[논문]확률밀도함수를 이용한 목재수확조절법 연구

박정묵; 이정수; 이호상; 박진우

doi:10.14578/jkfs.2020.109.4.504

확률밀도함수를 이용한 목재수확조절법 연구
Study on Timber Yield Regulation Method using Probability Density Function 원문보기

한국산림과학회지 = Journal of korean society of forest science, v.109 no.4, 2020년, pp.504 - 511

박정묵 (강원대학교 산림경영학전공) , 이정수 (강원대학교 산림경영학전공) , 이호상 (국립산림과학원 난대.아열대산림연구소) , 박진우 (강원대학교 산림경영학전공)

초록
AI-Helper

본 연구는 확률밀도함수를 이용한 목재수확예측기법으로 면적가중치법(AW), 면적비율가중치법(ARW), 표본면적변화율가중치법(SCRW)를 적용하여 전국 국유림의 산림경영계획 목표량 설정을 위한 벌채계획량을 추정하였다. 벌채계획량 추정을 위한 산림면적은 산림기본통계의 2010년, 2015년의 영급별 국유림면적을 이용하였으며, 5년간의 산림면적변화량을 벌채면적으로 가정하여 산출하였다. AW, ARW, SCRW를 이용한 벌기령의 평균은 각각 5.41, 5.56, 5.37로 V~VI영급수준으로 산출되었다. 벌채면적은 각각 594,462 ha, 586,704 ha, 580,852 ha로 SCRW가 실제 면적변화량과 가장 유사하였으며, Chi-square 검정도 SCRW이 가장 안정적으로 분석되었다. 산림경영계획의 목재수확예측을 위한 방법으로 SCRW가 AW와 ARW보다 적합한 것으로 판단된다.

Abstract ▼ AI-Helper

This study estimated planned felling volumes to set targets for management planning of nationwide country-owned forests. Estimates were made using timber harvest prediction methods that use probability density functions, including area weighting (AW), area ratio weighting (ARW), and sample area change ratio weighting (SCRW). Country-owned forest areas in 2010 and 2015 were used to estimate planned felling volumes, as shown in basic forest statistics, and calculations were made assuming that the felling areas were the changes in the forest area over the 5-year period. For the age classes of V-VI, the average felling ages for AW, ARW, and SCRW were 5.41, 5.56, and 5.37, respectively, and the felling areas were 594,462, 586,704, and 580,852 ha, respectively, with ARW reaching closest to the actual changes. The actual changes in the areas and chi-squared test results were most stable with the SCRW method. This study showed that SCRW was more adequate than AW and ARW as a method to predict timber harvests for forest management planning.

주제어

표/그림 (7)

그림 Figure. 1. Schematic to timber yield regulation method using forest change ratio.
그림 Figure. 2. Distribution of forest change ratio by means and variances of felling age class in the three methods.
그림 Figure. 3. Distribution of estimated felling area by age class(1 age class = 10 year) in the three methods.
표 Table 1. Calculation of felling area, felling area rate and retention rate using statistical information.
표 Table 2. The means and variances of felling age class using the three methods.
표 Table 3. Estimated felling area of 1 period(1999-2008) by gentan probability. (Unit : ha)
표 Table 4. Comparison of estimating felling area and volume.

