이 논문은 산림 경관 모형의 역사적 발전 양상과 특성, 그리고 이를 유형화하는 다양한 방식과 기준을 살펴보았다. 우리나라는 성공적인 조림 사업을 통해 대규모 산림 녹화의 성공적 수행이라는 성과를 올렸으나, 증가하는 성숙림과 기후변화의 대두, 그리고 다양한 산림 교란의 발생과 같은 새로운 도전에 직면하게 되었다. 이에 따라 넓은 면적과 높은 다양성을 지닌 산림이 향후 장기간에 걸쳐 어떤 변화를 맞이할 수 있으며, 어떤 관리가 산림의 다양한 가치와 생태계 서비스를 극대화시킬 수 있을 것인지에 대한 관심이 높아지고 있다. 산림 경관 모형은 이렇게 광범위한 시공간적 규모에서의 산림 변화와 관리의 문제에 효과적으로 대응하기 위한 접근 방식이며, 다양한 목적과 특성을 지닌 많은 종류의 모형이 활발히 개발되고 적용되어 왔다. 그런데 모형의 종류가 매우 다양할 뿐 아니라 모사하는 현상과 알고리즘, 모형의 특성 등의 변이가 매우 크기에 연구자들이 적절한 모형을 선택하는데 어려움이 있다. 따라서 현재 활발하게 활용되고 있는 다양한 모형의 특징을 정리하고 현재의 현황과 앞으로의 과제를 살펴봄으로써 적절한 모형의 선정과 적용, 해석에 도움이 되고자 하였다.
이 논문은 산림 경관 모형의 역사적 발전 양상과 특성, 그리고 이를 유형화하는 다양한 방식과 기준을 살펴보았다. 우리나라는 성공적인 조림 사업을 통해 대규모 산림 녹화의 성공적 수행이라는 성과를 올렸으나, 증가하는 성숙림과 기후변화의 대두, 그리고 다양한 산림 교란의 발생과 같은 새로운 도전에 직면하게 되었다. 이에 따라 넓은 면적과 높은 다양성을 지닌 산림이 향후 장기간에 걸쳐 어떤 변화를 맞이할 수 있으며, 어떤 관리가 산림의 다양한 가치와 생태계 서비스를 극대화시킬 수 있을 것인지에 대한 관심이 높아지고 있다. 산림 경관 모형은 이렇게 광범위한 시공간적 규모에서의 산림 변화와 관리의 문제에 효과적으로 대응하기 위한 접근 방식이며, 다양한 목적과 특성을 지닌 많은 종류의 모형이 활발히 개발되고 적용되어 왔다. 그런데 모형의 종류가 매우 다양할 뿐 아니라 모사하는 현상과 알고리즘, 모형의 특성 등의 변이가 매우 크기에 연구자들이 적절한 모형을 선택하는데 어려움이 있다. 따라서 현재 활발하게 활용되고 있는 다양한 모형의 특징을 정리하고 현재의 현황과 앞으로의 과제를 살펴봄으로써 적절한 모형의 선정과 적용, 해석에 도움이 되고자 하였다.
Korea now boasts a vastly forested landscape resulting from a successful forest restoration projects carried out in the past several decades. However, Korea's forest now face new challenges, such as the rapidly increasing mature forests, climate change, and various novel forest disturbances with bot...
Korea now boasts a vastly forested landscape resulting from a successful forest restoration projects carried out in the past several decades. However, Korea's forest now face new challenges, such as the rapidly increasing mature forests, climate change, and various novel forest disturbances with both natural and anthropogenic causes. Considering the extensive spatial and temporal scale of the forests and the challenges it face, it is necessary to utilize a tool that can properly tackle the issues with such nature. This brings our attention to Forest Landscape Models, which have been actively developed and used to improve our understanding of how forests respond to a variety of changes and to satisfy the society's demand on forests and its ecosystem services. A large variety of Forest Landscape Models exist, with a wide spectrum of algorithms, various selections of ecological processes they simulate, and the spatial and temporal scale they utilize, so that any researcher may find a model that fits one's use. However, it is important to properly understand the properties of such models so that the right model is used and the results are aptly interpreted. In this study, we describe and characterize the various Forest Landscape Models based on their historical roots, lineages, and development, ecological characteristics, and computational aspects, and discuss how they can be classified and what limits should be recognized to assist in model selection and utilization.
