본 연구는 보다 정확한 소나무림의 분포현황을 이용하여 효과적으로 소나무림을 보전관리하기 위한 기초자료를 제공하는 데 목적이 있다. 따라서 본 논문은 기후변화에 의한 남한지역에 서식하고 있는 소나무림의 지리적 분포 변화를 예측하고 연령대별 소나무림의 공간적 분포 특성을 평가하고자 한다. 이를 위해서 종 분포 변화를 예측하는데 유용한 MaxEnt 모델을 현재와 미래 시기의 기후변화 시나리오 자료에 적용하여 소나무림의 잠재적인 분포 변화를 예측하고, 연령대별 분포면적과 변화에 미치는 생물 기후 변수의 영향을 분석하였다. 소나무림의 잠재적 분포지역은 남한지역에서 10~30년생의 소나무림이 상대적으로 많이 감소하는 것으로 나타났으며, 연령대별 소나무림에게 기후적으로 적합한 지역의 면적이 클수록 감소 지역은 커지고, 새롭게 확장되는 지역은 작아지는 경향으로 나타났다. 이는 서식 적합한 지역의 대부분이 중복되는 지역으로서 유사한 기후환경에서 소나무림의 연령대별 상호작용이 상호 촉진 관계에서 경쟁적인 관계로 변하는 데 기인할 것으로 추측된다. 기온변화보다 강수량이 소나무림의 분포에 더 큰 영향을 주고, 소나무의 지리적인 분포 변화는 평균적인 기후 특성보다 건조한 시기의 강수량 및 최고 한기의 기온과 같이 기후의 극한성에 영향을 더 받는 것으로 나타났다. 특히 최고 건기의 강수량에 의한 소나무림의 분포 변화에 대한 영향은 연령대와 상관없이 나타났다. 이러한 결과는 향후 기온 상승에 따른 수분결핍이 증가하여 결국 생장과 생리반응에 영향을 주는 가뭄과 연관된 기후환경이 조성되어 소나무림의 감소를 초래할 것으로 예상된다. 본 연구에서 유도된 결과는 기존에 구축된 다양한 생물 자원 정보를 활용하여 기후변화에 따른 지리적인 변화를 예측하는 데 유용한 방법으로 적용될 수 있고, 자연생태계 분야에서 산림식생보전과 관련된 기후변화 적응정책 수립에 기초자료로 활용될 것으로 기대된다.
본 연구는 보다 정확한 소나무림의 분포현황을 이용하여 효과적으로 소나무림을 보전관리하기 위한 기초자료를 제공하는 데 목적이 있다. 따라서 본 논문은 기후변화에 의한 남한지역에 서식하고 있는 소나무림의 지리적 분포 변화를 예측하고 연령대별 소나무림의 공간적 분포 특성을 평가하고자 한다. 이를 위해서 종 분포 변화를 예측하는데 유용한 MaxEnt 모델을 현재와 미래 시기의 기후변화 시나리오 자료에 적용하여 소나무림의 잠재적인 분포 변화를 예측하고, 연령대별 분포면적과 변화에 미치는 생물 기후 변수의 영향을 분석하였다. 소나무림의 잠재적 분포지역은 남한지역에서 10~30년생의 소나무림이 상대적으로 많이 감소하는 것으로 나타났으며, 연령대별 소나무림에게 기후적으로 적합한 지역의 면적이 클수록 감소 지역은 커지고, 새롭게 확장되는 지역은 작아지는 경향으로 나타났다. 이는 서식 적합한 지역의 대부분이 중복되는 지역으로서 유사한 기후환경에서 소나무림의 연령대별 상호작용이 상호 촉진 관계에서 경쟁적인 관계로 변하는 데 기인할 것으로 추측된다. 기온변화보다 강수량이 소나무림의 분포에 더 큰 영향을 주고, 소나무의 지리적인 분포 변화는 평균적인 기후 특성보다 건조한 시기의 강수량 및 최고 한기의 기온과 같이 기후의 극한성에 영향을 더 받는 것으로 나타났다. 특히 최고 건기의 강수량에 의한 소나무림의 분포 변화에 대한 영향은 연령대와 상관없이 나타났다. 이러한 결과는 향후 기온 상승에 따른 수분결핍이 증가하여 결국 생장과 생리반응에 영향을 주는 가뭄과 연관된 기후환경이 조성되어 소나무림의 감소를 초래할 것으로 예상된다. 본 연구에서 유도된 결과는 기존에 구축된 다양한 생물 자원 정보를 활용하여 기후변화에 따른 지리적인 변화를 예측하는 데 유용한 방법으로 적용될 수 있고, 자연생태계 분야에서 산림식생보전과 관련된 기후변화 적응정책 수립에 기초자료로 활용될 것으로 기대된다.
