임상도 특성에 따른 임목축적 및 탄소저장량 추정: 강원도를 중심으로 Estimation of Growing Stock and Carbon Stock based on Components of Forest Type Map: The case of Kangwon Province원문보기
본 연구는 임상도 상의 특성인 영급, 경급 및 수관밀도를 이용하여 임목의 축적 및 탄소저장량을 추정하는 기법을 개발하고자 하였다. 먼저 국가산림조사(강원도 중심)를 바탕으로 한 임목축적 자료를 임상도 제작 당시의 축적으로 전환하였으며, 이 자료와 임상도 특성과의 관계를 수량화I방법을 통하여 임목축적 추정 모형을 개발하였다. 임상도 특성이 임목축적 추정에 기여하는 바를 알 수 있는 제곱 편상관계수의 크기를 비교해 본 결과, 영급이 가장 큰 기여를 하고 있었으며, 다음이 수관밀도, 임상, 경급의 순이었다. 임목축적 추정치 중 최소치는 활엽수림의 영급 II, 경급 '소', 수관밀도 '소'인 분류기준에서 ha당 $20.0m^3$이고, 최대치는 침엽수림의 영급 VI, 경급 '대', 수관밀도 '밀'인 분류기준에서 ha당 305.0이었다. 임상별로 침엽수림은 ha당 $30.5{\sim}305.0m^3$, 활엽수림은 ha당 $20.0{\sim}200.4m^3$, 혼효림은 ha당 $23.8{\sim}238.1m^3$로 추정되었다. 임상별 탄소저장량을 비교해 보면, 임상에 무관하게 경급 '대', 수관밀도 '밀'인 분류기준에서 임목축적에 따른 영급별 탄소저장량이 최대인 것으로 나타났다. 본 임상도 특성을 이용한 임목축적 추정은 산지 전용 또는 산지 재해에 의한 임목축적의 감소 및 탄소저장량 변화를 충분히 추정할 수 있을 것이며, 일선 산림관계자 또는 정책입안자의 산림경영 의사결정에도 유효한 도움을 줄 수 있을 것이라 판단된다.
본 연구는 임상도 상의 특성인 영급, 경급 및 수관밀도를 이용하여 임목의 축적 및 탄소저장량을 추정하는 기법을 개발하고자 하였다. 먼저 국가산림조사(강원도 중심)를 바탕으로 한 임목축적 자료를 임상도 제작 당시의 축적으로 전환하였으며, 이 자료와 임상도 특성과의 관계를 수량화I방법을 통하여 임목축적 추정 모형을 개발하였다. 임상도 특성이 임목축적 추정에 기여하는 바를 알 수 있는 제곱 편상관계수의 크기를 비교해 본 결과, 영급이 가장 큰 기여를 하고 있었으며, 다음이 수관밀도, 임상, 경급의 순이었다. 임목축적 추정치 중 최소치는 활엽수림의 영급 II, 경급 '소', 수관밀도 '소'인 분류기준에서 ha당 $20.0m^3$이고, 최대치는 침엽수림의 영급 VI, 경급 '대', 수관밀도 '밀'인 분류기준에서 ha당 305.0이었다. 임상별로 침엽수림은 ha당 $30.5{\sim}305.0m^3$, 활엽수림은 ha당 $20.0{\sim}200.4m^3$, 혼효림은 ha당 $23.8{\sim}238.1m^3$로 추정되었다. 임상별 탄소저장량을 비교해 보면, 임상에 무관하게 경급 '대', 수관밀도 '밀'인 분류기준에서 임목축적에 따른 영급별 탄소저장량이 최대인 것으로 나타났다. 본 임상도 특성을 이용한 임목축적 추정은 산지 전용 또는 산지 재해에 의한 임목축적의 감소 및 탄소저장량 변화를 충분히 추정할 수 있을 것이며, 일선 산림관계자 또는 정책입안자의 산림경영 의사결정에도 유효한 도움을 줄 수 있을 것이라 판단된다.
This research aimed to provide a method to estimate growing stock and carbon stock using the characteristics of forest type map such as the age-class, DBH class and crown density class. We transformed the growing stock data of national forest inventory (mainly Kangwon-do province) onto those of time...
