[국내논문]소나무의 지리적 분포 및 생태적 지위 모형을 이용한 기후변화 영향 예측 Assessing the Effects of Climate Change on the Geographic Distribution of Pinus densiflora in Korea using Ecological Niche Model원문보기
본 연구는 산림에서 나타나는 수종의 분포 패턴을 해석하고 예측하기 위한 목적으로 수행되었다. 국내에서 처음으로 시도된 전국 규모의 체계적 산림조사라 할 수 있는 NFI (National Forest Inventory)의 수종별 출현 정보와 출현지점별 풍부도를 기반으로 소나무의 현존분포도를 작성하였다. 생태적 지위 모형의 하나인 GARP (Genetic Algorithm for Ruleset Production)를 이용하여 소나무 현존분포와 연관성이 높은 환경요인변수들을 선정하였고, 선정된 변수들을 설명변수로 하는 소나무 잠재분포 모형을 작성한 후 기후변화 시나리오를 적용하여 미래의 잠재분포를 예측하였다. 기후, 지리 지형, 토양 지질, 토지이용 및 식생현황 등 27개 환경요인변수를 각각 설명변수로 하여 모형을 구동함으로써 소나무 현존분포와의 연관성을 평가한 결과 1월 평균기온이 최상위를 차지하였고 연평균기온, 8월평균기온, 연교차 등도 영향을 미치는 것으로 분석되었다. NFI 정보로부터 추출하여 소스개체군으로 선정된 조사지점들을 소나무의 최종출현정보로, 환경요인변수 간의 연관성 분석을 통해 최종적으로 선정된 변수 세트를 설명변수로 하여 모형을 구동함으로써 최적의 모형을 선정한 후 잠재분포도를 작성하였다. 현재 시점의 환경요인변수들에 의해 트레이닝 된 잠재분포 모형에서 기후관련변수들을 RCP 8.5 기후변화시나리오에서 산출한 변수들로 대체하여 2020년대, 2050년대, 2090년대의 소나무의 예측 잠재분포도를 작성하였다. 최종적으로 작성된 소나무 잠재분포모형의 평가 통계량인 AUC (Area Under Curve)는 0.67로 다소 미흡하였으나 향후 기후변화 환경 하에서 소나무림의 보전 및 관리를 위한 최소한의 실마리를 제공할 수 있을 것으로 판단되었다.
본 연구는 산림에서 나타나는 수종의 분포 패턴을 해석하고 예측하기 위한 목적으로 수행되었다. 국내에서 처음으로 시도된 전국 규모의 체계적 산림조사라 할 수 있는 NFI (National Forest Inventory)의 수종별 출현 정보와 출현지점별 풍부도를 기반으로 소나무의 현존분포도를 작성하였다. 생태적 지위 모형의 하나인 GARP (Genetic Algorithm for Ruleset Production)를 이용하여 소나무 현존분포와 연관성이 높은 환경요인변수들을 선정하였고, 선정된 변수들을 설명변수로 하는 소나무 잠재분포 모형을 작성한 후 기후변화 시나리오를 적용하여 미래의 잠재분포를 예측하였다. 기후, 지리 지형, 토양 지질, 토지이용 및 식생현황 등 27개 환경요인변수를 각각 설명변수로 하여 모형을 구동함으로써 소나무 현존분포와의 연관성을 평가한 결과 1월 평균기온이 최상위를 차지하였고 연평균기온, 8월평균기온, 연교차 등도 영향을 미치는 것으로 분석되었다. NFI 정보로부터 추출하여 소스개체군으로 선정된 조사지점들을 소나무의 최종출현정보로, 환경요인변수 간의 연관성 분석을 통해 최종적으로 선정된 변수 세트를 설명변수로 하여 모형을 구동함으로써 최적의 모형을 선정한 후 잠재분포도를 작성하였다. 현재 시점의 환경요인변수들에 의해 트레이닝 된 잠재분포 모형에서 기후관련변수들을 RCP 8.5 기후변화시나리오에서 산출한 변수들로 대체하여 2020년대, 2050년대, 2090년대의 소나무의 예측 잠재분포도를 작성하였다. 최종적으로 작성된 소나무 잠재분포모형의 평가 통계량인 AUC (Area Under Curve)는 0.67로 다소 미흡하였으나 향후 기후변화 환경 하에서 소나무림의 보전 및 관리를 위한 최소한의 실마리를 제공할 수 있을 것으로 판단되었다.