This study aims to offer basic data to effectively preserve and manage pine forests using more precise pine forests' distribution status. In this regard, this study predicts the geographical distribution change of pine forests growing in South Korea, due to climate change, and evaluates the spatial ...
This study aims to offer basic data to effectively preserve and manage pine forests using more precise pine forests' distribution status. In this regard, this study predicts the geographical distribution change of pine forests growing in South Korea, due to climate change, and evaluates the spatial distribution characteristics of pine forests by age. To this end, this study predicts the potential distribution change of pine forests by applying the MaxEnt model useful for species distribution change to the present and future climate change scenarios, and analyzes the effects of bioclimatic variables on the distribution area and change by age. Concerning the potential distribution regions of pine forests, the pine forests, aged 10 to 30 years in South Korea, relatively decreased more. As the area of the region suitable for pine forest by age was bigger, the decreased regions tend to become bigger, and the expanded regions tend to become smaller. Such phenomena is conjectured to be derived from changing of the interaction of pine forests by age from mutual promotional relations to competitive relations in the similar climate environment, while the regions suitable for pine forests' growth are mostly overlap regions. This study has found that precipitation affects more on the distribution of pine forests, compared to temperature change, and that pine trees' geographical distribution change is more affected by climate's extremities including precipitation of driest season and temperature of the coldest season than average climate characteristics. Especially, the effects of precipitation during the driest season on the distribution change of pine forests are irrelevant of pine forest's age class. Such results are expected to result in a reduction of the pine forest as the regions with the increase of moisture deficiency, where climate environment influencing growth and physiological responses related with drought is shaped, gradually increase according to future temperature rise. The findings in this study can be applied as a useful method for the prediction of geographical change according to climate change by using various biological resources information already accumulated. In addition, those findings are expected to be utilized as basic data for the establishment of climate change adaptation policies related to forest vegetation preservation in the natural ecosystem field.
This study aims to offer basic data to effectively preserve and manage pine forests using more precise pine forests' distribution status. In this regard, this study predicts the geographical distribution change of pine forests growing in South Korea, due to climate change, and evaluates the spatial distribution characteristics of pine forests by age. To this end, this study predicts the potential distribution change of pine forests by applying the MaxEnt model useful for species distribution change to the present and future climate change scenarios, and analyzes the effects of bioclimatic variables on the distribution area and change by age. Concerning the potential distribution regions of pine forests, the pine forests, aged 10 to 30 years in South Korea, relatively decreased more. As the area of the region suitable for pine forest by age was bigger, the decreased regions tend to become bigger, and the expanded regions tend to become smaller. Such phenomena is conjectured to be derived from changing of the interaction of pine forests by age from mutual promotional relations to competitive relations in the similar climate environment, while the regions suitable for pine forests' growth are mostly overlap regions. This study has found that precipitation affects more on the distribution of pine forests, compared to temperature change, and that pine trees' geographical distribution change is more affected by climate's extremities including precipitation of driest season and temperature of the coldest season than average climate characteristics. Especially, the effects of precipitation during the driest season on the distribution change of pine forests are irrelevant of pine forest's age class. Such results are expected to result in a reduction of the pine forest as the regions with the increase of moisture deficiency, where climate environment influencing growth and physiological responses related with drought is shaped, gradually increase according to future temperature rise. The findings in this study can be applied as a useful method for the prediction of geographical change according to climate change by using various biological resources information already accumulated. In addition, those findings are expected to be utilized as basic data for the establishment of climate change adaptation policies related to forest vegetation preservation in the natural ecosystem field.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 보다 정확한 소나무림의 분포현황을 이용하여 효과적으로 소나무림을 보전관리하기 위한 기초자료를 제공하는 데 목적이 있다. 따라서 본 논문은 기후변화에 의한 남한지역에 서식하고 있는 소나무림의 지리적 분포 변화를 예측하고 연령대별 소나무림의 공간적 분포 특성을 평가하고자 한다. 이를 위해서 종 분포 변화를 예측하는 데 유용한 MaxEnt 모델을 현재와 미래 시기의 기후변화 시나리오 자료에 적용하여 소나무림의 잠재적인 분포 변화를 예측하고, 연령대별 분포면적과 변화에 미치는 생물 기후 변수의 영향을 분석하였다.
