산림입지도의 지위지수 정보는 조사지점에만 존재하므로 미조사 지역에 대한 지위지수는 별도의 추정이 필요하다. 미조사 지역의 지위지수 추정을 위해 본 연구에서는 점자료로부터 연속표면을 생성하는 공간 내삽법인 크리깅 기법을 적용하였다. Chapman-Richards 생장모델을 이용하여 표준지별 지위지수 추정치를 구한 뒤 가우시안, 구형 및 지수형 베리오그램 모델별로 정규크리깅을 이용하여 단양 전역의 소나무림 지위지수를 격자단위($30m{\times}30m$)로 추정하였다. 교차검증을 위해 평균오차(ME), 평균표준오차(ASE) 및 평균제곱근오차(RMSE)를 계산하였다. 베리오그램 모델 적합 결과, 상대 너깃이 가장 큰 가우시안 모델(37.40%)이 제외되었으며 구형 모델(16.80%)과 지수형 베리오그램 모델(8.77%)이 선택되었다. 크리깅에 의한 지위지수 추정치는 지수형 모델을 적용한 경우 4.39~19.53, 구형모델을 적용한 경우 4.54~19.23의 분포를 보였다. 교차 검증 결과, RMSE는 두 모델에서 큰 차이가 없는 것으로 나타났으나 구형모델의 ME와 ASE가 지수형 모델보다 작기 때문에 구형 베리오그램 모델 기반 지위지수 지도를 최종적으로 선정하였다. 지위지수 지도로부터 산출된 단양지역 소나무림 평균 지위지수는 10.78로 추정되었다. 공간이질성이 큰 우리나라 산림의 바이오매스 추정 시 지위지수 지도를 통해 지역적 변이를 고려할 수 있으며 궁극적으로는 탄소저장량 분포 추정의 정확도 제고에 기여할 수 있을 것으로 기대된다.
산림입지도의 지위지수 정보는 조사지점에만 존재하므로 미조사 지역에 대한 지위지수는 별도의 추정이 필요하다. 미조사 지역의 지위지수 추정을 위해 본 연구에서는 점자료로부터 연속표면을 생성하는 공간 내삽법인 크리깅 기법을 적용하였다. Chapman-Richards 생장모델을 이용하여 표준지별 지위지수 추정치를 구한 뒤 가우시안, 구형 및 지수형 베리오그램 모델별로 정규크리깅을 이용하여 단양 전역의 소나무림 지위지수를 격자단위($30m{\times}30m$)로 추정하였다. 교차검증을 위해 평균오차(ME), 평균표준오차(ASE) 및 평균제곱근오차(RMSE)를 계산하였다. 베리오그램 모델 적합 결과, 상대 너깃이 가장 큰 가우시안 모델(37.40%)이 제외되었으며 구형 모델(16.80%)과 지수형 베리오그램 모델(8.77%)이 선택되었다. 크리깅에 의한 지위지수 추정치는 지수형 모델을 적용한 경우 4.39~19.53, 구형모델을 적용한 경우 4.54~19.23의 분포를 보였다. 교차 검증 결과, RMSE는 두 모델에서 큰 차이가 없는 것으로 나타났으나 구형모델의 ME와 ASE가 지수형 모델보다 작기 때문에 구형 베리오그램 모델 기반 지위지수 지도를 최종적으로 선정하였다. 지위지수 지도로부터 산출된 단양지역 소나무림 평균 지위지수는 10.78로 추정되었다. 공간이질성이 큰 우리나라 산림의 바이오매스 추정 시 지위지수 지도를 통해 지역적 변이를 고려할 수 있으며 궁극적으로는 탄소저장량 분포 추정의 정확도 제고에 기여할 수 있을 것으로 기대된다.
Site index information given from forest site map only exist in the sampled locations. In this study, site index for unsampled locations were estimated using kriging interpolation method which can interpolate values between point samples to generate a continuous surface. Site index of Pinus densiplo...
