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
- 각 지역별 고사목 입지환경의 과거(약 10년 전)와 최근 사이 유의적 차이(변화)가 발생하였는지 확인하고자 하였다. 이를 위해 SPSS statistics 22 프로그램을 사용하였으며, 일원배치 분산분석(One way ANOVA)을 이용하여 Scheffe와 Games Howell 방법으로 사후 분석을 실시하였다.
- 더욱이 고사한 개체에 대한 수종구분은 잎의 탈락으로 거의 불가능에 가깝다. 따라서 본 연구는 구상나무 주요 분포지(식피율 50% 이상)를 대상으로 구상나무 중심의 아고산대 침엽수 고사개체에 대한 영상판독을 수행하였다.
- 또한 약 10년 전·후의 영상을 확보하여 고사목 증가량, 확산패턴 등을 분석하고자 하였다.
- 또한 약 10년 전·후의 영상을 확보하여 고사목 증가량, 확산패턴 등을 분석하고자 하였다. 이를 통해 고사목이 위치한 지점의 해발고도, 지형정보, 일사량, 수분환경등을 분석하여 구상나무 등 아고산대 침엽수 고사에 영향을 미칠 것으로 판단되는 입지적 요인을 추정하고자 하였다.
- 이에 본 연구에서는 지리산국립공원 내 자생하는 아고산대 침엽수(구상나무 등) 주요 분포지를 대상으로, 고해상도 항공영상을 활용해 침엽수 고사개체에 대한 공간정보를 디지털 도면화하고자 하였다. 또한 약 10년 전·후의 영상을 확보하여 고사목 증가량, 확산패턴 등을 분석하고자 하였다.
제안 방법
- 고사목이 위치한 지점의 일사량 분석을 위해 ArcGIS의 Solar Radiation Tool을 이용하였으며, 수치지형도로 제작한 수치표고모델(DEM; Digital Elevation Model)을 기준으로 대상 지역별 여름철 기간의 태양고도각에서 받는 태양에너지를 수치적으로 계산하였다. 일사량은 태양으로부터 오는 복사에 너지가 지표에 닿는 양을 의미하며, 단위면적당 1시간 동안 받는 에너지의 양으로 표현하였다.
- 공간범위 내 모든 고사개체를 점(point) 데이터로 코딩작업을 실시하였으며, 지리정보시스템(GIS)과 캐드(CAD) 프로그램에서 수정·편집이 가능한 파일 형태(shp, dwg)로 제작하였다.
- 공간범위 내 모든 고사개체를 점(point) 데이터로 코딩작업을 실시하였으며, 지리정보시스템(GIS)과 캐드(CAD) 프로그램에서 수정·편집이 가능한 파일 형태(shp, dwg)로 제작하였다. 또한 선채로 고사한 개체와 쓰러져 고사한 개체를 구분하여 데이터를 구축하였으며, 연도별 데이터 구축을 통해 시계 열 분석이 가능하도록 하였다.
- 05) Scheffe 값을 분석하였으며, 그렇지 않을 경우 Games Howell 방법을 따랐다. 모든 고사목 데이터에 대해 고사지역과 기준연도를 부여하였으며, 각 고사목이 위치한 지점의 입지정보(해발고도, 사면향, 경사도, 일사량, 지형습윤지 수)를 종속변수로 하여 분석을 실시하였다.
- 사면향과 경사도 데 이터는 수치표고자료를 이용하여 중심 셀을 기준으로 주변 8개의 수치 값으로부터 사면향을 계산하였으며, 경사도는 중심셀을 기준으로 좌·우 3개 데이터에서 X 방향 변화율과 Y 방향의 변화율을 구하고, 중심 셀에 대한 기울기를 계산하여 분석하였다.
