본 연구는 사스레피나무의 분포를 규정하는 기후요인과 종분포 모델을 이용하여 현재기후와 미래기후에서의 잠재생육지를 분석하기 위해 수행되었다. 4개 기후요인(온량지수, 최한월최저기온, 하계강수량, 동계강수량)은 모델에서 독립변수로 사용하였다. 17개 전지구 기후모델(GCMs; General Circulation Models)에 의한 RCP(대표농도경로) 8.5 시나리오를 2050년(2040~2069)과 2080년(2070~2099)의 미래기후로 사용하였다. 사스레피나무(Eurya japonica)에 대한 종분포 모델은 높은 분포예측 모델로 구축되었다. 사스레피나무의 분포모델에서 최한월최저기온이 사스레피나무 분포를 규정하는 주요 기후요인으로 분석되었다. 최한월최저기온 $-5.7^{\circ}C$이상 지역은 사스레피나무의 높은 출현확률을 나타내었다. 사스레피나무의 잠재 생육지는 2050년과 2080년에서 현재기후에서 보다 각각 2.5배, 3.4배 증가되었으며, 기후변화에 의해 점점 확대될 것으로 판단되었다. 사스레피나무는 한반도에서 기후변화지표종으로 가능하며, 잠재 생육지를 모니터링 할 필요가 있다.
본 연구는 사스레피나무의 분포를 규정하는 기후요인과 종분포 모델을 이용하여 현재기후와 미래기후에서의 잠재생육지를 분석하기 위해 수행되었다. 4개 기후요인(온량지수, 최한월최저기온, 하계강수량, 동계강수량)은 모델에서 독립변수로 사용하였다. 17개 전지구 기후모델(GCMs; General Circulation Models)에 의한 RCP(대표농도경로) 8.5 시나리오를 2050년(2040~2069)과 2080년(2070~2099)의 미래기후로 사용하였다. 사스레피나무(Eurya japonica)에 대한 종분포 모델은 높은 분포예측 모델로 구축되었다. 사스레피나무의 분포모델에서 최한월최저기온이 사스레피나무 분포를 규정하는 주요 기후요인으로 분석되었다. 최한월최저기온 $-5.7^{\circ}C$이상 지역은 사스레피나무의 높은 출현확률을 나타내었다. 사스레피나무의 잠재 생육지는 2050년과 2080년에서 현재기후에서 보다 각각 2.5배, 3.4배 증가되었으며, 기후변화에 의해 점점 확대될 것으로 판단되었다. 사스레피나무는 한반도에서 기후변화 지표종으로 가능하며, 잠재 생육지를 모니터링 할 필요가 있다.
The research was carried out in order to find climate factors which determine the distribution of Eurya japonica, and the potential habitats (PHs) under the current climate and climate change scenario by using species distribution models (SDMs). Four climate factors; the warmth index (WI), the minim...
The research was carried out in order to find climate factors which determine the distribution of Eurya japonica, and the potential habitats (PHs) under the current climate and climate change scenario by using species distribution models (SDMs). Four climate factors; the warmth index (WI), the minimum temperature of the coldest month (TMC), summer precipitation (PRS), and winter precipitaion (PRW) : were used as independent variables for the model. Seventeen general circulation models under RCP (Representative concentration pathway) 8.5 scenarios were used as future climate scenarios for the 2050s (2040~2069) and 2080s (2070~2099). Highly accurate SDMs were obtained for E. japonica. The model of distribution for E. japonica constructed by SDMs showed that minimum temperature of the coldest month (TMC) is a major climate factor in determining the distribution of E. japonica. The area above the $-5.7^{\circ}C$ of TMC revealed high occurrence probability of the E. japonica. Future PHs for E. japonica were projected to increase respectively by 2.5 times, 3.4 times of current PHs under 2050s and 2080s. It is expected that the potential of E. japonica habitats is expanded gradually. E. japonica is applicable as indicator species for monitoring in the Korean Peninsula. E. japonica is necessary to be monitored of potential habitats.
