선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
가설 설정
- 본 연구에서는 IPCC 보고서에 근거하여 기후변화에 따른 산림생태계의 취약성은 민감성이 높을수록, 그리고 적응성이 낮을수록 높다고 가정하여 민감성과 적응 성의 함수로 정의하였다. 민감성은 기후변화에 따른 식생분포변화 빈도로 나타낼 수 있고, 기후변화에 따른 변화 빈도가 높을수록 기후변화에 대한 민감성 이 높은 것을 의미한다(Lee 등, 2007; Yu, 2006).
제안 방법
- 이를 바탕으로 지형, 기상 및 환경 인자를 고려한 산림분포의 시 . 공간 취약성 분포를 분석하였다.
- 공간 내삽방법의 하나인 크리 깅은 주위에 알려진 값들의 가중 선형조합으로 미지의 값을 예즉하는 기법이다(최종근, 2007). 기상자료는기온감율에 따른 차이를 보여주기 위해 원 자료 그대로 사용하여 모델에 적용하고 고도에 따른 기온감율을 고려한 윤진일 등(2001)이 제안한 기온감율 보정식(식 6)을 적용시켜 자료를 구축하여 산림분포를 예측하였다. 고도자료는 국토지리 정보원에서 제공한 수치고도모델(Digital Elevation Model: DEM)에서 추출하였다.
- 기후변화 민감성은 과거에서 가까운 미래(2046-2065) 그리고 먼 미래 (2080-2099)로의 산림분포 변화를 가지 고평가하였다. A2와 B1 시나리오에서는 각각 과거에서 가까운 미래로는 으扌 44, 841 虹子(44.
- 취약성에 대한 정 량적인 평가를 실시했다. 또한, 두 시나리오에 따른 한반도 전체의 산림 생태계 취약성 비교 및 국가단위에서 기후변화 적응정책의 우선순위를 판단하기 위해 행정구역 단위로 결과를 비교 분석하였다.
- 본 연구는 한국형 산림분포 모델을 이용하여 A2와 B1 시나리오에 따른 한반도 산림분포에 대한 기후변화 영향 및 취약성에 대한 정 량적인 평가를 실시했다. 또한, 두 시나리오에 따른 한반도 전체의 산림 생태계 취약성 비교 및 국가단위에서 기후변화 적응정책의 우선순위를 판단하기 위해 행정구역 단위로 결과를 비교 분석하였다.
- 본 연구에서는 A2와 B1 기후변화 시나리오에 따른 산림분포 취약성을 산림분포의 변화빈도(민감성), 변화방향 (적응성)을 지수화 시켜 정량적으로 평가하였다. 한국형 산림분포 모델인 TAG와 HyTAG 모델을 이용하여 A2 및 B1 기후변화 시나리오에 따라 미래의 잠재 산림분포를 예측하고 그에 따른 산림분포의 민감성과 적응성을 계산하여 취약성을 평가하였다.
- 본연구에 적용된 한국형 산림생태계 모델은 온도만 고려되어 산림유형을 예측하였다. 따라서 국내 수종 생육 조건의 변화를 유발하는 다양한 인자가 고려된 모델의 개발 및 연구가 필요하다.
- 산림분포에서 민감성은 기간별로 기후변화에 따라 식생 유형의 변화가 일어날 수 있는 가능성, 즉 변화 빈도를 이용하여 평가하였다. 기후조건이 잠재 분포범위에 맞지 않을 경우, 모델에 의해 모의 되는 잠재식생분포가 변화하게 된다.
- 기후조건이 잠재 분포범위에 맞지 않을 경우, 모델에 의해 모의 되는 잠재식생분포가 변화하게 된다. 이러한 가능성의 변화빈도(Changing Frequency) 를 식생분포의 민감성으로 평가하였다. 모의 기간별 기후조건의 변화에 따라 잠재 산림 분포가 변화하면 변화빈도가 1 씩 증가하게 되어 최종 변화 빈도수가 높을수록 민감성 이 높은 것으로 평 가하였다(Table 3).