대상 데이터
- 본 연구에 사용한 항공영상은 삼아항업(주)에서 2008년 5월, 2012년 11월, 2017년 7월, 2018년 9월에 직접 촬영한 디지털 항공영상이며, 촬영에 사용된 카메라는 ‘Ultracam Eagle Mark2’, ‘Ultacam XP’ 이다(Table 1). 3개 지역 모두 2008년, 2012년 영상을 기준으로 과거 데이터를 수집하였으며, 반야봉은 2017년, 영신봉과 천왕봉은 2018년 항공영상을 최신자료로 사용하였다. 항공영상의 공간해상도는 2008년은 25cm급, 2012·2017·2018년은 10cm급으로, 수목의 색상과 형태를 통해 침・활엽수 구분과 고사유무의 판별이 가능한 수준이다.
- 지형습윤지수(TWI; Topographic Wetness Index)는 강우로 인해 빗물이 지표에 떨어졌을 때 사면경사와 경사방향을 고려하여 강우가 어떤 방향으로 흘러가는지, 그리고 흘러갔을 때의 양을 수치적으로 표현한 데이터이다. 고사목이 위치한 지점의 지형습윤지수를 분석하기 위해 ArcGIS Hydrology Tool을 이용하였으며, 1:5,000 수치지형도 기반 수치표고자료를 활용하였다. 지형습윤지수가 ‘0’에 가까울수록 강우 시 집수되는 물의 양은 적음을 의미하며, 반대로 값이 커질수록 강우 시집수되는 물의 양이 많음을 의미한다.
- 고사목이 위치한 지점의 표고와 사면향, 경사도 분석을 위해 수치표고자료를 활용하였다. 수치표고자료는 1:5,000 수치지도에서 등고선과 표고 레이어를 추출하고, 불규칙삼각망(TIN; Triangulated Irregular Network)으로 면 데이터를 생성한 후 5m 단위의 격자자료를 제작·활용하였다.
- 반야봉(Banyabong)은 정상부를 중심으로 등고선을 따라 1㎢의 면적을 설정하였으며, 영신봉(Yeongsinbong)과 천왕봉(Cheonwangbong)은 국립공원연구원에서 제작한 ‘국립공원아고산대 상록침엽수림 분포지도’(KNPRI, 2017)를 활용하여 구상나무 생육밀도(식피율 기준)가 50% 이상 분포하는 지역을 대상으로 각각 2.47㎢의 면적을 설정하였다.
- 본 연구에 사용한 항공영상은 삼아항업(주)에서 2008년 5월, 2012년 11월, 2017년 7월, 2018년 9월에 직접 촬영한 디지털 항공영상이며, 촬영에 사용된 카메라는 ‘Ultracam Eagle Mark2’, ‘Ultacam XP’ 이다(Table 1).
- 수치표고자료는 1:5,000 수치지도에서 등고선과 표고 레이어를 추출하고, 불규칙삼각망(TIN; Triangulated Irregular Network)으로 면 데이터를 생성한 후 5m 단위의 격자자료를 제작·활용하였다.
- 이에 해당 3개 지역을 지리산국립공원 구상나무를 중심으로한 아고산대 침엽수 대표 고사지역으로 선정하였다(Figure 1). 반야봉(Banyabong)은 정상부를 중심으로 등고선을 따라 1㎢의 면적을 설정하였으며, 영신봉(Yeongsinbong)과 천왕봉(Cheonwangbong)은 국립공원연구원에서 제작한 ‘국립공원아고산대 상록침엽수림 분포지도’(KNPRI, 2017)를 활용하여 구상나무 생육밀도(식피율 기준)가 50% 이상 분포하는 지역을 대상으로 각각 2.
데이터처리
- 각 지역별 고사목 입지환경의 과거(약 10년 전)와 최근 사이 유의적 차이(변화)가 발생하였는지 확인하고자 하였다. 이를 위해 SPSS statistics 22 프로그램을 사용하였으며, 일원배치 분산분석(One way ANOVA)을 이용하여 Scheffe와 Games Howell 방법으로 사후 분석을 실시하였다. 등분산이 가정될 경우(p<0.
이론/모형
- 등분산이 가정될 경우(p<0.05) Scheffe 값을 분석하였으며, 그렇지 않을 경우 Games Howell 방법을 따랐다.
