본 연구는 그간 우리나라에서 경제적인 가치를 인정 받아온 수종인 잣나무를 대상으로 잣나무의 현존 분포를 파악하고, RCP (Representative Concentration Pathway) 8.5 기후변화 시나리오와 생태적 지위 모형에 기반하여 향후 잣나무의 분포 변화를 예측하기 위해 수행되었다. 이를 위해 5년간의 NFI 자료에서 조사지점별 잣나무의 풍부도 자료를 추출하여 사용하였으며, 수종에 영향을 미치는 환경요인변수를 선정하기 위해 생태적 지위 모형 가운데 하나인 GARP (Genetic Algorithm for Rule-set Production)를 이용하였다. 총 27개의 환경요인변수에 대해 각각 모형을 구동하고 컨퓨전 매트릭스(Confusion Matrix) 기반 산출 통계량인 AUC (Area Under Curve)가 0.6 이상인 변수들을 선발하여 최종 잠재분포모형을 작성하였다. 그 결과 작성된 모형은 비교적 높은 적합도를 나타냈는데 잣나무는 현재 표고의 범위가 300m에서 1,200m 사이인 지역 및 남부에서 북부에 이르기까지 넓게 자리 잡고 있는 것으로 나타났다. 작성된 모형에 RCP 8.5 기후변화 시나리오를 적용한 결과, 잣나무는 2020년대부터 잠재분포역이 큰 폭으로 축소되며, 2090년대에는 우리나라 대부분의 지역이 잣나무의 생육에 불리할 것으로 예측되었다. 본 연구를 통해 기후변화가 잣나무 분포에 미치는 영향을 파악하고, 잣나무와 기후변화와의 상관성에 대한 이해를 높임으로써 향후 지역별 조림수종 선정 및 경제수종 교체 등의 조림적 관점에서 도움이 될 수 있을 것으로 판단된다.
본 연구는 그간 우리나라에서 경제적인 가치를 인정 받아온 수종인 잣나무를 대상으로 잣나무의 현존 분포를 파악하고, RCP (Representative Concentration Pathway) 8.5 기후변화 시나리오와 생태적 지위 모형에 기반하여 향후 잣나무의 분포 변화를 예측하기 위해 수행되었다. 이를 위해 5년간의 NFI 자료에서 조사지점별 잣나무의 풍부도 자료를 추출하여 사용하였으며, 수종에 영향을 미치는 환경요인변수를 선정하기 위해 생태적 지위 모형 가운데 하나인 GARP (Genetic Algorithm for Rule-set Production)를 이용하였다. 총 27개의 환경요인변수에 대해 각각 모형을 구동하고 컨퓨전 매트릭스(Confusion Matrix) 기반 산출 통계량인 AUC (Area Under Curve)가 0.6 이상인 변수들을 선발하여 최종 잠재분포모형을 작성하였다. 그 결과 작성된 모형은 비교적 높은 적합도를 나타냈는데 잣나무는 현재 표고의 범위가 300m에서 1,200m 사이인 지역 및 남부에서 북부에 이르기까지 넓게 자리 잡고 있는 것으로 나타났다. 작성된 모형에 RCP 8.5 기후변화 시나리오를 적용한 결과, 잣나무는 2020년대부터 잠재분포역이 큰 폭으로 축소되며, 2090년대에는 우리나라 대부분의 지역이 잣나무의 생육에 불리할 것으로 예측되었다. 본 연구를 통해 기후변화가 잣나무 분포에 미치는 영향을 파악하고, 잣나무와 기후변화와의 상관성에 대한 이해를 높임으로써 향후 지역별 조림수종 선정 및 경제수종 교체 등의 조림적 관점에서 도움이 될 수 있을 것으로 판단된다.
The main purpose of this study is to understand the potential geographic distribution of P. koraiensis, which is known to be one of major economic tree species, based on the RCP (Representative Concentration Pathway) 8.5 scenarios and current geographic distribution from National Forest Inventory(NF...