The research was carried out in order to find climate factors which determine the distribution of Eurya japonica, and the potential habitats (PHs) under the current climate and climate change scenario by using species distribution models (SDMs). Four climate factors; the warmth index (WI), the minimum temperature of the coldest month (TMC), summer precipitation (PRS), and winter precipitaion (PRW) : were used as independent variables for the model. Seventeen general circulation models under RCP (Representative concentration pathway) 8.5 scenarios were used as future climate scenarios for the 2050s (2040~2069) and 2080s (2070~2099). Highly accurate SDMs were obtained for E. japonica. The model of distribution for E. japonica constructed by SDMs showed that minimum temperature of the coldest month (TMC) is a major climate factor in determining the distribution of E. japonica. The area above the $-5.7^{\circ}C$ of TMC revealed high occurrence probability of the E. japonica. Future PHs for E. japonica were projected to increase respectively by 2.5 times, 3.4 times of current PHs under 2050s and 2080s. It is expected that the potential of E. japonica habitats is expanded gradually. E. japonica is applicable as indicator species for monitoring in the Korean Peninsula. E. japonica is necessary to be monitored of potential habitats.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
2007), 식물 분포의 정량적 예측을 위해 다양한 종분포 모델(SDMs: Species distribution models)이 이용되고 있다. 종분포 모델 중에서 CT-model(Classification tree model)을 이용하여 일본의 낙엽활엽수종인 너도밤나무(Fagus crenata)(Matsui et al. 2004a, 2004b), 섬조릿대(Sasa kurilensis)(Tsuyama et al. 2008), 눈잣나무(Pinus pumila)(Horikawa et al, 2009), 상록성 참나무과 2종(붉가시나무; Quercus acuta, 참가시나무; Q. salicina)(Nakao et al. 2009) 등의 잠재적 생육지를 예측하여 보고하였다. 또한, GAM(Generalized additive model)을 이용하여 한반도 난온대 상록활엽수 4종(붉가시나무; Q.
본 연구는 사스레피나무를 대상으로 종분포 모델을 구축하여 현재기후에서 분포를 규정하는 기후조건을 정량적으로 밝히고, 신(新)시나리오 RCP 8.5를 적용하여 미래기후에서의 잠재 생육지 분포 변화와 기후변화에 따른 영향을 평가하고자 하였다.
제안 방법
kr)의 전국자연환경조사의 식생자료에서 사스레피나무의 분포 정보를 이용하였다. 한반도 식물 분포 자료만으로 난온대 상록활엽수의 생육지를 예측할 경우, 과소 또는 과대평가되어 예측될 수 있음으로, 이를 보정하기 위해 일본의 식생 조사 자료를 근거하여 작성된 PRDB(Phytosociological Releve Data Base)(Tanaka 2007)에서 사스레피나무의 분포 정보를 추출하여 생육지 분포 예측 이용하였다. 추출된 사스레피나무의 위치정보는 총 4,091(한국 740; 일본; 3,351)지점이며, 한국과 일본 지역을 대상으로 사스레피나무의 실제분포도를 작성하였다(Figure 1).
4가지 기후변수(WI, TMC, PRS, PRW)에 대하여 30년(1971∼2000년) 평균기후 값을 현재기후 자료(Current climate data)로 적용하였다(Table 1).
미래기후 자료는 IPCC(Intergovernmental Panel on Climate Change) 제5차 평가보고서(AR5)에서 대표농도경로(RCP: Representative Concentration Pathway)에 의한 시나리오를 사용하였다. 현재 추세(저감없이)로 온실가스 배출되는 RCP8.5를 적용하여 다른 RCP 시나리오(2.6, 4.5, 6.0)에 비하여 가장 나쁜 상태에서의 2050(2060~2089)년, 2080(2070~2099)년의 30년 평균 기후값을 이용하여 분포 변화를 예측하였다.
1984). CT-model의 구축 시 모델 구축에 영향을 미치는 기후변수에 대한 분리공헌도(DWS: Deviance weighted score)(Matsui et al. 2004a)를 산출하여 기후요인의 영향정도를 확인하였다. 분리공헌도는 분포규정 요인에 대한 중요도를 판단하는 기준으로, 각 독립변수에 의한 분기 전의 상위 노드(node)와 분기 후 2개의 하위 노드(node)의 이탈도(Deviance)를 계산하였다(Matsui et al.