본 연구는 보다 정확한 소나무림의 분포현황을 이용하여 소나무림을 효과적으로 보전관리하기 위한 기초자료를 제공하고자, 기후변화에 따라서 남한지역에 서식하고 있는 소나무림의 지리적 분포 변화를 예측하고 소나무림의 연령대별 분포 특성의 차이를 평가하고자 한다. 이를 위해 최근 종 분포 변화를 예측하는 데 유용성이 검증된 MaxEnt 모델을 현재와 미래 시기의 기후변화 시나리오 자료에 적용하여 소나무림의 잠재적인 분포 변화를 예측하고 연령대별 분포면적과 변화에 미치는 생물기후 변수의 영향을 분석하였다.
본 연구는 보다 정확한 소나무림의 분포현황을 이용하여 효과적으로 소나무림을 보전관리하기 위한 기초자료를 제공하는 데 목적이 있다. 따라서 본 논문은 기후변화에 의한 남한지역에 서식하고 있는 소나무림의 지리적 분포 변화를 예측하고 연령대별 소나무림의 공간적 분포 특성을 평가하고자 한다.
제안 방법
소나무림의 잠재 분포지역의 면적 변화와 지리적인 이동방향은 모델에서 예측된 서식확률 50%를 기준으로 서식 적합지역과 부적합한 지역의 2단계로 서식등급을 구분하고, 현재 시기의 적합지역 면적과 미래 시기의 적합지역 면적의 차이를 다시 현재 시기의 적합지역의 면적으로 나눈 변화율을 이용하여 평가하였다.
, 2006), 기후변화에 따라서 연령별 소나무림의 분포지역의 크기는 현재와 미래의 두 시기로 구분하여 확장지역과 축소지역으로 비교하였다. 예측된 분포지역의 변화는 현재 시기와 미래 시기의 적합지역의 면적의 차이를 현재 시기의 적합지역으로 나눈 변화율을 통해서 비교하였다. 이를 위해서 모델에서 예측된 서식확률 50%를 기준으로 소나무림의 서식 적합지역과 부적합한 지역으로 구분하여 평가하였다.
0은 완벽한 판별능력을 갖는 결과를 나타낸다. 예측된 소나무림의 분포지역에 영향을 주는 생물기후 변수의 중요도는 Jackknife 검증을 통해서 평가하고(Phillips et al., 2006), 기후변화에 따라서 연령별 소나무림의 분포지역의 크기는 현재와 미래의 두 시기로 구분하여 확장지역과 축소지역으로 비교하였다. 예측된 분포지역의 변화는 현재 시기와 미래 시기의 적합지역의 면적의 차이를 현재 시기의 적합지역으로 나눈 변화율을 통해서 비교하였다.
, 2006). 이를 위해 RCP 8.5 기후변화 시나리오 자료에서 소나무림 지역에 대한 현재와 미래 시기의 기후자료를 추출한 다음, MaxEnt 모델에 적용하여 예측된 소나무림의 잠재적인 분포면적의 차이를 영급별로 분석하였다. MaxEnt 모델은 생태적 지위 개념을 기반으로 하고, 생물종이 출현하는 위치의 식생, 지형, 기후 등 다양한 환경 특성만을 이용하는 모델로서 기계학습방법(machine learning method) 중 하나이다(Phillips et al.