The main purpose of this study is to understand the potential geographic distribution of P. koraiensis, which is known to be one of major economic tree species, based on the RCP (Representative Concentration Pathway) 8.5 scenarios and current geographic distribution from National Forest Inventory(NFI) data using ecological niche modeling. P. koraiensis abundance data extracted from NFI were utilized to estimate current geographic distribution. Also, GARP (Genetic Algorithm for Rule-set Production) model, one of the ecological niche models, was applied to estimate potential geographic distribution and to project future changes. Environmental explanatory variables showing Area Under Curve (AUC) value bigger than 0.6 were selected and constructed into the final model by running the model for each of the 27 variables. The results of the model validation which was performed based on confusion matrix statistics, showed quite high suitability. Currently P. koraiensis is distributed widely from 300m to 1,200m in altitude and from south to north as a result of national greening project in 1970s although major populations are found in elevated and northern area. The results of this study were successful in showing the current distribution of P. koraiensis and projecting their future changes. Future model for P. koraiensis suggest large areas predicted under current climate conditions may be contracted by 2090s showing dramatic habitat loss. Considering the increasing status of atmospheric $CO_2$ and air temperature in Korea, P. koraiensis seems to experience the significant decrease of potential distribution range in the future. The final model in this study may be used to identify climate change impacts on distribution of P. koraiensis in Korea, and a deeper understanding of its correlation may be helpful when planning afforestation strategies.
The main purpose of this study is to understand the potential geographic distribution of P. koraiensis, which is known to be one of major economic tree species, based on the RCP (Representative Concentration Pathway) 8.5 scenarios and current geographic distribution from National Forest Inventory(NFI) data using ecological niche modeling. P. koraiensis abundance data extracted from NFI were utilized to estimate current geographic distribution. Also, GARP (Genetic Algorithm for Rule-set Production) model, one of the ecological niche models, was applied to estimate potential geographic distribution and to project future changes. Environmental explanatory variables showing Area Under Curve (AUC) value bigger than 0.6 were selected and constructed into the final model by running the model for each of the 27 variables. The results of the model validation which was performed based on confusion matrix statistics, showed quite high suitability. Currently P. koraiensis is distributed widely from 300m to 1,200m in altitude and from south to north as a result of national greening project in 1970s although major populations are found in elevated and northern area. The results of this study were successful in showing the current distribution of P. koraiensis and projecting their future changes. Future model for P. koraiensis suggest large areas predicted under current climate conditions may be contracted by 2090s showing dramatic habitat loss. Considering the increasing status of atmospheric $CO_2$ and air temperature in Korea, P. koraiensis seems to experience the significant decrease of potential distribution range in the future. The final model in this study may be used to identify climate change impacts on distribution of P. koraiensis in Korea, and a deeper understanding of its correlation may be helpful when planning afforestation strategies.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
그러나 이러한 연구들의 경우 5년을 단위로 전국조사가 완료되는 NFI 자료의 일부만을 사용하였거나, 수종별 특성이 충분히 고려되지 못한 채로 범주화된 식생기능형을 사용하였으며, 체계성이결여된 조사를 통해 수집된 종의 출현정보를 사용함으로써 실제 현존분포와는 차이가 상대적으로 클 가능성을 배제할 수 없다. 따라서 본 연구의 목적은 국가산림자원조사 자료와 생태적 지위 모형에 기반하여 보다 신뢰도가 높은 잣나무의 분포도를 작성하여 생육분포범위를 시각화하고, 현재의 생육분포에 영향을 미치는 환경인자를 파악하여 기후변화 시나리오를 적용함으로써 향후 잣나무가 받게 될 기후변화의 영향을 파악하는 데에 있다.
제안 방법
환경변수들의 기여도와 중요도를 파악하기 위해, 각각의 환경인자별로 모형을 구동하여 전반적인 경향을 파악하고 AUC를 기반으로 수종분포와 개별 독립변수 간의 연관성을 평가한 후 변수를 조정하였다. 마지막으로 최종 선정된 변수를 이용하여 GARP모형을 구동함으로써 잠재 수종 분포도를 작성하였다. 또한 독립변수 중 기후와 관련된 변수는 기후변화 시나리오 자료를 사용하여 미래를 예측하였다.