- 통계적인 방법으로 산림 유형을 8개로 나타내었으며 아고산림, 냉온대 혼효림, 냉온대 활엽수립, 온대 혼효림, 온대 활엽수림, 온난대 혼효림, 온난대 상록수림, 아열대림 8가지로 분류하였다(Table 2).
- 한국형 산림분포 모델인 TAG와 HyTAG 모델을 이용하여 A2 및 B1 기후변화 시나리오에 따라 미래의 잠재 산림분포를 예측하고 그에 따른 산림분포의 민감성과 적응성을 계산하여 취약성을 평가하였다. A2 시나리오에서는 시간이 지남에 따라서 아고산림 및 냉온대림의 분포가 줄어들면서 먼 미래에 강원도 산간지방, 지리산, 한라산 일대에서만 분포하고 온난대림이 북상하여 분포하는 것으로 나타났다.
대상 데이터
- 27 km 격자크기로 된 원시 자료를 모델의 적용에 적합한 크기 인 1 km의 공간 해상도로 규모 변환 시 에는 크리 깅 (Kriging)을 이용하였다. 공간 내삽방법의 하나인 크리 깅은 주위에 알려진 값들의 가중 선형조합으로 미지의 값을 예즉하는 기법이다(최종근, 2007).
- 경위도 33。9, -38。4尸로 남한을 대상으로 하였다.
- 기상자료는기온감율에 따른 차이를 보여주기 위해 원 자료 그대로 사용하여 모델에 적용하고 고도에 따른 기온감율을 고려한 윤진일 등(2001)이 제안한 기온감율 보정식(식 6)을 적용시켜 자료를 구축하여 산림분포를 예측하였다. 고도자료는 국토지리 정보원에서 제공한 수치고도모델(Digital Elevation Model: DEM)에서 추출하였다.
- 모델의 입력 자료는 서울대학교 지역기후모델(Seoul National University Regional Model: SNURCM)로 모의 된 과거 및 미래의 월 평균 기온, 월 평균 최저 기온을 이용하였다. 27 km 격자크기로 된 원시 자료를 모델의 적용에 적합한 크기 인 1 km의 공간 해상도로 규모 변환 시 에는 크리 깅 (Kriging)을 이용하였다.
- 본 연구에서 자료의 시간적 범위는 각 시나리오 별로 과거(1980-1999년), 가까운 미래(2046-2065년), 먼 미래(2080-2099년)로 각각 20년 동안으로 하였다. 연구 공간적 영역은 경위도 33。9, -38。4尸로 남한을 대상으로 하였다.
이론/모형
- HyTAG 모델에서 정의한 온량지수와 최저온도지수를 벗어난 범위는 Yim(1977)이 표본조사를 통해 구축한 지역별 주요 수종의 온량지수 및 분포를 적용하여 모델에서 정의한 식생유형으로 분류 되었다.
- 국내에서는 산림 생태계의 기후변화 취약성 평가를 위해 Holdridge(김재욱와 이동근, 2006), CEVSA(Lee 등, 2007), MCI (Choi 등, 2010a) 모델과 같은 기존의 전 지구 모델을 이용하였다. 그러나 전 지구 모델을 이용한 방법은 우리나라와 같이 위도차가 적은 나라에서는 기후변화의 영향이 정확하게 예측되기 어렵다.
성능/효과
- 16개 시도에서 모두 A2 시나리오가 B1 시나리오보다 취약성이 높은 것으로 나타났고 서울에서 두 시나리오의 취약성이 가장 큰 차이를 보였다. 남서해안 지역과 인접한 울산, 충남, 경남 등에서 공통적으로 취약성이 높은 양상을 보였다.
- 전체적으로 A2 시나리오가 B1 시나리오보다 민감성이 높았으며 공간적으로 두 시나리오에서 민감성이 높은 지역의 분포가 다른 양상을 보였다. A2 시나리오에서 산림분포 변화가 많았던 남서해안과 동해안 해안지역 일부에서 민감성이 높았고 내륙지방은 전반적으로 민감성이 낮았으며, 특히 강원도 산간지역에서 민감성이 가장 낮은 지역이 분포하는 것으로 나타났다. B1 시나리오의 경우 전국에 걸쳐 국지적으로 민감성이 높은 지역이 분포하였다.