AI 본문요약
AI-Helper

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

문제 정의

그러나 국유림의 생태적 보전 및 공익적 기능 증진을 위해서는 근본적으로 꾸준한 산림관리가 필요하다고 판단되며, 현재 영급 불균형의 상황에서 장령림에서 성숙림으로 옮겨가고 우리나라 산림에 대한 관리방안이 필요하다고 판단하여 본 연구를 진행하였다. 또한, 현재 연구에 적용된 방법은 일본에서 사유림의 규모화와 집단화에 있어 목재 수확량 산출에 적용되는 방법으로 향후 사유림의 목재 수확체계 구축 및 관리방안을 제시를 위한 기초자료가 될 것으로 판단된다.
따라서 본 연구는 우리나라 산림정책의 중심이 되는 국유림을 대상으로 지속가능한 산림경영계획 수립을 위한 산림 수확 목표량을 제시하는 것을 목표로 하였다. 이를 위하여 확률밀도함수를 이용한 산림면적 변화율을 추정하고 산림면적 변화율을 통한 미래 산림수확량을 예측하는 방법을 제시하고자 하였다.
목재수확량 예측을 위한 국유림의 영급별 산림면적은 2010년과 2015년 산림기본통계의 산림청 소관 국유림의 정보를 이용하였다. 산림기본통계는 전국 산림을 과학적인 방법으로 조사 평가하여 산림의 정책 수립의 기본자료로 제공하는 것에 그 목적이 있다. 특히 산림 기본통계는 FAO, OECD, SFM에서 요구하는 산림통계 및 국제 수준의 맞춤형 통계자료로 제시되고 있다(KFS, 2020) 벌기령의 평균과 분산은 면적가중치법(Area Weighting; AW), 면적비율가중치법(Area Ratio Weighting; ARW), 표본 면적변화율 가중치법(Sample area Change Ratio Weighting; SCRW)을 적용하여 산출하였다.
목표량을 제시하는 것을 목표로 하였다. 이를 위하여 확률밀도함수를 이용한 산림면적 변화율을 추정하고 산림면적 변화율을 통한 미래 산림수확량을 예측하는 방법을 제시하고자 하였다.

가설 설정

이러한 방법은 수종 및 영급별 면적이 매우 복잡한 산림에 대하여 장기적으로 법정림에 가까운 산림을 만들기 위한 방법이다. 산림면적변화를 추정하는 확률 밀도 함수의 형태는 감마분포로 가정하며, 평균과 분산를 이용하여 감마분포함수의 모수(M, K)를 추정하여 확률밀도 곡선을 작성한다. 확률밀도곡선은 적분을 통하여 영급별 산림면적변화율 _′ 를 산출한다(Hiroshima, 2006).