- 항공영상 판독의 정확도를 제고하기 위해 디지털 방식의 3차원 입체항공영상판독시스템을 사용하였다. 해당 시스템은 중첩 촬영된 항공영상을 이용하여 사진 상의 지상 좌표 값 정보를 읽어 점, 선, 면의 형태인 수치지도로 지형지물을 묘사(도화)하는 시스템으로, 삼아항업(주)에서 개발한 ‘DPSMaster’를 사용하였다.
- 해당 시스템은 중첩 촬영된 항공영상을 이용하여 사진 상의 지상 좌표 값 정보를 읽어 점, 선, 면의 형태인 수치지도로 지형지물을 묘사(도화)하는 시스템으로, 삼아항업(주)에서 개발한 ‘DPSMaster’를 사용하였다.
성능/효과
- 05)를 확인 할 수 있었다. 10년 전에 비해 더욱 높은 해발고도와 가파른 경사, 그리고 일사량이 많은 지역에서 고사목이 증가하였음을 재차 확인할 수 있는 결과이다. 천왕봉 지역은 사면향(p=0.
- 76%)의 비율이 높게 나타났다. 10년 전인 2008년과 비교하면 20도 이상 25도 미만 구간의 분포비율이 비교적 큰 폭증가한 것으로 확인(1.58%p)되었다. 3지역 모두 25도 이상 35도 미만을 중심으로 고사목이 집중분포하고 있었으며, 천왕봉의 경우 비교적 높은 경사도에서도 고사목이 다수 분포하고 있는 것으로 나타났다.
- 58%p)되었다. 3지역 모두 25도 이상 35도 미만을 중심으로 고사목이 집중분포하고 있었으며, 천왕봉의 경우 비교적 높은 경사도에서도 고사목이 다수 분포하고 있는 것으로 나타났다.
- 69%p)의 분포비율이 증가한 것으로 나타났다. 3지역 모두 남향을 중심으로 고사목이 집중분포하고 있었으며, 반야봉의 경우 남향에서도 서쪽에 다소 치우쳐 고사목이 분포하고 있는 것으로 나타났다.
- 3지역 모두 일사량 6,000wh/m2 내외의 구간에서 고사목이 집중분포하고 있었으며, 반야봉의 경우 비교적 높은 일사량 구간에서 고사목이 다수분포하고 있는 것으로 나타났다.
- 5,800wh/m2 이상 6,800wh/m2미만 구간에 주로 분포하였으며(73.27%), 특히 6,000wh/m2이상 6,200wh/m2 미만 구간(18.14%)과 6,600wh/m2 이상 6,800wh/m2 미만 구간(18.01%)에서 특히 높게 나타났다.
- 구상나무 등 아고산대 침엽수가 주로 고사하고 있는 것으로 알려진 지리산국립공원 반야봉, 영신봉, 천왕봉은 해발고도 1,500~1,600m 내외에서 고사목이 주로 분포하고 있으며, 천왕봉은 상대적으로 높은 해발고도에서 고사목 분포비율이 높게 나타났다. 영신봉은 약 10여 년 전에 비해 고사목이 위치한 지점의 해발고도 분포가 변화한 것으로 나타났으며, 통계적으로도 유의한 것으로 확인되었다.
- 단, 반야봉은 2017년에 분석을 수행하여 2017년 12월에 완료된 ‘국립공원아고산대 상록침엽수림 분포지도’를 활용하지 못하였으며, 이로 인해 2018년에 분석을 수행한 영신봉과 천왕봉 지역 대상지 설정방법과 면적규모에 다소 차이가 있다. 그러나 대상지 설정방식만 다를 뿐 영상판독 및 데이터 분석방법은 동일하므로 반야봉을 포함하여 3개 지역에 대해 종합분석 및 비교, 고찰에는 무리가 없을 것으로 판단된다.