We employed the ecological niche modeling framework using GARP (Genetic Algorithm for Ruleset Production) to model the current and future geographic distribution of Pinus densiflora based on environmental predictor variable datasets such as climate data including the RCP 8.5 emission climate change ...
We employed the ecological niche modeling framework using GARP (Genetic Algorithm for Ruleset Production) to model the current and future geographic distribution of Pinus densiflora based on environmental predictor variable datasets such as climate data including the RCP 8.5 emission climate change scenario, geographic and topographic characteristics, soil and geological properties, and MODIS enhanced vegetation index (EVI) at 4 $km^2$ resolution. National Forest Inventory (NFI) derived occurrence and abundance records from about 4,000 survey sites across the whole country were used for response variables. The current and future potential geographic distribution of Pinus densiflora, one of the tree species dominating the present Korean forest was modeled and mapped. Future models under RCP 8.5 scenarios for Pinus densiflora suggest large areas predicted under current climate conditions may be contracted by 2090 showing range shifts northward and to higher altitudes. Area Under Curve (AUC) values of the modeled result was 0.67. Overall, the results of this study were successful in showing the current distribution of major tree species and projecting their future changes. However, there are still many possible limitations and uncertainties arising from the select of the presence-absence data and the environmental predictor variables for model input. Nevertheless, ecological niche modeling can be a useful tool for exploring and mapping the potential response of the tree species to climate change. The final models in this study may be used to identify potential distribution of the tree species based on the future climate scenarios, which can help forest managers to decide where to allocate effort in the management of forest ecosystem under climate change in Korea.
We employed the ecological niche modeling framework using GARP (Genetic Algorithm for Ruleset Production) to model the current and future geographic distribution of Pinus densiflora based on environmental predictor variable datasets such as climate data including the RCP 8.5 emission climate change scenario, geographic and topographic characteristics, soil and geological properties, and MODIS enhanced vegetation index (EVI) at 4 $km^2$ resolution. National Forest Inventory (NFI) derived occurrence and abundance records from about 4,000 survey sites across the whole country were used for response variables. The current and future potential geographic distribution of Pinus densiflora, one of the tree species dominating the present Korean forest was modeled and mapped. Future models under RCP 8.5 scenarios for Pinus densiflora suggest large areas predicted under current climate conditions may be contracted by 2090 showing range shifts northward and to higher altitudes. Area Under Curve (AUC) values of the modeled result was 0.67. Overall, the results of this study were successful in showing the current distribution of major tree species and projecting their future changes. However, there are still many possible limitations and uncertainties arising from the select of the presence-absence data and the environmental predictor variables for model input. Nevertheless, ecological niche modeling can be a useful tool for exploring and mapping the potential response of the tree species to climate change. The final models in this study may be used to identify potential distribution of the tree species based on the future climate scenarios, which can help forest managers to decide where to allocate effort in the management of forest ecosystem under climate change in Korea.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구의 목적은 국가산림자원조사 자료와 식생분포 모형에 기반하여 보다 신뢰도가 높은 산림식생분포도를 작성하고 평가하며 기후변화에 따른 변화를 예측함으로써 기후변화가 식생분포에 미치는 영향을 예측하는 데에 있다.
또한 상층이 아닌 경우는 층위별로 각각 최소 2개체 이상 출현한 지점의 자료만을 분석에 포함시켜 개체 발생의 우연성을 최대한 배제하고자 하였다.