제안 방법

목재 수확량 는 향후 15년(1분기=5년)을 계획 기간으로 설정하였으며, 1분기는 2010년~2015년의 방법 결정 및 적합도 추정을 위한 기간이며, 이를 기반으로 2분기와 3분기의 목재 수확량을 예측하였다. 2분기와 3분기의 목재수확량 산출 방법은 식 16, 식 17과 같다.
확률밀도함수는 평균과 분산을 이용하여 추정하고 확률밀도함수의 산림변화율을 2010년 산림면적에 적용하여 영급별 수확면적(벌채면적) 을 재현하고 실제 수확면적과 비교하여 적합도를 평가하였다. 목재수확량은 5년을 1분기로 하여 3분기를 추정하여 향후 목재수확량을 추정하였다(Figure 1).
벌기령의 평균과 분산을 산출하기 위하여 먼저 2010년과 2015년의 국유림 면적 _와 _기반으로 표본면적 변화율() Table 1을 작성하였으며, 표본면적변화율을 산출하기 위하여 산림변화면적(_), 면적변화비율(_), 보존율() 을 이용하였다(Table 1). 전체 국유림 면적은 2010년 대비 2015년이 약 64천ha가 증가하였으나, 영급별로는 Ⅰ영급과 Ⅳ영급을 제외한 모든 영급에서 면적이 감소하였다.
본 연구는 확률밀도함수를 이용한 산림경영 사업량을 예측하는 방법으로 이 방법을 이용하여 국유림의 산림면적변화와 목재수확량을 추정하였다. SCRW방법을 이용한 미래의 산림면적변화량 및 목재수확량을 예측하는 방법이 AW와 ARW보다 통계정보와 비교하여 일치도 및 적합도가 가장 높았다.
본 연구에서는 AW와 ARW, SCRW의 세 가지 가중치 법에 따른 확률밀도함수를 추정하고 추정된 확률밀도함수를 이용하여 미래의 산림변화면적 및 목재수확량을 추정하였다. 확률밀도함수에 의하여 산림면적변화량(벌채면적)을 추정한 결과, AW와 SCRW는 1분기에서 2분기까지 증가하였으나, 3분기에서는 감소하는 경향을 보였다.
산림면적변화에 대한 확률밀도함수는 수명분포함수를 기반으로 작성하며, Blandon(1991)에 의하면 임목의 수명분포함수 그래프는 일반적으로 감마분포의 형태를 보인다고 보고하였다. 본 연구에서는 확률밀도함수를 감마분포함수를 기반으로 산출하였으며, 적분을 통하여 영급별 산림면적변화율로 산출하였다. 산출된 산림면적변화율을 통하여 2010년~2015년의 산림면적 변화량을 산출한 결과, AW에 의한 산림면적변화량은 약 59.
산림 기본통계는 ｢산림자원의 조성 및 관리에 관한 법률 시행규칙 제36 조｣에 의하여 5년마다 정보를 공표하고 있으며, 본 연구에서는 2010년부터 2015년의 산림면적 변화 정보를 통하여 2020년과 2025년의 산림수확량을 예측하였다.
산림면적의 변화는 5년간 영급별 산림면적을 통하여 산출하였다. 2010년 영급의 산림면적을 _, 2015년 영급의 산림면적을 _로 설명하고, _의 5년간 산림변화면적을 를 산출한다(식 1).
특히 산림 기본통계는 FAO, OECD, SFM에서 요구하는 산림통계 및 국제 수준의 맞춤형 통계자료로 제시되고 있다(KFS, 2020) 벌기령의 평균과 분산은 면적가중치법(Area Weighting; AW), 면적비율가중치법(Area Ratio Weighting; ARW), 표본 면적변화율 가중치법(Sample area Change Ratio Weighting; SCRW)을 적용하여 산출하였다. 확률밀도함수는 평균과 분산을 이용하여 추정하고 확률밀도함수의 산림변화율을 2010년 산림면적에 적용하여 영급별 수확면적(벌채면적) 을 재현하고 실제 수확면적과 비교하여 적합도를 평가하였다. 목재수확량은 5년을 1분기로 하여 3분기를 추정하여 향후 목재수확량을 추정하였다(Figure 1).
확률밀도함수에 의한 목재수확량 예측은 벌기령의 평균과 분산을 선정하고, 이 평균과 분산을 이용하여 산림변화율 곡선을 추정, 산림변화률곡선에 의한 산림변화율을 추정하였다. 목재수확량 예측을 위한 국유림의 영급별 산림면적은 2010년과 2015년 산림기본통계의 산림청 소관 국유림의 정보를 이용하였다.

대상 데이터

추정, 산림변화률곡선에 의한 산림변화율을 추정하였다. 목재수확량 예측을 위한 국유림의 영급별 산림면적은 2010년과 2015년 산림기본통계의 산림청 소관 국유림의 정보를 이용하였다. 산림기본통계는 전국 산림을 과학적인 방법으로 조사 평가하여 산림의 정책 수립의 기본자료로 제공하는 것에 그 목적이 있다.
벌기령의 평균과 분산을 산출하기 위하여 산림청에서 제공하는 2010년과 2015년의 산림기본통계를 이용하였으며, 산림기본통계 정보 내의 산림청 소관의 영급별 국유림 정보를 활용하였다(KFS, 2011; KFS, 2016). 산림 기본통계는 ｢산림자원의 조성 및 관리에 관한 법률 시행규칙 제36 조｣에 의하여 5년마다 정보를 공표하고 있으며, 본 연구에서는 2010년부터 2015년의 산림면적 변화 정보를 통하여 2020년과 2025년의 산림수확량을 예측하였다.
본 연구는 국가 자산에 해당하는 전국 국유림을 대상으로 하였다. 국유림은 ha당 임목축적이 약 163.

데이터처리

13, 식 14). 이러한 방법으로 산출된 산림변화면적 _′는 실제산림감소면적 _와 비교·검토 및 Chi-square 검증을 통하여 적합도를 평가하였다(식 15).