본 연구는 보다 정확한 소나무림의 분포현황을 이용하여 소나무림을 효과적으로 보전관리하기 위한 기초자료를 제공하고자, 기후변화에 따라서 남한지역에 서식하고 있는 소나무림의 지리적 분포 변화를 예측하고 소나무림의 연령대별 분포 특성의 차이를 평가하고자 한다. 이를 위해 최근 종 분포 변화를 예측하는 데 유용성이 검증된 MaxEnt 모델을 현재와 미래 시기의 기후변화 시나리오 자료에 적용하여 소나무림의 잠재적인 분포 변화를 예측하고 연령대별 분포면적과 변화에 미치는 생물기후 변수의 영향을 분석하였다.
예측된 분포지역의 변화는 현재 시기와 미래 시기의 적합지역의 면적의 차이를 현재 시기의 적합지역으로 나눈 변화율을 통해서 비교하였다. 이를 위해서 모델에서 예측된 서식확률 50%를 기준으로 소나무림의 서식 적합지역과 부적합한 지역으로 구분하여 평가하였다.
따라서 본 논문은 기후변화에 의한 남한지역에 서식하고 있는 소나무림의 지리적 분포 변화를 예측하고 연령대별 소나무림의 공간적 분포 특성을 평가하고자 한다. 이를 위해서 종 분포 변화를 예측하는 데 유용한 MaxEnt 모델을 현재와 미래 시기의 기후변화 시나리오 자료에 적용하여 소나무림의 잠재적인 분포 변화를 예측하고, 연령대별 분포면적과 변화에 미치는 생물 기후 변수의 영향을 분석하였다.
대상 데이터
소나무림의 기후변화에 따른 분포 변화를 평가하기 위해서 현재와 미래에 대한 기후자료가 요구된다. 본 연구에서는 WorldClim 웹사이트에서 제공되고 있는 19개 생물기후 변수(bioclimatic variables)를 이용하였다(WorldClim, 2005). 이 자료는 기온과 강수량을 기초로 하여, 전 세계 지역을 대상으로 기온의 경향성, 계절성, 그리고 극한성 등 생물학적인 의미를 갖는 자료(Table 1)로 제공되며 다양한 공간해상도를 갖는다.
, 2005). 소나무림의 미래 분포를 전망하기 위해서 접합대순환모델 (CoupledModel Intercomparison Project Phase 5, CMIP5) 중 하나인 HadGEM2-AO 모델에서 생성된 2050년대(2040~2060)와 2070년대(2060~2080)의 RCP 8.5 시나리오 자료를 이용하였다. RCP 8.
소나무림의 위치정보는 산림청에서 제작하고 배포한 1 : 25,000 축척의 제4차 수치 임상도에서 추출하였다. 수치 임상도는 국가산림자원조사의 일환으로 전국의 산림 분포를 수치지도 형태로 제작된 국가 산림지도이다.
현재 시기의 기후자료는 장기간 (1950~2000) 동안 관측된 기상자료에 thin-plate smoothing spline 보간법을 적용하여 생성되고, 공간해상도가 30arc-seconds (약 1 km)인 자료를 이용하였다 (Hijmans et al., 2005). 소나무림의 미래 분포를 전망하기 위해서 접합대순환모델 (CoupledModel Intercomparison Project Phase 5, CMIP5) 중 하나인 HadGEM2-AO 모델에서 생성된 2050년대(2040~2060)와 2070년대(2060~2080)의 RCP 8.
데이터처리
기후변화에 따른 소나무림의 분포 변화에 대한 분석은 MaxEnt 3.3.3k (Phillips et al., 2006) 및 ArcGIS 10.0 (ESRI, 2011) 프로그램을 이용하였고, 통계적 분석은 R-3.2.0 통계 패키지를 이용하였다(R Core Team, 2015).
이론/모형
남한지역에서 기후변화에 따른 소나무림의 잠재적 분포 지역의 변화를 예측하고, 연령별 소나무림의 공간적 분포 특성을 살펴보기 위해서 MaxEnt 종 분포 모델을 이용하였다(Phillips et al., 2006). 이를 위해 RCP 8.
1에 가까울수록 분포가능성이 높다는 것을 의미한다. 모델의 정확도는 ROC 커브면적(The Area Under the Curve of Receiver Operating Characteristic, AUC of ROC)을 이용하여 평가하였다(Fielding and Bell, 1997). 이는 민감도와 1-특이도의 상호관계를 이용하여 출현지역과 비 출현지역을 판별하는 모델의 능력을 평가하는 척도이다.