Site index information given from forest site map only exist in the sampled locations. In this study, site index for unsampled locations were estimated using kriging interpolation method which can interpolate values between point samples to generate a continuous surface. Site index of Pinus densiplora in Danyang area were calculated using Chapman-Richards model by plot unit. Then site index for unsampled locations were interpolated by theoretical variogram models and ordinary kriging. Also in order to assess parameter selection, cross-validation was performed by calculating mean error (ME), average standard error (ASE) and root mean square error (RMSE). In result, gaussian model was excluded because of the biggest relative nugget (37.40%). Then spherical model (16.80%) and exponential model (8.77%) were selected. Site index estimates of Pinus densiplora throughout the entire area in Danyang showed 4.39~19.53 based on exponential model, and 4.54~19.23 based on spherical model. By cross-validation, RMSE had almost no difference. But ME and ASE from spherical model were slightly lower than exponential model. Therefore site index prediction map from spherical model were finally selected. Average site index from site prediction map was 10.78. It can be expected that regional variance can be considered by site index prediction map in order to estimate forest biomass which has big spatial variance and eventually it is helpful to improve an accuracy of forest carbon estimation.
Site index information given from forest site map only exist in the sampled locations. In this study, site index for unsampled locations were estimated using kriging interpolation method which can interpolate values between point samples to generate a continuous surface. Site index of Pinus densiplora in Danyang area were calculated using Chapman-Richards model by plot unit. Then site index for unsampled locations were interpolated by theoretical variogram models and ordinary kriging. Also in order to assess parameter selection, cross-validation was performed by calculating mean error (ME), average standard error (ASE) and root mean square error (RMSE). In result, gaussian model was excluded because of the biggest relative nugget (37.40%). Then spherical model (16.80%) and exponential model (8.77%) were selected. Site index estimates of Pinus densiplora throughout the entire area in Danyang showed 4.39~19.53 based on exponential model, and 4.54~19.23 based on spherical model. By cross-validation, RMSE had almost no difference. But ME and ASE from spherical model were slightly lower than exponential model. Therefore site index prediction map from spherical model were finally selected. Average site index from site prediction map was 10.78. It can be expected that regional variance can be considered by site index prediction map in order to estimate forest biomass which has big spatial variance and eventually it is helpful to improve an accuracy of forest carbon estimation.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구에서는 지위지수의 공간적 자기상관관계를 알아보기 위해 표본간의 거리 h의 증가에 따른 속성 값의 상관성 변동을 보여주는 실험적 베리오그램을 작성하였다. 이때 분리거리는 ArcGIS geostatistical analyst의 분리거리 초기값을 시작으로 베리오그램이 가장 잘 적합되는 분리거리를 반복해서 찾는 과정을 통해 분리거리를 설정하였다.
제안 방법
RMSE는 두 모델에서 큰 차이가 없는 것으로 나타났으나 ASE가 RMSE보다 작으므로 과소추정된 것으로 평가되었다. ME가 두 모델에서 0에 가까운 결과를 보이지만 구형에서의 값이 조금 더 작기 때문에 최종적으로 구형 베리오그램 모델에 기반한 크리깅에 의한 지위지수 예측 지도를 선정하였다.
그러므로 본 연구에서는 미조사 지역의 지위지수를 추정하기 위해 국가산림자원조사 자료 및 산림입지조사 자료 등의 표본점 자료를 이용하고 크리깅에 의한 공간내삽(Spatial interpolation)을 수행하여 단양 지역 전체 소나무림의 지위지수 분포를 추정하였다.
따라서 본 연구에서는 단양지역 소나무 지위의 공간적 변이를 그대로 반영하기 위해 지위지수 추정치 최소값을 기각하지 않고 이후 크리깅 공간 내삽 과정에 사용하였다.
크리깅 추정식이 편향되지 않으면서 오차분산을 최소로 하는 크리깅이 정규크리깅이며 자연환경과학분야에서 가장 많이 사용되고 있다(Webster and Oliver, 2007). 따라서 본 연구에서는 정규크리깅을 선택하여 표본점별 지위지수를 공간 내삽하였다.