Korea now boasts a vastly forested landscape resulting from a successful forest restoration projects carried out in the past several decades. However, Korea's forest now face new challenges, such as the rapidly increasing mature forests, climate change, and various novel forest disturbances with both natural and anthropogenic causes. Considering the extensive spatial and temporal scale of the forests and the challenges it face, it is necessary to utilize a tool that can properly tackle the issues with such nature. This brings our attention to Forest Landscape Models, which have been actively developed and used to improve our understanding of how forests respond to a variety of changes and to satisfy the society's demand on forests and its ecosystem services. A large variety of Forest Landscape Models exist, with a wide spectrum of algorithms, various selections of ecological processes they simulate, and the spatial and temporal scale they utilize, so that any researcher may find a model that fits one's use. However, it is important to properly understand the properties of such models so that the right model is used and the results are aptly interpreted. In this study, we describe and characterize the various Forest Landscape Models based on their historical roots, lineages, and development, ecological characteristics, and computational aspects, and discuss how they can be classified and what limits should be recognized to assist in model selection and utilization.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
물론 경관 모형에 따라 이러한 위상 관계에 의한 효과를 모사할 수도 있고, 그러지 않을 수도 있다. 쉬운 이해를 위해 새로운 입목의 발아와 정착을 모사하기위한 단계로 특정 위치에서의 종자의 유무를 모사하는 것을 예로 들어 보자. 어떤 모형은 종자 생산량과 비산거리특성에 따라 주변 모수(母樹)로부터의 거리와 빈도에 따른 확률 분포에 따라 특정 위치의 종자 유무를 계산하는명시적 공간성을 지닐 수도 있겠으나(Figure 1), 어떤 모형은 경관 내의 모수 밀도에 비례하여 종자 유무의 확률을 결정하고, 이를 위치와 관계없이 경관 전체에 일괄적으로 적용할 수 있을 것이다.
따라서산림 경관 모형 발전의 역사를 개관하고, 이에 대한 이해를 바탕으로 산림 경관 모형을 몇 가지 주요 특성에 따라구분하는 것은 적절한 모형 선택과 적용에 큰 도움을 줄것이다. 이에 이 연구는 현재 전세계적으로 널리 활용되고 있는 산림 경관 모형의 발전 양상을 정리하고, 다양한산림 경관 모형 접근 방식을 설명 및 비교하고, 현존하는산림 경관 모형의 발전 방향과 우리나라에 필요한 모형적용 방향을 고찰하고자 한다.
가설 설정
Examples of topological application of seed spread probability in a raster-based landscape. (a) Forest landscape model with topology may calculate seed spread probability simply based the distance from the seed source. (b) For topological applications incorporating other processes, such as wind, attributes such as wind direction may influence seed spread probability.
공간 구조의 영향은 앞서 언급한 위상과는 다른 개념으로,대상 경관에 존재하는 특정한 피복 유형의 패턴이 미치는영향을 의미하는 것이다. 한 예로, 가연성이 높은 침엽수단순림의 피복 유형의 비중이 매우 높아서 전체 경관에서이 식생형이 보이는 연결성이 매우 높다고 가정하자. 이러한 공간 구조를 지닌 산림 경관의 침엽수림은 산불 확산의 가능성이 크다는 측면에서 산불 취약성이 높다고 할수 있다(With, 1997).
제안 방법
한편 He(2008)는 1) 모사 대상의 시공간적 해상도 특성, 2) 입력 모수에 의한 모사 대상의 민감도, 그리고 3)시나리오 분석 가능성의 여부에 따라 산림 경관 모형을분류하였다. 이 방식은 모형의 알고리즘과 모사의 공간적해상도, 모형의 목적이나 효용에 따른 복합적인 기준에 따라 분류를 함으로써 정량적 및 정성적 특성을 모두 반영하고 있다.