본 연구에서는 수종의 분포를 해석하고 예측하기 위해 먼저 다양한 환경요인변수를 수집하고 이를 데이터베이스로 구축하였다. 다음으로 수집한 환경요인변수를 모형의 입력자료로 변환시키는 과정을 수행하였고 NFI 정보에서 연구대상 수종의 입력출현정보를 작성하였다.
이 과정에서 정상적으로 생활사를 완성하는 잣나무 임분들만을 골라내고 모형의 적합도 향상을 위해 층위별 출현정보를 이용하여 상·중·하 층에서 최소한 두 층위에 각 층위당 2본 이상 출현하는 지점의 자료만을 입력자료로 사용하였다(Pulliam, 1998;Pearson and Dawson, 2003). 환경변수들의 기여도와 중요도를 파악하기 위해, 각각의 환경인자별로 모형을 구동하여 전반적인 경향을 파악하고 AUC를 기반으로 수종분포와 개별 독립변수 간의 연관성을 평가한 후 변수를 조정하였다. 마지막으로 최종 선정된 변수를 이용하여 GARP모형을 구동함으로써 잠재 수종 분포도를 작성하였다.
대상 데이터
기후관련변수는 1971년부터(10년씩) 관측된 기상자료(Korea Forest Research Institute, 2011)를 기반으로 40년간의 평균기온, 최한월인 1월의 평균기온, 최난월인 8월의 평균기온, 생육기(4~10월) 평균기온, 연평균 강수량, 생육기 평균강수량, 1월과 8월의 평균기온차를 계산하여 기후관련 변수로 사용하였다. 연간일사량 자료는 월평균 일사량 자료에 월별 일수를 곱하여 월별 누적일사량을 계산한 후 1월~12월의 자료를 모두 합하여 변수로 사용하였다.
우리나라 전역을 대상으로 5년을 주기로 약 4,000개 지점에서 동일한 프로토콜에 의해 조사가 실시되고 있는 국가산림자원조사(NFI) 자료로부터 조사지점 별 잣나무 수종의 풍부도 자료를 추출하여 종 출현정보로 사용하였다. 기후변화에 따른 잣나무의 지리적 분포를 예측하기 위해, 기후, 지형, 지질 및 토양, 토지이용 및 식생현황 관련 변수 등 총4가지 범주의 27개의 변수를 선정하여 사용하였다.
연구에 사용된 모든 변수는 NFI의 조사지점 간 평균 거리가 4km인 점을 감안하여, 4km×4km 공간해상도를 갖는 GIS 래스터(그리드) 형태로 변환하여 사용하였다.
본 연구에서는 잣나무의 생육분포범위를 파악하고 미래 잠재분포를 예측하기 위해 국내에서 소나무에 대해 수행되어진 바 있는 연구 방법을 적용하였다(Chunand Lee, 2013). 우리나라 전역을 대상으로 5년을 주기로 약 4,000개 지점에서 동일한 프로토콜에 의해 조사가 실시되고 있는 국가산림자원조사(NFI) 자료로부터 조사지점 별 잣나무 수종의 풍부도 자료를 추출하여 종 출현정보로 사용하였다. 기후변화에 따른 잣나무의 지리적 분포를 예측하기 위해, 기후, 지형, 지질 및 토양, 토지이용 및 식생현황 관련 변수 등 총4가지 범주의 27개의 변수를 선정하여 사용하였다.
지질·토양 관련 변수로는 한국지질자원연구원 지질도의 지질 및 수치산림토양입지도의 토양형, 유효토심, 암석노출도 등을 통해 지질과 토양특성, 생장과 갱신의 저해요소 등을 평가하기 위하여 사용하였다.
토지이용 및 식생현황 관련 변수로는 NFI 자료가 수집된 동일한 5년간에 대해 MODIS 위성영상 산출물 가운데 하나인 MOD13Q1(연간 23장)의 식생지수를 주성분 분석한 후, 1축만을 이용하여 현존식생의 밀도 및 계절적 특성을 파악하고자 사용하였다.
이론/모형
신호탐지이론은 신호의 탐지가 신호에 대한 관찰자의 민감도와 관찰자의 반응 기준에 달려 있다는 이론으로서 신호와 노이즈의 구분에 관련된 능력을 측정하는 수단으로 이용된다(Chun andLee, 2013). ROC의 AUC 점수 평가는 Swets(1988)가 제안한 기준을 따랐으며 그 기준은 AUC가 0.9 이상인 경우 매우 우수, 0.6 미만이면 실패로 하였다.