제안 방법
개별 환경요인변수 각각을 설명변수로 하여 모형을 구동한 후 ROC의 AUC를 평가하고 기후관련변수 외의 범주에 속하는 변수들이 0.6 미만의 값을 가지는 경우 최종적인 수종별 환경요인변수에서는 제외하는 것을 원칙으로 하였다. 위에서 언급한 바와 같이 AUC가 0.
그러나 식물의 생육과 직접적인 연관성을 가지는 환경요인 변수인 기온과 강수에 대해서는 생태적 지위 모형이 생물기후 모형 가운데 하나임을 감안하여 반드시 포함하는 것을 원칙으로 하였다. 결과적으로 기온이나 강수량과 관련해서 한 개의 변수도 선택되지 않은 경우는 AUC가 0.6 미만이라 하더라도 같은 범주 내에서 가장 AUC가 높은 변수를 선택하여 최소한 하나씩의 관련 변수가 분석에 포함되도록 하였다.
5를 초과하는 경우 최소한 무작위적 추정은 아니지만 보다 개연성이 높은 모형의 작성을 위해 Swets(1988)의 기준에서 ‘Fail(매우 미흡)’의 수준에해당하는 변수들은 제외하고자 하였기 때문이다. 그러나 식물의 생육과 직접적인 연관성을 가지는 환경요인 변수인 기온과 강수에 대해서는 생태적 지위 모형이 생물기후 모형 가운데 하나임을 감안하여 반드시 포함하는 것을 원칙으로 하였다. 결과적으로 기온이나 강수량과 관련해서 한 개의 변수도 선택되지 않은 경우는 AUC가 0.
벡터형태의 자료를 포함한 모든 환경요인변수는 래스터 형태로 변환하였고 여기에서 NFI의 조사지점 간 거리가 4km인 점을 감안하여 모든 환경요인변수의 해상도는 조사지점을 중심으로 하는 4km × 4km 래스터로 조정하였다.
본 연구에서는 5년간의 NFI 자료에서 나타나는 소나무의 출현정보를 설명하기 위한 환경요인변수로서 기후관련 변수 8개, 지형관련 변수 10개, 지질 · 토양관련 변수 4개, 토지이용 및 식생현황 관련 변수 5개 등 총 27개의 변수를 사용하였다(Table 1).
본 연구에서는 NFI의 소나무 출현정보를 기반으로 현존분포도를 작성하고, 생태적 지위 모형인 GARP를 기반으로 현존분포와 환경요인 간의 연관성을 분석하였으며, 현 기후에서 트레이닝 된 모형에 기후변화 시나리오를 투입하여 변화를 예측하였다. 그 결과 기존 연구결과에 비해 상대적으로 명확한 현존분포도를 제시하였고, 모형 작성 및 구동 결과 대략 3~6℃의 기온상승을 가정하는 극한의 시나리오에서도 강원도 지역을 중심으로 잔존하는 것으로 나타났다.
본 연구에서는 보다 개연성이 높은 미래 예측을 위하여 NFI 자료의 상대적 층위구분 정보를 기반으로 하층을 포함하여 최소한 두 층위 이상에서 분석대상 수종이 출현하는 경우만을 출현으로 간주하였다.
이러한 관점에서 본 연구에서는 생활사가 상대적으로 짧은 초본식물이나, 이동성을 지닌 동물과는 달리 임목의 생활사가 상대적으로 길다는 점을 감안하여 특정 지역에서 현재 상층을 점유하고 있다 하더라도 중층이나 하층에서 후계목이 발견되지 않는 경우는 소스 개체군이 아닌 싱크 개체군으로 판단하였다.
2는 본 연구의 전체적인 흐름을 나타낸다. 이후 최종적으로 선정된 변수를 이용하여 모형을 구동한 후 현존 및 잠재 수종 분포도를 작성하는 과정, 결과를 평가하는 과정을 거쳐 독립변수에서 기후관련 변수를 기후변화 시나리오에서 추출한 자료로 대체하여 미래를 예측하였다.