, 2010) 이러한 잡음은 크리깅 예측을 저하시킬 수 있다. 따라서 상대 너깃이 가장 큰 가우시안 모델을 제외한 구형모델과 지수형 베리오그램 모델링 결과를 토대로 각각 크리깅을 수행하였다.
미조사 지점의 지위지수를 예측하기 위해 크리깅 공간내삽을 수행하였다. 일반화된 최소자승회귀분석인 크리깅은 베리오그램에서 산출된 공간적 자기상관정보를 가중치로 이용하여 이웃 표본 자료들의 선형조합으로부터 미조사지점의 값을 추정한다.
NFI는 전국 산림에 4 km 간격으로 배치된 약 4,000 개(부표본점 포함 16,000개)의 고정표본점을 조사 대상으로 한다(Figure 4). 본 연구에서는 표본점별 소나무 지위지수 추정을 위해 표준목의 수종, 수고, 임령 등의 속성 자료와 표본점 위치도(point)를 이용하였다.
산림입지도의 속성 DB에서 표준지 내 주수종 우세목 5본에 대한 평균 임령 및 수고 자료와 입지조사 표준지 위치도(point)를 이용하였다. 여기서 표준지 위치도는 산림입지도의 폴리곤 별 중심점(Centroid)을 포인트로 변환하여 이용하였다.
은 정규크리깅의 오차분산, n은 크리깅 예측을 위해 사용한 자료의 총 개수이다. 상기 크리깅 방정식을 이용하여 미조사지점의 지위지수를 예측함과 동시에 예측치에 대한 오차분산을 예측지점별로 계산하여 지위지수예측지도와 표준오차지도를 각각 산출하였다.
소나무 지위지수의 공간분포 패턴을 살펴보기 위해 지위지수와 고도 및 토양형과의 관계를 분석하였다. 먼저, 지위지수지도와 DEM을 중첩 분석한 결과, 고도가 높아질수록 지위지수는 낮아짐을 보였는데(Figure 12) 이를 공간적으로 살펴보면 주로 고지대인 단양군 동쪽 소백산 지역의 지위지수가 낮고 저지대인 남한강 주변에서 지위지수가 높아짐을 확인할 수 있었다[Figure 2(a), Figure 10].
본 연구에서는 지위지수의 공간적 자기상관관계를 알아보기 위해 표본간의 거리 h의 증가에 따른 속성 값의 상관성 변동을 보여주는 실험적 베리오그램을 작성하였다. 이때 분리거리는 ArcGIS geostatistical analyst의 분리거리 초기값을 시작으로 베리오그램이 가장 잘 적합되는 분리거리를 반복해서 찾는 과정을 통해 분리거리를 설정하였다. 실험적 베리오그램을 작성하고 이를 주요 이론적 베리오그램 모델인 구형, 지수형 및 가우시안 모델에 적합하였다.
이방성 모델을 검토한 결과, 이방성에 관한 강한 패턴이 탐색되지 않았으므로 본 연구에서는 등방성(Isotropy) 베리오그램을 선택하여 지위지수 분포를 추정하였다.
미조사 지점의 지위지수를 예측하기 위해 크리깅 공간내삽을 수행하였다. 일반화된 최소자승회귀분석인 크리깅은 베리오그램에서 산출된 공간적 자기상관정보를 가중치로 이용하여 이웃 표본 자료들의 선형조합으로부터 미조사지점의 값을 추정한다. 크리깅 추정식이 편향되지 않으면서 오차분산을 최소로 하는 크리깅이 정규크리깅이며 자연환경과학분야에서 가장 많이 사용되고 있다(Webster and Oliver, 2007).
