MaxEnt를 활용한 청비름(Amaranthus viridis)의 기후변화 시나리오에 의한 서식지 분포 변화 예측 Predicting the Suitable Habitat of Amaranthus viridis Based on Climate Change Scenarios by MaxEnt원문보기
본 연구에서 외래식물인 청비름(Amaranthus viridis L.)의 현재의 잠재 서식지와 RCP 4.5와 RCP 8.5에 의한 미래의 분포 확산을 MaxEnt 모델을 활용하여 예측하였다. 청비름의 잠재 서식지는 연평균기온, 고도, 12월의 강수량의 환경변수가 85% 이상의 기여도를 보여 가장 중요한 변수로 분석되었고 AUC도 0.95로 모형의 설명력이 높게 나타났다. 제주도와 남해안 및 중남부 서해안을 중심으로 분포하고 있는 청비름은 RCP 4.5에서는 확산이 크게 나타나지 않으나, RCP 8.5 시나리오는 잠재 서식지가 전국으로 확산되는 것으로 나타났고 현재에 비하여 2090년대 잠재 서식지 비율이 약 4.8배 증가하는 것으로 분석되었다. 이러한 시나리오 별 차이는 향후 청비름의 확산이 기후변화 양상에 따라 가변적일 수 있음을 보여준다. 청비름은 많은 종자 생산과 차량의 이동이나 사람의 이동 중에 쉽게 확산되는 특성이 있어 잠재서식지 비율의 증가는 실제 확산으로 이어질 수 있을 것으로 파악된다. 빠르게 확산될 수 있을 것이다. 같은 비름속의 개비름과 가는털비름은 이미 전국에 분포하고 있어 관리가 어려운 실정이고 기후변화에 의한 온도 상승은 청비름 또한 전국적으로 확산될 가능성을 가지고 있어 장기적인 관심과 관리기술 개발이 필요한 시점이다. 본 연구에서 수행한 지역별 예측은 향후 관리 계획 설정 등에 활용 가능할 것으로 판단된다.
본 연구에서 외래식물인 청비름(Amaranthus viridis L.)의 현재의 잠재 서식지와 RCP 4.5와 RCP 8.5에 의한 미래의 분포 확산을 MaxEnt 모델을 활용하여 예측하였다. 청비름의 잠재 서식지는 연평균기온, 고도, 12월의 강수량의 환경변수가 85% 이상의 기여도를 보여 가장 중요한 변수로 분석되었고 AUC도 0.95로 모형의 설명력이 높게 나타났다. 제주도와 남해안 및 중남부 서해안을 중심으로 분포하고 있는 청비름은 RCP 4.5에서는 확산이 크게 나타나지 않으나, RCP 8.5 시나리오는 잠재 서식지가 전국으로 확산되는 것으로 나타났고 현재에 비하여 2090년대 잠재 서식지 비율이 약 4.8배 증가하는 것으로 분석되었다. 이러한 시나리오 별 차이는 향후 청비름의 확산이 기후변화 양상에 따라 가변적일 수 있음을 보여준다. 청비름은 많은 종자 생산과 차량의 이동이나 사람의 이동 중에 쉽게 확산되는 특성이 있어 잠재서식지 비율의 증가는 실제 확산으로 이어질 수 있을 것으로 파악된다. 빠르게 확산될 수 있을 것이다. 같은 비름속의 개비름과 가는털비름은 이미 전국에 분포하고 있어 관리가 어려운 실정이고 기후변화에 의한 온도 상승은 청비름 또한 전국적으로 확산될 가능성을 가지고 있어 장기적인 관심과 관리기술 개발이 필요한 시점이다. 본 연구에서 수행한 지역별 예측은 향후 관리 계획 설정 등에 활용 가능할 것으로 판단된다.
This study was conducted to predict the changes of potential distribution for invasive alien plant, Amaranthus viridis in Korea. The habitats of A. viridis were roadside, bare ground, farm area, and pasture, where the interference by human was severe. We used maximum entropy modeling (MaxEnt) for an...
