선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 기존 연구들을 바탕으로 본 연구에서는 소나무 고사 발생의 생태적 과정에 대한 대안적인 가설을 다음과 같이 제안하고자 한다. (1), 고온과 가뭄이 복합적으로 나타나 건조가 극심해져 말라 죽는 현상; (2), 온도 상승으로 인해 식물의 유지호흡량이 증가하는데 반해 건조현상으로 인한 기공폐쇄로 광합성량이 감소하여 식물체 유지에 문제가 발생해 고사하는 현상; (3), 소나무 균근 생성시기 이전 시기의 고온과 가뭄 발생으로 인해 영양물질 생산 저하와 균근의 활동 부재가 복합적으로 작용해 고사하는 경우.
- 그러나 산림유전자원보호구역 내 금강소나무 고사가 발생하고 있어 명확한 원인 구명 및 대책 마련이 필요하다. 따라서 본 연구에서는 금강소나무의 고사 원인 구명을 위해 시계열 항공영상을 이용하여 금강소나무 고사 발생 전수 조사를 실시하고 고사발생 지역에 대한 지형환경 특성을 분석하여, 소나무 고사의 위치적 특성 및 이에 따른 기상 요인과의 연관성을 파악하였다. 그 결과, 2,600ha 연구 대상지 내에서 약 1,956본의 금강소나무 고사목이 추출되었다.
- 이를 위해, 본 연구는 금강소나무 주요 보호지역을 대상으로 고사 발생 전수조사를 실시하고 고사지역에 대한 지형환경 특성을 분석하여, 소나무 고사의 위치적 특성 및 이에 따른 기상 요인과의 연관성을 파악하는 것을 목적으로 하였다. 또한 이를 기반으로 소나무 고사 취약지역을 추정하여 향후 소나무림 관리에 활용할 수 있는 정보를 생산하고자 하였다.
- 본 연구에서는 소나무 고사목을 전수 조사하여 고사지역과 생육지역의 지형환경 특성을 비교 분석하였다. 그결과 고온 건조의 스트레스 가능성이 높은 지역에서 집단고사의 현상이 더 밀집하여 나타나는 것으로 밝혀졌다.
- 국내의 소나무 고사 현상에 대해 기후변화 및 이상기상 요인과의 연관성을 구명하여 산림관리 대책 마련을 위한 과학적 정보를 생산할 필요가 있다. 이를 위해, 본 연구는 금강소나무 주요 보호지역을 대상으로 고사 발생 전수조사를 실시하고 고사지역에 대한 지형환경 특성을 분석하여, 소나무 고사의 위치적 특성 및 이에 따른 기상 요인과의 연관성을 파악하는 것을 목적으로 하였다. 또한 이를 기반으로 소나무 고사 취약지역을 추정하여 향후 소나무림 관리에 활용할 수 있는 정보를 생산하고자 하였다.
제안 방법
- 각 표본자료는 고도, 경사각, 경사향, 일사량, 지형 습윤 지수, 풍노출도, 모암의 종류, 지형적 위치, 기후대, 암 노출도, 침식도에 대한 래스터 자료로부터 정보를 추출하였다. 고사지역과 생육지역에 대한 지형특성 차이를 비교하고, 통계적 평가를 위해 평균비교 t검정을 실시하였다.
- 또한 산림청 제작 1:25,000 축적의 산림입지도에서는 풍노출도(노출, 보통, 보호), 모암(퇴적암, 화강암, 변성암), 지형(산정, 산복, 산정, 완구릉지, 평탄지), 기후대(온대북부, 온대중부, 온대남부, 난대), 암노출도(10% 이하, 10∼30%, 30∼50%, 50∼75%), 침식도 자료를 래스터 자료로 변환하여 이용하였으며, 격자 크기는 수치표고모델의 공간해상도인 5m로 통일하였다.