- kr)에 공개된 자료(2011년 기준)에 따르면, 인접도시인 진주의 연 평균 일사량은 4,140wh/m2 (청명일 기준 최대 7,880wh/m2)으로 나타나, 앞서 언급한 고사목 분포지역의 일사량은 높은 편으로 판단된다. 다만, 본 연구에서 분석한 일사량은 GIS 분석을 통한 추정치로 실측치인 진주의 일사량 대비 불확실성이 있으며, 고지대 특성상 연무, 구름 등에 의한 영향으로 분석된 일사량보다 실제 도달하는 태양광은 적을 수 있으므로 기초자료로서 활용하는 것이 타당할 것으로 판단된다. 영신봉은 약 10여 년 전에 비해 고사목이 위치한 지점의 일사량 분포가 변화한 것으로 나타났으며, 통계적으로도 유의한 것으로 확인되었다.
- 영신봉과 천왕봉 역시 같은 자료에 따르면, 각각 2,488본/ha, 519본/ha의 분포밀도를 보이며, 분포지도에서도 대부분 식피율 50% 이상의 높은 밀도를 나타내고 있다. 따라서 본 연구의 대상지인 반야봉, 영신봉, 천왕봉은 아고산대 상록침엽수의 식피율과 분포밀도가 상대적으로 높은(50% 이상) 지역에 해당하며, 이러한 입지적 여건으로 인해 동일한 영향을 받더라도 타 지역(저밀도 분포지역)에 비해 고사개체 증가폭이 상대적으로 높게 나타날 수 있음을 유념해야 한다.
- 2배 증가한 것으로 나타나 천왕봉 지역의 증가세가 비교적 빠른 것으로 확인되었다. 또한 과거부터 최근연도까지 누적된 고사목 개체 수로 봐도 천왕봉이 반야봉과 영신봉에 비해 약 2개 많은 것으로 나타나, 천왕봉 지역에 대한 모니터링 강화와 적합한 대응방안이 필요할 것으로 판단된다.
- 모든 항목의 분산 동질성 검정 결과 분산은 동일하지 않은 것으로 나타나(P=0.000), Games-Howell 방법에 의한 유의성검정결과를 확인하였다. 영신봉 지역은 해발고도(p=0.
- 10년 전에 비해 더욱 가파른 경사와 남향에서 고사목이 증가하였음을 재차 확인할 수 있는 결과이다. 반면 반야봉 지역의 고사목은 모든 항목의 입지환경에서 유의적 차이가 없어, 지난 10년 간 유사한 환경에서 고사현상이 반복된 것으로 나타났다.
- 또한 선 채로 고사한 나무와 쓰러져 고사한 나무의 개체수차이가 지역별로 다소 상이하게 나타났다. 반야봉은 1.7:1, 영신봉은 3.1:1, 천왕봉은 약 4.1:1로 확인되어, 반야봉 지역이 다른 지역에 비해 전체 고사목 중 쓰러져 고사한 나무의 비율이 높은 것으로 나타났다. 반야봉 지역이 강풍, 태풍 등 강한 물리적 힘에 의해 쓰러져 고사한 사례가 많았던 것으로 판단된다.
- 지리산국립공원 반야봉, 영신봉, 천왕봉 지역 모두 최근 10여 년간 고사목 개체수가 2~5배 이상 증가한 것으로 나타났다. 반야봉은 약 2배, 영신봉은 약 3.9배, 천왕봉은 약 5.2배 증가한 것으로 나타나 천왕봉 지역의 증가세가 비교적 빠른 것으로 확인되었다. 또한 과거부터 최근연도까지 누적된 고사목 개체 수로 봐도 천왕봉이 반야봉과 영신봉에 비해 약 2개 많은 것으로 나타나, 천왕봉 지역에 대한 모니터링 강화와 적합한 대응방안이 필요할 것으로 판단된다.
- 영신봉 지역은 해발고도(p=0.000), 경사도(p=0.000), 일사량(p=0.000) 항목에서 2008년과 2018년의 고사목이 위치한 입지환경의 유의적 차이(95% 신뢰수준, p<0.05)를 확인 할 수 있었다.
