[논문]공간보간법 적용을 통한 산림 종다양성지수의 공간적 추정 - 제1차 산림의 건강·활력도 조사 자료를 이용하여 -

이준희; 류지은; 최유영; 정혜인; 전성우; 임종환; 최형순

doi:10.13087/kosert.2019.22.4.1

공간보간법 적용을 통한 산림 종다양성지수의 공간적 추정 - 제1차 산림의 건강·활력도 조사 자료를 이용하여 -
Spatial Estimation of Forest Species Diversity Index by Applying Spatial Interpolation Method - Based on 1st Forest Health Management data- 원문보기

環境復元綠化 = Journal of the Korean Society of Environmental Restoration Technology, v.22 no.4, 2019년, pp.1 - 14

이준희 (고려대학교 환경생태공학과) , 류지은 (고려대학교 환경GIS) , 최유영 (고려대학교 환경생태공학과) , 정혜인 (고려대학교 환경생태공학과) , 전성우 (고려대학교 환경생태공학과) , 임종환 (국립산림과학원) , 최형순 (국립산림과학원)

Abstract ▼ AI-Helper

The 1st Forest Health Management survey was conducted to examine the health of the forests in Korea. However, in order to understand the health of the forests, which account for 63.7% of the total land area in South Korea, it is necessary to comprehensively spatialize the results of the survey beyond the sampling points. In this regard, out of the sample points of the 1st Forest Health Management survey in Gyeongbuk area, 78 spots were selected. For these spots, the species diversity index was selected from the survey sections, and the spatial interpolation method was applied. Inverse distance weighted (IDW), Ordinary Kriging and Ordinary Cokriging were applied as spatial interpolation methods. Ordinary Cokriging was performed by selecting vegetation indices which are highly correlated with species diversity index as a secondary variable. The vegetation indices - Normalized Differential Vegetation Index(NDVI), Leaf Area Index(LAI), Sample Ratio(SR) and Soil Adjusted Vegetation Index(SAVI) - were extracted from Landsat 8 OLI. Verification was performed by the spatial interpolation method with Mean Error(ME) and Root Mean Square Error(RMSE). As a result, Ordinary Cokriging using SR showed the most accurate result with ME value of 0.0000218 and RMSE value of 0.63983. Ordinary Cokriging using SR was proven to be more accurate than Ordinary Kriging, IDW, using one variable. This indicates that the spatial interpolation method using the vegetation indices is more suitable for spatialization of the biodiversity index sample points of 1st Forest Health Management survey.

주제어

표/그림 (9)

그림 Figure 1. Study Area
표 Table 1. F.orest Health Management point distribution
그림 Figure 2. Forest Health Management plot
그림 Figure 3. Concept of Variogram (Choi et al, 2015)
표 Table 2. Vegetation Index Formula
그림 Figure 4. Variogram Analysis
표 Table 3. Correlation of primary and secondary variable
그림 Figure 5. Species diversity Interpolation result
표 Table 4. Interpolation verification

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서, 본 연구의 목적은 산림의 효율적 관리 및 건강성 파악을 위해 표본점 단위로 조사한 정보 이외의 지역을 포함하여 산림의 건강성과 관련된 데이터구축을 위하여 제1차 산림의 건강·활력도 조사지표 표본점에 공간보간법을 적용하는 것이다.
본 연구는 제1차 산림의 건강·활력도 조사자료 중 종다양성지수의 공간화 방법을 제시하기 위해 실시하였다.