실험적 베리오그램을 작성하고 이를 주요 이론적 베리오그램 모델인 구형, 지수형 및 가우시안 모델에 적합하였다. 자연계에서 얻게 되는 자료는 일정한 방향성을 나타내는 경우가 있으므로(Choi, 2007; Meng et al., 2009)방향에 따른 베리오그램(Directional variogram)을 산출하여 이방성(Anisotropy) 여부를 검토하였다.
대상 데이터
NFI는 전국 산림에 4 km 간격으로 배치된 약 4,000 개(부표본점 포함 16,000개)의 고정표본점을 조사 대상으로 한다(Figure 4). 본 연구에서는 표본점별 소나무 지위지수 추정을 위해 표준목의 수종, 수고, 임령 등의 속성 자료와 표본점 위치도(point)를 이용하였다.
5 km 버퍼를 설정한 이유는 크리깅 내삽 시 단양군 경계부가 단절되지 않고 표본점 개수를 충분히 확보하여 크리깅 예측력을 높이기 위함으로 NFI 표본점 간격인 4 km보다 넓은 5 km로 버퍼를 설정하였다. 공간자료는 1:5,000 임상도와 1:25,000 산림입지도 및 수치고도모형(DEM)을 사용하였다(Table 1).
단양지역 소나무의 분포 면적은 디지털 항공사진(2007년 10월 촬영) 판독기반의 단양군 정밀임상도(1:5,000)를 기준으로 할 때 12,936.53 ha로 대표 임상인 침엽수림 면적의 50.34%를 차지하는 단양 지역의 대표 수종이므로 본 연구에서는 지위지수 추정의 대상 수종으로 선정하였다.
)을 적용하여 표본점별 지위지수를 계산하였다(식 1). 모수추정치는 Korea Forest Research Institute(2004)에서 제시한 값을 이용하였다.
본 연구의 공간적 범위는 충청북도 단양군으로 전체 면적의 80.37%가 산악지대이다(Korea Forest Service, 2011). 단양군은 충청북도의 동북단에 위치하며, 동남쪽으로는 경상북도 영주시, 북쪽으로는 강원도 영월군, 남쪽으로는 경상북도 문경시, 서쪽으로는 제천시와 각각 경계하고 있는 3도 접경의 도경계를 형성하고 있다(Figure 1).
소나무 지위지수의 공간내삽을 위해 단양군 경계 5 km 버퍼 이내의 국가산림자원조사(National Forest Inventory, NFI) 표본점(136개)과 산림입지조사 표본점(279개)을 더한 총 415개소의 표본점 자료가 이용되었다(Figure 3). 5 km 버퍼를 설정한 이유는 크리깅 내삽 시 단양군 경계부가 단절되지 않고 표본점 개수를 충분히 확보하여 크리깅 예측력을 높이기 위함으로 NFI 표본점 간격인 4 km보다 넓은 5 km로 버퍼를 설정하였다.
데이터처리
크리깅 기법의 타당성 검토를 위해 교차검증(Cross validation)을 수행하였다. 검증통계량은 평균오차(Mean Error, ME), 평균표준오차(Average Standard Error, ASE)및 평균제곱근오차(Root Mean Square Error, RMSE) 등 3가지를 이용하였으며 다음 수식과 같이 계산하였다.
지위지수의 공간자기상관성을 분석하기 위해 베리오그램(Variogram)을 산출하였다. 베리오그램은 일정 거리에 있는 자료들의 유사성을 나타내는 척도로 거리가 가까우면 그 값들이 비슷하므로 베리오그램은 일반적으로 작게 나타나고 거리가 멀어질수록 그 값이 크게 나타난다(Choi, 2007).
크리깅 기법의 타당성 검토를 위해 교차검증(Cross validation)을 수행하였다. 검증통계량은 평균오차(Mean Error, ME), 평균표준오차(Average Standard Error, ASE)및 평균제곱근오차(Root Mean Square Error, RMSE) 등 3가지를 이용하였으며 다음 수식과 같이 계산하였다.