JABOWA를 위시한 갭모형은 방금 언급한 ‘작은 숲조각’을 패치(patch)나 갭(gap)이라고 불렀으며, 산림경관모형은 갭모형의 대상인 이러한 조각들을 최소 모사 단위로 사용하였고, 수많은 조각들이 시간이 흐름에 따라 변화하고 서로에게 영향을 주고 받으며 만들어지는 다양한 공간적 패턴과 과정을 모사하여 전체 산림 경관의 변화를 추정하거나평가하고자 하였다(Shugart, 1984).
또 산림을 구성하는 수종이나 군집이 동적으로 모사하는가의 여부와, 산림 군집을 수종별로 독립적으로 모사하는가 아니면 사전에 정의된 군집이나 식물 기능군으로 구분하는가의 차이를 제시하였다. 하지만 이 같은 특성은 갭모형과 같이 개별 수목을 대상으로 하는 접근이라는 한극단으로부터, 선정의된 군집에 기반하여 시간이나 교란에 따라 영급만을 적절히 변형시키거나 군집간 전환율을적용하는 방식이라는 다른 극단 사이에 존재하는 다양한접근 방식을 제대로 반영하지는 못하였다.
하지만 갭모형과 유사한 산림변화 알고리즘을차용하기는 하지만, 개별 산림 조각이 모여 전체 경관을구성하고, 산림 조각 간의 공간적 상호작용을 모사할 수있는 경우 산림 경관 모형의 자격 조건을 구성한다고 보았다(LANDIS 계열이나 EMBYR 등). 또한 교란이나 산림 변화를 반복적으로 모사할 수 있는가를 주요 특성으로 보았다. 따라서 단 한 번의 사건을 모사하는 목적으로 사용되는 산불 확산 모형 등은 산림 경관 모형에서 제외되었다.
LANDIS 모형군은 대상 수종의 내음성, 결실 시기, 수명, 종자 확산 거리확률 분포 등에 입각해 임분 내의 천이를 모사한다. 이를위해 몇 가지 핵심적인 산림 천이 과정에 대해 공간적 상호작용을 적용함으로써, 결과적으로 산림 경관 변화에 대한 공간 구조의 영향을 직접적으로 평가할 수 있게 하였다. 이와 같은 공간적 모사를 대규모로 적용할 경우 막대한 연산 부하가 발생하는데, 이를 해결하기 위해 산림의 구조적 특성을 단순화시킨 방식을 채용함으로써(Keane etal.
따라서 단 한 번의 사건을 모사하는 목적으로 사용되는 산불 확산 모형 등은 산림 경관 모형에서 제외되었다. 이상 두 가지 기준을 만족하는 모형을 산림 경관 모형으로 구분하고, 이외 시공간 해상도(spatio-temporalresolution)의 여부나, 복수의 생태 프로세스를 모사할 수있는지 등에 의해 분류하였다. He(2008)은 결과적으로 이러한 분류 방식이 산림 경관 모형의 특성에 따라 어떻게 적절히 활용될 수 있는지를 결정하는데 도움을 준다고 보았다.
성능/효과
산림 경관 모형은 1) 거대한 시공간 규모에서의 산림 식생 변화를 모사하며, 2) 경험적으로 추정된 혹은 이론에기반한 무작위 확률 함수에 기반한 생태 현상을 여러 번모사하여 얻어진 결과를 활용한다는 특성을 지닌다. 따라서 모형의 목적에 따라 선정된 모형 알고리즘과 구조는 본질적으로 그 모형이 어떤 생태적 현상을 어떻게(랜덤-메카니스틱과 디테일의 구배 양자에서) 모사할 것인가를결정하며, 모형 결과의 적용과 해석상의 한계가 정해진다.
한편 초기 산림 경관 모형의 연산 한계에 따른 영급 방식의 산림 구조 모사나 상호작용 모사의 비적용 등은 산림 구조 중심의 산림 경관 모형 결과가 산림의 재적이나산림 생태계의 복잡성 등에 의해 발생할 수 있는 미묘한산림 생장의 변화와 특성을 제대로 표현하거나 모사하지못한다는 문제를 지니고 있었다. 따라서 급격하게 발전하는 연산 속도와 메모리의 증가와 보다 모듈화된 모형 개발의 확산, 오픈소스 제도와 소프트웨어 개발 환경의 대중화, GIS 및 모니터링 데이터의 확장 등은 산림 경관 모형 발전의 무한한 가능성을 보여준다. 전통적으로 하나의모형을 선정하면 그 모형이 지닌 모든 한계점이 그대로연구자의 모사 대상과 모형 적용까지 반영되던 것과는 달리, 이제는 필요에 따라 현실적이고 세부적인 모사를 선택하여 수행하거나 심지어 스스로 손쉽게 필요한 모듈을 만들거나 개선하여 기존 모형과 융합할 수 있는 추세가나타나고 있다.