- 본 연구에서는 최근에 발생한 소나무 고사목의 전수조사를 수행하기 위해 시계열 항공정사영상(2008, 2010, 2013, 2015년 촬영분)을 활용하였다. 2010년 이후 영상은 국토지리정보원에서 촬영되었으며, 2008년 영상은 ㈜삼아항업에서 촬영된 영상이다.
- 본 연구에서는 금강소나무의 집단 고사를 지형 환경요인에서 규명하고자 하였기 때문에 연구 지역 내 고사목을 대상으로 고사가 밀집되어 나타나고 있는 구역을 선정하여 연구에 활용하였다. 소나무 고사 개체목의 중심을 기준으로 반경 11m 안에 발생한 고사목을 인접 고사목으로 설정하고, 이렇게 서로 인접한 고사목 개체가 5본 이상 발생한 지역을 집단고사 지역으로 규정하였다. 반경 11m 구역은 대략적으로 개별목의 소나무 뿌리가 수평으로 자라는 면적으로(Fayle, 1975), 소나무 생육과 지형적 영향의 관계를 파악하기 위한 유효구역으로 설정하였다.
- 소나무 고사지역의 지형환경 특성에 대한 비교⋅분석을 위해 소나무 고사지역과 생육지역으로부터 각각 지형환경변수를 추출하였다.
- 소나무 생육지역은 고사지점을 중심으로 반경 30 m 구역을 제외한 소나무림으로 하였다. 자료 수집은 수치표고모델과 같은 5 m 공간 해상도의 래스터를 기준으로 각 격자의 중심점에 위치한 지형환경변수 값을 추출하였다.
- 모형의 표본자료는 소나무 고사목 발생 현황자료를 사용하였다. 지형환경변수는 변수 간 비교 및 문헌을 참고하여 식생 활력도와 고사에 영향을 줄 수 있는 풍해, 가뭄 등의 현상을 설명하는 변수를 우선적으로 선정하였다. 그 결과, 모형에 사용된 지형환경자료는 고도, 경사향, 일사량, TWI, 풍노출도, 지형이다(Kim and Um, 2013; Kim et al.
- 항공영상으로부터 고사목을 추출하기 위해 색감, 형태, 질감 등의 정보를 바탕으로 육안판독을 실시하였다. 항공사진 상에서 소나무는 가지가 별 모양으로 퍼져나가 있어 타 수종과는 다른 형태적 특징을 확인할 수 있다.
대상 데이터
- 본 연구에서는 최근에 발생한 소나무 고사목의 전수조사를 수행하기 위해 시계열 항공정사영상(2008, 2010, 2013, 2015년 촬영분)을 활용하였다. 2010년 이후 영상은 국토지리정보원에서 촬영되었으며, 2008년 영상은 ㈜삼아항업에서 촬영된 영상이다. 항공영상은 시기별로 각 4도엽(도엽번호 37913088, 37913089, 37913098, 37913099), 총 16도엽을 분석에 사용하였다.
- 항공영상을 이용하여 고사목을 추출한 결과, 2008년 영상에서 1,073본, 2010, 2013, 2015년 영상에서 총 983본 추출되었다. 따라서 항공영상을 통해 확인된 총고사목 발생 총 본수는 1,956본이었다. 2010년 영상의 전체와 2013년 영상의 일부에서 그늘 지역과 단풍지역 발생 등으로 인하여 판독의 어려움이 있었다.
- 모형의 표본자료는 소나무 고사목 발생 현황자료를 사용하였다. 지형환경변수는 변수 간 비교 및 문헌을 참고하여 식생 활력도와 고사에 영향을 줄 수 있는 풍해, 가뭄 등의 현상을 설명하는 변수를 우선적으로 선정하였다.
- 본 연구는 울진 소광리 산림유전자원보호구역 내에서 금강소나무 생태관리센터 및 금강소나무 숲길 주요 구간이 위치해 있는 금강소나무 보전⋅관리 중심지역을 포함하는 약 2,600ha(가로 4.6km, 세로 5.7km) 산림 지역을 대상으로 하였다.