이론/모형

벌기령의 평균이 유사하여도 산출방법에 따라 평균과 분산이 다르게 산출되며, 확률밀도함수의 경향도 다르게 나타난다. 본 연구에서는 벌기령의 평균과 분산을 산출하는 대표적인 방법인 AW, ARW, SCRW의 3가지 방법에 따라 산출하였다. AW법에 의한 벌기령의 평균 _과 분산 _는 영급의 산림변화면적 _를 이용하며, 식 3, 식 4에 의하여 간단하게 산출된다(J-FIC, 1975).
2분기와 3분기의 목재수확량 산출 방법은 식 16, 식 17과 같다. 영급별 재적은 국립산림과학원에서 제공하는 ‘수종별 임분수확표’의 영급별 평균 재적을 재계산하여 이용하였다(NiFoS, 2018).
산림기본통계는 전국 산림을 과학적인 방법으로 조사 평가하여 산림의 정책 수립의 기본자료로 제공하는 것에 그 목적이 있다. 특히 산림 기본통계는 FAO, OECD, SFM에서 요구하는 산림통계 및 국제 수준의 맞춤형 통계자료로 제시되고 있다(KFS, 2020) 벌기령의 평균과 분산은 면적가중치법(Area Weighting; AW), 면적비율가중치법(Area Ratio Weighting; ARW), 표본 면적변화율 가중치법(Sample area Change Ratio Weighting; SCRW)을 적용하여 산출하였다. 확률밀도함수는 평균과 분산을 이용하여 추정하고 확률밀도함수의 산림변화율을 2010년 산림면적에 적용하여 영급별 수확면적(벌채면적) 을 재현하고 실제 수확면적과 비교하여 적합도를 평가하였다.

