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
- , 2004). 구조적 임분밀도 관리 모델은 임분관리 체계의 수립과 수확목표 지점에서 예측되는 흉고직경급별 재적과 이용재적 등을 산출하여 임목의 가치평가가 가능하도록 하였다. 이와 더불어 최근에는 한층 더 발전한 형태로 구조적 임분밀도 관리 모델을 기반으로 한 임분 생장 예측 기술과 임목 가치 평가 기술이 결합된 임분 관리 의사결정 지원 시스템(Decision-support system for forest density management)으로 발전하였다 (Newton, 2009; Newton, 2012).
- 따라서 본 연구에서는 일본에서 사용중인 임분밀도관리도 개발 방법을 도입하여 우리나라 편백(Chamaecyparis obtusa) 현실림을 대상으로 임분밀도관리도를 개발함으로써 생장예측 및 고사예측에 의한 정량적 임분밀도 관리 평가 체계를 구축하고자 하였다.
- 이에 따라 국외에서 활용도가 높고, 이를 이용한 의사결정 프로그램 개발 단계까지 나아가 있는 상태이다. 본 연구의 결과를 기반으로 구조적 임분밀도 관리모델과 임분 관리 의사결정 시스템 개발까지 목표로 하고 있다. 임분밀도 관리의 정량적 평가와 그 기준 수립을 위한 연구가 필요하며, 이와 관련하여 지속적인 연구가 필요할 것으로 판단된다.
- 이러한 연구 결과들을 바탕으로 Ando(1962)가 C-D효과와 Y-D효과의 상호작용을 나타내는 함수에 자연간벌의 법칙을 개념적 기반으로 하여 일본 중부지역에 분포한 소나무를 대상으로 임분밀도관리도를 개발하였다. 평방평균 흉고직경과 평균 우세목 수고를 등치선 형태로 임분밀도관리도 상에 표기하여 주어진 벌기령에서 지정된 평방평균흉고직경을 달성하는데 필요한 솎아베기 일정을 결정하고자 하였다(Ando, 1962). 이후 개체목 및 임목 수확량에 대한 다양한 솎아베기 처리별 결과가 도출되고 관리의 효과에 대한 평가가 임분밀도관리도에 의해 이루어졌으며, C-D 효과의 실증적인 검증을 하였다(Ando, 1968).
제안 방법
- 모형 추정과정은 Park et al.(2016) 의 방법과 동일하게 C-D 효과를 나타내는 함수식을 추정한 후 등평균 우세목수고곡선, 최대밀도곡선, 자연고사선, 수량비수선, 등평균 흉고직경곡선의 함수식을 각각 산출하였다.
- 개체목의 재적은 등평균수고곡선식에서 N을 0으로 하였을 때, 나타나는 값이며, v=1/B로 표현된다. 경쟁이 없는 상태에서 생장 가능한 개체목 재적의 최대값을 1이라고 할 때, 현재 임분 경쟁에 의해 생장한 재적을 비율로써 경쟁 정도를 의미하는 상대경쟁지수(RC)를 구하였다(Nagahama, 2003; Park et al., 2016). 또한 경쟁지수산출식(식 7)을 적용한 후 각 표본점의 경쟁비수 중 가장 낮은 값을 한계경쟁지수(Rf)로 지정하여 최대밀도곡선이 지나도록 유도하였다.
- 1990년대 이후 컴퓨터의 발달로 임분밀도관리도는 비약적인 발전이 이루어졌다(Newton, 1993; Newton and Weetman, 1994; Newton, 1997). 관리된 천연림을 대상으로 임분밀도관리도를 개발하였으며, 수관경쟁이 일어나는 영역과 자연고사 발생이 임박한 영역, 자연고사가 발생하는 영역을 표기하였다. 또한 이용재적의 개념을 도입하여 다양한 임분밀도관리 체계에 따라 간재적 및 이용재적 추정이 용이하도록 하였으며, 컴퓨터를 이용한 알고리즘을 개발하여 사용자의 보간 오차를 줄이고 정확도를 향상시키는 성과를 보였다.
- 본 연구에서는 우리나라에 조성된 편백 인공림을 대상으로 수치임상도와 항공영상 등의 산림 공간정보 자료를 이용하여 조사 대상지를 추출하였다(Figure 1). 그 중 임목의 크기와 본수, 임령 등을 고려하여 현지 표본점을 선정한 후 현지 조사를 수행하였다. 표본점은 200～400 m2의 방형구이며, 조사된 자료는 편백 순림 (흉고단면적 점유율 75% 이상)으로 분류된 총 216개소의 표본점 조사 자료를 분석에 활용하였다.