- 본 연구에서는 금강소나무의 집단 고사를 지형 환경요인에서 규명하고자 하였기 때문에 연구 지역 내 고사목을 대상으로 고사가 밀집되어 나타나고 있는 구역을 선정하여 연구에 활용하였다. 소나무 고사 개체목의 중심을 기준으로 반경 11m 안에 발생한 고사목을 인접 고사목으로 설정하고, 이렇게 서로 인접한 고사목 개체가 5본 이상 발생한 지역을 집단고사 지역으로 규정하였다.
- 소나무 고사지역의 지형환경 특성에 대한 비교⋅분석을 위해 소나무 고사지역과 생육지역으로부터 각각 지형환경변수를 추출하였다. 소나무 생육지역은 고사지점을 중심으로 반경 30 m 구역을 제외한 소나무림으로 하였다. 자료 수집은 수치표고모델과 같은 5 m 공간 해상도의 래스터를 기준으로 각 격자의 중심점에 위치한 지형환경변수 값을 추출하였다.
- 항공영상은 시기별로 각 4도엽(도엽번호 37913088, 37913089, 37913098, 37913099), 총 16도엽을 분석에 사용하였다. 전체 대상지 중 소나무림 지역 추출을 위해 산림청에서 2010년에 제작한 1:5,000 대축척 임상도를 이용하였다.
- 2010년 이후 영상은 국토지리정보원에서 촬영되었으며, 2008년 영상은 ㈜삼아항업에서 촬영된 영상이다. 항공영상은 시기별로 각 4도엽(도엽번호 37913088, 37913089, 37913098, 37913099), 총 16도엽을 분석에 사용하였다. 전체 대상지 중 소나무림 지역 추출을 위해 산림청에서 2010년에 제작한 1:5,000 대축척 임상도를 이용하였다.
데이터처리
- 각 표본자료는 고도, 경사각, 경사향, 일사량, 지형 습윤 지수, 풍노출도, 모암의 종류, 지형적 위치, 기후대, 암 노출도, 침식도에 대한 래스터 자료로부터 정보를 추출하였다. 고사지역과 생육지역에 대한 지형특성 차이를 비교하고, 통계적 평가를 위해 평균비교 t검정을 실시하였다.
- 소나무 고사지역과 생육지역의 지형환경 특성 비교 결과, 고도, 사면, 일사량, TWI, 풍노출도, 지형 등에서 차이가 발생한 것으로 평가되었다. 두 집단 간의 t 검정 결과는 모두 유의하게 나왔으며, 각 지역의 표본자료에 대한 지형환경 자료별 분포를 백분율로 환산하여 비교하였다. 소나무 고사는 고도가 높은 지역과 남⋅남서사면에서 주로 발생하였다.
- 6%로 산출되었다. 모형의 결과는 적합도를 말해주는 ROC (Receiver operating characteristic) 곡선의 AUC (Area Under Cover)값을 통하여 추정 결과의 적합도를 0에서 1사이의 값으로 평가하였다. 소나무 고사지역 추정에 대한 모형의 신뢰도는 0.
이론/모형
- 5. Predicted map for the dead pine tree occurrence using MaxEnt model.
- , 2011). 본 연구에서는 이와 유사한 방법으로 항공 영상에서 취득한 고사목 위치자료를 바탕으로 고사발생이 예상되는 지역을 추정하기 위해 MaxEnt 모형을 사용하였다.
- 소나무 고사 취약지역을 추정하기 위해 MaxEnt 모형을 이용하여 소나무 고사목 발생 확률을 추정하였으며, 그 결과 연구 대상지역 소나무림 전역에 대한 소나무 고사 발생 위험도 지도를 제작하였다(Fig. 5).
- 소나무 고사지의 지형적 특성을 기반으로 고사발생위험 확률을 산출하기 위해 최대 엔트로피 모델(Maximum Entropy Model, MaxEnt)을 활용하였다. MaxEnt는 연구 대상이 관측된 위치자료와 기온, 강수 등 설명변수를 이용하여 연구지역 내에서 연구 대상이 생육 가능한 생육지역을 추정하는 기계학습모형이다.