성능/효과

따라서 SCRW는 AW와 ARW보다 안정적인 산림변화면적 및 목재 수확량을 추정할 수 있으며, 미래의 산림관리계획 수립에 있어 적합한 것으로 판단된다. SCRW방법에 의한 3분기 동안 연평균 목재벌채량은 약 58.7만ha가 가능하며, 목재 수확량은 연평균 약 15.9백만m³이 가능한 것으로 산출되었다(Table 4).
한편, Chi-square 검증을 통하여 적합도를 평가한 결과, SCRW 에 의한 영급별 면적변화량이 AW와 ARW보다 낮아 적합도가 높았으며, SCRW는 전체 추정값 뿐만 아니라 영급별 추정값도 정확도가 높은 것으로 나타났다. SCRW방법에의한 산림면적변화량은 AW와 ARW보다 일치율과 적합도가 높아 산림면적변화량(벌채면적) 추정을 위한 방법으로 적합하다고 판단되었다(Table 3).
목재수확량을 추정하였다. SCRW방법을 이용한 미래의 산림면적변화량 및 목재수확량을 예측하는 방법이 AW와 ARW보다 통계정보와 비교하여 일치도 및 적합도가 가장 높았다. 이러한 방법을 통하여 복잡한 계산 방법보다 직관적인 산림경영 목표량을 제시할 수 있었다.
1천ha/년로 AW방법에 의한 연간 산림면적 변화량이 가장 높았으며, SCRW가 가장 낮았다. 또한, 산림기본통계의 산림면적변화량 _과 비교한 결과, 세 가지 추정방법 모두 과대추정되었으며, 일치율은 SCRW방법이 산림기본통계 대비 약 1.12배로 가장 높았다. 영급별 산림면적변화량을 비교하면, Ⅴ영급 이하에서는 산림기본통계의 변화면적이 높았으나, Ⅴ영급에서 Ⅵ 영급 구간에서 세 가지 방법 모두 급격하게 증가하여 산림기본통계 대비 약 1.
Choi(1998)에 의하면, 벌기령의 평균과 분산을 통하여 임업생산의 안정성을 평가할 수 있으며, 벌기령의 평균이 높고 분산이 낮을수록 목재생산성이 안정적이라고 평가하였다. 본 연구에서 적용된 세 가지 가중치법을 이용하여 산출된 평균과 분산은 모두 Ⅴ영급 이상의 비교적 높은 영급과 분산이 1 이하로 낮게 산출되어 목재생산을 위하여 안정적인 산림으로 평가되었다.
Ryu et al(2016)에 의하면, 우리나라의 산림은 현재 영급구조의 불균형으로 인하여 지속적으로 장령림이 증가하여 성숙림의 단계로 진입하고 있는 것으로 보고하고 있다. 본 연구에서도 국유림이 적극적인 산림관리가 이루어지고 있지만 성숙림의 형태로 진행되고 있는 것으로 나타났다. 한편 산림의 변화면적은 Ⅲ영급 이하의 면적에서 시계열에 따라 다음 영급 단계로의 면적이 감소하여야 하지만 면적이 증가하여 변화면적이 마이너스 값으로 분석되었다.
본 연구에서는 확률밀도함수를 감마분포함수를 기반으로 산출하였으며, 적분을 통하여 영급별 산림면적변화율로 산출하였다. 산출된 산림면적변화율을 통하여 2010년~2015년의 산림면적 변화량을 산출한 결과, AW에 의한 산림면적변화량은 약 59.4천ha/년이며, ARW 는 58.6천ha/년, SCRW는 58.1천ha/년로 AW방법에 의한 연간 산림면적 변화량이 가장 높았으며, SCRW가 가장 낮았다. 또한, 산림기본통계의 산림면적변화량 _과 비교한 결과, 세 가지 추정방법 모두 과대추정되었으며, 일치율은 SCRW방법이 산림기본통계 대비 약 1.
5배로 과대추정 되었다. 한편, Chi-square 검증을 통하여 적합도를 평가한 결과, SCRW 에 의한 영급별 면적변화량이 AW와 ARW보다 낮아 적합도가 높았으며, SCRW는 전체 추정값 뿐만 아니라 영급별 추정값도 정확도가 높은 것으로 나타났다. SCRW방법에의한 산림면적변화량은 AW와 ARW보다 일치율과 적합도가 높아 산림면적변화량(벌채면적) 추정을 위한 방법으로 적합하다고 판단되었다(Table 3).
반면, ARW는 1분기에서 2분기까지 증가량이 적었으나, 3분기에 큰 폭으로 증가하여 산림변화면적이 가장 높았다. 확률밀도함수를 통하여 분기별 목재수확량을 추정한 결과, AW와 ARW는 지속적으로 증가하였으며, ARW는 3분기에 목재수확량이 큰 폭으로 증가하였다. ARW는 2분기까지 증가하였으나, 3분기에는 감소하는 형태를 보였다.
확률밀도함수에 의하여 산림면적변화량(벌채면적)을 추정한 결과, AW와 SCRW는 1분기에서 2분기까지 증가하였으나, 3분기에서는 감소하는 경향을 보였다. 반면, ARW는 1분기에서 2분기까지 증가량이 적었으나, 3분기에 큰 폭으로 증가하여 산림변화면적이 가장 높았다.