MaxEnt 모델은 소나무림이 위치한 지점에 대한 환경정보를 이용하기 때문에 소나무림이 구획된 면 형태의 수치 임상도에서 점 형태의 자료를 추출하였다. 수치 임상도에서 소나무림으로 구획된 영역들의 평균 크기를 기준으로 일정한 간격마다 포인트를 생성한 다음, 소나무림에 포함되는 포인트만을 이용하여 MaxEnt 모델을 수행하였다. Fig.
성능/효과
10년생 미만인 소나무림은 최고 우기의 강수량(BIO16), 10년생에서 40년생의 소나무림은 최고 건기의 강수량(BIO17), 그리고 50년생 이상인 소나무림은 연강수량(BIO12)에 가장 큰 영향을 받는 것으로 나타났다. 30년생 미만인 소나무림은 강수량 이외에도 최고 한기의 기온(BIO11)에 대한 영향을 받는 것으로 나타나고, 30년생 이상에서는 기온보다는 강수량에 의한 영향이 주로 나타났다.
10년생 미만인 소나무림은 최고 우기의 강수량(BIO16), 10년생에서 40년생의 소나무림은 최고 건기의 강수량(BIO17), 그리고 50년생 이상인 소나무림은 연강수량(BIO12)에 가장 큰 영향을 받는 것으로 나타났다. 30년생 미만인 소나무림은 강수량 이외에도 최고 한기의 기온(BIO11)에 대한 영향을 받는 것으로 나타나고, 30년생 이상에서는 기온보다는 강수량에 의한 영향이 주로 나타났다. 또한 최고 건기의 강수량에 의한 소나무림의 분포 변화에 대한 영향은 연령대와 상관없이 나타났다.
기온변화보다 강수량이 소나무림의 분포에 더 큰 영향을 주고, 소나무의 지리적인 분포 변화는 평균적인 기후 특성보다 건조한 시기의 강수량 및 최고 한기의 기온과 같이 기후의 극한성에 영향을 더 받는 것으로 나타났다. 특히 최고 건기의 강수량에 의한 소나무림의 분포 변화에 대한 영향은 연령대와 상관없이 나타났다.
8%로 각 연령대별 나타났다. 또한, 현재 시기 적합지역과 비교해서 2050년대에 새로운 지역으로 확장한 면적비율은 각 연령대별 44.7%, 35.7%, 6.4%, 5.9%, 33.9%, 그리고 26.1%로 나타났다.
생물기후 변수 19개에 Maxent 모델을 적용하여 현재 시기의 연령대별 소나무림의 분포를 예측한 정확도를 나타내는 AUC 값은 평균 0.963 (SD=0.006)이였다. 이는 소나무림의 분포를 설명하는 매우 유용한 모델로 평가될 수 있다(Swets, 1988; Phillips et al.
소나무림의 잠재적 분포지역은 남한지역에서 10~30년생의 소나무림이 상대적으로 많이 감소하는 것으로 나타났으며, 연령대별 소나무림에게 기후적으로 적합한 지역의 면적이 클수록 감소 지역은 커지고, 새롭게 확장되는 지역은 작아지는 경향으로 나타났다. 이는 서식 적합한 지역의 대부분이 중복되는 지역으로서 유사한 기후환경에서 소나무림의 연령대별 상호작용이 상호 촉진 관계에서 경쟁적인 관계로 변하는 데 기인할 것으로 추측된다.
또한 최고 건기의 강수량에 의한 소나무림의 분포 변화에 대한 영향은 연령대와 상관없이 나타났다. 전반적으로 기온변화보다 강수량이 소나무림의 분포에 더 영향을 주고, 소나무의 지리적인 분포 변화는 평균적인 기후 특성보다 건조한 시기의 강수량과 최고 한기의 기온과 같이 기후의 극한성에 영향을 더 받는 것으로 나타났다. 이러한 결과는 향후 기온 상승에 따른 수분결핍이 증가하여 결국 생장과 생리반응에 영향을 주는 가뭄과 연관된 기후환경이 소나무림의 감소를 초래할 것으로 예상된다(Lee et al.