This research aimed to provide a method to estimate growing stock and carbon stock using the characteristics of forest type map such as the age-class, DBH class and crown density class. We transformed the growing stock data of national forest inventory (mainly Kangwon-do province) onto those of time when the forest type map was established. We developed a simulation model for the growing stock using the transformed data and the characteristics of forest type map by the quantification method I. By comparing partial correlation coefficient, we found that quantification of growing stock was largely affected by age-class followed by crown density class, forest type and DBH class. The growing stock, was estimated as minimum in the broadleaved forest with age-class II, DBH class 'Small', and crown density class 'Low' as $20.0m^3/ha$, whereas showed maximum value in the coniferous forest with age-class VI, DBH class 'Large', and crown density class 'High' as $305.0m^3/ha$. The growing stock for coniferous, broadleaved, and mixed forest were estimated as $30.5{\sim}305.0m^3/ha$, $20.0{\sim}200.4m^3/ha$, and $23.8{\sim}238.1m^3/ha$, respectively. When we compared the carbon stock by forest type, the carbon stock by age class based on growing stock was maximum when DBH class was 'Large' and crown density class was 'High' regardless of forest type. This estimation of growing stock by using characteristic of forest type can be used to estimate the changes in growing stock and carbon stock resulting from deforestation or natural disaster. In addition, we hope it provide a useful advice when forest officials and policy makers have to make decisions in regard to forest management.
This research aimed to provide a method to estimate growing stock and carbon stock using the characteristics of forest type map such as the age-class, DBH class and crown density class. We transformed the growing stock data of national forest inventory (mainly Kangwon-do province) onto those of time when the forest type map was established. We developed a simulation model for the growing stock using the transformed data and the characteristics of forest type map by the quantification method I. By comparing partial correlation coefficient, we found that quantification of growing stock was largely affected by age-class followed by crown density class, forest type and DBH class. The growing stock, was estimated as minimum in the broadleaved forest with age-class II, DBH class 'Small', and crown density class 'Low' as $20.0m^3/ha$, whereas showed maximum value in the coniferous forest with age-class VI, DBH class 'Large', and crown density class 'High' as $305.0m^3/ha$. The growing stock for coniferous, broadleaved, and mixed forest were estimated as $30.5{\sim}305.0m^3/ha$, $20.0{\sim}200.4m^3/ha$, and $23.8{\sim}238.1m^3/ha$, respectively. When we compared the carbon stock by forest type, the carbon stock by age class based on growing stock was maximum when DBH class was 'Large' and crown density class was 'High' regardless of forest type. This estimation of growing stock by using characteristic of forest type can be used to estimate the changes in growing stock and carbon stock resulting from deforestation or natural disaster. In addition, we hope it provide a useful advice when forest officials and policy makers have to make decisions in regard to forest management.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 본 연구에서는 잔차도와 Kolmogorov-Smirnov값을 이용하여 오차항의 이분산성(heteroscedasticity)과 정규성(normality)을 검정하고, 이상치 제거를 통해 예측의 정도를 높이고자 하였다.
본 연구는 임상도 상의 특성별 임상, 영급, 경급 및 수관밀도를 이용하여 임목의 축적 및 탄소저장량을 추정하고자 하였다. 이에 국가산림조사 시의 임목축적 자료를 임상도 제작 당시의 축적으로 전환하였으며, 이 자료와 질적 자료인 임상도 특성과의 관계를 수량화 I방법을 통하여 임목축적을 추정하였다.
본 연구에서는 임상도 상 영급, 경급, 수관밀도의 특성으로 분류되어 있는 정보를 제5차 국가산림자원조사 시 도출된 임목축적 정보를 연계시켜 임상도 정보만으로도 임목축적을 산정하고, 또 이를 발전시켜 탄소저장량 또는 흡수량까지 산정할 수 있는 추정식을 개발하는데 있다.
임상도 상 특성을 고려하여 임목축적을 산정하는 연구는 아직 제대로 이루어 진 바 없으며, 여러 가지 방법이 나올 수 있을 것이다. 본 연구에서는 임상도 상 특성이 질적인 변량이고, 우리가 필요로 하는 임목축적은 양적인 변량인 관계로 일본 학계에서 제시한 바 있는 수량화 이론 (Quantification theory)을 적용하고자 하였다.
수량화 I방법 적용의 목적은 질적인 설명변수와 양적인 종속변수와의 가장 큰 상관을 갖는 선형 결합을 찾는 일이다. 그러나 설명변수가 범주형인 경우 원래 값을 그대로 이용할 수 없기 때문에 특정속성을 가지고 있을 경우 1, 없으면 0의 값만을 부여하는 변수, 즉 가변수(dummy variable:D)로 변환하여 선형 결합하여야 한다(Huh, 1998; Kim and Kang, 2008).