제안 방법

SAVI는 토양 보정 식생지수로, 표면 토양에 의한 수관의 적색 반사율 및 근적외선 반사율 차이를 줄이기 위한 토양 보정계수이다. L이 0.5일 때 토양 밝기의 변화가 적고, 다른 토양에 대한 추가 보정은 필요하지 않으므로 본 연구에도 적용을 하였다(Huete, 1988). LAI는 엽면적지수를 나타내며, NDVI와 함께 널리 쓰이는 대표적인 식생지수로써 단위면적당 엽면적 비율을 나타낸 것으로 식물의 광합성 및 수분 교환을 나타내는 구조학적 변수로 사용된다.
는 j번째 이차변수 자료 수, k는 예측하기 위한 총 자료의 수, λ는 가중치를 나타낸다. 먼저 이차변수 선정을 위해 산림에 영향을 미칠 수 있는 환경변수 중 공간 데이터가 존재하는 환경인자를 선행연구를 참고하여 선정하였다. 문헌조사 결과, 공간 데이터로 존재하는 환경변수 중 지형인자인 고도, 기후인자인 온도와 강수량, 식생지수가 선정되었다(Lee et al, 2011; Luis et al, 2006).
그 결과, 등급형 변수를 가지는 수목건강 부문 데이터는 연속형 데이터가 아니며 공간상관성(Spatial Correlation)이 나타나지 않았으므로 공간화가 불가능하다고 판단이 되었다. 본 연구에서는 공간보간이 가능한 연속값을 가지며 공간상관성을 가지는 항목을 선별하여 식생건강 부문의 종다양성지수를 공간화 대상 항목으로 선정하였다.
종다양성지수에 적합한 공간화 방법을 찾기 위해 선행연구조사를 하였으며, 연속형 변수의 공간보간에 사용하는 통계적 방법인 IDW(Inverse Distance Weighted, IDW), Ordinary Kriging, Ordinary Cokriging 방법을 이용했다. 산림을 대상으로 공간화하기 위해 제5차 임상도를 기준으로 산림 외의 지역은 포함하지 않고 공간화를 진행하였다. 본 연구는 ArcGIS 10.
산림의 건강·활력도 조사 종다양성지수 자료의 공간화를 위해 경북지역 5개 유역 78개 표본점을 대상으로 공간화를 진행하였다.
상관관계가 낮게 나타난 기후인자와 지형인자는 제외하고 상관관계가 0.4이상인 네 개의 식생지수만을 Ordinary Cokriging의 이차변수로 사용하였다. 식생지수 중 SR의 상관관계가 0.
지형인자인 고도는 수치지질도에서 추출한 DEM(Digital Elevation Model)자료를 추출하였다. 식생지수는 Landsat 8 OLI/ TIRS 위성영상을 이용하여 구축하였으며, 이 변수들 간 상관관계를 분석하여 이차변수를 선정하였다. 분석결과, 기후인자와 지형인자는 상관관계가 낮게 나타났으므로 이차변수로 사용하지 않았다(Choi et al, 2015).
이를 위해 공간보간법 적용이 가능하다고 판단되는 제1차 산림의 건강·활력도 조사지표를 선정하고, 특성에 맞는 공간보간법을 제시함으로써 산림건강성지도 구축 방안을 제시하고자 한다.
조사된 28개의 조사항목별 데이터 특성이 다르므로 공간화 가능 유무를 판단하기 위해 먼저 항목별 데이터 특성을 확인하였다.

대상 데이터

본 연구의 범위는 행정구역 기준으로 제1차 산림의 건강·활력도 조사자료 표본점 967개 중 전체의 24%인 230개로 가장 많은 표본점을 포함하는 경상북도 지역을 대상으로 하였다(Table 1). 그 중, 포항시, 영천시, 대구시, 경주시, 울산시 산림의 일부를 포함하는 5개 유역(임하댐, 금호강, 형산강, 대종천, 영덕오십천), 78개의 조사 표본점을 중심으로 분석을 진행하였다.
본 연구에서 사용된 식생지수는 Landsat 8 OLI/TIRS위성의 근적외선(Near Infra Red, NIR) 밴드와 적색(Red)밴드를 이용하여 구할 수 있는 식생지수인 NDVI(Normalized Differenced Vegetation Index, NDVI), SAVI(Soil Adjusted Vegetation Index, SAVI), LAI(Leaf Area Index, LAI), SR(Simple Ratio, SR)이며, 각 식의 공식은 Table 2와 같다. 영상은 제1차 산림의 건강·활력도 조사 시기와 일치시키기 위하여 2011년 부터 2015년까지 영상 중 식생의 활력이 높은 6월에서 9월 사이의 영상을 이용하였다.
본 연구의 범위는 행정구역 기준으로 제1차 산림의 건강·활력도 조사자료 표본점 967개 중 전체의 24%인 230개로 가장 많은 표본점을 포함하는 경상북도 지역을 대상으로 하였다(Table 1).
영상은 제1차 산림의 건강·활력도 조사 시기와 일치시키기 위하여 2011년 부터 2015년까지 영상 중 식생의 활력이 높은 6월에서 9월 사이의 영상을 이용하였다.
기후인자는 AWS자료를 기온감률을 적용한 Kriging기법으로 보간하여 조사시기인 6~9월의 평균 강수량과 최대, 최소 기온을 추출하였다 (Kim et al, 2014). 지형인자인 고도는 수치지질도에서 추출한 DEM(Digital Elevation Model)자료를 추출하였다. 식생지수는 Landsat 8 OLI/ TIRS 위성영상을 이용하여 구축하였으며, 이 변수들 간 상관관계를 분석하여 이차변수를 선정하였다.