- 전체적으로 동부보다는 서해안 및 남해안에서 취약성이 높은 것으로 나타났으며, B1 시나리오 비해 A2 시나리오에서 취약성 이 높은 것으로 파악되었다. A2 시나리오에서는 내륙지역이 취약성이 낮고 남서해안 지역과 동해안 해안선 부분에서 취 약성 높은 결과를 보였고, B1 시 나리오는 높은 취약성을 나타내는 지역은 극히 일부 지역이었고, 전반적으로 취약성이 낮으며 중부지역에서 중간 정도의 취약성을 보였다. A2는 30.
- 남서해안 지역과 인접한 울산, 충남, 경남 등에서 공통적으로 취약성이 높은 양상을 보였다. A2와 B1 시나리오에서 부산과 대구가 가장 취약성이 높았고, 가장 취약성이 낮은 행정구역은 강원도와 서울로 분석되었다. A2 시나리오에서 부산은 과거에서 먼 미래로 시간이 흐름에 따라 주변 남서해안 행정구역과 유사한 수종변화 빈도 및 방향을 보였지만 주변 행정구역은 내륙지방도 포함하여 그 평균적인 취약성이 낮고, 면적이 해안일대에 국한된 부산지역이 취약성이 높은 것으로 나타났다.
- 85%)은 증가하는 것으로 나타났다. B1 시나리오에서는 냉온대활엽수림(8, 493 面- 3, 927 km), 온대활엽수림(15, 757km2 - 12, 386 km) 아열대 상록수림(1, 183 km2 - 13, 12 km)의 면적이 감소하였고, 아고산림(11.15%- 15.67%), 냉온대 혼효림(38.90%-40.28%), 온대 혼효림 (21.72% - 22.91%), 온난대 혼효림(2.92% - 3.63%), 온난대 상록수림(0.21% - 0.13%) 이 증가하는 것으로 나타났다. A2 시나리오는 냉온 대림이 감소하고 온난대림의 증가하는 경향을 보였으나 B1 시나리오에서는 산림유형이 증감하는 경향이 다양하게 나타났다(Figure 3).
- 가장 큰 차이를 보였다. 남서해안 지역과 인접한 울산, 충남, 경남 등에서 공통적으로 취약성이 높은 양상을 보였다. A2와 B1 시나리오에서 부산과 대구가 가장 취약성이 높았고, 가장 취약성이 낮은 행정구역은 강원도와 서울로 분석되었다.
- 두 시나리오에서 모두 강원도 산간지방 및 지리산 일대에서 적응성이 높은 지역이 분포하였고, A2 시나리오에서는 적응성이 높은 면적이 33.61%(35, 062km2)이고 B1 시나리오에서는58.87%(59, 660 km)의 면적이 높은 적응성을 나타냈다. A2 시나리오가 B1 시나리오보다 미래로 갈수록 온도 증가율이 높아 적응성 이 낮게 나타난 것으로 판단된다.
- B1 시나리오에서는 과거와 비교하여 온대 활엽수림의 분포 영역이 확장되었지만, 가까운 미래와 먼 미래에는 아열대 상록수림은 제주도에만 분포하는 등 8가지 산림유형 큰 변화는 없는 것으로 나타났다. 두 시나리오에서 서해안이 동해안보다 온난대 수종의 분포면적이 증가하였다. 박종철 등(2010)의 연구에 의하면 난온대 상록활엽수림대의 북상 면적이 서해안에서 두드러지게 나타난다는 연구와 유사한 양상을 보이는 것으로 나타났다.
- 남해 및 서해안지역에 분포하는 온대 혼효림과 온대 활엽수림은 각각 6, 790 km"약 $7%)과 8, 950 km"약 &83%)의 면적을 차지하였다. 또한, 온 난대혼효림(0.57%), 온난대 상록수림(0.62%), 아열대 상록수림(0.38%)은 제주도 지역에만 분포하는 것으로 나타났다.