제안 방법
국가산림자원조사 시의 임목축적을 임상도 제작 당시의 축적으로 전환하기 위해서 전국적인 임목생장율 자료를 적용하여(Table 1), 임상도 제작 당시의 축적량으로 계산하였다(Korea Forest Service, 2012).
편상관계수를 통한 임목축적에 영향을 미치는 특성으로 영급이 임목축적 수량화에 가장 크게 기여하며, 다음은 수관 밀도, 임상, 경급의 순으로 기여도를 나타냈다. 그리고 추정된 특성별 임목축적 결과와 탄소배출계수를 적용해 해당 지역의 탄소저장량을 추정하였다.
따라서 본 연구에서는 스튜던트화 잔차를 이상치 진단여부의 판단 기준으로 삼고, 자료의 정규성과 선형성 가정을 만족시키고자 ±2.5 이상으로 기준을 높여 모형을 유추하였다.
변수변환에 있어 설명변수, 종속변수 모두에 변환이 가능하다(Kwon, 2008). 본 연구에서는 설명변수가 질적 변수라는 특성상 종속변수의 변수변환 방법을 선택하고, 임상별 특성과 기존 임목축적 자료들의 특성을 고려하여 종속변수인 임목축적에 로그를 취한 변수변환(lnY)을 시도하였다. Figure 1(b)는 이분산성이 어느 정도 제거되었음을 보여 주고 있다.
분석에서는 질적 설명변수인 임상(침엽수림, 활엽수림, 혼효림), 영급(II-VI), 경급(소, 중, 대), 수관밀도(소, 중, 밀)의 각 범주를 가변수로 변환한 선형결합을 통해 종속 변수인 임목축적(Y)을 추정하고자 하였다.
05)으로 오차항이 정규성을 따르고 있다. 수량화법에서 최대화하려 했던 상관계수는 결정계수(모형의 설명력)로 계산하였다. 최소화 대상인 오차항의 크기는 RMSE(Root Mean Square error)로 설명하였다(Huh, 1998).
본 연구는 임상도 상의 특성별 임상, 영급, 경급 및 수관밀도를 이용하여 임목의 축적 및 탄소저장량을 추정하고자 하였다. 이에 국가산림조사 시의 임목축적 자료를 임상도 제작 당시의 축적으로 전환하였으며, 이 자료와 질적 자료인 임상도 특성과의 관계를 수량화 I방법을 통하여 임목축적을 추정하였다. 임상도 특성을 이용하여 임목 축적을 추정하는 최종 모형에서 결정계수 R2은 0.
대상 데이터
1/5,000 수치임상도의 정보를 제공받아 활용하였으며(Korea Forest Research Institute, 2013), 상기의 NFI 표본점과의 정보를 일치시켜 분석에 이용하였다. 본 연구에서는 임상별 면적 및 축적이 높은 강원도 지역의 약 800개 표본점을 중심으로 각 표본점의 첫 번째 부표본점을 선정하고, 분석과정에 따라 최종 부표본점 657개를 이용하여 분석하였다.
1/5,000 수치임상도의 정보를 제공받아 활용하였으며(Korea Forest Research Institute, 2013), 상기의 NFI 표본점과의 정보를 일치시켜 분석에 이용하였다. 본 연구에서는 임상별 면적 및 축적이 높은 강원도 지역의 약 800개 표본점을 중심으로 각 표본점의 첫 번째 부표본점을 선정하고, 분석과정에 따라 최종 부표본점 657개를 이용하여 분석하였다.
산림청에서 수행한 5차 국가산림자원조사(2006-2012년) 자료 중 표본점별 임목축적 정보를 제공받아 이용하였으며(Korea Forest Service, 2013), 이 자료의 표본점과 임상도의 표본점을 일치시켜 분석에 이용하였다.
Figure 1(c)는 이상치를 제거한 잔차도를 나타낸다. 설명력 크기에 큰 변화는 없으나, 본 연구의 예측 정도를 높이기 위해 이상치를 제거한 자료를 최종으로 하였다. 이에 최종 자료에 대해 Kolmogorov-Smirnov 검정을 실시한 결과 통계량 0.
이론/모형
Figure 1(a)의 잔차도를 보면 오차항의 이분산성이 존재하고 있음을 나타내고 있다. 본 연구에서는 이러한 오차항의 이분산성을 제거하기 위해 일반적인 변수변환(variable transformation)을 이용하였다. 변수변환에 있어 설명변수, 종속변수 모두에 변환이 가능하다(Kwon, 2008).