데이터처리

각 공간보간법의 기법별 실측값과 예측값의 오차를 비교하기 위해 통계적 검증인 교차검증(Cross Validation)을 통해 식(4)을 이용한 평균 제곱근오차(Root Mean Square Error, RMSE)와 식(5)를 이용한 실측값과 예측값 차이의 평균인 오차평균(Mean Error, ME)을 이용하여 공간보간법별 정확도를 분석하였다(Kim et al, 2014). z_a는 관측값, z_a^*은 추정값을 나타낸다.
경향성이 나타날 경우 대수변환을 적용하여 이를 제거한 뒤 정규분포에 가깝게 변환을 한다. 공간데이터 분석은 자료가 정규분포와 가까운지를 확인하기 위해 히스토그램 분석(Histogram Analysis), 경향성분석(Trend Analysis), QQ-plot(Quantile-Quantile plot) 분석을 진행하였다(Choi et al, 2015). QQplot은 확률 누적분포함수와 역함수를 이용하여 두 분포가 직선적으로 일치하는지 확인하는 방법으로 데이터의 정규성을 확인할 때 사용하는 방법이며 히스토그램 분석과 경향성 분석 모두 Ordinary Kriging에 용이한 분포인 정규분포에 가까운지 확인하고자 분석을 진행하였다(Choi et al, 2015).
산림을 대상으로 공간화하기 위해 제5차 임상도를 기준으로 산림 외의 지역은 포함하지 않고 공간화를 진행하였다. 본 연구는 ArcGIS 10.3.1 소프트웨어의 Geostatistical Analyst툴을 이용하여 진행 및 검증을 실시하였다. Geostatistical Analyst 툴의 경우 자료의 경향성 분석과 정확도 검증이 가능한 툴이다.
그러므로 공간보간 시행 전에, 정확도 향상을 위해 자료의 공간적 특징과 구조파악이 요구된다(Choi et al, 2015). 이러한 공간적 특징과 구조를 파악하기 위해 ArcGIS 10.1의 Geostatistical Analysis툴을 이용해 공간데이터 분석(Exploratory Spatial Data Analysis)을 수행하여 데이터의 경향성을 확인한다. 경향성이 나타날 경우 대수변환을 적용하여 이를 제거한 뒤 정규분포에 가깝게 변환을 한다.