이론/모형
NFI 및 산림입지조사 표준목 중에서 소나무 우세목을 추출하고 표본점별 평균 우세목 수고와 평균 임령을 계산한 후 중부소나무 지위지수 추정식으로 활용되고 있는 Chapman-Richards 모델에 우세목 수고(HD)와 임령(ti)을 적용하여 표본점별 지위지수를 계산하였다(식 1). 모수추정치는 Korea Forest Research Institute(2004)에서 제시한 값을 이용하였다.
본 연구에서 크리깅은 ArcGIS 10.0 Geostatistical Analyst를 이용하여 수행되었으며 전체 과정은 Figure 6에 정리하였다.
성능/효과
)에서는 높은 지위지수가 관찰되었다(Figure 13). 이는 암적색산림토양이 소나무 생장에 양호한 조건이라기 보다는 암적색산림토양형이 분포하는 지역인 남한강 지역이 고도가 낮고(Figure 2) 수분조건이 양호하여 소나무 생육에 적합한 입지환경이기 때문인 것으로 사료된다. 왜냐하면 소나무림은 모재나 표토에 대한 특이성이 적어(Yoon, 2003) 갈색산림토양형에서부터 암쇄토양에 이르기까지 다양하게 분포하지만 습윤비옥한 입지환경에서 더욱 잘 자라는 생태적 특성을 가지고 있기 때문이다(Korea Forest Research Institute, 2012).
교차 검증 통계량인 ME, ASE, RMSE를 계산한 결과는 Table 5와 같다. RMSE는 두 모델에서 큰 차이가 없는 것으로 나타났으나 ASE가 RMSE보다 작으므로 과소추정된 것으로 평가되었다. ME가 두 모델에서 0에 가까운 결과를 보이지만 구형에서의 값이 조금 더 작기 때문에 최종적으로 구형 베리오그램 모델에 기반한 크리깅에 의한 지위지수 예측 지도를 선정하였다.
,(2009)이 Chinese fir의 지위지수를 대상으로 한 크리깅 분석에서도 구형 모형이 가장 적합한 것으로 분석된 결과와 동일하다. 구형 베리오그램 모델과 정규크리깅에 의한 지위지수 예측지도에서 지위지수 분포는 4.54~19.23이며 평균 지위지수는 10.78로 추정되었다.
단양 지역 소나무의 415개 표본점별 지위지수를 지수형, 구형 베리오그램 모델과 정규크리깅을 이용하여 단양지역 전체로 공간 내삽하고 교차검증을 수행한 결과 구형베리오그램 모델의 적합성이 높았다. 이러한 결과는 Tang et al.
일반적으로 소나무는 고지대보다는 200~400 m 고도 범위의 산록이나 계곡부의 양분과 수분 조건이 양호하고 활엽수류의 경쟁이 배제된 지역에서 양호한 생육상태를 보이는데 이렇게 산복에서 산정으로 갈수록 소나무의 생장이 불량한 것은 지형 특성상 토양수분조건이 생장제한요인으로 작용하기 때문이다(Korea Forest Research Institute, 1999). 따라서 1,420 m까지의 높은 고도를 보이는 소백산지역에서는 토양수분조건이 생장제한요인으로 작용하여 소나무의 생장에 적합하지 못해 낮은 지위지수의 분포 패턴을 보이는 것으로 판단된다.
소나무 지위지수의 공간분포 패턴을 살펴보기 위해 지위지수와 고도 및 토양형과의 관계를 분석하였다. 먼저, 지위지수지도와 DEM을 중첩 분석한 결과, 고도가 높아질수록 지위지수는 낮아짐을 보였는데(Figure 12) 이를 공간적으로 살펴보면 주로 고지대인 단양군 동쪽 소백산 지역의 지위지수가 낮고 저지대인 남한강 주변에서 지위지수가 높아짐을 확인할 수 있었다[Figure 2(a), Figure 10].일반적으로 소나무는 고지대보다는 200~400 m 고도 범위의 산록이나 계곡부의 양분과 수분 조건이 양호하고 활엽수류의 경쟁이 배제된 지역에서 양호한 생육상태를 보이는데 이렇게 산복에서 산정으로 갈수록 소나무의 생장이 불량한 것은 지형 특성상 토양수분조건이 생장제한요인으로 작용하기 때문이다(Korea Forest Research Institute, 1999).