개별 입목 수준으로부터 수종별 우점도 수준, 마지막으로 수종별 유무 수준등 다양한 수준의 정밀도로 임분의 변화를 모사할 수 있는 방식이 존재하는데, 이는 사실 산림 변화를 모사하는 알고리즘의 차이 뿐아니라 연산 부하와 가용한 데이터의 한계를 반영하는 것이기도 하다(Roberts, 1996). 이러한 접근 방식은 개별 수종의 생태적 반응을 따로 모사하여 나타나는 결과를 종합함으로써 동적인 산림 군집 유형을 모사하는 방식이기에,보다 유연하거나 미묘한 임분 구조 변화를 표현할 수 있다는 장점을 지닌다. 하지만 대상 수종의 특성을 일일이모수화해야 한다는 점에서 모형 구동에 필요한 데이터 수집과 분석과 같은 과정에 매우 많은 노력이 들어간다는 단점이 있다.
비슷한 시기 발전했던 산불 교란 모형이나 산림 관리 모형 역시 독립적으로 작동하는 한계를 크게 벗어나지 못하였다. 이후 등장할 산림 경관 모형은 연산 요구량에 따라 탄력적으로 모사 메커니즘을 활용하는다양한 접근 방식을 가지고 발전하게 되었으며, 동시에 중기 이상의 시간적 스케일에서 발생하는 여러 가지 교란을동적으로 다룰 수 있게 되었다는 점에서 기존의 다양한모형군을 융합시키는 접근 방식으로 나타났다.
후속연구
결론적으로, 사용자는 연구 목적이나 활용 목적에 따른적절한 모형 선정 과정에서 다양한 모형 분류의 관점을 검토하여야 한다. 산림 생태계의 모든 국면을 밝혀줄 수있는 단일한 산림 경관 모형이 존재하지 않는 것과 마찬가지로, 다양한 산림 경관 모형을 분류해 줄 수 있는 단일한 방식 역시 존재하지 않는다.
산림 경관 모형의과학적 정의에 부합하는가의 기준을 명확히 설정하고, 해당 모형의 알고리즘과 디자인이 반영하는 대표적 산림 생태계 프로세스의 시공간적 해상도와 프로세스의 해상도를 파악하는 것이 적절할 것이다. 따라서 다양한 분류 체계에 대한 이해는 모형 선정의 기준을 정하고 적절한 모형을 찾아나가는데 도움이 되는 가이드라인으로 유용하게 사용될 수 있을 것이다.
거대한 공간과 긴 시간 속에서 펼쳐지는 산림 생태계의 변화를 모사하는 모형 결과 검증의 전통적 방식은 경험적이고 독립적인 데이터와 모형 결과를 비교하여 평가하는 것이 일반적이다. 산림 경관 모형의 경우공간상 대표 모형 결과, 즉 산림의 구조나 기능을 반영하는 결과를 경험적 시계열 자료와 비교해야 할 것이다. 그러나 산림 경관 모형의 대상이 지닌 시공간적 규모를 고려한다면 이와 같은 고전적인 검증 방식의 사용은 곤란한경우가 많다.
다양한 산림 경관 모형의 유형이 존재하는 것은 경관 모형의 발전 양상을 고려한다면 자연스러운 현상이다.연구자가 어떤 모형을 선택하여 사용할 것인가의 최종적 결정은 모형 자체의 특성, 특히 모사 대상과 모형의 적용성을 염두에 둔 정성적 기준과, 모사 대상의 정밀도와 시공간적 해상도, 모형 모수화를 위한 데이터 처리에 드는 비용 등 정량적 측면을 모두 고려하는 것이 필요하며, 이를 위해 엄밀한 사전 조사가 필요할 것이다.