- 그리고 이 지수를 이용하여 수관경쟁이 전혀 없는 영역(Pr > 0.15), 수관경쟁이 일어나는 영역(0.15 < Pr < 0.40), 자연고사 발생이 임박한 영역수준(0.40 < Pr 0.55)을 예측하고 임분밀도관리도 상에 표기 하였으며, Pr 0.40～0.55 사이에서 관리되는 임분은 단위 면적당 최대 재적을 생산할 수 있는 것으로 평가하였다.
- 우세목 수고는 각 표본점에서 조사된 수고 값의 상위 30%의 임목을 대상으로 평균 수고를 산출하여 우세목 수고로 정의하였다. 그리고 형상고는 평균 수고와 흉고형수의 곱으로 값을 구하여 분석에 활용하였다. 또한 분석자료의 주요 생장인자들 간의 관계식 1～4에 의해 이상치를 제거하였고, 이상치 제거 후 다시 재추정하여 임분밀도관리도 구성 모델 간 연결성을 높이기 위해 4가지 함수식을 활용하였다.
- 완성된 임분밀도관리도는 시간의 개념이 내삽되어있지 않기 때문에 별도의 생장모델과 연계하여 활용할 수 있다. 따라서 임분밀도관리도와 지위지수 추정 모델을 연계하여 임분 생장 및 고사 예측을 하였다. 예측을 위해 사용된 지위별 우세목 생장량 예측 모델은 임목 재적 및바이오매스 및 임분수확표에 첨부되어 있는 편백 지위지수 분류곡선을 이용하였다(Forest Service and National Institute of Forest Science, 2012).
- , 2016). 또한 경쟁지수산출식(식 7)을 적용한 후 각 표본점의 경쟁비수 중 가장 낮은 값을 한계경쟁지수(Rf)로 지정하여 최대밀도곡선이 지나도록 유도하였다.
- 이를 통해 수관울폐와 자연고사 영역에 대한 SDI값이 확인되었고 특정 관리목표를 위한 임분밀도관리 수준을 설정하고 밀도관리 체계를 평가하는데 임분밀도관리도를 응용하였다. 또한 목표로 하는 생산재적과 목재의 크기를 달성하기 위해 임분밀도관리 체계를 유도하여 임분밀도관리도의 유용성을 입증하였다.
- 그리고 형상고는 평균 수고와 흉고형수의 곱으로 값을 구하여 분석에 활용하였다. 또한 분석자료의 주요 생장인자들 간의 관계식 1～4에 의해 이상치를 제거하였고, 이상치 제거 후 다시 재추정하여 임분밀도관리도 구성 모델 간 연결성을 높이기 위해 4가지 함수식을 활용하였다.
- 시간의 개념이 포함되어 있지 않은 임분밀도관리도의 시뮬레이션을 위해 지위지수 분류곡선과 연계하였다. 지위지수 12～16의 임지에 ha당 3,000본을 조림할 경우의 임분 생장을 예측한 결과(Table 6), 지위 12의 임지에 80년간 생장할 때의 연평균 고사 본수는 12.
- 예측을 위해 사용된 지위별 우세목 생장량 예측 모델은 임목 재적 및바이오매스 및 임분수확표에 첨부되어 있는 편백 지위지수 분류곡선을 이용하였다(Forest Service and National Institute of Forest Science, 2012). 예측 시나리오는 고사율 추이를 살피기 위해 지위지수 12～16의 임지에 ha당 3,000본 조림 후 시업을 하지 않은 상태에서 80년 후 예측되는 수확재적과 수확본수, 고사량을 비교하였다.
- ) 값을 적용하여 수량비수 곡선의 모수를 산출하였다. 이 때, 수량비수 곡선의 경우 최대밀도곡선을 기준으로 비율에 따라 동일한 간격의 곡선이 도식화되어야 하므로 동일한 기울기에서 상수만 달리하기 위해 모형 기울기에 영향을 미치는 모수 K1과 K3는 고정하고, K2와 K4 등의 값을 수량비수별로 산출하였다. 각 수량비수별로 산출된 모수 K2와 K4를 식 9와 10에 대입하여 Ry 1.