첫째, 소나무의 현존분포도 작성을 통한 생육분포범위를 파악하고, 둘째, 소나무의 분포에 영향을 미치는 환경요인을 파악함으로써 셋째, 소나무의 잠재분포 모형 작성을 통해 기후변화 시나리오를 적용한 잠재분포 변화를 예측하는 것이다.
데이터처리
모형 구동 결과는 Receiver Operating Characteristic (ROC)의 Total Area Under Curve (AUC) 및 실제종 출현정보와 예측된 출현 및 비출현 정보에 기반한 컨퓨젼 매트릭스(Confusion Matrix, Stehman, 1997) 관련 통계량을 기반으로 모형의 설명력을 검증하였다.
이론/모형
신호탐지이론은 신호의 탐지가 신호에 대한 관찰자의 민감도와 관찰자의 반응 기준에 달려 있다는 이론으로서 신호와 노이즈의 구분에 관련된 능력을 측정하는 수단으로 이용된다. ROC의 AUC 점수 평가는 Swets(1988)가 제안한 기준을 따랐으며 그 기준은 Table 4와 같다.
본 연구에서는 위에서 언급한 바와 같이 다양한 생물종의 분포 예측과 관련된 연구에 널리 사용될 뿐만 아니라 그 유용성이 이미 입증된 생태적 지위 모형 가운데 하나인 GARP를 채택하였다.
성능/효과
본 연구에서는 NFI의 소나무 출현정보를 기반으로 현존분포도를 작성하고, 생태적 지위 모형인 GARP를 기반으로 현존분포와 환경요인 간의 연관성을 분석하였으며, 현 기후에서 트레이닝 된 모형에 기후변화 시나리오를 투입하여 변화를 예측하였다. 그 결과 기존 연구결과에 비해 상대적으로 명확한 현존분포도를 제시하였고, 모형 작성 및 구동 결과 대략 3~6℃의 기온상승을 가정하는 극한의 시나리오에서도 강원도 지역을 중심으로 잔존하는 것으로 나타났다. 소나무의 현존분포산림생태계는 생물과 비생물이 한데 어울려 상호작용하는 복잡계이다.
기존의 연구결과에서 2090년대에 남한에서 거의 자취를 감출 것으로 예측했던 소나무는 잠재분포역이 축소되기는 하지만 남한의 중 · 북부 지역에서 상대적으로 높은 잠재분포확률을 나타내며 적응가능한 모습을 보였다.
다시 말해서, 동물과 같이 성체가 스스로 이동할 수 없는 식물의 특성을 고려할 때 종자산포의 거리나 확률, 변화된 환경에 적응할 수 있는 능력 등이 모수화되지 못한 본 연구의 한계가 분명히 존재한다. 따라서 생태적 지위 모형의 결과로 산출된 잠재분 포역은 현재시점의 환경요인과 분포패턴으로 평가된 최적생육가능범위로 보는 것이 타당할 것이다. 즉 잠재분포확률이 높게 나타난 지역에서는 해당 수종의 종자가 발아할 수 있는 확률이 높고, 식재할 경우도 생존할 확률이 높다는 것을 의미한다고 하겠다.
따라서 우리나라의 소나무는 기온이 상대적으로 낮은 온대북부지역이나 고산지역보다는 온대중 · 남부 지역과 표고가 낮은 지역에서 보다 적합한 수종으로 판단된다.
또한 AUC가 0.6을 넘지는 않았으나 지질, 겨울 식생지수, 최소표고 등도 0.59 이상을 보이고 있는데 지질의 경우 K2 하양층군의 화강암질암에서 높은 잠재분포확률을 나타내어 경상도 지역의 높은 현존 풍부도를 설명하는 것으로 판단되고, 겨울철 식생지수가 낮은 활엽수림 지역에서는 분포확률이 크게 낮아짐으로써 천이 초기 수종인 소나무가 참나무류들에 비해 경쟁력이 낮음을 보여준다.