소나무 지위지수와 토양형과의 관계를 살펴보기 위해 산림입지도와 소나무 지위지수 예측지도를 중첩한 결과, 단양지역의 갈색산림토양(B1, B2, B3)에서는 낮은 지위지수를 암적색산림토양(DR1, DR2, DR3)에서는 높은 지위지수가 관찰되었다(Figure 13). 이는 암적색산림토양이 소나무 생장에 양호한 조건이라기 보다는 암적색산림토양형이 분포하는 지역인 남한강 지역이 고도가 낮고(Figure 2) 수분조건이 양호하여 소나무 생육에 적합한 입지환경이기 때문인 것으로 사료된다.
소나무 지위지수의 기술통계분석을 통해 자료의 정규성을 검토한 결과 평균과 중위수가 각각 11.69, 11.97로 유사하며 왜도는 0에 가깝고 첨도가 3에 가까우므로 정규분포임을 확인하였다(Figure 8).
이때 분리거리는 ArcGIS geostatistical analyst의 분리거리 초기값을 시작으로 베리오그램이 가장 잘 적합되는 분리거리를 반복해서 찾는 과정을 통해 분리거리를 설정하였다. 실험적 베리오그램을 작성하고 이를 주요 이론적 베리오그램 모델인 구형, 지수형 및 가우시안 모델에 적합하였다. 자연계에서 얻게 되는 자료는 일정한 방향성을 나타내는 경우가 있으므로(Choi, 2007; Meng et al.
18의 분포를 보였다(Figure 11(b)). 지위지수 추정치 평균은 표본점의 지위지수 평균과 서로 유사한 결과를 보이지만 자료의 산포 정도를 나타내는 표준 편차는 크리깅 추정치가 실측치보다 작았다(Table 2, 4). 크리깅 추정 결과에서, 실제 자료의 큰값은 작게 추정되고 반대로 실제 자료의 작은 값은 크게 추정되는 경향을 평활화효과(Smoothing effect)라고 하는데(Kim et al.
후속연구
크리깅을 통해 미조사 지점의 지위지수를 예측함으로서 공간적 이질성이 큰 우리나라 산림의 바이오매스 추정시 지역적 변이를 고려할 수 있으며 궁극적으로는 탄소저장량 분포 추정의 정확도 제고에 기여할 수 있을 것으로 기대된다. 본 연구에서는 교차검증을 통해 크리깅 기법의 타당성 검증을 수행하였으나 추후 독립실측자료에 의한 검증이 수행된다면 보다 정확한 평가가 이루어질 수 있을 것으로 사료된다. 향후에는 토양수분과 지위지수의 공간적 상관 분석 및 조건부 시뮬레이션을 통한 크리깅의 평활화 효과에 대한 보완 연구가 필요하다.
크리깅을 통해 미조사 지점의 지위지수를 예측함으로서 공간적 이질성이 큰 우리나라 산림의 바이오매스 추정시 지역적 변이를 고려할 수 있으며 궁극적으로는 탄소저장량 분포 추정의 정확도 제고에 기여할 수 있을 것으로 기대된다. 본 연구에서는 교차검증을 통해 크리깅 기법의 타당성 검증을 수행하였으나 추후 독립실측자료에 의한 검증이 수행된다면 보다 정확한 평가가 이루어질 수 있을 것으로 사료된다.
본 연구에서는 교차검증을 통해 크리깅 기법의 타당성 검증을 수행하였으나 추후 독립실측자료에 의한 검증이 수행된다면 보다 정확한 평가가 이루어질 수 있을 것으로 사료된다. 향후에는 토양수분과 지위지수의 공간적 상관 분석 및 조건부 시뮬레이션을 통한 크리깅의 평활화 효과에 대한 보완 연구가 필요하다.