- , 1963). 이러한 연구 결과들을 바탕으로 Ando(1962)가 C-D효과와 Y-D효과의 상호작용을 나타내는 함수에 자연간벌의 법칙을 개념적 기반으로 하여 일본 중부지역에 분포한 소나무를 대상으로 임분밀도관리도를 개발하였다. 평방평균 흉고직경과 평균 우세목 수고를 등치선 형태로 임분밀도관리도 상에 표기하여 주어진 벌기령에서 지정된 평방평균흉고직경을 달성하는데 필요한 솎아베기 일정을 결정하고자 하였다(Ando, 1962).
- McCater와 Long(1986)은 Drew와 Flewelling(1979)의 상대밀도지수가 아닌 Reineke(1933)의 임분밀도지수(Stand density index; SDI)를 사용하여 임분밀도관리도의 경쟁척 도로 활용하였다. 이를 통해 수관울폐와 자연고사 영역에 대한 SDI값이 확인되었고 특정 관리목표를 위한 임분밀도관리 수준을 설정하고 밀도관리 체계를 평가하는데 임분밀도관리도를 응용하였다. 또한 목표로 하는 생산재적과 목재의 크기를 달성하기 위해 임분밀도관리 체계를 유도하여 임분밀도관리도의 유용성을 입증하였다.
- 05 단위로 곡선을 만들었다. 이에 따라 최대밀도곡선을 구성하는 두식 9와 10의 K1+1, logK2, K3, logK4에 대한 모수를 수량비수 수준별로 산출한 결과는 Table 5와 같고, 추정된 모든 구성 모형을 이용해 임분밀도관리도를 도식화 하였다(Figure 2).
- 임분밀도관리도 개발에 활용되는 주요 변수들의 상호 관계에 있어서 기각되는 자료를 찾기 위해 식 1～4에 대해 관계를 분석하였으며, 이상자료 기각 방법에 의해 최종적인 분석용 자료를 구축하였다. 이상자료는 전체 216개소의 표준지 중 23개소가 기각대상 자료로 분류되었고, 최종 분석에 활용된 조사자료는 편백 193개소이다.
- 표본점은 200～400 m2의 방형구이며, 조사된 자료는 편백 순림 (흉고단면적 점유율 75% 이상)으로 분류된 총 216개소의 표본점 조사 자료를 분석에 활용하였다. 임분밀도관리도 구성 모델 분석에 사용된 변수는 평균 흉고직경(Mean of DBH)과 평균 수고(Mean of tree height), 우세목 수고(Mean of dominant tree height), 형상고(Form height), 임분 흉고단면적(Stand basal area), 재적(Stand volume), 임분밀도(Stand density)를 이용하였다(Table 1). 우세목 수고는 각 표본점에서 조사된 수고 값의 상위 30%의 임목을 대상으로 평균 수고를 산출하여 우세목 수고로 정의하였다.
- 를 추정하기 위해서는 임분 경쟁 지표가 필요하며, 이를 위해 각 표준지 자료에 대해 상대경쟁지수를 산출하여 최소값을 한계경쟁지수로 지정하였다. 지정된 한계경쟁지수는 표본점 번호 177번의 0.110041141으로 지정되었고, 이를 이용하여 최대밀도곡선을 비롯한 구성 함수식의 모수를 유도하였다. K1～K5는 등평균 우세목 수고곡선의 모수 z1～z4를 활용해 산출하였다(Table 4).
- 최대밀도곡선과 자연고사곡선 함수식의 모수 K1～K5를 추정하기 위해서는 임분 경쟁 지표가 필요하며, 이를 위해 각 표준지 자료에 대해 상대경쟁지수를 산출하여 최소값을 한계경쟁지수로 지정하였다. 지정된 한계경쟁지수는 표본점 번호 177번의 0.
- 이상자료를 기각한 후 다시 동일한 식에 대해 재추정하여 Table 2와 같은 모수 추정결과를 구하였다. 추정된 모형식 1～4는 임분밀도관리도의 5가지 주요 모형 추정에 활용하였다.
- 편백을 대상으로 임분 시업체계 구축에 활용되는 임분밀도관리도를 개발하고 임분 생장 및 고사량을 예측하였다. 임분밀도관리도의 모형설명력(R2)은 0.
대상 데이터
- 본 연구에서는 우리나라에 조성된 편백 인공림을 대상으로 수치임상도와 항공영상 등의 산림 공간정보 자료를 이용하여 조사 대상지를 추출하였다(Figure 1). 그 중 임목의 크기와 본수, 임령 등을 고려하여 현지 표본점을 선정한 후 현지 조사를 수행하였다.