모형을 검증하기 위해, 모형의 구동 결과를 실제 종 출현정보와 예측된 출현 및 비출현 정보에 기반한 Confusion Matrix 관련 통계량을 기반으로 모형의 설명력을 검증하였다(Stehman, 1997). 컨퓨젼 매트릭스는 이분형 모형의 경우, 종의 출현과 비출현에 대한 예측결과가 실제 조사된 출현과 비출현 정보에 어느정도 가까운가를 평가하는 방법이다(Stehman, 1997).
컨퓨젼 매트릭스를 통해 나타난 수치들은 모형의 성능을 평가하며 다양한 통계량 산출이 가능하다. 본 연구에서는 ROC (Receiver Operating Characteristic)의 AUC(Total Area Under Curve)를 평가 통계량으로 사용하였는데 이 수치는 모형이 출현지점을 제대로 가려낸 수치를 비출현 지점을 제대로 가려낸 수치로 나누어준 값이다. AUC와 관련된 통계량의 산출 방법은 Table 1, 2와 같다.
본 연구에서는 잣나무의 생육분포범위를 파악하고 미래 잠재분포를 예측하기 위해 국내에서 소나무에 대해 수행되어진 바 있는 연구 방법을 적용하였다(Chunand Lee, 2013). 우리나라 전역을 대상으로 5년을 주기로 약 4,000개 지점에서 동일한 프로토콜에 의해 조사가 실시되고 있는 국가산림자원조사(NFI) 자료로부터 조사지점 별 잣나무 수종의 풍부도 자료를 추출하여 종 출현정보로 사용하였다.
성능/효과
연구결과를 토대로 향후 기후변화로 인한 잣나무의 분포 변화와 변화 가능성을 정리해 보면 작성된 모형의 신뢰도는 적정한 수준이었으며 기온상승과 강수패턴 변화로 인해 건조 피해가 연속될 경우 수세의 약화와 함께 병해충에 더 쉽게 노출될 가능성이 있는 것으로 보인다. 최근 산림은 병해충이나 갑작스러운 가뭄, 고온 및 저온현상 반복으로 인하여 집단고사가수 차례 관찰되었으며, 고산지역에서는 유존종이 쇠퇴하는 현상이 지속적으로 나타나고 있다.
이에 GARP 모형을 통해 나온 잠재분포역은 현재 시점의 환경요인과 분포패턴으로 평가된 최적생육가능 범위로 보는 것이 타당할 것이며 잠재분포확률이 높게 나타난 지역에서는 해당 수종의 종자의 형성 및 발아확률이 높고, 식재시에도 생존할 확률이 높다는 것을 의미한다고 할 수 있다.
후속연구
다시 말해 현재 우리나라의 대기중 이산화탄소농도나 기온상승 속도를 감안할 때는 향후 전망이 어두운 것으로 보인다. 그러나 여전히 경제수종으로 인정받고 있는 잣나무의 인공식재림 조성을 위해서는 극한기후는 물론 토양, 지형 등의 다양한 환경인자에 대한 보다 철저한 분석을 통해 대상지를 선정하는 합리적 과정을 거치도록 하는 것이 성공적인 조림의 열쇠로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
GARP는 무엇을 기반으로 하는가?
1과 같다. GARP는 유전적 알고리즘을 기반으로 하고 있다. 생물기후 모형과 관련된 인공신경망이나 유전적 알고리즘은 종속변수와 독립변수와의 연결세기를 조절하여 규칙을 찾아내는 것으로서 기존 것과는 차별화되는 병렬 정보처리 시스템이다.
GARP는 어떤 이유로 기존 것과는 차별화되는 병렬 정보처리 시스템인가?
GARP는 유전적 알고리즘을 기반으로 하고 있다. 생물기후 모형과 관련된 인공신경망이나 유전적 알고리즘은 종속변수와 독립변수와의 연결세기를 조절하여 규칙을 찾아내는 것으로서 기존 것과는 차별화되는 병렬 정보처리 시스템이다. 신경망은 대량의 정보를 한꺼번에 처리하고 학습하는 과정을 통해 패턴을 탐색한다.