추가적으로 토양과 같은 환경 변수를 추가하여 그 설명력을높이려는 시도가 이루어지기도 하지만, 이러한 모형의 기반에는 특정종의 서식지 적합도를 설명하는 ‘환경 변수의조합’에 대한 이해가 자리하고 있으며, 따라서 기후 조건의 변화의 결과로 인해 발생할 수 있는 산림의 변화를 동적으로 모사하지 못한다는 한계를 보이기도 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
산림 경관모형의 목적은?
경관이라는 규모, 즉 몇 개의 유역과 수십-수백만 ha 정도의 규모에 걸쳐 발생하는 산림 생태계 변화의 결과를예측하거나 모사하는 것을 목적으로 하는 것이 산림 경관모형이다(Baker and Mladenoff, 1999). 산림 경관 모형의대표적 특성으로 시간에 따라 변화하는 산림이 그 이후의변화에 영향을 미치게 되는 것을 모사하기 위한 동적(dynamic) 접근과, 생태 현상의 공간성(거리, 위치, 상호작용, 공간적 위상)을 고려하는 접근이 꼽힌다(He andMladenoff, 1999a).
우리나라의 산림은 1970년대를 기점으로 어떻게 변화했는가?
우리나라의 산림은 1970-80년대의 산림녹화기를 통한 적극적이고도 성공적인 조림 녹화 사업에 힘입어 지난 40년간 막대한 임목축적량의 증가를 경험하였다(Tak et al.,2007).
우리나라에서 임목축적량의 증가를 통해 나타난 긍정적인 효과는?
,2007). 이에 따라 우리나라 산림생태계는 물질생산, 생물다양성, 기후조절, 이산화탄소 흡수저장, 수자원 및 수질,재해완화, 휴양 및 관광 등과 같은 기능을 통해 주목할 만한 공익적 가치를 제공하게 되었다. 그러나 조림지의 성숙에 따라 향후 장년림도 크게 증가할 것이지만, 임목생장률은 오히려 감소될 것으로 전망되고 있으며, 새로운 산림 교란과 기후변화 등의 영향으로 인해 앞으로 우리나라산림은 또다시 큰 변화를 겪을 것으로 예상된다(Ko et al.
참고문헌 (65)
Acevedo, M.F., Urban, D.L., and Shugart, H.H. 1996. Models of forest dynamics based on roles of tree species. Ecological Modelling 87: 267-284.
Akcakaya, H.R., Halley, J.M., and Inchausti, P. 2003. Population-level mechanisms for reddened spectra in ecological time series. Journal of Animal Ecology 72: 698-702.
Andrews, P.L. 1986. BEHAVE: fire behavior prediction and fuel modeling system - BURN subsystem, part 1. USDA Forest Service, Intermountain Research Station, General Technical Report 164.
Bachelet, D., Lenihan, J.M., Daly, C., Neilson, R.P., Ojima, D.S., and Parton, W.J. 2001. MC1: a dynamic vegetation model for estimating the distribution of vegetation and associated ecosystem fluxes of carbon, nutrients, and water. USDA Forest Service Pacific Northwest Research Station. General Technical Report 508.
Baker, W.L. 1994. Restoration of landscape structure altered by fire suppression. Conservation Biology 8: 763-769.
Baker, W.L. and Mladenoff, D.J. 1999. Spatial Modeling of Forest Landscape Change. pp. 333-349 in Progress and future directions in spatial modeling of forest landscapes (Mladenoff DJ, Baker WL, eds.). Cambridge University Press. Cambridge, UK.
Bell, E.J. 1974. Markov Analysis of Land Use Change-Application of Stochastic Processes to Remotely Sensed Data. Socio-Economic Planning Sciences 8: 311-316.
Beukema, S.J., Kurz, W.A., Pinkham, C.B., Milosheva, K., Frid, L. 2003. Vegetation Dynamics Development Tol User's Guide. Version 4.4. ESSA Technologies, Ltd., Vancouver, B.C.