2011). 분포 변록지(Marginal habitats: MHs)는 생육 적지의 역치(閾値)보다 낮고 잠재 생육지의 분포확률 보다 높은 지역이며, 식물종의 생육은 가능하지만 그다지 적합하지 않은 환경을 갖는 지역으로 판단하여 분석하였다. Figure 2는 본 연구에서 기후변화에 따른 사스레피나무의 잠재생육지를 예측하기위한 분석 흐름도이다.
180이상의 지역을 생육적지(Suitable habitats)로 판단하였다. 또한, 분포 재지점(在地点)의 95%를 포함하는 최대 출현확률을 나타내는 분포확률 0.064이상의 지역을 잠재 생육지(Potential habitats), 역치값 0.064~0.180의 지역을 분포 변록지(Marginal habitats)로 판단하여 분석하였다.
미래기후에서 사스레피나무의 생육지 변화를 예측하기 위해 17개 미래기후 시나리오 RCP 8.5를 적용하여 2050년(2040~2069)와 2080년(2070~2099)의 시계열에 따른 잠재 생육지를 예측하였다.
본 연구에서 한반도 사스레피나무의 생육을 결정하는 기후조건과 잠재 생육지 분포 변화를 종분포 모델을 이용하여 예측하였다. 또한, 전지구 기후모델에 의한 17개 미래기후 시나리오 RCP 8.
본 연구에서 한반도 사스레피나무의 생육을 결정하는 기후조건과 잠재 생육지 분포 변화를 종분포 모델을 이용하여 예측하였다. 또한, 전지구 기후모델에 의한 17개 미래기후 시나리오 RCP 8.5를 적용하여 기후변화가 한반도 사스레피나무의 분포에 미치는 영향을 분석하였다. 사스레피나무의 분포를 규정하는 가장 큰 기후 요인으로는 최한 월 최저기온(TMC)이며, -5.
대상 데이터
연구 대상지는 북위 33°~38°, 동경 126°~132°에놓여 있는 한반도, 제주도, 울릉도를 포함하는 지역으로, 북으로는 러시아, 중국의 국경을 접하고 있으며, 동으로는 동해를 사이에 두고 일본열도가 위치하고있다.
식물분포 자료는 국립생물자원관(Hurbarium Code: KB)에 소장된 식물 표본 자료와 국립생태원의 에코뱅크(ecobank.nie.re.kr)의 전국자연환경조사의 식생자료에서 사스레피나무의 분포 정보를 이용하였다. 한반도 식물 분포 자료만으로 난온대 상록활엽수의 생육지를 예측할 경우, 과소 또는 과대평가되어 예측될 수 있음으로, 이를 보정하기 위해 일본의 식생 조사 자료를 근거하여 작성된 PRDB(Phytosociological Releve Data Base)(Tanaka 2007)에서 사스레피나무의 분포 정보를 추출하여 생육지 분포 예측 이용하였다.
기후자료는 Worldclim-Global Climate Data(www.worldclim.org)에서 한국과 일본 지역을 대상으로 해상도 30arc-seconds(ca. 1km) 격자에 대하여 기후값을 추출하여 이용하였다. 식물 생육에 중요한 온량지수(WI: Warmth Index)(Kira 1977)는 월평균기온 5℃이상인 달에 대하여 월평균기온에서 5℃를 감하여 합계한 값이며(Kira 1977), 식물성장기의 열량 지표로서 동아시아지역의 광역적 식물분포를 이해하는데 중요한 기후요인이다(Ohsawa 1990).
미래기후 자료는 IPCC(Intergovernmental Panel on Climate Change) 제5차 평가보고서(AR5)에서 대표농도경로(RCP: Representative Concentration Pathway)에 의한 시나리오를 사용하였다. 현재 추세(저감없이)로 온실가스 배출되는 RCP8.
사스레피나무의 생육적지 (TN③~⑥)는 서해안 도서지역의 위도, 서남부 내륙지역의 광주, 서남부 해안지역의 장흥, 남해안의 순천, 고성, 동해 남동권 내륙의 부산, 경주, 포항, 제주도, 울릉도의 해안내륙지역으로 면적은 17,948km2로 예측되었다. 분포 변록지(TN②)는 북한의 서해안지역 용연군, 옹진군 그리고 남한의 서해안 백령도, 태안반도, 안면도, 서해안 내륙지역의 전주, 고창, 담양, 남해안 지역의 진주, 함안과 내륙지역의 대구, 동해남부권 내륙과 동해중부해안의 울진, 고성으로 나타났으며 면적은22,309km2로 예측되었다(Table 2).