수량화 목적인 종속변수와 종속변수 추정치의 상관계수를 최대화하기 위하여 전통적인 선형모형론 틀에 맞추어 보면 수량화I방법의 해는 최소제곱법(least squares method)을 적용하여 얻을 수 있다. 이는 통계분석 프로그램의 General Linear Model solution을 통해 가변수로 변환하지 않고 parameter의 최소제곱추정치를 쉽게 도출할 수 있다(Huh, 1998).
성능/효과
모형의 설명력에 있어서도 변수 변환 전보다 변수변환 후의 설명력이 향상되었음을 알 수 있다. 변수변환 전후 값은 각각 44.8%, 57.5%로 설명력이 향상되었음을 나타내고 있으며, 오차항의 크기 또한 최종 모형에서 어느 정도 최소화되었다(Table 5). 변수변환 후 설명력은 향상되었으나, 그 설명력이 크게 높지 않은 이유는 임상도 특성과의 일치되는 임목축적을 연계시키는 과정 상 전국적인 생장율 정보를 이용하기 때문에 지역 또는 국소지형에 따라 결과의 불확실성이 존재할 수 있다 .
임상도 특성별 임목축적의 추정 모형에 따라 추후 탄소 저장량을 측정하기 위해 임목축적을 환산한 결과 최소치는 활엽수림의 영급 II, 경급 ‘소’, 수관밀도 ‘소’인 분류기준에서 ha당 20.0 m3이고, 최대치는 침엽수림의 영급 VI, 경급 ‘대’, 수관밀도 ‘밀’인 분류기준에서 ha당 305.0 m3이, 임상별로 침엽수림은 ha당 30.5~305.0 m3, 활엽수림은 ha당 23.8~238.1 m3, 혼효림은 ha당 20.0~200.4 m3 로 추정되었다(Table 9).
편상관계수는 다른 설명변수의 효과를 제거한 후 한 설명변수와 종속변수의 상관관계를 나타낸 것이기 때문이다. 제곱 편상관계수의 크기를 비교해 보면 영급이 임목축적 수량화에 가장 크게 기여하는 것으로 나타났으며, 다음은 수관밀도, 임상, 경급의 순으로 임목축적 수량화에 기여하는 것으로 나타났다(Table 8).
0 m3이었다. 편상관계수를 통한 임목축적에 영향을 미치는 특성으로 영급이 임목축적 수량화에 가장 크게 기여하며, 다음은 수관 밀도, 임상, 경급의 순으로 기여도를 나타냈다. 그리고 추정된 특성별 임목축적 결과와 탄소배출계수를 적용해 해당 지역의 탄소저장량을 추정하였다.
후속연구
임상도 특성과의 일치되는 임목축적을 연계시키는 과정 상 전국적인 생장율 정보를 이용하기 때문에 지역에 따라 또는 국소지형에 따라 결과의 불확실성이 존재할 수 있다. 또한 임상을 구분하지 않은 생장율이므로 오차를 감안하여야 할 것이다. 추후 임상별로 지역별 임목축적 생장율 정보 도출이 요구된다.
이러한 신기술의 적용도 신뢰성을 극대화하는 방향으로 기술 개발이 필요하며, 이용자들이 쉽게 접근할 수 있도록 방안을 모색하여야 할 것이다. 발전하는 디지털 기술의 고도화 방법과 아날로그가 절묘하게 조화 되는 기술 개발을 기대해 본다.
현재 이용하고 있는 임상도는 해당 지역의 수확 가능한 임목 잔존량이 어느 정도 되는지, 기후변화를 완화할 수있는 탄소흡수 및 저장량이 어느 정도 되는지 알 수가 없다. 이러한 문제점을 해결할 수 있는 본 분석 결과의 제공은 일선 산림경영자 및 행정가에게 산림경영 의사결정을 지원하는데 있어 다양한 측면에서의 도움을 줄 수 있을 것이다. 추후 항공사진 또는 위성영상을 이용하여 임상도의 한계를 극복하는 해결책을 찾는 방법이 강구될 수도 있을 것이다.
추후 항공사진 또는 위성영상을 이용하여 임상도의 한계를 극복하는 해결책을 찾는 방법이 강구될 수도 있을 것이다. 이러한 신기술의 적용도 신뢰성을 극대화하는 방향으로 기술 개발이 필요하며, 이용자들이 쉽게 접근할 수 있도록 방안을 모색하여야 할 것이다. 발전하는 디지털 기술의 고도화 방법과 아날로그가 절묘하게 조화 되는 기술 개발을 기대해 본다.
또한 임상을 구분하지 않은 생장율이므로 오차를 감안하여야 할 것이다. 추후 임상별로 지역별 임목축적 생장율 정보 도출이 요구된다.