Bormann, F.H. and Likens, G.E. 1979. Pattern and process in a forested ecosystem: Pattern and process in a forested ecosystem: disturbance, development, and the steady state based on the Hubbard Brook ecosystem study. Springer-Verlag.
Botkin, D.B., Janak, J.F., and Wallis, J.R. 1972. Some ecological consequences of a computer model of forest growth. Journal of Ecology 60: 849-872.
Bugmann, H.K. 1996. A simplified forest model to study species composition along climate gradients. Ecology: 2055-2074.
Burnham, B.O. 1973. Markov intertemporal land use simulation model. Southern Journal of Agricultural Economics 5: 253-258.
Chew, J.D., Stalling, C., and Moeller, K. 2004. Integrating knowledge for simulating vegetation change at landscape scales. Western Journal of Applied Forestry 19: 102-108.
Ek, A.R. and Monserud, R.A. 1974. Announcement: Availability of a computer model for simulating growth and reproduction of forest stands of mixed species. Forest Science 20: 259-260.
Finney, M.A. 2004. FARSITE: Fire Area Simulator-model development and evaluation. Ogden, UT: U.S. Department of Agriculture, Forest Service, Rocky Mountain Research Station, Research Paper 4.
Forman, R.T.T. and Godron, M. 1986. Landscape ecology. New York: Wiley.
Gustafson, E., Zollner, P., Sturtevant, B., He, H., and Mladenoff, D. 2004. Influence of forest management alternatives and land type on susceptibility to fire in northern Wisconsin, USA. Landscape Ecology 19: 327-341.
Hargrove, W.W., Gardner, R., Turner, M., Romme, W., and Despain, D. 2000. Simulating fire patterns in heterogeneous landscapes. Ecological Modelling 135: 243-263.
He, H.S. and Mladenoff, D.J. 1999b. Spatially Explicit and Stochastic Simulation of Forest-Landscape Fire Disturbance and Succession. Ecology 80: 81-99.
He, H.S., Shifley, S.R., Dijak, W., and Gustafson, E.J. 2003. Spatial simulation of forest fire and timber harvesting in Missouri Ozarks Highlands. In: Perera, A.H., Buse, L.J., Weber, M.G. (eds.) Emulating Natural Forest Landscape Disturbances: Concepts and Applications. New York, NY, USA: Columbia University Press.
Hooper, D.U. and Vitousek, P.M. 1997. The effects of plant composition and diversity on ecosystem processes. Science 277: 1302-1305.
Iverson, D.C. and Alston, R.M. 1986. The genesis of FORPLAN: A historical and analytical review of Forest Service planning models. USDA Forest Service. Intermountain Research Station. General Technical Report 214.
Keane, R.E., Morgan, P., and Running, S.W. 1996. Fire-BGC: A mechanistic ecological process model for simulating fire succession on coniferous forest landscapes of the northern Rocky Mountains. USDA Forest Service. Forest Service, Ogden, UT (United States). Intermountain Research Station. Research Paper 214.
Keane, R.E., Parsons, R., and Hessburg, P. 2002. Estimating historical range and variation of landscape patch dynamics: limitations of the simulation approach. Ecological Modelling 151: 29-49.
Kimmins, J.P. 1997. Forest ecology: a foundation for sustainable management: Prentice-Hall Inc.
Klenner, W., Kurz, W., and Beukema, S. 2000. Habitat patterns in forested landscapes: management practices and the uncertainty associated with natural disturbances. Computers and Electronics in Agriculture 27: 243-262.
Ko, S.Y., Sung, J.H., Chun, J.H., Lee, L.G., and Shin, M.Y. 2014. Predicting the Changes of Yearly Productive Area Distribution for Pinus densiflora in Korea Based on Climate Change Scenarios. Korean Journal of Agricultural and Forest Meteorology 16: 72-82.
Kurz, W.A., Beukema, S.J., Klenner, W., Greenough, J., Robinson, D., Sharpe, A., and Webb, T. 2000. TELSA: the tool for exploratory landscape scenario analyses. Computers and Electronics in Agriculture 27: 227-242.
Lenihan, J.M., Daly, C., Bachelet, D., and Neilson, R.P. 1998. Simulating broad-scale fire severity in a dynamic global vegetation model. Northwest Science 72: 91-101.