후속연구

본 연구의 산림면적 산출에 있어 목재수확가능 지역에 대한 공간적 평가가 배제되었기 때문이다. Kwon and Park(2013)에 의하면 목재수확을 위한 집재가능 거리는 최대 300m 수준으로 보고하였으며, 향후 임도 및 도로를 고려한 임목의 집재 가능 면적을 평가한다면 보다 정확한 벌채면적을 산출할 수 있을 것으로 판단된다. 또한, Ⅲ영급 이하의 영급별 면적은 마이너스 값을 가지게 되어 산림면적변화량이 0으로 처리되기 때문에 정확한 영급별 면적구조에 맞는 확률밀도함수를 추정하는데 어려움이 있었다.
그러나 국유림의 생태적 보전 및 공익적 기능 증진을 위해서는 근본적으로 꾸준한 산림관리가 필요하다고 판단되며, 현재 영급 불균형의 상황에서 장령림에서 성숙림으로 옮겨가고 우리나라 산림에 대한 관리방안이 필요하다고 판단하여 본 연구를 진행하였다. 또한, 현재 연구에 적용된 방법은 일본에서 사유림의 규모화와 집단화에 있어 목재 수확량 산출에 적용되는 방법으로 향후 사유림의 목재 수확체계 구축 및 관리방안을 제시를 위한 기초자료가 될 것으로 판단된다.
이러한 방법은 산림경영 계획에 대한 일관성은 유지할 수 있으나, 현실적으로 정확한 목재수확계획을 수립하는데 어려움이 있다고 판단된다. 본 연구에서 활용된 예측기법을 통하여 목재생산 극대화를 위한 목표치를 설정함으로써 시스템적인 산림경영계획의 기초를 마련하고 공간정보 및 정확한 통계정보를 추가하여 국유림 목재수확량 추정을 위한 기초자료로서 제공이 가능할 것이라 판단된다.
한편, 우리나라의 영급체계는 1영급이 10영계를 가지고 있어 영급의 초기와 후기의 임목에 대한 정확한 변화량을 추정하는 것이 어렵다. 향후, 목재수확방법에 따른 벌채 가능 지역에 대한 공간정보의 평가를 통하여 영급별 산림면적을 대입하며, 국가산림자원조사(National Forest Inventory, NFI)정보를 이용한 세분화된 영급별 면적정보를 통하여 계획량을 추정한다면, 현실적인 벌채면적계획 및 목재수확량 추정이 가능할 것으로 판단된다.

참고문헌 (31)

An, K.H. and Shin, S.H. 2014. A study on the consciousness of proxy management in private forest. Korean Journal of Forest Economics 12(2): 14-24.
Bea, S.W., Hwang, J.H., Lee, S.T., Kim, H.S. and Jeong, J.M. 2010. Changes in soil temperature, moisture content, light availability and diameter growth after thinning in Korean Pine (Pinus koraiensis) Plantation. Journal of the Korean Physical Society 99(3): 397-403.
Blandon, P. 1991. Gentan probability and censored sample theory(1). Journal of the Japanese Forestry Society 73(3): 187-196.
Choi, J.C. 1988. Studies on the construction of district forest plan by system analysis: Timber production of red pine(Pinus densiflora S. et Z.) stands. (Dissertation). Chuncheon. Kangwon National University.
Choi, H.J. 2016. Analysis on zoning feasibility and timber harvest forecasting of Timber-oriented Zones (ToZ) of Gyeongsangnam-do Province, (Dissertation). JinJu. Gyeongsang National University.
Groot, A., Gauthier, S. and Bergeron, Y. 2004. Stand dynamics modelling approaches for multicohort management of eastern Canadian boreal forests. Silva Fennica 38(4): 437-448.

상세보기
Hiroshima, T. 2006. Study on the methodology of calculating mean and variance of felling age in forest planning. Journal of Forest Planning 40(2): 139-149.

상세보기
J-FIC (Japan Forestry Investigation Committee). 1975. Forest planning business handbook. Tokyo, Japan.
J-FIC (Japan Forestry Investigation Committee). 2004. Forest planning business handbook. Tokyo, Japan.
Kim, Y.H., Kim, T.W., Won, H.K., Lee, K.H. and Shin, M.Y. 2012. Estimation of timber production by thinning scenarios using a forest stand yield model. Journal of Korean Society of Forest Science 101(4): 592-598.
Kim, D.M. Lim, C.H. Lee, W.K. and Song, C.H. 2015. A study on the improvement of evaluation system for implementation of national forest management. Journal of Korean Society of Forest Science 104(4): 640-648.