This study was conducted to predict the changes of potential distribution for invasive alien plant, Amaranthus viridis in Korea. The habitats of A. viridis were roadside, bare ground, farm area, and pasture, where the interference by human was severe. We used maximum entropy modeling (MaxEnt) for analyzing the environmental influences on A. viridis distribution and projecting on two different representative concentration pathways (RCP) scenarios, RCP 4.5 and RCP 8.5. The results of our study indicated annual mean temperature, elevation and precipitation of coldest month had higher contribution for A. viridis potential distribution. Projected potential distribution of A. viridis will be increased by 110% on RCP 4.5, 470% on RCP 8.5.
This study was conducted to predict the changes of potential distribution for invasive alien plant, Amaranthus viridis in Korea. The habitats of A. viridis were roadside, bare ground, farm area, and pasture, where the interference by human was severe. We used maximum entropy modeling (MaxEnt) for analyzing the environmental influences on A. viridis distribution and projecting on two different representative concentration pathways (RCP) scenarios, RCP 4.5 and RCP 8.5. The results of our study indicated annual mean temperature, elevation and precipitation of coldest month had higher contribution for A. viridis potential distribution. Projected potential distribution of A. viridis will be increased by 110% on RCP 4.5, 470% on RCP 8.5.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 국내 유입되어 분포하고 있는 청비름의 현재 분포지점을 기반으로 RCP 4.5와 8.5 시나리오에 따른 확산분포 지도를 작성하여 향후 확산 범위와 관리를 위한 기초자료를 확보하고자 하였다.
가설 설정
또한 청비름의 확산성에 대한 예측을 위하여 2가지의 서로 다른 RCP 시나리오에 따른 미래의 분포 변화를 비교하였다. RCP 4.5는 온실가스 저감정책이 상당히 실현되는 경우 그리고 RCP 8.5는 현재 추세로 온실가스가 배출되는 경우를 가정한 기후변화 시나리오이다. RCP 4.
제안 방법
본 연구에서는 청비름의 분포를 결정하는 환경 변수로 생물기후와 지리적 요소를 사용하였다. 또한 청비름의 확산성에 대한 예측을 위하여 2가지의 서로 다른 RCP 시나리오에 따른 미래의 분포 변화를 비교하였다. RCP 4.
본 연구에서는 청비름의 분포를 결정하는 환경 변수로 생물기후와 지리적 요소를 사용하였다. 또한 청비름의 확산성에 대한 예측을 위하여 2가지의 서로 다른 RCP 시나리오에 따른 미래의 분포 변화를 비교하였다.
청비름의 기후변화에 따른 확산 예측 결과를 이용하여 지역별로 구분하여 평균 잠재 서식지를 조사하였다 (Fig. 5).
청비름의 잠재 서식지 모델을 기후변화 시나리오 RCP 4.5와 RCP 8.5에 투영하여 미래의 잠재 서식지 변화를 예측하였다. 그 결과 현재 청비름의 서식지 비율은 전국 평균이 약 0.
대상 데이터
현지조사는 2014년부터 2015년까지 제주도와 서해안 일대를 중심으로 수행하였으며 위치자료는 조사지의 GPS 좌표를 기록하였다. 기존의 자료는 Park et al.(2002)의 귀화식물의 분포관련 자료를 활용하였다(Fig. 1).
5의 2011~2020 데이터의 평균을 도출하여 현재 (2020s)로 설정하였으며 각각의 시나리오별로 20년 간격으로 2021~2030(2030s), 2041~2050(2050s), 2061~2070(2070s), 2081~2090(2090s)을 비교하였다. 생물기후인자는 Worldclim에서 제공하는 bioclim의 19가지 변수들을 이용하였다. 이를 위하여 기상청의 기후변화정보센터(CCIC)에서 남한 상세 기후변화 앙상블시나리오(제어적분 200년, 기후모델: HadGEM3-RA, 해상도 1 km)를 제공받아 bioclim의 19가지 변수들을 도출하였다.
생물기후인자는 Worldclim에서 제공하는 bioclim의 19가지 변수들을 이용하였다. 이를 위하여 기상청의 기후변화정보센터(CCIC)에서 남한 상세 기후변화 앙상블시나리오(제어적분 200년, 기후모델: HadGEM3-RA, 해상도 1 km)를 제공받아 bioclim의 19가지 변수들을 도출하였다. 19개의 변수는 다중공선성(Multicollinearity)이 발생할 수 있어 이를 제거하기 위하여 19가지의 변수들에 대한 상관분석을 실시하여 상관계수가 0.