이론/모형

Kriging은 가중치의 설정 방법에 따라 Ordinary Kriging, Universal Kriging, Simple Kriging으로 나뉘며(Kim et al, 2012) 모두 일변량 Kriging으로 부른다. 본 연구에서는 Jin et al,(2013)의 연구를 참고하여 종다양성지수의 자료특성에 맞게 Ordinary Kriging 방법을 이용하였다. Kriging 방법 중 하나의 변수만을 사용한 Ordinary Kriging식은 식(2)와 같다.
공간상에서는 표본점이 존재하지 않는 지점에도 값이 존재하지만 공간상 모든 데이터의 값을 관측한다는 것은 현실적으로 불가능하므로 관측된 지점을 통한 공간데이터를 예측하는데 공간보간법이 사용된다. 여러 공간보간법을 적용시키기 위해서는 데이터별 특성에 맞는 공간화가 필요하므로 연속형 변수의 공간화에 사용되는 IDW, Ordinary Krigng, Ordinary Cokriging 방법을 적용하여 각 보간기법별 정확도를 분석하였다. Ordinary Cokriging 방법의 경우 이차변수를 선정하기 위해 식생지수를 이용한 종다양성지수의 공간화사례(Luis et al, 2006)와 산림에 영향을 미치는 환경인자를 선행연구를 통해 이차변수후보로 선정한 뒤 비교적 높은 상관관계를 가지는 위성영상을 이용한 식생지수를 선정하였다.
종다양성 지수로는 대표적으로 Shannon’s index가 있으며, Shannon’s index는 산림군집의 종다양성 연구에 많이 이용되고 있으며(Lee et al, 2018), 제 1차 산림의 건강·활력도 조사에서도 Shannon’s index를 사용하였다.
산림의 건강·활력도 조사 종다양성지수 자료의 공간화를 위해 경북지역 5개 유역 78개 표본점을 대상으로 공간화를 진행하였다. 종다양성지수에 적합한 공간화 방법을 찾기 위해 선행연구조사를 하였으며, 연속형 변수의 공간보간에 사용하는 통계적 방법인 IDW(Inverse Distance Weighted, IDW), Ordinary Kriging, Ordinary Cokriging 방법을 이용했다. 산림을 대상으로 공간화하기 위해 제5차 임상도를 기준으로 산림 외의 지역은 포함하지 않고 공간화를 진행하였다.