또한 기존의 연구 결과들은 공히 소나무가 2090년대에 강원도 북부 고산지역에만 잔존할 것으로 예측한 반면 본 연구에서는 2090년대에도 중부지방을 중심으로 상당히 높은 잠재분포 확률을 보이며 더 넓은 면적에서 잔존할 것으로 예측하고 있다.
소나무의 경우 6개 수종 가운데 AUC가 가장 낮았고 환경요인과의 연관성 분석 결과 선정된 변수도 기온과 관련된 변수들만이 선정되었고 강수량은 선정되지 않았다.
59 이상을 보이고 있는데 지질의 경우 K2 하양층군의 화강암질암에서 높은 잠재분포확률을 나타내어 경상도 지역의 높은 현존 풍부도를 설명하는 것으로 판단되고, 겨울철 식생지수가 낮은 활엽수림 지역에서는 분포확률이 크게 낮아짐으로써 천이 초기 수종인 소나무가 참나무류들에 비해 경쟁력이 낮음을 보여준다. 최소 표고 역시 높지도 낮지도 않은 중간 정도에서 분포확률이 가장 높게 나타나 가장 일반적인 지형에서 흔하게 자라는 수종임을 알 수 있다. 그러나 기후변화 시나리오에서 상승하는 기온으로 인해 2020년대에는 잠재분포역이 중부지방으로 밀려올라가고, 2050년대에는 생육기 강수량이 상대적으로 낮은 경북 지방으로 축소되다가, 2090년대에는 강원도 산악지역을 중심으로 잔존하게 된다(Fig.
학자들은 오래 전부터 환경적 요소가 식생의 지리적 분포에 영향을 미치고, 그 가운데에서도 특히 기후적 특징이 식물의 유형과 강한 연관성을 가지며, 그 결과 기후와 식생을 연결하는 어떠한 기작이 있음을 깨달았다. 기후와 식물 간의 관계에 대한 연구는 맨 처음 기원전의 인물인 Theophrastus에 의해 이루어진 것으로 알려지는데, 그는 관찰과 실험을 통해 식물의 분포에 있어 기후의 중요성에 대한 이해를 높였다고 한다.
후속연구
5 시나리오에 기반한 예측 결과일 뿐이고, 잠재분포역이 축소된다는 의미는 기존에 뿌리내린 성목들이 어느 순간 갑자기 고사함을 의미하는 것은 아님을 분명히 밝혀둔다. 다시 말해서, 동물과 같이 성체가 스스로 이동할 수 없는 식물의 특성을 고려할 때 종자산포의 거리나 확률, 변화된 환경에 적응할 수 있는 능력 등이 모수화되지 못한 본 연구의 한계가 분명히 존재한다. 따라서 생태적 지위 모형의 결과로 산출된 잠재분 포역은 현재시점의 환경요인과 분포패턴으로 평가된 최적생육가능범위로 보는 것이 타당할 것이다.
제대로 된 기록과 장기간의 노력이 뒷받침되지 않는 연구는 또 다른 가정과 추정을 만들어낼 뿐이다. 이러한 측면에서 향후 NFI나 건강성 평가와 같은 모니터링 사업이 지속적으로 수행될 수 있다면 여러 방면에서 매우 유용한 정보를 생산할 수 있을 것으로 판단된다. 산림생태계의 합리적 관리를 위해서는 체계적인 장기모니터링을 통해 산림생태계의 변화를 이해하고 그 결과를 토대로 기후변화와의 상관성을 보다 정확하게 해석하고자 하는 노력이 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
우리나라 대부분의 천연림은 어떻게 구분할 수 있는가?
우리나라 대부분의 천연림은 대략 세가지 형태의 전형적인 이차림 즉, 소나무림, 소나무-참나무림, 참나무혼효림으로 구분할 수 있다. 이와 같이 참나무류들이 우점하는 우리나라의 활엽수 천연림은 거의 대부분이 강도 높은 교란을 거쳐 형성된 이차림으로서 여전히 이차천이가 진행 중인 산림으로 볼 수 있다.