- 임분밀도관리도 개발에 활용되는 주요 변수들의 상호 관계에 있어서 기각되는 자료를 찾기 위해 식 1～4에 대해 관계를 분석하였으며, 이상자료 기각 방법에 의해 최종적인 분석용 자료를 구축하였다. 이상자료는 전체 216개소의 표준지 중 23개소가 기각대상 자료로 분류되었고, 최종 분석에 활용된 조사자료는 편백 193개소이다. 이상자료를 기각한 후 다시 동일한 식에 대해 재추정하여 Table 2와 같은 모수 추정결과를 구하였다.
- 그 중 임목의 크기와 본수, 임령 등을 고려하여 현지 표본점을 선정한 후 현지 조사를 수행하였다. 표본점은 200～400 m2의 방형구이며, 조사된 자료는 편백 순림 (흉고단면적 점유율 75% 이상)으로 분류된 총 216개소의 표본점 조사 자료를 분석에 활용하였다. 임분밀도관리도 구성 모델 분석에 사용된 변수는 평균 흉고직경(Mean of DBH)과 평균 수고(Mean of tree height), 우세목 수고(Mean of dominant tree height), 형상고(Form height), 임분 흉고단면적(Stand basal area), 재적(Stand volume), 임분밀도(Stand density)를 이용하였다(Table 1).
데이터처리
- 등평균우세목수고 곡선은 우세목 수고와 임분밀도, 재적 간의 관계식이며, 단목재적을 종속변수로 할 경우 C-D effect(식 5), 임분재적을 종속변수로 할 경우 Y-D effect(식 6)라 지칭한다. 식 5의 단목재적 v에 임분밀도 N을 곱하면 (6)이 되므로, 식 6을 각 표본점별로 정리된 종속변수와 독립변수를 대입하여 비선형 회귀분석법으로 모형을 추정하였다.
- 평방평균 흉고직경과 평균 우세목 수고를 등치선 형태로 임분밀도관리도 상에 표기하여 주어진 벌기령에서 지정된 평방평균흉고직경을 달성하는데 필요한 솎아베기 일정을 결정하고자 하였다(Ando, 1962). 이후 개체목 및 임목 수확량에 대한 다양한 솎아베기 처리별 결과가 도출되고 관리의 효과에 대한 평가가 임분밀도관리도에 의해 이루어졌으며, C-D 효과의 실증적인 검증을 하였다(Ando, 1968).
이론/모형
- 본 연구의 임분밀도관리도는 Ando(1968)의 방법을 적용하였으며, 등평균수고곡선(Equivalent height curve), 등평균흉고직경곡선(Equivalent diameter curve), 최대밀도곡선(Full density curve), 수량비수선(Relative yield index curve), 자연고사선(Natural mortality curve) 등 5개의 곡선으로 구성되어 있다. 모형 추정과정은 Park et al.
- 따라서 임분밀도관리도와 지위지수 추정 모델을 연계하여 임분 생장 및 고사 예측을 하였다. 예측을 위해 사용된 지위별 우세목 생장량 예측 모델은 임목 재적 및바이오매스 및 임분수확표에 첨부되어 있는 편백 지위지수 분류곡선을 이용하였다(Forest Service and National Institute of Forest Science, 2012). 예측 시나리오는 고사율 추이를 살피기 위해 지위지수 12～16의 임지에 ha당 3,000본 조림 후 시업을 하지 않은 상태에서 80년 후 예측되는 수확재적과 수확본수, 고사량을 비교하였다.
- 상태에서 조성된 임분은 솎아베기 등의 인위적인 밀도조절 시업이 적용되지 않으면 생장 과정에 따른 본수 감소를 보이면서 최대밀도곡선에 접근하며, 최대밀도 곡선과 가까워짐에 따라 변곡을 하여 최종적으로는 최대밀도곡선과 일치하게 된다. 이러한 자연고사 법칙(Self-thinning rule)은 식 15와 같이 표현되며, 이 함수식의 모수 K1과 K5의 추정은 Y-D effect 함수의 모수를 이용하여 산출하였다.
- , 2004). 이에 따라 임분밀도 관리도는 Weibull 흉고직경 분포 모델과 연계하여 구조적 임분밀도 관리 모델 (Structure stand density management model: SSDMM)로 발전하였다(Newton et al., 2004). 구조적 임분밀도 관리 모델은 임분관리 체계의 수립과 수확목표 지점에서 예측되는 흉고직경급별 재적과 이용재적 등을 산출하여 임목의 가치평가가 가능하도록 하였다.