이론/모형
또한, 미래기후의 불확실성에 대한 예측을 최소화하기 위하여 17개 전지구 기후모델(GCMs: General Circulation Models)에서 생산한 미래시나리오를 사용하였다(Table 1).
통계해석은 대상종 분포의 출현에 따른 재/부재 자료를 종속변수로 하고, 4개 기후값(WI, TMC, PRS, PRW)을 독립변수로 하여, 종분포 모델(SDMs; Speci species distribution models) 중에서 CT-model(Classification tree model)(Clark & Pregibon 1992)을 이용하였다.
사스레피나무(Eurya japonica)의 분포자료와 기후요소의 관계를 종 분포 모델 중에 하나인 CT-model(Classification tree model)을 이용하여 사스레피나무의 분포 모델(Eja-model)을 구축한 결과 총 6개의 terminal node(TN)가 생성되었다(Figure3). 사스레피나무의 분포의 예측정도를 확인하기 위해 ROC분석을 실시한 결과, AUC값이 0.
성능/효과
85℃ 상승하였다. 향후 21세기 말(2081~2100년) 온실가스감축 없이 현재 추세대로 온실가스를 배출할 경우(RCP 8.5) 전지구 평균기온은 현재(1986~2005년)보다 약 3.7℃ 오르고, 해수면의 높이는 약 63m 상승할 것을 전망하였다(IPCC 2013).
8에 의하면 good으로 판정되었다. ROC분석에서 모델 적합도가 최고점일 경우의 분포확률을 역치(閾値)로 한 값(MinROCdistance)은 0.180이며, 사스레피나무의 분포 모델(Eja-model)에서 출현확률 0.180이상의 지역을 생육적지(Suitable habitats)로 판단하였다. 또한, 분포 재지점(在地点)의 95%를 포함하는 최대 출현확률을 나타내는 분포확률 0.
한반도 사스레피나무의 분포와 기후요인에 대한 생육적지(SHs)는 분포확률 0.180 이상의 지역으로 TN③~⑥이며, 분포 변록지(MHs)는 분포확률 0.064~0.180의 지역으로 TN②로 예측되었으며, 잠재 생육지(생육적지와 분포 변록지)는 TN②~⑥의 5개 TN으로 예측되었다. 구축된 Eja-model에서 가장 높은 출현확률을 나타내는 TN④의 기후조건은 -2.
Eja-model의 구축시 terminal node(TN) 분리에 공헌한 독립변수의 분리공헌도(DWS: Deviance weighted score)는 TMC(최한월최저기온)가 99.2%, PRW(동계강수량)가 0.8%로 분석되었다. 따라서, 사스레피나무의 분포를 결정하는 제 1요인으로는 최한월최저기온(TMC), 제 2요인으로는 동계강수량(PRW)로 분석되었으며, 사스레피나무에 분포 영향에 최한월최저기온(TMC)가 가장 큰 작용하고 있는 것으로 분석되었다.
8%로 분석되었다. 따라서, 사스레피나무의 분포를 결정하는 제 1요인으로는 최한월최저기온(TMC), 제 2요인으로는 동계강수량(PRW)로 분석되었으며, 사스레피나무에 분포 영향에 최한월최저기온(TMC)가 가장 큰 작용하고 있는 것으로 분석되었다.
구축된 사스레피나무 분포 모델(Eja-model)을 토대로 현재기후에서 사스레피나무의 잠재 생육지를 예측한 결과, 실제분포와 유사한 서남부 해안지역 및 남해안 지역과 울릉도, 제주도 내륙지역으로 예측되었다(Figure 4).