질의응답
핵심어
질문
논문에서 추출한 답변
산림바이오매스 밀도의 공간이질성은 무엇에 기인하는가?
산림바이오매스 밀도의 공간이질성은 산림의 생장에 영향을 미치는 기후, 토양, 지형적 차이에 기인한다(Brown et al., 1989; Iverson et al.
지위지수의 추정이 표본점 위주로만 활용이 제한되어 있는 이유는?
지위는 임분 기준령(Index age)에서 우세목 또는 준우세목의 평균 수고로(Lee, 2000; Skovsgaard and Vanclay, 2008) 이는 임분 내 상층목의 수고가 임분밀도에 영향을 적게 받으면서도 임분이 가지고 있는 생산능력을 잘 표현하기 때문이다(Korea Forest Service, 2001). 지위지수의 추정은 대부분 현지 조사에 의존하므로 표본점 위주로만 그 활용이 제한되어 있다(Véga and St-Onge, 2009). 우리나라의 경우 산림입지도 속성 정보에 지위지수 관련 정보가 포함되어 있다.
소나무 지위지수와 토양형과의 관계를 살펴보기 위해 산림입지도와 소나무 지위지수 예측지도를 중첩한 결과, 단양지역의 갈색산림토양(B1, B2, B3)에서는 낮은 지위지수를 암적색산림토양(DR1, DR2, DR3)에서는 높은 지위지수가 관찰된 이유는?
소나무 지위지수와 토양형과의 관계를 살펴보기 위해 산림입지도와 소나무 지위지수 예측지도를 중첩한 결과, 단양지역의 갈색산림토양(B1, B2, B3)에서는 낮은 지위지수를 암적색산림토양(DR1, DR2, DR3)에서는 높은 지위지수가 관찰되었다(Figure 13). 이는 암적색산림토양이 소나무 생장에 양호한 조건이라기 보다는 암적색산림토양형이 분포하는 지역인 남한강 지역이 고도가 낮고(Figure 2) 수분조건이 양호하여 소나무 생육에 적합한 입지환경이기 때문인 것으로 사료된다. 왜냐하면 소나무림은 모재나 표토에 대한 특이성이 적어(Yoon, 2003) 갈색산림토양형에서부터 암쇄토양에 이르기까지 다양하게 분포하지만 습윤비옥한 입지환경에서 더욱 잘 자라는 생태적 특성을 가지고 있기 때문이다(Korea Forest Research Institute, 2012).
참고문헌 (34)
Brown, S., Gillespie, A.J.R., and Lugo, A.E. 1989. Biomass estimation methods for tropical forests with applications to forest inventory data. Forest Science 35: 881-902.
Choi, J.K. 2007. Geostatistcs. Sigma press. pp. 386.
EPA. 2004. Developing spatially interpolated surfaces and estimating uncertainty. pp. 160.
Fournier, R.A., Guindon, L., Bernier, P.Y., Ung, C.-H., and Raulier, F. 2000. Spatial implementation of models in forestry. The Forestry Chronicle 76(6): 929-940.
Hall, R.J., Price, D.T., Siltanem, R.M., Wang, Y., Fournier, R., Fraser, R.H., and Luther, J.E. 2001. Assessing the role of environmental and remote sensing variables in modeling Canada's forest biomass. 23rd Canadian Remote Sensing Symposium. Ste Foy, Quebec, pp. 465-471.
IPCC. 2003. Good practice guidance for land Use, land-use change and forestry. Institute for Global Environment Strategies(IGES), Kanagawa, Japan. pp. 576.
Iverson, L.R., Brown, S., Prasad, A., Mitasova, H., Gillespie, A.J.R., and Lugo, A.E. 1994. Use of GIS for estimating potential and actual forest biomass for continental South and Southeast Asia. In: V.H. Dale(ed.). Effects of land-Use change on atmospheric $CO_2$ concentrations: south and southeast Asia as a case study. Springer, New York, pp. 67-116.