한반도에서 소나무의 분포 범위는?
국민들의 선호도가 가장 높은 나무 가운데 하나인 소나무는 황폐지 녹화 과정에서 중요한 역할을 하였을 뿐 아니라 다양한 측면에서 효용가치가 상당히 높은 수종이다. 한반도에서 소나무는 위도상 제주도부터 함경북도까지, 경도상 울릉도부터 백령 도까지 분포 범위가 대단히 넓은 수종이다(Korea Forest Research Institute, 2012a). 그러나 극양수이자 천이 초기인 소나무는 수종으로서 점차 성숙해가는 우리나라 산림에서 경쟁력을 잃어가는 양상을 보이고 있다.
기후변화 영향으로 인해 소나무가 입는 피해는 무엇인가?
그러나 극양수이자 천이 초기인 소나무는 수종으로서 점차 성숙해가는 우리나라 산림에서 경쟁력을 잃어가는 양상을 보이고 있다. 뿐만 아니라 비교적 최근 남부 지방을 중심으로 기후변화로 인한 이상기온이나 강수패턴 변화와 연관성이 높을 것으로 추정되는 집단 고사 현상 등도 나타나고 있는 상황이다. 뿐만 아니라 솔잎 혹파리, 소나무재선충 등 병해충에 의한 피해도 지속 적으로 보고되고 있다.
참고문헌 (47)
Allen, T. F. H., and T. B. Starr, 1982: Hierarchy: perspectives for ecological complexity. Chicago: The University of Chicago Press. pp. 310.
Anderson, R. P., M. Gomez-Laverde, and A. T. Peterson, 2002: Geographical distributions of spiny pocket mice in South America: Insights from predictive models. Global Ecology and Biogeography 11, 131-141.
Clark, J. S., M. Lewis, and L. Horvath, 2001: Invasion by extremes: population spread with variation in dispersal and reproduction. American Naturalist 157, 537-554.
Dawson, T. P., S. T. Jackson, J. I. House, I. C. Prentice, and G. M. Mace, 2011: Beyond predictions: biodiversity conservation in a changing climate. Science 332, 53-58.
Elith, J., M. A. Burgman, and H. M. Regan, 2002: Mapping epistemic uncertainty and vague concepts in predictions of species' distribution. Ecological Modelling 157, 313-329.
Elton, C., 1927: Animal Ecology. Sidgwick and Jackson, London. pp. 209.
Ferrier, S., G. Watson, J. Pearce, and M. Drielsma, 2002: Extended statistical approaches to modelling spatial pattern in biodiversity in northeast new south wales. Species-level modelling. Biodiversity and Conservation 11, 2275-2307.
Huntley, B., and T. Webb, 1988: Vegetation History, Vol. 7 in Handbook of Vegetation Science. Kluwer Academic Publ., Dordrecht, The Netherlands. pp. 803.
Hutchinson, G. E., 1957: Concluding remarks. Cold Spring Harbour Symposium on Quantitative Biology 22, 415-427.
Hutchinson, M. F., and R. J. Bishof, 1983: A new method for estimating the spatial distribution of mean seasonal and annual rainfall applied to the Hunter Valley, New South Wales. Australian Meteorological Magazine 31, 179-184.
Jackson, S. T., J. L. Betancourt, R. K. Booth, and S. T. Gray, 2009: Ecology and the ratchet of events: climate variability, niche dimensions, and species distributions. Proceedings of the National Academy of Sciences of the United States of America 106, 19685-19692.
Korea Environment Institute., 2001: Climate change impacts assessment and adaptation measures on ecosystem. II -Forest eco-climate model development. pp. 107.
Korea Forest Research Institute., 2007: 2007 Annual Report. pp. 1103.
Korea Forest Research Institute., 2012a: Economic Tree Species 1 Pine tree. pp. 250.
Korea Forest Research Institute., 2012b: Forestry technology manual. pp. 1664.