원문보기 상세보기
KFS (Korea Forest Service). 2011. 2010 Forest Basic Statistics. https://forest.go.kr/kfsweb/cop/bbs/selectBoardArticle.do?nttId2310332&bbsIdBBSMSTR_1016&pageIndex1&pageUnit10&searchtitletitle&searchcont&searchkey&searchwriter&searchdept&searchWrd&ctgryLrclsCTGRY070&ctgryMdcls&ctgrySmcls&ntcStartDt&ntcEndDt&orgId&mnNKFS_04_05_10&component. (2020.16.06).
KFS (Korea Forest Service). 2016. 2015 Forest Basic Statistics. https://forest.go.kr/kfsweb/cop/bbs/selectBoardArticle.do?nttId3098943&bbsIdBBSMSTR_1016&pageIndex1&pageUnit10&searchtitletitle&searchcont&searchkey&searchwriter&searchdept&searchWrd&ctgryLrclsCTGRY070&ctgryMdcls&ctgrySmcls&ntcStartDt&ntcEndDt&orgId&mnNKFS_04_05_10&component. (2020.12.06).
KFS (Korea Forest Service). 2018. The 6th basic forest plan. Korea Forest Service. Daejeon, Korea. pp. 151. (11-1400000-000755-14).
KFS (Korea Forest Service). 2020. Statical yearbook of forestry. Korea Forest Service. Daejeon, Korea. pp. 448. (11-1400000-000001-10).
Kurokawa, Y. and Toda, E. 2000. A study on the forecasting of the fprest resources using the gentan probability theory: A case analysis of man-made private forest at chizu in tottori prefecture. Bulletin of the Faculty of Agriculture, Tottori University 53: 35-42.
Kusmana, C., Dwiyanti, F.G. and Malik, Z. 2020. Comparison of several methods of stands inventory prior to logging towards the yield volume of mangrove forest in Bintuni Bay, West Papua Province, Indonesia. Biodiversitas Journal of Biological Diversity, 21(4).

상세보기
Kwon, H.J. and Park, S.J. The techniques development for the possibility area analysis of yarding operation and the forest-road network arrangement using GIS. Korean Society of Forest Science 102(1): 143-155.

상세보기
Lee, H.S., Seo, J.W. and Yoo, B.H. 2009. A survey of forest expertise for the national forest management. The Journal of Korean institute of Forest Recreation. 13(4): 25-32

상세보기
Lee, J.Y. 2013. Evaluation of the historical development of forest administration paradigm changes. The Journal of Korean Policy Studies. 13(3): 261-279

상세보기
MOLEG (Ministry of Goverment Legislation). 2020. 「State Forest Administration and Management Act」 https://www.law.go.kr. (2020.12.06.).
NiFoS (National Institute of Forest Science). 2018. Standing Stock·Biomass and Stand harvest table. National Institute of Forest Science. Seoul, Korea. (11-1400377-011064-01).
Park, S.I. 2016. Selecting the suitable site for scale improvement and developing timber yield model for the rational management on private forest. Jeonju. Jeonbuk National University.
Romero, C. and Putz, F.E. 2018. Theory-of-change development for the evaluation of forest stewardship council certification of sustained timber yields from natural forests in Indonesia. Forests 9(9): 547.

상세보기
Ryu, D.H., Lee, W.K., Song, C.H. and Lim, C.H. 2016. Assessing effects of shortening final cutting age on future CO 2 absorption of forest in Korea. Journal of Climate Change Research 7(2): 157-167.
Seo, J.H., Lee, W.K., Son, Y.H. and Ham, B.Y. 2001. Dynamic growth model for pinus densiflora stands in anmyun - Island. Journal of Korean Society of Forest Science 90(6): 725-733.
Subedi, V.R., Bhatta, K.D., Poudel, I.P. and Bhattarai, P. 2018. Application of silvicultural system, yield regulation and thinning practices in natural forests: Case study from western Terai. Banko Janakari, 92-97.
Suzuci, T. 1972. Applications of stochastic process in forestry (I). Journal of the Japanese Forestry Society 54(7): 234-243.
Suzuci, T. 1973. Application of stochastic process in forestry(II). Journal of the Japanese Forestry Society 55(7): 234-237.
Vuokila, Y. 1965. Functions for variable density yield tables of pine based on temporary sample plots. Communicationes Instituti Forestalis Fenniae 60(4): 1-86.
Won, H.K. and Woo, J.C. 1996. Centered with pinus koraiensis stands in chunchon national forest timber harvest scheduling by linear programming under uncertainty. Korean Journal of Forest Economics 4(1): 73-91.

저자의 다른 논문 :

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

연합인증