- 지형환경 정보 추출을 위해 국토지리정보원에서 제작한 5m 해상도의 수치표고모델(Digital Elevation Model, DEM)을 이용하여 고도, 경사, 향, 일사량, 지형 습윤 지수(Topographic Wetness Index, TWI)를 생성하였다. 일사량은 특정 지역의 사면, 경사 등의 지형적 특성이 고려된 일사량 산출 알고리즘을 포함한 ArcGIS tool을 이용하여 계산하였다(Fu and Rich, 1999). 산림유역 내 상대적 위치와 경사 등의 지형 특성에 따른 수분 보유 특성을 반영하는 지형습윤지수는 Eq.
- 지형환경 정보 추출을 위해 국토지리정보원에서 제작한 5m 해상도의 수치표고모델(Digital Elevation Model, DEM)을 이용하여 고도, 경사, 향, 일사량, 지형 습윤 지수(Topographic Wetness Index, TWI)를 생성하였다. 일사량은 특정 지역의 사면, 경사 등의 지형적 특성이 고려된 일사량 산출 알고리즘을 포함한 ArcGIS tool을 이용하여 계산하였다(Fu and Rich, 1999).
성능/효과
- 고사지역의 평균일사량은 1,377.2 kWh/m2, 생육지역의 평균 일사량은 1,263.1 kWh/m2였으며, 고사지역의 평균 지형습윤지수는 5.2인 반면, 생육지역의 평균 지형습윤지수는 5.6로 산출되었다. 이러한 결과는 본 연구대상지 내의 금강소나무 고사목이 주로 고온 및 건조 조건이 상대적으로 높은 지역에 집중적으로 분포해 있음을 보여주고 있다(Fig.
- 따라서 본 연구에서는 금강소나무의 고사 원인 구명을 위해 시계열 항공영상을 이용하여 금강소나무 고사 발생 전수 조사를 실시하고 고사발생 지역에 대한 지형환경 특성을 분석하여, 소나무 고사의 위치적 특성 및 이에 따른 기상 요인과의 연관성을 파악하였다. 그 결과, 2,600ha 연구 대상지 내에서 약 1,956본의 금강소나무 고사목이 추출되었다. 소나무의 고사는 소나무 생육지역에 비해 고도가 높고, 일사량이 많고, 지형습윤지수가 낮은 지역, 남⋅남서사면, 능선 부위, 풍노출도가 높은 지역에 집중되어 발생한 것으로 나타났다.
- 이러한 지역은 지형 조건에 따라 영향을 받는 미기상 특성에 따라 고온과 건조 스트레스가 상대적으로 높은 지역으로 분류되는 지역이다. 기후변화에 따라 고온 건조 스트레스가 전반적으로 높아지고 있으며 취약지역을 중심으로 스트레스의 임계치를 넘으면서 고사현상이 발생하는 것으로 추정되었다. 이러한 지형환경 특성을 바탕으로 MaxEnt 모형을 이용하여 소나무 고사 발생 위험 지도를 제작하였으며, 이는 향후 소나무 보호⋅관리 대책 수립에 활용될 수 있다.
- 2%였다. 또한 풍노출도가 높은 지역과 산정 지역에서 고사 발생량이 상대적으로 많았다. 소나무 고사지역의 풍노출도 ‘노출’ 지역 비율은 66.
- 산출된 모형의 결과에서 고사목 발생 확률에 대한 지형환경 변수의 기여도는 고도 변수가 41.0%로 가장 크게 나타났고 그 다음으로 일사량, 사면, TWI가 28.4%, 12.7%, 11.6%로 산출되었다. 모형의 결과는 적합도를 말해주는 ROC (Receiver operating characteristic) 곡선의 AUC (Area Under Cover)값을 통하여 추정 결과의 적합도를 0에서 1사이의 값으로 평가하였다.