Lim, J.H., Shin, J.H., Lee, D.K., and Suh, S.J. 2006. Climate Change Impacts on Forest Ecosystems: Research Status and Challenges in Korea. Korean Journal of Agricultural and Forest Meteorology 8(3): 199-207.
Mladenoff, D.J. and He, H.S. 1999. Design, behavior and application of LANDIS, an object-oriented model of forest landscape disturbance and succession. in Spatial modeling of forest landscape change: approaches and applications. (Mladenoff, D.J., Baker, W.L, eds). Cambridge University Press, Cambridge, UK: 125-162.
Neilson, R.P. 1995. A model for predicting continental-scale vegetation distribution and water balance. Ecological Applications 5: 362-385.
Pacala, S.W., Canham, C.D., and Silander, J.A.J. 1993. Forest models defined by field measurements: I. The design of a northeastern forest simulator. Canadian Journal of Forest Research 23: 1980-1988.
Potter, C.S., Randerson, J.T., Field, C.B., Matson, P.A., Vitousek, P.M., Mooney, H.A., and Klooster, S.A. 1993. Terrestrial ecosystem production: a process model based on global satellite and surface data. Global Biogeochemical Cycles 7: 811-841.
Pretzsch, H., Grote, R., Reineking, B., Rotzer, T., and Seifert, S. 2008. Models for Forest Ecosystem Management: A European Perspective. Annals of Botany 101: 1065-1087.
Rothermel, R.C. 1972. A mathematical model for predicting fire spread in wildland fuels. USDA Forest Service, Intermountain Forest and Range Experiment Station. Research Paper 115.
Running, S.W. and Coughlan, J.C. 1988. A general model of forest ecosystem processes for regional applications. I. Hydrologic balance, canopy gas exchange and primary production processes. Ecological modelling 42: 125-154.
Scheller, R.M. and Mladenoff, D.J. 2004. A forest growth and biomass module for a landscape simulation model, LANDIS: design, validation, and application. Ecological Modelling 180: 211-229.
Schumacher, S. and Bugmann, H. 2006. The relative importance of climatic effects, wildfires and management for future forest landscape dynamics in the Swiss Alps. Global Change Biology 12: 1435-1450.
Seidl, R., Rammer, W., Scheller, R.M., and Spies, T.A. 2012. An individual-based process model to simulate landscapescale forest ecosystem dynamics. Ecological Modelling 231: 87-100.
Shin, J.Y., Won, M.S., Kim, K.H., and Shin, M.Y. 2013. Predicting the Effect of Climate Change on Forest Biomass by Different Ecoprovinces and Forest Types in Korea. Korean Journal of Agricultural and Forest Meteorology 15(3): 119-129.
Shin, J.Y., Won, M.S., Kim, K.H., and Shin, M.Y. 2013. Predicting the Effect of Climate Change on Forest Biomass by Different Ecoprovinces and Forest Types in Korea. Korean Journal of Agricultural and Forest Meteorology 15(3): 119-129.
Stepehens, G.R. and Waggoner, P.E. 1970. The forest anticipated from 40 years of natural transition in mixed hardwoods. Bulletin of the Connecticut Agricultural Experiment Station 707. New Haven CT.
Tak, K., Chun, Y., and Wood, P. 2007. The South Korean forest dilemma. International Forestry Review 9: 548-557.
Tebaldi, C. and Knutti, R. 2007. The use of the multi-model ensemble in probabilistic climate projections. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences 365: 2053-2075.
Urban, D.L. and Shugart, H.H. 1992. Individual-based models of forest succession. Plant Succession. Theory and Prediction. Chapman & Hall, London, UK: 249-292.
Urban, D.L., Acevedo, M.F., and Garman, S.L. 1999. Scaling fine-scale processes to large-scale patterns using models derived from models: meta-models. Spatial modeling of forest landscape change: approaches and applications. Cambridge University Press, Cambridge, UK: 70-98.
Wimberly, M.C. 2002. Spatial simulation of historical landscape patterns in coastal forests of the Pacific Northwest. Canadian Journal of Forest Research 32: 1316-1328.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.