청비름의 분포자료는 직접 현지 조사를 통한 자료와 기존에 발표된 자료를 통합하여 사용하였다. 현지조사는 2014년부터 2015년까지 제주도와 서해안 일대를 중심으로 수행하였으며 위치자료는 조사지의 GPS 좌표를 기록하였다. 기존의 자료는 Park et al.
데이터처리
5는 현재 추세로 온실가스가 배출되는 경우를 가정한 기후변화 시나리오이다. RCP 4.5의 2011~2020 데이터의 평균을 도출하여 현재 (2020s)로 설정하였으며 각각의 시나리오별로 20년 간격으로 2021~2030(2030s), 2041~2050(2050s), 2061~2070(2070s), 2081~2090(2090s)을 비교하였다. 생물기후인자는 Worldclim에서 제공하는 bioclim의 19가지 변수들을 이용하였다.
이에 따라 청비름의 생태적 지위와 잠재 서식가능 분포지를 예측하기 위한 모형으로 MaxEnt를 적용하였다. 모형의 분석은 임의로 선발된 20개 이상의 위치정보를 활용하여 5번의 반복으로 이루어졌으며 모델의 설명력에 대한 검증은 ROC(Receiver Operating Characteristics)곡선의 AUC(Area Under the Curve)값을 활용하였다.
이론/모형
본 연구에서 외래식물인 청비름(Amaranthus viridis L.)의 현재의 잠재 서식지와 RCP 4.5와 RCP 8.5에 의한 미래의 분포 확산을 MaxEnt 모델을 활용하여 예측하였다. 청비름의 잠재 서식지는 연평균기온, 고도, 12월의 강수량의 환경변수가 85% 이상의 기여도를 보여 가장 중요한 변수로 분석되었고 AUC도 0.
본 연구에서는 MaxEnt 모형을 사용하여 외래잡초 청비름의 잠재 서식지 분포를 예측하였다. MaxEnt 모형은 최대 엔트로피 접근법을 이용하여 생태적 지위와 이에 따른 잠재적 서식지 분포를 확률적으로 제시하는 모형으로 생물 분포를 예측하는 다른 모델들이 비출현 정보를 요구하는 것과 달리 출현정보 만을 요구하는 특성이 있다.
2006). 이에 따라 청비름의 생태적 지위와 잠재 서식가능 분포지를 예측하기 위한 모형으로 MaxEnt를 적용하였다. 모형의 분석은 임의로 선발된 20개 이상의 위치정보를 활용하여 5번의 반복으로 이루어졌으며 모델의 설명력에 대한 검증은 ROC(Receiver Operating Characteristics)곡선의 AUC(Area Under the Curve)값을 활용하였다.
지리적 인자로는 고도를 사용하였으며 이를 위하여 DEM (Digital Elevation Model)을 이용하여 분석하였다. 인자들의 도출과 통계는 ArcMap 10.1를 활용하였다.
최종적으로 선발된 기후인자는 Table 1과 같다. 지리적 인자로는 고도를 사용하였으며 이를 위하여 DEM (Digital Elevation Model)을 이용하여 분석하였다. 인자들의 도출과 통계는 ArcMap 10.
성능/효과
5에서는 청비름의 잠재 서식지는 산이 아닌 평지를 중심으로 점차 확산이 되는 방향으로 이루어졌다. 2030년대에는 오히려 전체적으로 잠재 서식지 비율이 낮아지는 것으로 보이나, 2050년대와 2070년대로 시간이 흐르면서 충청남도, 경기도 경상남도에 잠재 서식지가 확산되었고, 2090년대에는 강원도와 경상북도의 고산지대, 지리산 일대를 제외하고는 대부분의 지역으로 잠재 서식지가 넓어졌다. 길가, 농경지를 중심으로 매우 많은 수의 종자를 생산하는 청비름의 생태적 특성은 이러한 잠재 서식지의 증가와 함께 청비름의 서식지 확산을 빠르게 촉진할 것으로 보인다.
MaxEnt를 활용한 청비름의 잠재 서식지 분포 모형의 Training AUC는 0.95, Test AUC는 0.86로 나타났다(Table 2). 일반적으로 Area under curve (AUC) 값이 최소 0.