이러한 문제점을 해결할 수 있는 본 분석 결과의 제공은 일선 산림경영자 및 행정가에게 산림경영 의사결정을 지원하는데 있어 다양한 측면에서의 도움을 줄 수 있을 것이다. 추후 항공사진 또는 위성영상을 이용하여 임상도의 한계를 극복하는 해결책을 찾는 방법이 강구될 수도 있을 것이다. 이러한 신기술의 적용도 신뢰성을 극대화하는 방향으로 기술 개발이 필요하며, 이용자들이 쉽게 접근할 수 있도록 방안을 모색하여야 할 것이다.
질의응답
핵심어
질문
논문에서 추출한 답변
임상도는 무엇인가?
임상도는 항공사진을 수종, 수령, 임상, 생육상태 등이 비슷하고, 인접 산림과 구별되는 한 단지의 산림 즉, 임분 별로 판독하여 작성된 도면이며, 지역별, 주기별로 제작 갱신되어 왔다. 이러한 임상도는 시간이 흐름에 따라 임분 단위별로 수종, 수령, 생육상태 등이 변할 수 있으며, 특히, 수령은 임분 내에서 각기 다른 수령을 보일 수 있으므로 10년 단위의 영급으로 표기하며, 일정기간 또는 산림의 변화에 따라 영급 산정이 달라질 수도 있다.
최소제곱법의 장점은 무엇인가?
수량화 목적인 종속변수와 종속변수 추정치의 상관계수를 최대화하기 위하여 전통적인 선형모형론 틀에 맞추어 보면 수량화I방법의 해는 최소제곱법(least squares method)을 적용하여 얻을 수 있다. 이는 통계분석 프로그램의 General Linear Model solution을 통해 가변수로 변환하지 않고 parameter의 최소제곱추정치를 쉽게 도출할 수 있다(Huh, 1998). 이로써 수량화I방법에 의한 1차 분석이 완료되었다고 볼 수 있으며, 이후는 다른 변수의 간섭을 배제한 1개 변수 자체의 설명력인 편상관(partial correlation)을 분석할 필요가 있다.
임상도가 제공하는 정보는 무엇인가?
2006년부터 새롭게 시작된 국가산림자원조사(National Forest Inventory, NFI)는 국가 산림에 대한 보다 정확한 정보를 제공하고 있으며, 이에 따라 임상도도 이전의 1/25,000도면에서 1/5,000 대축적으로 바꾸는 사업이 수행되고 있다. 임상도는 산림의 가장 기본적인 정보인 임종, 영급, 경급, 수관밀도 등의 정보를 제공하고 있으며, 이들 정보를 이용하여 일선 산림 행정가들은 조림, 간벌, 수확 시기의 결정 뿐만 아니라 미래 산림을 육성하기 위한 가장 기본적인 정보를 획득하고 있다(Korea Forest Service, 2013).
참고문헌 (13)
Cha, S.B., Kim, H.B., Oh, H.C., Yun, J.H., and Kim, W.K. 2012. Multivariate analysis. Baeksan Publishing. Seoul. pp. 470.
Huh, M.H. 1998. Quantification methods I, II, II and IV - A Path to the Multivariate analysis of qualitative data. Freedom Academy. Seoul. pp. 111.
Huh, M.H. 2006. Quantification methods for multivariate data. Freedom Academy. Seoul. pp. 124.
IPCC. 2003. Good practice guidance for land use, land-use change and forestry. Institute for Global Environmental Strategies. Hayama, Japan.
Kim, D.S. and Kang, N.J. 2008. Regression analysis. Nanam. Seoul. pp. 17-304.
Kim, K.D. 1994. Forest measurement. Hyangmun. Seoul. pp. 76-85.
Korea Forest Research Institute. 2012. Standard carbon removal of major forest species. Korea Forest Research Institute, briefing memo. pp. 18.
Korea Forest Research Institute. 2013. Distribution of major species based on digital forest type map (1:5,000) in Korea.
Korea Forest Service. 2012. Application standards for the average growth rate of stand volume by cities and provinces. Notification No. 2012-85.
Korea Forest Service. 2013. The 5th National forest inventory.
Kwon, S.H. 2008. Review of statistical softwares on regression analysis - SAS.SPSS. Freedom Academy. Seoul. pp. 50-88.
Noh, H.J. 1990. Multivariate analysis - Quantification of qualitative data. Seok Jeong Press. Seoul. pp. 321.
Noh, H.J. 2007. Categorical data analysis with SPSS. Hyosan. Seoul. pp. 11-117.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.