. 1985. 산림측정학. 향문사. 서울. pp. 275.
김경민, 김철민, 전은진, 공지수. 2008. 수치임상도 (1:25,000) 표준 제작체계. 국립산림과학원. 서울. pp. 259.
Chun, J.H., Lim, J. and Lee, D.K. 2007. Biomass Estimation of Gwangneung Catchment Area with Landsat ETM+ Image. Journal of Korean Forest Society 96(5): 591-601.
Fournier, R.A., Luther J.E., Guindon L., Lambert M.-C., Piercey, D., Hall, R.J. and Wulder, M.A. 2003. Mapping aboveground tree biomass at the stand level from inventory information: test cases in Newfoundland and Quebec. Canadian Journal of Forest Research 33: 1846-1863.
Hall, R.J., Arsenault E.J., Boudewyn P., Filiatrault M., Gillis M.D., Beaudoin A., Luther J.E. and Wulder M.A. 2009. Creating a national forest biomass map of Canada by integrating satellite data and models. GOFC-GOLD Biomass meeting (June 15, 2009).
Knowles, R.L., Horavath G.C., Carter M.A. and Hawke, M.F. 1999. Developing a canopy closure model to predict overstorey/understorey relationships in Pinus radiata silvopastoral systems. Agroforestry Systems 43: 109-119.
Labrecque, S., Fournier R.A., Luther J.E. and Piercey D. 2006. A comparison of four methods to map biomass from Landsat-TM and inventory data in western Newfoundland. Forest ecology and management 226: 129-144.
Nelson, M., Moisen G., Finco, M. and Brewer, K. 2007. Forest inventory and analysis in the United States: remote sensing and geospatial activities. Photogrammetric Engineering & Remote Sensing 73(7): 729-732.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.