성능/효과

63983으로 가장 정확하였다. NDVI를 이용한 Ordinary Cokriging의 오차평균값이 SR을 이용한 Ordinary Cokriging값 보다 0에 더 가까웠으나, SR을 이용한 Ordinary Cokriging의 평균제곱근오차 값이 NDVI를 이용한 Ordinary Cokriging 오차평균값보다 더 크게 0에 가까우므로 SR을 이용한 Ordinary Cokriging값이 보다 더 정확하다는 것으로 판단할 수 있다.
0473로 비교적 정규분포에 가깝게 나타났으며, Q-Q plot은 자료의 누적분포와 정규분포간의 차이를 분석하는 것으로 종다양성지수의 표준 정규분포를 나타내는 직선과의 거리가 크게 벗어나지 않는다는 것을 확인할 수 있었다. 경향성 분석(Trend Analysis)결과는 특정한 경향성이 나타나지 않았으며, 베리오그램 분석결과는 베리오그램 값의 1/2인 세미베리오그램(Semivariogram)을 나타내는 그래프를 이용하였으며 세미베리오그램 값이 Ordinary Kriging과 Ordinary Cokriging 모두 문턱값까지 증가하다가 일정거리 이상에서는 그 값이 일정해지는 공간적 상관성이 존재할 때 나타나는 전형적인 베리오그램 형태를 확인할 수 있었으므로, Ordinary Kriging과 Ordinary Cokriging의 적용이 적합하다는 것을 확인할 수 있었다(Figure 4).
공간보간법(IDW, Ordinary kriging, Ordinary Cokriging) 및 여러 식생지수를 이용한 Ordinary Cokriging의 결과, 패턴 차이와 값의 범위 차이는 크게 나타나지 않았지만 공간보간법 간 예측 값의 최대값과 최소값의 차이가 나타난다는 것을 확인할 수 있었다 (Figure 5). Ordinary Kriging, 여러 식생지수를 이용한 Ordinary Cokriging, IDW의 예측 정확도 분석을 하기 위해 교차검증을 실시한 결과는 Table 4와 같다.
공간보간법별 정확도는 종다양성지수만을 이용한 일변량 공간보간법 중 지리통계학적(Geostastical) 방법을 이용한 Ordinary Kriging 방법이 단순 거리에 가중치를 두는 IDW 방법보다 정확한 것으로 나타났으며, 공간 데이터인 식생지수를 이차변수로 사용한 Ordinary Cokriging 방법이 하나의 변수만을 이용하는 IDW, Ordinary Kriging 방법보다 높은 정확도를 가지는 공간화 방법이라는 것으로 나타났다. 본 연구에서는 여러 식생지수 중 SR을 사용한 Ordinary Cokriging방법이 비교적 가장 정확한 방법이라는 것으로 나타났다.
조사된 28개의 조사항목별 데이터 특성이 다르므로 공간화 가능 유무를 판단하기 위해 먼저 항목별 데이터 특성을 확인하였다. 그 결과, 등급형 변수를 가지는 수목건강 부문 데이터는 연속형 데이터가 아니며 공간상관성(Spatial Correlation)이 나타나지 않았으므로 공간화가 불가능하다고 판단이 되었다. 본 연구에서는 공간보간이 가능한 연속값을 가지며 공간상관성을 가지는 항목을 선별하여 식생건강 부문의 종다양성지수를 공간화 대상 항목으로 선정하였다.
본 연구결과는 기존에 존재하는 산림자원조사자료 중 비교적 가장 다양한 조사항목을 가지는 제 1차 산림의 건강·활력도 조사 자료의 공간화를 위해 공간화가 가능한 항목을 검토 후, 항목 중 하나인 종다양성지수를 활용하여 조사 표본점이 존재하지 않는 곳의 값을 예측하기 위해 공간화를 진행한 것에 의의가 있다.
공간보간법별 정확도는 종다양성지수만을 이용한 일변량 공간보간법 중 지리통계학적(Geostastical) 방법을 이용한 Ordinary Kriging 방법이 단순 거리에 가중치를 두는 IDW 방법보다 정확한 것으로 나타났으며, 공간 데이터인 식생지수를 이차변수로 사용한 Ordinary Cokriging 방법이 하나의 변수만을 이용하는 IDW, Ordinary Kriging 방법보다 높은 정확도를 가지는 공간화 방법이라는 것으로 나타났다. 본 연구에서는 여러 식생지수 중 SR을 사용한 Ordinary Cokriging방법이 비교적 가장 정확한 방법이라는 것으로 나타났다.
시행한 각 공간보간법 별 정확도를 비교한 결과는 하나의 변수만을 이용하는 공간보간법 간 비교는 단순 거리에 가중치를 두는 IDW보다 지리통계학적 방법인 Ordinary Kriging방법이 오차평균과 평균제곱근오차값이 모두 IDW방법보다 0에 가까웠다. 그러므로 일변량 공간보간법 중 IDW방법 보다 Ordinary Kriging 방법이 더 정확한 방법이라는 것으로 볼 수 있다.