전반적으로 남한지역에서 10~30년생의 소나무림의 잠재적 분포지역이 상대적으로 많이 감소하는 것으로 나타났다. 현재에서 미래로 갈수록 소나무림에게 적합한 지역의 대부분이 감소하는데, 연령대별 소나무림에게 적합한 지역의 면적이 클수록 감소 지역은 커지고, 확장되는 지역은 작아지는 경향으로 나타났다.
전반적으로 남한지역에서 10~30년생의 소나무림의 잠재적 분포지역이 상대적으로 많이 감소하는 것으로 나타났다. 현재에서 미래로 갈수록 소나무림에게 적합한 지역의 대부분이 감소하는데, 연령대별 소나무림에게 적합한 지역의 면적이 클수록 감소 지역은 커지고, 확장되는 지역은 작아지는 경향으로 나타났다. 이는 기온 상승에 따른 소나무림의 분포지역이 감소할 것으로 전망한 기존 연구(Seo et al.
후속연구
본 연구에서 유도된 결과는 기존에 구축된 다양한 생물자원 정보를 활용하여 기후변화에 따른 지리적인 변화를 예측하는 데 유용한 방법으로 적용될 수 있고, 자연생태계 분야에서 산림식생보전과 관련된 기후변화 적응정책 수립에 기초자료로 활용될 것으로 기대된다.
특히 최고 건기의 강수량에 의한 소나무림의 분포 변화에 대한 영향은 연령대와 상관없이 나타났다. 이러한 결과는 향후 기온 상승에 따른 수분결핍이 증가하여 결국 생장과 생리반응에 영향을 주는 가뭄과 연관된 기후환경이 조성되어 소나무림의 감소를 초래할 것으로 예상된다.
질의응답
핵심어
질문
논문에서 추출한 답변
지구 평균기온이 3.7°C 오른다면 나타날 결과는 무엇인가?
7°C 오를 것으로 전망한다(IPCC, 2014). 이러한 급격한 기온 상승은 야생생물의 6종 중 1종이 멸종위험에 직면하게 하고, 점차적으로 고지대와 고위도로 이동을 초래할 것이다(Mark, 2015). 산림식생에서도 기온과 강수량이 증가함에 따라서 활엽수림이 북상하고 남쪽 지역의 침엽수림이 활엽수 혼효림으로 변화할 것이며, 미래에는 활엽수림과 혼효림이 증가하고 침엽수림은 감소할 것으로 예상된다(Shin et al.
MaxEnt 모델이란 무엇인가?
5 기후변화 시나리오 자료에서 소나무림 지역에 대한 현재와 미래 시기의 기후자료를 추출한 다음, MaxEnt 모델에 적용하여 예측된 소나무림의 잠재적인 분포면적의 차이를 영급별로 분석하였다. MaxEnt 모델은 생태적 지위 개념을 기반으로 하고, 생물종이 출현하는 위치의 식생, 지형, 기후 등 다양한 환경 특성만을 이용하는 모델로서 기계학습방법(machine learning method) 중 하나이다(Phillips et al., 2006).
우리나라 산림지역에 분포하는 대표적인 수종은 무엇인가?
우리나라 산림지역에 분포하는 대표적인 수종으로 전체 산림의 25%정도를 차지하는 소나무(Pinus densiflora Sieb. et Zucc.
참고문헌 (26)
Bae, B.H. and H.J. Lee. 1999. Phytosociological Studies for Vegetation Conservation of Pine Forest. The Korean Journal of Ecology 22(1): 21-29.
Boldwin, R.A. 2009. Use of maximum entropy modeling in wildlife research. Entropy 11: 854-866.
Chardon, N.I., W.K. Cornwell, L.E. Flint, A.L. Flint and D.D. Ackerly. 2014. Topographic, latitudinal and climatic distribution of Pinus coulteri: geographic range limits are not at the edge of the climate envelope. Ecography 37: 1-12.
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.
Elith, J., C.H. Graham, R.P. Anderson, M. Dudik, S. Ferrier, A. Guisan, R.J. Hijmans, F. Huettmann, J.R. Leathwick, A. Lehmann, J. Li, L.G. Lohmann, B.A. Loiselle, G. Manion, C. Moritz, M. Nakamura, Y. Nakazawa, J.M. Overton, A.T. Peterson, S.J. Phillips, K. Richardson, R. Scachetti-Pereira, R.E. Schapire, J. Soberon, S. Williams, M.S. Wisz and N.E. Zimmermann. 2006. Novel methods improve prediction of species' distributions from occurrence data. Ecography 29: 129-151.