하지만 기후변화에 따른 변화는 기후변화 시나리오에 따라서 차이가 나타났다. RCP 4.5 시나리오는 2070년대에 0.13으로 증가했다 2090년대에는 0.09로 감소하여 현재와 비교하였을 때 전체적인 잠재 서식지 비율의 큰 변화가 없는 것으로 나타났다. 하지만 RCP 8.
5는 다른 예측 결과가 나타났다. RCP 4.5에서는 2090년대까지 전라남도, 제주도를 제외한 모든 지역에서 잠재 서식지 비율이 0.2 이하로 낮게 나타났지만, RCP 8.5에서는 강원도를 제외한 모든 지역에서 잠재 서식지 비율이 0.2 이상으로 높게 나타났다. 이러한 결과는 외래 식물들의 관리 및 미래 농정 설계 등에 활용 가능할 것으로 판단된다.
4과 같다. RCP 4.5에서는 현재와 비교하였을 때 미래 모든 시기에 잠재서식지 공간적 분포가 전라남도 내륙지방으로 확산인 진행되나 다른 지역으로의 확산은 거의 나타나지 않았다. 하지만 RCP 8.
5에 투영하여 미래의 잠재 서식지 변화를 예측하였다. 그 결과 현재 청비름의 서식지 비율은 전국 평균이 약 0.08로 분석되었다. 하지만 기후변화에 따른 변화는 기후변화 시나리오에 따라서 차이가 나타났다.
8 이상이면 모델이 설명력을 갖는 것으로 알려져 있다(Franklin 2009). 본 연구에서 예측된 청비름의 잠재 서식지 분포모형은 AUC가 0.95로 비교적 높은 설명력을 갖는 것으로 분석되었다. 청비름의 분포에 관여하는 환경변수는 Bio1(연평균기온)이 63%, 고도가 12%, Bio14(가장 추운 달의 누적 강수량)이 11%로 3개의 환경변수의 합이 85% 이상의 기여도를 보였다.
이렇게 상이한 결과는 실망초와 청비름의 잠재 생태적 지위의 차이가 원인인 것으로 보인다. 온실가스 저감정책이 충분히 실현되었을 때를 가정한 RCP 4.5와 효과가 없었을 때를 가정한 RCP 8.5의 차이를 고려해본다면 실망초에 비하여 청비름은 미래의 확산이 기후변화 양상에 따라서 가변적일 수 있음을 보여준다.
8배 증가하는 것으로 분석되었다. 이러한 시나리오 별 차이는 향후 청비름의 확산이 기후변화 양상에 따라 가변적일 수 있음을 보여준다. 청비름은 많은 종자 생산과 차량의 이동이나 사람의 이동 중에 쉽게 확산되는 특성이 있어 잠재서식지 비율의 증가는 실제 확산으로 이어질 수 있을 것으로 파악된다.
95로 모형의 설명력이 높게 나타났다. 제주도와 남해안 및 중남부 서해안을 중심으로 분포하고 있는 청비름은 RCP 4.5에서는 확산이 크게 나타나지 않으나, RCP 8.5 시나리오는 잠재 서식지가 전국으로 확산되는 것으로 나타났고 현재에 비하여 2090년대 잠재 서식지 비율이 약 4.8배 증가하는 것으로 분석되었다. 이러한 시나리오 별 차이는 향후 청비름의 확산이 기후변화 양상에 따라 가변적일 수 있음을 보여준다.
이러한 시나리오 별 차이는 향후 청비름의 확산이 기후변화 양상에 따라 가변적일 수 있음을 보여준다. 청비름은 많은 종자 생산과 차량의 이동이나 사람의 이동 중에 쉽게 확산되는 특성이 있어 잠재서식지 비율의 증가는 실제 확산으로 이어질 수 있을 것으로 파악된다. 빠르게 확산될 수 있을 것이다.
95로 비교적 높은 설명력을 갖는 것으로 분석되었다. 청비름의 분포에 관여하는 환경변수는 Bio1(연평균기온)이 63%, 고도가 12%, Bio14(가장 추운 달의 누적 강수량)이 11%로 3개의 환경변수의 합이 85% 이상의 기여도를 보였다. 또한 무작위 샘플링에 의한 Permutation importance에서도 유사한 경향을 보였다 (Table 3).