로 예측되었다. 분포 변록지(TN②)는 북한의 서해안지역 용연군, 옹진군 그리고 남한의 서해안 백령도, 태안반도, 안면도, 서해안 내륙지역의 전주, 고창, 담양, 남해안 지역의 진주, 함안과 내륙지역의 대구, 동해남부권 내륙과 동해중부해안의 울진, 고성으로 나타났으며 면적은22,309km2로 예측되었다(Table 2). 현재기후에서 사스레피나무의 잠재 생육지(생육적지와 분포 변록지)는 40,257km2로 한반도 면적의 약 12.
로 예측되었다(Table 2). 17개의 기후 시나리오에서 예측된 잠재 생육지의 가능지역을 종합하여 산출한 평균면적은 약 98,585km2이며 한반도면적의 약 29.7%를 차지하였다(Table 2). 잠재 생육지는 북한지역의 은율, 옹진 해안까지 예측되었으며, 남한 지역 내륙으로는 인천, 예산, 대전, 순천, 대구 등으로 예측되었다(Figure 5).
로 예측되었다(Table 2). 17개 기후 시나리오에서 예측된 잠재 생육지의 가능지역을 종합하여 산출한 평균면적은 약 135,500km2이며, 한반도면적의 약 40.8%를 차지하였다. 잠재 생육지는 서해안쪽으로 북한지역의 증산과 옹진반도 내륙, 사리원, 남한지역 내륙으로 서울, 청주, 문경, 봉화 등의 내륙까지 예측되었으며, 동해안쪽으로는 경주, 포항, 울진, 동해, 속초와 북한지역의 어대진까지 잠재 생육지가 예측되었다(Figure 5).
5를 적용하여 기후변화가 한반도 사스레피나무의 분포에 미치는 영향을 분석하였다. 사스레피나무의 분포를 규정하는 가장 큰 기후 요인으로는 최한 월 최저기온(TMC)이며, -5.7℃이상 지역에서 분포하는 것으로 분석되었다. 제 2요인으로는 동계강수량(PRW)로 분석되었다.
IPCC에서 미래기후 시나리오의 불확실성에 대한의견은 최소화하기 위하여 17개의 미래기후 시나리오를 통해 예측된 기후변화에 따른 한반도 사스레피나무의 분포를 평균하여 예측한 결과, 내륙으로 확대와 북상할 것으로 예측되었다. 따라서, 기후변화가 진행됨에 따라 남해안지역에 주로 분포하는 난온대상록활엽림을 구성하는 사스레피나무는 난온대 및 냉온대 낙엽활엽수림으로 침입되는 과정에서 한반도산림군락의 군락구조와 분포 변화 및 산림 생태계의 변화가 예상된다.
후속연구
4배증가하였으며, 점진적으로 확대 북상이 예상된다. 사스레피나무는 한반도 기후변화에 주요한 식물 지표종으로 유효하며, 잠재 생육지로 예측된 서해안 지역 및 남부 내륙의 저지대 등의 생육지역에 대하여 지속적인 모니터링 조사가 필요할 것으로 판단된다. 종분포 모델(SDMs)을 이용한 기후변화 식물 지표종의 유효 검증과 현재기후 및 미래기후에서의 잠재 생육지 변화 예측은 모니터링 조사지역의 효과적인 선정과 기후변화에 따른 생육가능 지역을 평가하는데 중요한 자료로 활용될 것으로 사료된다.
사스레피나무는 한반도 기후변화에 주요한 식물 지표종으로 유효하며, 잠재 생육지로 예측된 서해안 지역 및 남부 내륙의 저지대 등의 생육지역에 대하여 지속적인 모니터링 조사가 필요할 것으로 판단된다. 종분포 모델(SDMs)을 이용한 기후변화 식물 지표종의 유효 검증과 현재기후 및 미래기후에서의 잠재 생육지 변화 예측은 모니터링 조사지역의 효과적인 선정과 기후변화에 따른 생육가능 지역을 평가하는데 중요한 자료로 활용될 것으로 사료된다.
질의응답
핵심어
질문
논문에서 추출한 답변
식물 분포의 정량적 예측을 위한 종분포 모델 중 CT-model은 무엇의 잠재적 생육지를 예측하여 보고하였는가?