- 이러한 가능성의 변화빈도(Changing Frequency) 를 식생분포의 민감성으로 평가하였다. 모의 기간별 기후조건의 변화에 따라 잠재 산림 분포가 변화하면 변화빈도가 1 씩 증가하게 되어 최종 변화 빈도수가 높을수록 민감성 이 높은 것으로 평 가하였다(Table 3).
- 적응성이 낮은 지역은 나타나지 않았으며, 대부분 높거나 중간정도로 분포하였다. 민감성과 적응성으로 계산된 취약성은 A2 시나리오에서 남서해안 지 역과 동해안 해안선 일부지역을 포함한 30.78%, B1 시나리오에서는 49.45%의 면적에서 높게 나타내었다.
- A2 시나리오에서는 시간이 지남에 따라서 아고산림 및 냉온대림의 분포가 줄어들면서 먼 미래에 강원도 산간지방, 지리산, 한라산 일대에서만 분포하고 온난대림이 북상하여 분포하는 것으로 나타났다. 민감성은 내륙지역에서만 낮았고 서해, 남해, 동해안 일부 지역에서 대체적으로 높게 나타났으며, 적응성은 서해안 일부 지역을 제외하고 낮거나 중간정도인 것으로 나타났다. B1 시나리오에서는 과거와 비교하여 아고산림의면적이 감소하고 온난대 상록수림의 면적이 증가하는 것으로 나타났지만 가까운 미래와 먼 미래에는 삼림 유형의 큰 변화를 보이지는 않았다.
- B1 시나리오에서는 과거와 비교하여 아고산림의면적이 감소하고 온난대 상록수림의 면적이 증가하는 것으로 나타났지만 가까운 미래와 먼 미래에는 삼림 유형의 큰 변화를 보이지는 않았다. 민감성은 전반적으로 낮았고, 민감성이 높은 지역은 전국에 수종변화가 일어나는 경계 부분에 분포하는 경향을 보였다. 적응성이 낮은 지역은 나타나지 않았으며, 대부분 높거나 중간정도로 분포하였다.
- 온도 증가율이 높다. 본 연구의 결과에서도 A2 시 나리 오가 B1 시나리오와 비교했을 때, 미래로 갈수록 온도 증가율이 더 높았고 그에 따라 산림생태계의 민감성은 높고 적응성은 낮은 지역의 분포면적이 넓어 취약한 지역이 더 넓게 나타났다.
- 산림분포의 변화방향을 공간적으로 나타낸 적응성은 전체적으로 남서해안보다는 동부지방에서 적응성이 높은 것으로 나타났으며, B1 시나리오 보다는 A2 시나리오에서 적응성 이 낮은 것으로 파악 되었다(Figure 5). A2 시나리오에서는 과거에서 가까운 미래 및 먼 미래에 걸쳐 냉대림, 온대림, 온난대림으로 변화한 서해안 일부 지역에서 적응성이 가장 낮았고 지리산 일대 및 강원도 산간지방에서 적응성이 높은 것으로 나타났다.
- B1 시나리오의 경우 전국에 걸쳐 국지적으로 민감성이 높은 지역이 분포하였다. 산림분포의 양상이 아고산림에서 냉온대림으로 혹은 냉온 대림에서 온대 및 온난대림으로 변하는 경계지역에서 민감성이 높고 그 외의 지역에서는 전반적으로 민감성이 낮은 것으로 나타났다.