청비름의 실제 분포지역인 제주도의 해안지역과 남부지방 및 남부서해안 지역을 중심으로 높은 서식지 비율이 나타났으며 높은 산지와 내륙지역은 낮은 서식지비율로 분석되었다. 하지만 충청남도 지방과 경기도 남서부 지방 또한 비교적 높은 잠재 서식지 비율이 나타났는데 이는 현재 확산이 진행 중인 청비름의 확산가능지역을 보여준다고 판단된다(Fig.
5에 의한 미래의 분포 확산을 MaxEnt 모델을 활용하여 예측하였다. 청비름의 잠재 서식지는 연평균기온, 고도, 12월의 강수량의 환경변수가 85% 이상의 기여도를 보여 가장 중요한 변수로 분석되었고 AUC도 0.95로 모형의 설명력이 높게 나타났다. 제주도와 남해안 및 중남부 서해안을 중심으로 분포하고 있는 청비름은 RCP 4.
09로 감소하여 현재와 비교하였을 때 전체적인 잠재 서식지 비율의 큰 변화가 없는 것으로 나타났다. 하지만 RCP 8.5 시나리오에서는 RCP 4.5 시나리오에서 보다 급격하게 증가하여 2090년대에는 서식지 비율이 0.38로 약 4.7배 증가하는 것으로 분석되었다(Fig. 3).
후속연구
2015). 국내에서 수입 종자나 사료를 들여오면서 농경지에 주로 발생하는 비름속 식물의 지속적 유입과 확산이 이루어질 가능성이 높고 이에 확산 가능성에 대한 연구가 필요한 시점이다.
같은 비름속의 개비름과 가는털비름은 이미 전국에 분포하고 있어 관리가 어려운 실정이고 기후변화에 의한 온도 상승은 청비름 또한 전국적으로 확산될 가능성을 가지고 있어 장기적인 관심과 관리기술 개발이 필요한 시점이다. 본 연구에서 수행한 지역별 예측은 향후 관리 계획 설정 등에 활용 가능할 것으로 판단된다.
2 이상으로 높게 나타났다. 이러한 결과는 외래 식물들의 관리 및 미래 농정 설계 등에 활용 가능할 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
외래식물의 확산으로 인해 나타나는 문제점은?
국내외 많은 물자 이동과 교역은 외래식물의 국내 침입과 확산은 유발하였고 외래식물은 의도적이든 비의도적이든 국가간 이동이 더욱 빠르게 이루어지고 있다. 국내 유입된 많은 외래식물은 분포범위를 넓혀가고 있고 이러한 외래식물의 확산은 생물다양성의 교란과 농작물의 수확량 감소 등 사회·경제적인 손실을 발생시키고 있다 (CBD 2009). 최근에는 기후변화와 관련하여 외래식물의 확산 양상과 관리방법 등에 대한 관심이 높아지고 있다(Mack et al.
국내에 분포하고 있는 비름속 식물의 분포 지역은 어디인가?
미국비름, 각시비름, 긴털비름, 긴이삭비름은 북아메리카 원산지, 가는털비름은 남아메리카 원산지, 털비름, 가시비름, 청비름 열대아메리카 원산지, 개비름은 유럽이 원산지이다 (Park 2009). 이중 남부지방을 중심으로 분포하는 종은 미국비름, 각시비름, 긴이삭비름, 가는털비름, 청비름이고 중부지방을 중심으로 분포하는 종은 긴털비름, 털비름이다. 전국적으로 확산되어 분포하는 종은 개비름, 가는털비름으로 알려져 있다. 이중 청비름은 제주도, 남부지방, 서남부해안지방에 주로 분포하며 1년생 초본으로 3~4월에 출현하여 줄기가 직립하며 7~9월에 꽃이 핀다. 청비름은 개비름과 달리 잎이 삼각상 난형의 형태를 가지고 있고 줄기 끝의 수상화서가 길게 자라는 특징을 가지고 있다 (Park 2009).
국내에 분포하고 있는 비름속 식물은 무엇이 있는가?