2007), 식물 분포의 정량적 예측을 위해 다양한 종분포 모델(SDMs: Species distribution models)이 이용되고 있다. 종분포 모델 중에서 CT-model(Classification tree model)을 이용하여 일본의 낙엽활엽수종인 너도밤나무(Fagus crenata)(Matsui et al. 2004a, 2004b), 섬조릿대(Sasa kurilensis)(Tsuyama et al. 2008), 눈잣나무(Pinus pumila)(Horikawa et al, 2009), 상록성 참나무과 2종(붉가시나무; Quercus acuta, 참가시나무; Q. salicina)(Nakao et al. 2009) 등의 잠재적 생육지를 예측하여 보고하였다. 또한, GAM(Generalized additive model)을 이용하여 한반도 난온대 상록활엽수 4종(붉가시나무; Q.
기후변화로 인한 난온대 상록활엽수의 분포지 변화는 어떻게 예측 되는가?
기후변화로 인해 한반도 남부해안 및 제주도, 울릉도 저지대 등에 분포하는 난온대 상록활엽수는 고위도 및 고해발로 확대 될 것으로 예측된다(Yun et al.2011a).
사스레피나무의 특징은 무엇인가?
2011a). 사스레피나무(Eurya japonica)는 한반도의 난온대 상록활엽수의 북한계선을 결정하기 위해 선정된 64종 중의 하나이다(Uyeki 1941). 다른 난온대 상록활엽수종에 비하여 고위도에 분포하고 있으며(Uyeki 1941; Yun et al. 2011a), 기후변화에 따른 분포확대 가능성이 높은 난온대 상록활엽수종이다. 사스레피나무는 제주도 해안가와 산지, 남해안 도서 및 남부지역 산기슭에 분포하며, 최근 가속화 되는 기후변화로 인해 한반도 내륙으로 세력을 확대할 것으로 예상되며, 식물군락을 구성하는 종조성에도 영향을 미칠 것으로 판단된다.
참고문헌 (36)
Armonies W, Reise K. 2003. Empty habitat in coastal sediments for populations of macrozoobenthos. Helgoland Mar Research. 56(4): 279-287.
Clark LA, Pregibon D. 1992. Tree-based models, In: J. M. Chambers and T. J. Hastie, eds., Statistical Models in S, California, Wadsworth & Brooks/Cole Advanced Books & Software. Pacific Grove: p. 377-419.
Berry PM, Dawson TP, Harrison PA, Pearson R, Butt N. 2003. The sensitivity and vulnerability of terrestrial habitats and species in Britain and Ireland to climate change. Journal of Nature Conservation. 11(1): 15-23.
Huntley B, Berry PM, Cramer W, McDonald AP. 1995. Modelling present and potential future ranges of some European higher plants using climate response surfaces. Journal of Biogeography. 22(6): 967-1001.
Horikawa M, Tsuyama I, Matsui T, Kominami Y, Tanaka N. 2009. Assessing the potential impacts of climate change on the alpine habitat suitability of Japanese stone pine (Pinus pumila). Landscape Ecology. 24(1): 115-128.
IPCC 2014. Climate Change 2014: impacts, adaptation, and vulnerability. Part A: global and sectoral aspects. Contribution of Working Group II to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University.
Iverson LR, Prasad AM. 1998. Predicting abundance of 80 tree species following climate change in the eastern United States. Ecological Monographs. 68(4): 465-485.
Kira T. 1977. A Climatological interpretation of Japanese vegetation zones. In Miyawaki, A. and Tuxen, R. (eds.) Vegetation science and environmental protection. Maruzen, Tokyo: p. 21-30.
Kumar P. 2012. Assessment of impact of climate change on Rondodendrons in Sikkim Himalayas using Maxent moddelling: limitations and changes. Biodiversity and Conservation. 21(5): 1251-1266.
Matsui T, Yagihashi T, Nakaya T, Tanaka N, Taoda H. 2004a. Climatic controls on distribution of Fagus crenata forests in Japan. Journal of Vegetation Science. 15(1): 57-66.
Metz CE. 1978. Basic principles of ROC Analysis, Seminars in Nuclear Medicine. 8(4): 283-298.
Nakao K, Matsui T, Tanaka N. Hukusima T. 2009. Climatic controls of the distribution and abundance of two evergreen Quercus species in Japan. Japanese Journal of Forest Environment. 51(1): 27-37. [Japanese Literature]
Nakao K, Matsui T, Horikawa M, Tsuyama I, Tanaka N. 2011. Assessing the impact of land use and climate change on the evergreen broad-leaved species of Quercus acuta in Japan. Plant Ecology. 212(2): 229-243.