컨퓨젼 매트릭스란 무엇인가?
모형을 검증하기 위해, 모형의 구동 결과를 실제 종출현정보와 예측된 출현 및 비출현 정보에 기반한 Confusion Matrix 관련 통계량을 기반으로 모형의 설명력을 검증하였다(Stehman, 1997). 컨퓨젼 매트릭스는 이분형 모형의 경우, 종의 출현과 비출현에 대한 예측결과가 실제 조사된 출현과 비출현 정보에 어느정도 가까운가를 평가하는 방법이다(Stehman, 1997). 컨퓨젼 매트릭스를 통해 나타난 수치들은 모형의 성능을 평가하며 다양한 통계량 산출이 가능하다.
참고문헌 (27)
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.
Bae, S. W., J. H. Hwang, S. T. Lee, H. S. Kim and J. M. Jeong, 2010: Change in soil temperature, moisture content, light availability and diameter growth after thinning in Korean Poin (Pinus koraiensis) plantation. Journal of Korea Forest Society 99(3), 397-403.
Chon, S. K., M. Y. Shin and D. J. Chung, 1999: Characteristics of the Early Growth for Korean White Pine (Pinus koraiensis Sieb. et Zucc.) and Effects of Local Climatic Conditions on the Growth-Relation between Periodic Annual Increment and Local Climate Conditions. Journal of Korea Forest Society 88(1), 73-85.
Christopher, D. W., 2003: Engineering psychology. Sigma press, 678pp.
Chun, J. H., and C. B. Lee, 2013: Assessing the Effects of Climate Change on the Geographic Distribution of Pinus densiflora in Korea using Ecological Niche Model. Korean Journal of Agricultural and Forest Meteorology 15(4), 219-233. (in Korean with English abstract)
Choi, S. H., W. K. Lee, S. J. Yoo, S. M. Park, J. G. Byun and G. S. Cui, 2009: Simulation on vegetation cover and terrestrial carbon distribution by climate change in Korea. Proceedings of GIS Autumn Conference, 138-139. (in Korean with English abstract)
Elith, J., M. A. Burgman and H. M. Regan, 2002: Mapping epistemic uncertainties and vague concepts in predictions of species distribution. Ecological Modelling 157, 313-329.
Han, S. S. and W. G. Park, 1988: Diameter Growth and Key-year in Pinus koraiensis and Pinus densiflora Trees. Journal of Korea Forest Society 77(2), 216-221. (in Korean with English abstract)
Kang, W. M., D. Kang, and C. R. Park, 2012: Decreased Habitat Area and Connectivity of Kalopanax pictus under Climate Change in South Korea. Proceeding of The 55th symposium of International Assocation for Vegetation Science, Organizing Committee of IAV2012, Mokpo Korea, 102pp.
Korea Environment Institute, 2000: Evaluation of the Ecological Effect and Corresponding Strategy Due to Climate Change 1. Forest Ecology, 86pp.
Korea Forest Research Institute, 2007: 2007 Annual Report, Korea Forest Service, 1103pp.
Korea Forest Research Institute, 2009: 2009 Annual Report, Korea Forest Service, 771pp.
Korea Forest Research Institute, 2011: 2011 Annual Report -Forest Conservation, Korea Forest Service, 694pp.
Korea Forest Research Institute, 2012: Economic Tree Species Pinus koraiensis, Korea Forest Service, 168pp.
Millennium Ecosystem Assessment, 2005: Ecosystems and Human Well-Being: Current State and Trends. Volume 1. R. Hassan, R. Scholes, and N. Ash (Eds.). Island Press, 137pp.
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, 617-623pp.
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.
The National Weather Service, 2013: Summary for decision maker of police in accordance with a scientific basis, 28pp.
The National Weather Service, 2015: 2014 Climate Change Report, 155pp.
Weiss, A. D., 2001: Topographic Position and Landforms Analysis. Poster presentation. Proceedings of ESRI User Conference, San Diego, CA
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.
AI-Helper
※ AI-Helper는 부적절한 답변을 할 수 있습니다.