Korea National Arboretum., 2012: Korea biodiversity information system (http://www.nature.go.kr/).
Loarie, S. R., P. B. Duffy, H. Hamilton, G. P. Asner, C. B. Field, and D. D. Ackerly, 2009: The velocity of climate change. Nature 462, 1052-1055.
Pearson, R. G., and T. P. Dawson, 2003: Predicting the impacts of climate change on the distribution of species: Are bioclimate envelope models useful. Global Ecology and Biogeography 12, 361-371.
Peterson, A. T., and D. A. Vieglais, 2001: Predicting species invasions using ecological niche modeling: new approaches from bioinformatics attack a pressing problem. BioScience 51, 363-371.
Peterson, A. T., D. R. B. Stockwell, and D. A. Kluza, 2002: Distributional prediction based on ecological niche modeling of primary occurrence data. In: Scott, J. M., P. J. Heglund, M. L. Morrison (Eds.), Predicting Species Occurrences: Issues of Scale and Accuracy. Island Press, Washington, D.C, pp. 617-623.
Pickett, S. T. A., and P. S. White, 1985: The ecology of natural disturbance and patch dynamics. San Diego, CA: Academic Press. pp. 472.
Pulliam, H. R., 1988: Sources, sinks, and population regulation. The American Naturalist. 132, 652-661.
Ryan, M. G., S. R. Archer, A. Birdsey, C. N. Dahm, L. S. Heath, J. A. Hicke, D. Y. Hollinger, T. E. Huxman, G. S. Okin, R. Oren, J. T. Randerson, and W. H. Schlesinger, 2008: Land Resources: Forests and Arid Lands in The Effects of Climate Change on Agriculture, Land Resources, Water Resources, and Biodiversity in the United States. U.S. Climate Change Science Program and the Subcommittee on Global Change Research. pp. 75-120.
Shin, J. H., 2002: Ecosystem Geography of Korea. in Ecology of Korea. pp. 406.
Shugart, H., R. Sedjo, and B. Sohngen, 2003: Forests & Global Climate Change: Potential Impacts on U.S. Forest Resources. In. Pew Center on Global Climate Change, Arlington. pp. 52.
Stehman, S. V., 1997: Selecting and interpreting measures of thematic classification accuracy. Remote Sensing of Environment 62(1), 77-89.
Stockwell, D., and D. Peters, 1999: The GARP modeling system: Problems and solutions to automated spatial prediction. International Journal of Geographical Information Science 13(2), 143-158.
Warren, F. J., E. Barrow, R. Schwartz, J. Andrey, B. Mills, and D. Riedel, 2004: Climate Change Impacts and Adaptation: A Canadian Persapective. Natural Resources Canada, Ottawa, Ontario. pp. 174.
West, C. C., and M. J. Gawith, 2005: Measuring progress: Preparing for climate change through the UK Climate Impacts Programme. UKCIP, Oxford. pp. 71.
White, P. S., 1979: Pattern, process, and natural disturbance invegetation. Botanical Review 45, 229-299.
Whittaker, R. H., 1975: Communities and ecosystems. Edn. 2. Macmillan, New York.
Wickens C. D., and J. G. Hollands, 1999: Engineering Psychology and Human Performance Translated by Kwak, Ho Wan. 2003: Sigmapress. pp. 678.
Woodall., 2010: US FOREST SERVICE NORTHERN RESEARCH STATION. Research Review. 11. Autumn 2010.
Woodward, F. I., 1987: Climate and Plant Distribution. Cambridge: Cambridge University Press Distribution, Cambridge: Cambridge University Press.
Yim, Y. J., 1977: Distribution of Forest Vegetation and Climate in the Korean Peninsula III, Distribution of tree species along the thermal gradient, Japanese Journal of Ecology 27, 177-189.
Zhu, K., C. W. Woodall, and J. S. Clark, 2011: Failure to migrate: lack of tree range expansion in response to climate change. Global Change Biology 18(3), 1042-1052.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.