비름속 (Amaranthus) 식물은 전세계적으로 70여종이 분포하고 있는 것으로 알려져 있다 (Costea and DeMason 2001). 국내 분포하고 있는 비름속 식물은 비름(A. mangostanus), 눈비름(A. deflexus), 미국비름 (A. albus), 각시비름 (A. arenicola), 긴털비름 (A. hybridus), 개비름 (A. lividus), 긴이삭비름 (A. palmeri), 가는털비름 (A. patulus), 털비름 (A. retroflexus), 가시비름 (A. spinosus), 청비름 (A. viridis)이 분포하고 있다 (Park 2009; Lee 2003). 미국비름, 각시비름, 긴털비름, 긴이삭비름은 북아메리카 원산지, 가는털비름은 남아메리카 원산지, 털비름, 가시비름, 청비름 열대아메리카 원산지, 개비름은 유럽이 원산지이다 (Park 2009).
참고문헌 (20)
CBD. 2009. Invasive alien species. convention on biological diversity. Montreal. Canada pp. 6-9.
Choi JY, SH Lee and SH Lee. 2015. Anticipation of the Future Suitable Cultivation Areas for Korean Pines in Korean Peninsula with Climate Change. J. Korean Env. Res. Tech. 18 :103-113.
Chun JH and CB Lee. 2013. Assessing the Effects of Climate Change on the Geographic Distribution of Pinus densiflora in Korea using Ecological Niche Model. Korean J. Agri. For. Met. 15:219-233.
Costea M and D DeMason. 2001. Stem morphology and anatomy in Amaranthus L. (Amaranthaceae)-Taxonomic significance. J. Torrey Bot. Soc. 128:254-281.
Franklin J. 2009. Mapping species distributions spatial inference and prediction, Cambridge University Press. Cambridge.
Korea Meteorological Administration. 2012. Prospect report of climate change in Korea. KMA. Seoul.
Lee SH, HC Jung and JY Choi. 2012. Projecting Climate Change Impact on the Potential Distribution of Endemic Plants (Megaleranthis saniculifolia) in Korea. J. Korean Env. Res. Tech. 15:75-83.
Lee SH, JY Choi and YM Lee. 2011. Projection of climate change effects on the potential distribution of Abeliophyllum distichum in Korea. J. Agri. Sci. 38:219-225.
Lee TB. 2003. Coloured flora of Korea. Hangmunsa Publishing. Seoul.
Lee YG, JH Sung, JH Chun and MY Shin. 2014. Effect of Climate Changes on the Distribution of Productive Areas for Quercus mongolica in Korea. J. Korean For. Soc. 103 :605-612.
Lee YH, YJ Oh, SH Hong, CS Na, YU Na, CS Kim and SI Son. 2015. Predicting the Suitable Habitat of Invasive Alien Plant Conyza bonariensis based on Climate Change Scenarios. J. Cli. Change Res. 6:243-248.
Mack RN, D Simberloff, WM Lonsdale, H Evans, M Clout, F Bazzaz. 2000. Biotic invasions: Causes, epidemiology, global consequences, and control. Ecol. Appl. 10:689-710.
Park HC, JH Lee and GG Lee. 2014. Predicting the suitable habitat of the Pinus pumila under climate change. J. of Env. Imp. Ass. 23:379-392.
Park SH. 2009. New Illustration and photographs of naturalized plants of Korea, Ilchokak Publishing. Seoul.
Park SH, JH Sin, YM Lee, JH Lim and JS Mun. 2002. Distributions of naturalized alien plants in Korea. KFRI Research Bull. No. 193. Ukgo press, Seoul.
Pearson RG, CJ Raxworthy, M Nakamura, T Peterson. 2007. Predicting species distributions from small numbers of occurrence records; a test case using crypic geckos in Madagascar. J. Biogeography 34:102-117.
Phillips SJ, RP Anderson and RE Schapire. 2006. Maximum entropy modeling of species geographic distributions. Ecol. Modeling 190:231-259.
Pimentel D. 2002. Biological invasions: Economic and environmental costs of alien plant, animal, and microbe Species. CRC press, Boca Raton, FL. p. 369.
Pimentel D, L Lach, R Zuniga and D Morrison. 2000. Environmental and economic costs of nonindigenous species in the United States. BioSci. 50:53-65.
Youngah L, G Munisamy, C Samuel and H Michael. 2011. Predicting potential invasive species distribution: An application to New Zealand mudsnails in the pacifcic northwest. Agricultural and Applied Economics Association 2011 Annual Meeting. 24-26.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.