Kim, D.H., Ryu, D.W., Choi, Y.M., and Lee, W.J. 2010. Application of Kriging and Inverse Distance Weighting Method for the Estimation of Geo-Layer of Songdo Area in Incheon. Journal of the Korean Geotechnical Society 26(1): 5-19.
Kimmins, J.P. 1997. Forest ecology 2nd ed. Prentice-Hall. pp. 596.
Kitanidis, P.K. 1997. Introduction to geostatistics: applications in hydrogeology. Cambridge Press. Cambridge, United Kingdom. pp. 251.
Korea Forest Research Institute. 1999. Pine, Pine Forest. pp. 205.
Korea Forest Research Institute. 2004. Forest sites of Korea. pp. 620.
Korea Forest Research Institute. 2009. The 5th National Forest Inventory Guideline. Ver. 1.3. pp. 54.
Korea Forest Research Institute. 2012. Economic Tree Species 1 Pine Trees. Research Book 59. pp. 250.
Korea Forest Service. 2001. Dictionary of Forestry. Korea Forest Policy Research Association. pp. 1341.
Korea Forest Service. 2009. Climate change & forest. pp. 244.
Korea Forest Service. 2011. Result of calculation of Forest Basic Statistics(2010). pp. 48.
Lee, S.H. 2000. Prediction of height growth and derivation site index equation. Korean Journal of Forest Measurements 3(1): 29-34.
Lee, S.W., Won, H.K., Jeon, Y.H., Jeon, J.H., Ku, K.S., Kang, Y.H., Sohn, Y.M., and Shin, M.H. 2009. A study on history and utilization of suitable tree on a site. Research report 09(01). Korea Forest Research Institute. pp. 128.
Lee, H.Y. 2010, GIS: Geographic Information Systems, Bobmunsa. pp. 688.
Meng, Q., Cieszewski, C., and Madden, M. 2009. Large area forest inventory using Landsat ETM+: a geostatistical approach. ISPRS Journal of Photogrammetry and Remote Sensing 64(1): 27-36.
Park, N.W. and Jang, D.H. 2008. Mapping of Temperature and Rainfall Using DEM and Multivariate Kriging. The Korean Geographic Society Journal 43(6): 1002-1015.
Robinson, A.P. and Hamann, J.D. 2011. Forest Analytics with R. Springer. pp.339.
Tang, D. and Bian, F. 2009. Forest site evaluation based on GIS and kriging. The 1st International Conference on Information Science and Engineering(ICISE2009). pp. 2063-2067.
SAS Institute. 2000. SAS/STAT user's guide. Version 8.01. SAS Institute, Cary, NC. pp.3809.
Shin, M.Y. and Han, W.S. 2006. Development of a Forest Inventory System for the Sustainable Forest Management. Journal of Korean Forestry 95(3): 370-377.
Skovsgaard, J.P. and Vanclay, J.P. 2008. Forest site productivity: a review of the evolution of dendrometric concepts for even-aged stands. Forestry 81: 13-31.
Sousa, V. and Pereira, L.P. 1999. Regional analysis of irrigation water requirements using kriging:Application to potato crop. Agricultural Water Management 40: 221-233.
Vega, C and St-Onge, B. 2009. Mapping site index and age by linking a time series of canopy height models with growth curves. Forest Ecology and Management 257: 951-959.
Webster, R. and Oliver, M.A. 2007. Geostatistics for Environmental Scientists. Statistics in Practice(2nd). John Wiley & Sons. Chichester, England. pp.330.
Yoon, J.H. 2003. Characteristics and change prediction of spatial distribution of Pinus densiflora stands in Korea. Doctoral Dissertation at Graduate School of Korea University. pp. 160.
Danygang County Office. 2012. The Characteristic of Dangyang-Gun.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.