ESRI. 2011. ArcGIS Desktop: Release 10. Environmental Systems Research Institute (ESRI), Redlands, CA.
Fielding, A.H. and J.F. Bell. 1997. A review of methods for the assessment of prediction errors in conservation presence/absence models. Environmental Conservation 24: 38-49.
Hijmans, R.J., S.E. Cameron, J.L. Parra, P.G. Jones and A. Jarvis. 2005. Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology 25: 1965-1978.
IPCC (Intergovernmental Panel on Climate Change). 2013. Climate Change 2013: The Physical Science Basis. Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change (Stocker, T.F., D. Qin, G.-K. Plattner, M. Tignor, S.K. Allen, J. Boschung, A. Nauels, Y. Xia, V. Bex, P.M. Midgley, eds.). Cambridge University Press, Cambridge, United Kingdom and New York, NY, USA.
IPCC. 2014: Climate Change 2014: Synthesis Report. Contribution of Working Group I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change (Core Writign Team, R.K. Rachauri and L.A. Meyer, eds.). IPCC, Geneva, Switzerland. 151p.
Kim, G.N., S.H. Han and G.S. Park. 2014. Differences on Growth, Photosynthesis and Pigment Contents of Openpollinated Pinus densiflora Families Under Elevated Temperature and Drought. Korean Journal of Agricultural and Forest Meteorology 16(4): 2288-1859.
Korea Forest Service. 2014. Statistical annual report of Forestry sector. 496p.
Kwon, J.O. 2003. A study on the application of the ecological evaluation for the nature-friendly residential site development planning. PhD Dissertation Seoul University, Seoul, Korea (Korean with English Abstract).
Lee, C.S., J.H. Kim, H. Yi and Y.H. You. 2004. Seedling establishment and regeneration of Korean red pine (Pinus densiflora S. et Z.) forests in Korea in relation to soil moisture. Forest Ecology and Management 199: 423-432.
Lee, K.J., J.W. Choi, W.K. Choi and B.H. Han. 2006. Ecological Characteristics and Change for Fifteen Years (1989-2004) of Plant Community Structure of the pinus densiflora S. et Z. Forest in Hongrudong Valley, Gayasan National Park. Korean Journal of Environment and Ecology 20(2): 188-199.
Lee, S.D., K.J. Lee and J.W. Choi. 2009. Management Plan to Consider Ecological Characteristic of Pinus densiflora Community in Seoul. Korean Journal of Environment and Ecology 23(3): 258-271.
Lee, S.M., Y.J. Chung, Y.S. Moon, S.G. Lee, D.W. Lee, H.Y. Choo and C.K. Lee. 2003. Insecticidal Activity and Fumigatin Conditions of Several Insecticides against Japanese Pine Sawyer (Monochamus alternatus) Larvae. Journal of Korean Forest Society 92(3): 191-198.
Mark, C. Urban. 2015. Accelerating extinction risk from climate change. Science 348: 571-573.
Phillips, S.J., R.P. Anderson and R.E. Schapire. 2006. Maximum entropy modeling of species geographic distributions. Ecological Modelling 190: 231-259.
R Core Team. 2015. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. URL https://www.R-project.org/
Seo, D.J., C.Y. Oh, K.S. Woo and J.C. Lee. 2013. A Study on Ecological Niche of Pinus densiflora Forests according to the Environmental Factors. Korean Journal of Agricultural and Forest Meteorology 15(3): 153-160.
Shin, H.J., G.A. Park, M.J. Park and S.J. Kim. 2012. Projection of Forest Vegetation Change by Applying Future Climate Change Scenario MIROC3.2 A1B. Journal of the Korean Association of Geographic Information Studies 15(1): 64-75.
Williams, J.N., C.W. Seo, J. Thorne, J.K. Nelson, S. Erwin, J.M. O'Brien and M.W. Schwartz. 2009. Using species distribution models to predict new occurrences for rare plants. Diversity and Distributions 15(4): 565-576.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.