- 소나무 고사목 전수조사 자료를 바탕으로 소나무 개체 영향의 유효범위를 고려하여 5본 이상 집단적으로 고사가 발생한 것으로 판단되는 집단고사지역을 구분한 결과, 8.3 ha의 집단고사지역이 추출되었으며 이는 연구대상지 내, 전체 소나무림(870.7 ha)의 약 1%에 해당하는 면적이었다.
- 소나무 고사지역과 생육지역의 지형환경 특성 비교 결과, 고도, 사면, 일사량, TWI, 풍노출도, 지형 등에서 차이가 발생한 것으로 평가되었다. 두 집단 간의 t 검정 결과는 모두 유의하게 나왔으며, 각 지역의 표본자료에 대한 지형환경 자료별 분포를 백분율로 환산하여 비교하였다.
- 소나무 집단 고사 및 생육 지역의 표본의 수는 소나무 고사 및 생육 지역의 지형 환경변수 추출방법에 따라 집단고사지역이 3,309개, 소나무 생육지역이 367,601개의 자료가 추출되었다.
- 소나무의 고사는 소나무 생육지역에 비해 고도가 높고, 일사량이 많고, 지형습윤지수가 낮은 지역, 남⋅남서사면, 능선 부위, 풍노출도가 높은 지역에 집중되어 발생한 것으로 나타났다.
후속연구
- 그러나 동일한 입지조건에도 불구하고 고사가 발생하지 않는 지역이 많이 존재하기 때문에 명확한 원인 파악을 위해서는 임분 구조(영급 분포, 타 수종과의 관계 등), 산림시업이나 다양한 교란 요인들이 함께 고려되어야 한다. 또한 시기별 소나무 고사 발생량과 발생위치 자료를 추가 조사하고 각 시기 및 지점별 미기상 정보를 바탕으로 소나무 고사 발생의 구체적인 기상 및 계절적 특성을 도출한다면 고사 발생의 생태적 과정에 대한 이해를 높일 수 있을 것이다.
- 금강소나무 고사의 원인 규명 연구를 수행하는 한편으로 정책적으로는 산림유전자원보호구역 내 금강소나무 고사 위험지 관리 대책이 마련되어야 한다. 본 연구에서 제작한 MaxEnt 모형 기반의 소나무 고사 위험 지도를 산림관리 대책 수립을 위한 기초정보로 활용할 수 있을 것으로 기대된다. 예를 들어, 고사 위험이 높은 것으로 평가된 지역의 경우 향후 지속적인 모니터링과 함께 구체적인 산림보호⋅경영 대책을 수립할 필요가 있다.
- 여기에 관련되어 있는 생태 과정에는 수분스트레스, 광합성, 유지호흡, 기공개폐, 균근 활동 등이 있으며 이는 식물 생리의 계절성과도 관련되어 있다. 이러한 생태적 과정을 명확히 설명하기 위해서는 소나무의 건조 스트레스 임계치, 온도 상승과 유지호흡량 증가의 관계, 균근 발생 조건 및 균근의 역할에 대한 정량적 평가 등이 연구되어야 한다. 그러나 동일한 입지조건에도 불구하고 고사가 발생하지 않는 지역이 많이 존재하기 때문에 명확한 원인 파악을 위해서는 임분 구조(영급 분포, 타 수종과의 관계 등), 산림시업이나 다양한 교란 요인들이 함께 고려되어야 한다.
- 기후변화에 따라 고온 건조 스트레스가 전반적으로 높아지고 있으며 취약지역을 중심으로 스트레스의 임계치를 넘으면서 고사현상이 발생하는 것으로 추정되었다. 이러한 지형환경 특성을 바탕으로 MaxEnt 모형을 이용하여 소나무 고사 발생 위험 지도를 제작하였으며, 이는 향후 소나무 보호⋅관리 대책 수립에 활용될 수 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.