- 과거 (1980-1999)의 기상자료에 근거 한 잠재 산림 분포 결과는 한반도 중부지방에서 남부 및 제주도 지역에 걸쳐 아고산 침엽수림, 냉온대 혼효림, 온대 혼효림, 온대 활엽수림, 온난대 혼효림, 온난대 상록수림 , 아열대 상록수림 이 분포하는 양상을 보였다. 아고산 침엽수림이 강원도 산간지방, 지리산, 한라산 등에 분포하며 전체 면적의 22.2%를 차지하며 냉온대 혼효림은 44%, 냉온대 활엽수림은 16.7%를 차지하며, 이세 수종 집단이 전체의 82% 면적에 분포하는 것으로 나타났다(Fig니 re 2). 남해 및 서해안지역에 분포하는 온대 혼효림과 온대 활엽수림은 각각 6, 790 km"약 $7%)과 8, 950 km"약 &83%)의 면적을 차지하였다.
- 이 변화빈도를 공간적으로 분석하여 식생분포 민감성을 나타내었다(Figure 4). 전체적으로 A2 시나리오가 B1 시나리오보다 민감성이 높았으며 공간적으로 두 시나리오에서 민감성이 높은 지역의 분포가 다른 양상을 보였다. A2 시나리오에서 산림분포 변화가 많았던 남서해안과 동해안 해안지역 일부에서 민감성이 높았고 내륙지방은 전반적으로 민감성이 낮았으며, 특히 강원도 산간지역에서 민감성이 가장 낮은 지역이 분포하는 것으로 나타났다.
- 전체적으로 동부보다는 서해안 및 남해안에서 취약성이 높은 것으로 나타났으며, B1 시나리오 비해 A2 시나리오에서 취약성 이 높은 것으로 파악되었다. A2 시나리오에서는 내륙지역이 취약성이 낮고 남서해안 지역과 동해안 해안선 부분에서 취 약성 높은 결과를 보였고, B1 시 나리오는 높은 취약성을 나타내는 지역은 극히 일부 지역이었고, 전반적으로 취약성이 낮으며 중부지역에서 중간 정도의 취약성을 보였다.
- 다양하게 나타났다(Fig니此 3). 전체적으로 아고산침엽수림, 냉온대 혼효림, 냉온대 활엽수림, 온대 혼효림이 북상하면서 남서해안을 중심으로 온대 활엽수림, 온난대 혼효림이 분포하는 것으로 나타났다. A2 시나리오의 경우, 가까운 미래에 온난대 및 아열대 상록수림이 제주도와 남해안 일부지역 분포하던 범위가 먼 미래에 남서해안 지역에 북상하여 그 분포 범위가 증가하였고 아고산침엽수림은 먼 미래에 강원도 산간지방 일부에서만 분포하는 것으로 나타났다.
후속연구
- 그러나 본 연구는 모의된 잠재식생분포에 대한 검증 결과 없이 취약성을 평가하고 두 가지 시나리오만 적용하여 그 경향을 비교한 한계점이 있다. 이 부분은 향후에 현존식생 도와 비교를 통하여 모델을 검증하고 6가지 시나리오를 모두 적용하여 보완해야할 것으로 판단된다.
- 다양한 변화양상에 따라 취약한 부분을 미리 예측하면 앞으로 다가 올 문제에 대하여 융통성 있는 적응 방안 수립이 가능해 진다.
- 이 부분은 향후에 현존식생 도와 비교를 통하여 모델을 검증하고 6가지 시나리오를 모두 적용하여 보완해야할 것으로 판단된다. 또한, 모델에서 정의되지 않은 산림유형을 기존의 연구에 근거하여 분류하였는데 다양한 수종을 고려한 식생유형 분류 방법 및 모델을 적용 할 필요가 있다.
- 할 수 있다. 본 연구의 절차 및 연구는 불확실한 미래 변화에 대하여 국가단위 및 지자체 별 산림생태계 적응대책 수립에 필요한 기본 자료로 이용될 것으로 판단된다.
- 경향을 비교한 한계점이 있다. 이 부분은 향후에 현존식생 도와 비교를 통하여 모델을 검증하고 6가지 시나리오를 모두 적용하여 보완해야할 것으로 판단된다. 또한, 모델에서 정의되지 않은 산림유형을 기존의 연구에 근거하여 분류하였는데 다양한 수종을 고려한 식생유형 분류 방법 및 모델을 적용 할 필요가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.