- 임분밀도관리도에서는 임내 개체목간의 경쟁지표로 상대경쟁지수(Relative Competition index: RC)를 사용한다. 상대경쟁지수는 임내 개체목간 경쟁을 나타내는 지수이며(Shim et al.
성능/효과
- 1 treesㆍha-1ㆍyear-1r로 나타나 지위지수가 높을수록 평균 고사본수는 증가하는 경향이 나타났다. 각지위지수별로 가장 고사본수가 가장 많이 나타나는 임령은 20년으로 나타났으며, 20년 이후에는 고사율이 점차 감소하는 경향이 나타났다. 80년간 총 고사본수는 지위지수 12에서 962본, 지위지수 14는 1,201본, 지위지수 16은 1,445본이 고사하는 것으로 분석되었다.
- 관리된 천연림을 대상으로 임분밀도관리도를 개발하였으며, 수관경쟁이 일어나는 영역과 자연고사 발생이 임박한 영역, 자연고사가 발생하는 영역을 표기하였다. 또한 이용재적의 개념을 도입하여 다양한 임분밀도관리 체계에 따라 간재적 및 이용재적 추정이 용이하도록 하였으며, 컴퓨터를 이용한 알고리즘을 개발하여 사용자의 보간 오차를 줄이고 정확도를 향상시키는 성과를 보였다.
- 조림 후 80년이 경과한 시점에 대해 고사량을 예측한 결과, 지위지수가 높을수록 고사량이 증가하는 경향이 나타났다. 또한 임분 수확량 예측 결과에 따르면 지위지수가 높을수록 임분재적 및 임목크기는 커지며, 임분밀도는 낮아지는 경향이 나타났다. 본 연구에서 적용한 예측 시나리오는 솎아베기를 하지 않은 상황에서 나타나는 고사량 및 수확량이므로, 향후 관리 기준 설정에 관한 연구 결과에 따라 솎아베기 시나리오를 적용한 임분 생장 및 수확량 예측이 가능할 것이다.
- 이는 높은 지위일수록 생장속도가 빠르고, 단위면적당 재적, 개체목의 크기가 증가하면서 개체목간 경쟁의 심화로 인해 고사본 수가 증가하는 결과로 나타나 지위가 높을수록 적은 본수의 임목이 분포하는 것으로 판단된다. 이러한 판단에 대한 근거는 임내 경쟁의 지표라 볼 수 있는 Ry값이 지위지 수가 높을수록 빠른 속도로 증가하는 경향이며, 소나무의 관리기준이 되는 Ry 0.75를 참고 해볼 때 지위지수 12 이상의 임지에서는 1차 솎아베기 시점이 20년생 이전에 시행되어야 할 것으로 사료된다.
- 220318로 지정하였다. 조림 후 80년이 경과한 시점에 대해 고사량을 예측한 결과, 지위지수가 높을수록 고사량이 증가하는 경향이 나타났다. 또한 임분 수확량 예측 결과에 따르면 지위지수가 높을수록 임분재적 및 임목크기는 커지며, 임분밀도는 낮아지는 경향이 나타났다.
- 조림 후 80년이 경과한 시점에서 예상되는 수확량은 지위지수 12의 경우 ha당 463.1 m3 , 수확 본수는 2,038본으로 나타났으며, 평균 흉고직경은 18.2 cm, 평균 수고는 17.9 m로 예측되었다. 지위지수 14는 ha당 578.
- 시간의 개념이 포함되어 있지 않은 임분밀도관리도의 시뮬레이션을 위해 지위지수 분류곡선과 연계하였다. 지위지수 12～16의 임지에 ha당 3,000본을 조림할 경우의 임분 생장을 예측한 결과(Table 6), 지위 12의 임지에 80년간 생장할 때의 연평균 고사 본수는 12.0 treesㆍha-1ㆍyear-1로 나타났다. 지위 14는 15.
- 9 m로 예측되었다. 지위지수 14는 ha당 578.0 m3 , 수확 본수는 1,799본, 평균 흉고직경 20.1 cm, 평균 수고 20.1 m로 예측되었고, 지위지수 16은 ha당 695.4 m3 , 수확 본수는 1,555본, 평균 흉고직경 22.1 cm, 평균 수고 24.1 m로 예측되었다. 지위지수가 높을수록 재적, 흉고직경, 수고는 커지며, 임분밀도는 감소하는 경향이 나타났다.