식생지수 중 SR의 상관관계가 0.444로 종다양성지수와 가장 높은 상관관계를 가지는 것을 확인할 수 있었다(Table 3).
64312로 Ordinary Kriging방법이 IDW보다 0에 가까운 값이므로 보다 정확한 결과를 보였다. 식생지수를 사용한 Ordinary Cokriging방법의 경우 모두 식생지수를 사용하지 않은 IDW와 Ordinary kriging 보다 정확하게 나타났다.
여러 식생지수를 이용한 Ordinary Cokriging 방법 간 교차검증 결과 식생지수 SR을 이용한 Ordinary Cokriging 방법이 평균제곱근오차값이 0에 가장 가까웠으므로 제1차 산림의 건강·활력도 조사 종다양성 지수 자료의 공간화에 가장 적합한 식생지수라는 것을 알 수 있었다.
이차변수를 이용한 공간보간법인 Ordinary Cokriging에 적용하기 위하여 기후인자, 지형인자, 식생지수를 제1차 산림의 건강·활력도 조사 종다양성지수의 상관성 분석을 수행 결과, SAVI, NDVI, SR, LAI 지수는 모두 제1차 산림의 건강∙활력도 조사 종다양성지수와 유의수준 0.05에서 0.4이상 인 양의 상관관계로 나타났다.
종다양성지수 외에 여러 식생지수를 이차변수로 적용하여 시행한 Ordinary Cokriging 방법의 식생지수 간 정확도 분석결과로는 NDVI를 이용한 Ordinary Cokriging의 오차평균이 0.0000217로 가장 작았으며, 평균제곱근오차의 경우 SR 식생지수를 이용한 Ordinary Cokriging 의 결과가 0.63983으로 가장 정확하였다. NDVI를 이용한 Ordinary Cokriging의 오차평균값이 SR을 이용한 Ordinary Cokriging값 보다 0에 더 가까웠으나, SR을 이용한 Ordinary Cokriging의 평균제곱근오차 값이 NDVI를 이용한 Ordinary Cokriging 오차평균값보다 더 크게 0에 가까우므로 SR을 이용한 Ordinary Cokriging값이 보다 더 정확하다는 것으로 판단할 수 있다.
Ordinary Kriging, 여러 식생지수를 이용한 Ordinary Cokriging, IDW의 예측 정확도 분석을 하기 위해 교차검증을 실시한 결과는 Table 4와 같다. 종다양성지수만을 이용한 IDW의 오차평균은 0.04333이고, 지리통계학적 방법인 Ordinary Kriging 방법의 오차평균은 0.0007419로 IDW보다 0에 가까운 값으로 나타내었다. 평균제곱근 오차도 마찬가지로 IDW방법은 0.
0007419로 IDW보다 0에 가까운 값으로 나타내었다. 평균제곱근 오차도 마찬가지로 IDW방법은 0.65376이고 Ordinary Kriging방법은 0.64312로 Ordinary Kriging방법이 IDW보다 0에 가까운 값이므로 보다 정확한 결과를 보였다. 식생지수를 사용한 Ordinary Cokriging방법의 경우 모두 식생지수를 사용하지 않은 IDW와 Ordinary kriging 보다 정확하게 나타났다.
공간보간에 사용한 산림의 건강∙활력도 조사 종다양성지수 자료의 분포패턴을 나타내는 히스토그램 분석결과, 연구 자료의 공간 분포는 특정한 경향성이 나타나지 않았기 때문에 대수변환을 하지 않고 원자료 그대로 보간을 실시하였다. 히스토그램의 최소값은 0, 최대값은 2.4, 평균값은 1.19, 표준편차 0.6315였으며, 왜도 -0.0043381, 첨도 2.0473로 비교적 정규분포에 가깝게 나타났으며, Q-Q plot은 자료의 누적분포와 정규분포간의 차이를 분석하는 것으로 종다양성지수의 표준 정규분포를 나타내는 직선과의 거리가 크게 벗어나지 않는다는 것을 확인할 수 있었다. 경향성 분석(Trend Analysis)결과는 특정한 경향성이 나타나지 않았으며, 베리오그램 분석결과는 베리오그램 값의 1/2인 세미베리오그램(Semivariogram)을 나타내는 그래프를 이용하였으며 세미베리오그램 값이 Ordinary Kriging과 Ordinary Cokriging 모두 문턱값까지 증가하다가 일정거리 이상에서는 그 값이 일정해지는 공간적 상관성이 존재할 때 나타나는 전형적인 베리오그램 형태를 확인할 수 있었으므로, Ordinary Kriging과 Ordinary Cokriging의 적용이 적합하다는 것을 확인할 수 있었다(Figure 4).