Nakao K, Higa M, Tsuyama I, Lin CT, Sun ST, Lin JR, Chiou CR, Chen TY, Matsui T. Tanaka N. 2014. Changes in the potential habitats of 10 dominant evergreen broadleaved tree species in the Taiwan-Japan archipelago. Plant Ecology. 215(6): 639-650.
Normand S, Svenning JC, Skov F. 2007. National and European perspectives on climate change sensitivity of the habitats directive characteristic plant species. Journal for Nature Conservation. 15(1): 41-53.
Ohsawa M. 1991. Structural comparison of tropical mountain rain-forest along latitudinal and altitudinal gradients in south and east-Asia. Vegetatio. 97: 1-10.
Ohsawa M. 1993. Latitudinal pattern of mountain vegetation zonation in southern and eastern Asia. Journal of Vegetation Science. 4(1): 13-18.
R Development Core Team. 2011. R: A language and environment for statistical computing, R. Foundation for Statistical Computing. Vienna, Austria, ISBN 3-900051-07-0, URL://www.R-project.org.
Swets KA. 1988. Measuring the accuracy of diagnostic systems. Science. 240(4857): 1285-1293.
Tanaka N. 2007. PRDB (Phytosociological Releve Data Base), Environment change impact team. Forestry and Forest Products Research Institute.
Tanaka N, Nakazono E, Tsuyama I, Matsui T. 2009. Assessing impact of climate warming on potential habitats of ten conifer species in Japan. Global Environmental Research. 14(2): 153-164.
Thuiller W. 2003. BIOMOD-optimizing predictions of species distributions and projecting potential shifts under global change. Global Change Biology. 9(10): 1353-1362.
Thuiller W. Lavorel S, Araujo MB, Sykes MT, Prentice IC. 2005. Climate Change threats to plant diversity in Europe. Proceeding of the National Academy of Sciences of the United States of America. 102(23): 8245-8250.
Tsuyama I, Matsui T, Ogawa M, Kominami Y, Tanaka N. 2008. Habitat prediction and impact assessment of climate change on Sasa kurilensis in eastern Honshu, Japan. Theory and Applications of GIS. 16(1): 11-25. [Japanese Literature]
Tsuyama I, Nakao K, Matsui T, Higa M, Horikawa M, Kominami Y, Tanaka N. 2011. Climatic controls of a keystone understory species, Sasamorpha borealis, and an impact assessment of climate change in Japan. Annals of Forest Science. 68(4): 689-699.
Uyeki H. 1941. On the northern limit of evergreen broad-leaved tree in Korea Acta. Phytotax. Geobot. 10(2): 89-93. [Japanese Literature]
Yun JH, Kim JH, Oh KH, Lee BY. 2011a. Distributional Change and Climate Condition of Warm-temperate Evergreen Broad-leaved Trees in Korea. Korean Journal of Environment and Ecology. 25(1): 47-56. [Korean Literature]
Yun JH, Nakao K, Park CH, Lee BY. 2011b. Potential Habitats and Change Prediction of Machilus thunbergii Siebold & Zucc in Korea by Climate Change. Korean Journal of Environment and Ecology. 25(6): 903-910. [Korean Literature]
Yun JH, Nakao K, Kim JH, Kim SY, Park CH, Lee BY. 2014a. Habitat prediction and impact assessment of Neolitsea sericea (Blume) Koidz. under Climate Change in Assessment. 23(2): 101-111. [Korean Literature]
Yun JH, Nakao K, Tsuyama I, Higa M, Matsui T, Park CH, Lee BY, Tanaka N. 2014b. Does future climate change facilitate expansion of evergreen broad-leaved tree species in the human-disturbed landscape of the Korean Peninsula? Implication for monitoring design of the impact assessment. Japanese Forest Society. 19(1): 174-183.
Zweig MH, Campbell G. 1993. Receiver-operating characteristic (ROC) Plots: a fundamental evaluation tool in clinical medicine. Clinical Chemistry. 39(4): 561-577.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.