- 특히, 편백림과 같은 인공림의 경우 적용이 용이하며, 생장, 고사 예측의 정확도가 높고, 수치적 관리 기준 수립 및 임분 상태 진단을 통한 시업의사결정 등 유용성이 높다. 지위지수 분류곡선과 결합하여 작성되는 임분 수확표에 비해 밀도변화에 대한 예측이 가능하다는 점에서 높은 효용가치를 보인다. 이에 따라 국외에서 활용도가 높고, 이를 이용한 의사결정 프로그램 개발 단계까지 나아가 있는 상태이다.
- 1 m로 예측되었다. 지위지수가 높을수록 재적, 흉고직경, 수고는 커지며, 임분밀도는 감소하는 경향이 나타났다. 하지만 본 연구에서 예측한 시나리오는 임분밀도 관리가 고려되지 않은 결과로, 정상적인 관리를 할 경우 현재 예측된 값보다 재적과 본수는 감소하고 평균 흉고직경은 증가하는 결과가 나타날 것으로 예측된다.
- 편백의 등평균수고곡선 함수식 모수 추정 결과(Table 3), 모형 설명력(R2)은 편백이 0.743이며, 추정된 모수 z1～z4는 z1=0.089, z2=–1.300, z3=8,600.426, z4=–3.191로 나타났다.
- 지위지수가 높을수록 재적, 흉고직경, 수고는 커지며, 임분밀도는 감소하는 경향이 나타났다. 하지만 본 연구에서 예측한 시나리오는 임분밀도 관리가 고려되지 않은 결과로, 정상적인 관리를 할 경우 현재 예측된 값보다 재적과 본수는 감소하고 평균 흉고직경은 증가하는 결과가 나타날 것으로 예측된다. 실제로 Ry 값은 80년 후 대부분 최대밀도에 근접한 상태에 도달해 있으며, 임분밀도 관리를 통해 적정 관리기준이 되는 Ry 값의 수준으로 유지하는 것이 필요하다.
후속연구
- 또한 작성된 결과에 대한 충분한 검증을 위해서 고정 시험지의 지속적인 모니터링을 통해 최대밀도의 접근여부와 최대밀도의 변화추이를 실측치와 비교하는 것이 필요하다. 또한 우리나라 식생대와 유사한 일본의 편백 임분밀도관리도 작성 체계 및 그 결과를 고찰함으로써 분석된 결과에 대한 검증 및 해당 오류를 최소화 하여야 한다.
- 이에 따라 우리나라 편백림에 대한 현실성 있는 임분 관리 체계를 마련하기 위해서는 최근까지 조사된 결과 및 분석자료를 취합하여 임분밀도관리도의 작성이 필요하다. 또한 작성된 결과에 대한 충분한 검증을 위해서 고정 시험지의 지속적인 모니터링을 통해 최대밀도의 접근여부와 최대밀도의 변화추이를 실측치와 비교하는 것이 필요하다. 또한 우리나라 식생대와 유사한 일본의 편백 임분밀도관리도 작성 체계 및 그 결과를 고찰함으로써 분석된 결과에 대한 검증 및 해당 오류를 최소화 하여야 한다.
- 또한 임분 수확량 예측 결과에 따르면 지위지수가 높을수록 임분재적 및 임목크기는 커지며, 임분밀도는 낮아지는 경향이 나타났다. 본 연구에서 적용한 예측 시나리오는 솎아베기를 하지 않은 상황에서 나타나는 고사량 및 수확량이므로, 향후 관리 기준 설정에 관한 연구 결과에 따라 솎아베기 시나리오를 적용한 임분 생장 및 수확량 예측이 가능할 것이다.
- 본 연구의 결과를 기반으로 구조적 임분밀도 관리모델과 임분 관리 의사결정 시스템 개발까지 목표로 하고 있다. 임분밀도 관리의 정량적 평가와 그 기준 수립을 위한 연구가 필요하며, 이와 관련하여 지속적인 연구가 필요할 것으로 판단된다.
- 실제로 Ry 값은 80년 후 대부분 최대밀도에 근접한 상태에 도달해 있으며, 임분밀도 관리를 통해 적정 관리기준이 되는 Ry 값의 수준으로 유지하는 것이 필요하다. 향후 관리기준에 대한 분석 결과에 따라 보다 정확한 임분밀도 관리 시뮬레이션이 가능할 것으로 보인다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.