후속연구

공간보간에 있어 정확한 방법을 찾는 것이 중요하지만 정확한 검증 또한 필요한 것으로 보인다. 그 외에, 다른 조사 항목의 공간보간 방안 연계, 중첩 및 연구를 통해 보다 정확한 전국산림건강성평가지도 작성 방안을 제시하는 것이 필요할 것으로 보인다.
본 연구결과는 기존에 존재하는 산림자원조사자료 중 비교적 가장 다양한 조사항목을 가지는 제 1차 산림의 건강·활력도 조사 자료의 공간화를 위해 공간화가 가능한 항목을 검토 후, 항목 중 하나인 종다양성지수를 활용하여 조사 표본점이 존재하지 않는 곳의 값을 예측하기 위해 공간화를 진행한 것에 의의가 있다. 또한, 현재 논의되고 있는 산림건강성평가지도 작성에 요구되는 기초 방법론 분석에 새로운 대안으로 제시될 수 있을 것으로 판단된다. 제 1차 산림의 건강·활력도 조사 자료를 대상으로 자료특성에 맞는 적절한 공간보간방법을 선행연구 분석을 통해 제시함으로써 여러 공간화방안 중 보다 정확한 공간화방안을 제시할 수 있을 것으로 판단된다.
본 연구의 한계는 기존에 선행되었던 연구 중 종다양성지수의 공간화 검증에 적절한 데이터를 찾기 어려우므로 통계적 검증 외에 자세한 검증을 하지 못하는 것에 한계가 있다.
이를 보완하기 위해 추후 산림의 건강 및 활력도 표본점 추가 표본점 조사 시 본 연구의 결과와 실측값의 결과 비교를 통해 통계적방법이 아닌 공간보간법 검증 방법이 필요할 것이다. 공간보간에 있어 정확한 방법을 찾는 것이 중요하지만 정확한 검증 또한 필요한 것으로 보인다.
제 1차 산림의 건강·활력도 조사 자료를 대상으로 자료특성에 맞는 적절한 공간보간방법을 선행연구 분석을 통해 제시함으로써 여러 공간화방안 중 보다 정확한 공간화방안을 제시할 수 있을 것으로 판단된다. 자료특성에 맞는 적절한 공간보간법의 적용은 여러 시행착오를 거쳐 적합한 방법을 찾아야 하는데, 본 연구를 참고하여 보다나은 판단을 내리는데 용이할 것으로 판단된다.
제 1차 산림의 건강·활력도 조사 자료를 대상으로 자료특성에 맞는 적절한 공간보간방법을 선행연구 분석을 통해 제시함으로써 여러 공간화방안 중 보다 정확한 공간화방안을 제시할 수 있을 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	산림의 역할은 무엇인가?	산림은 인간에게 휴양, 대기 정화, 수자원 보호기능 등 많은 재화와 서비스, 자원을 인간에게 제공한다(Kim, 2012). 최근 기후변화로 인한 지구온난화, 환경오염 등 산림상태계의 건강성을 위협하는 요인의 증대와 함께 산림에 대한 관심의 증대로 국내 및 주요 임업 선진국에서는 산림 관리와 이를 위한 산림생태계 변화 파악 및 관리를 위해 힘쓰고 있다(Bae & Cho, 2013).
	제1차 산림의 건강·활력도 조사를 비롯한 국내외 산림생태계 조사 및 건강성 조사방법은 무엇인가?	이렇듯 제1차 산림의 건강·활력도 조사를 비롯한 국내외 산림생태계 조사 및 건강성 조사방법은 표본점(Plot) 모니터링 조사방법이다. 산림 조사뿐만 아니라 대부분의 환경 분야에서 사용되는 방법은 모니터링 조사방법이 대부분이며 표본점으로 조사하여 사용되는 데이터는 공간상으로 연속적으로 분포하지만, 비용, 시간 등 여러 문제로 표본점이 존재하지 않는 원하는 지역의 실제값을 추출하기가 어렵다(Cho et al, 2006).
	산림생태계의 건강성을 평가하기 위해 국내외에서 진행하는 모니터닝 조사를 통한 연구는 무엇인가?	체계적인 산림생태계의 관리를 위해서는 산림에 대한 현황 및 기초 자료 수집이 필요하며 이를 위해 국내외에서 산림생태계의 건강성을 평가하기 위한 여러 모니터링 조사를 통한 연구를 진행하고 있다. 국내에서는 산림청에서 「제 5차 산림기본계획(2008~2017년)」에 근거 4,000 플롯을 고정표본점으로 하여 제 5차 국가산림자원조사(2006~2010년)을 실시, 그 중 967개의 표본점을 대상으로 제1차 산림의 건강·활력도 조사를 진행하였으며, 전국 산림 중 약 81.2%의 산림이 건강하다는 결론을 얻을 수 있었다(National institute of forest science, 2015). 국외에서는 영국에서 영국 내에 서식하는 주요 수종 5종(Norway spruce, sitka, spruce, Scots pine, Oak, Beech)을 위주로 매년 6~9월 사이, 영국 전역에 존재하는 350여 곳의 모니터링 플롯에 있는 약 8400개의 수목을 조사하여 산림의 건강성을 평가하였고(Hendry, 2003), 미국 뉴햄프셔 에서 764에이커(ac)의 면적을 10개의 자연 개체군으로 나누어 산림의 건강성을 평가하였다(US Forest Service, 2006).

저자의 다른 논문 :

LOADING...

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format