- 경사도는 25~35도 구간에 주로 분포하였으며, 비교적 경사가 심한 지역에서 고사목이 집중적으로 증가한 것으로 판단된다. 영신봉과 천왕봉의 경우 약 10여 년전에 비해 고사목이 위치한 지점의 경사 분포가 변화한 것으로 나타났으며, 두 지역 모두 통계적으로 유의한 변화가 있는 것으로 확인되었다. 일사량은 5,800~6,200wh/m2 구간에 주로 분포하였으며 과거 대비 6,000wh/m2 이상의 높은 일사량 환경에서 고사목이 소폭 증가한 것으로 확인되었다.
- 다만, 본 연구에서 분석한 일사량은 GIS 분석을 통한 추정치로 실측치인 진주의 일사량 대비 불확실성이 있으며, 고지대 특성상 연무, 구름 등에 의한 영향으로 분석된 일사량보다 실제 도달하는 태양광은 적을 수 있으므로 기초자료로서 활용하는 것이 타당할 것으로 판단된다. 영신봉은 약 10여 년 전에 비해 고사목이 위치한 지점의 일사량 분포가 변화한 것으로 나타났으며, 통계적으로도 유의한 것으로 확인되었다. 지형습윤지수는 건조한 환경을 의미하는 0~10 구간에서 고사목 분포가 집중되는 것을 확인 할 수 있었으며, 세 지역 모두 과거 대비 고사목이 위치한 지점의 지형습윤지수의 변화는 확인 할 수 없었다.
- 구상나무 등 아고산대 침엽수가 주로 고사하고 있는 것으로 알려진 지리산국립공원 반야봉, 영신봉, 천왕봉은 해발고도 1,500~1,600m 내외에서 고사목이 주로 분포하고 있으며, 천왕봉은 상대적으로 높은 해발고도에서 고사목 분포비율이 높게 나타났다. 영신봉은 약 10여 년 전에 비해 고사목이 위치한 지점의 해발고도 분포가 변화한 것으로 나타났으며, 통계적으로도 유의한 것으로 확인되었다. 사면향은 남향에 주로 고사목이 분포하는 것으로 나타났지만, 점유비율이 비교적 고르게 나타나 다양한 사면향에 고사목이 분포하고 있는 것으로 판단된다.
- 지형습윤지수가 ‘0’에 가까울수록 강우 시 집수되는 물의 양은 적음을 의미하며, 반대로 값이 커질수록 강우 시집수되는 물의 양이 많음을 의미한다. 이를 바탕으로 지형습윤지수의 값이 작을수록 건조한 토양환경임을 추정할 수 있으며, 값이 클수록 습윤한 토양환경임을 추정할 수 있다.
- 영신봉과 천왕봉의 경우 약 10여 년전에 비해 고사목이 위치한 지점의 경사 분포가 변화한 것으로 나타났으며, 두 지역 모두 통계적으로 유의한 변화가 있는 것으로 확인되었다. 일사량은 5,800~6,200wh/m2 구간에 주로 분포하였으며 과거 대비 6,000wh/m2 이상의 높은 일사량 환경에서 고사목이 소폭 증가한 것으로 확인되었다. 신재생에 너지 데이터센터 누리집(https://kredc.
- 지리산국립공원 반야봉 일원의 과거부터 2008년까지 누적된 고사목은 3,351본으로 확인되었으며, 이중 선 채로 고사한 나무는 2,350본, 쓰러져 고사한 나무는 1,001본으로 나타났다. 2009년부터 2012년까지 고사한 나무는 1,042본으로 확인되었으며, 이중 선 채로 고사한 나무는 621본, 쓰러져 고사한 나무는 421본으로 나타났다.
- 지리산국립공원 영신봉 일원의 과거부터 2008년까지 누적된 고사목은 1,770본으로 확인되었으며, 이중 선 채로 고사한 나무는 1,007본, 쓰러져 고사한 나무는 763본으로 나타났다. 2009년부터 2012년까지 고사한 나무는 809본으로 확인되었으며, 이중 선 채로 고사한 나무는 239본, 쓰러져 고사한 나무는 570본으로 나타났다.
- 지리산국립공원 천왕봉 일원의 과거부터 2008년까지 누적된 고사목은 2,652본으로 확인되었으며, 이중 선 채로 고사한 나무는 1,485본, 쓰러져 고사한 나무는 1,167본으로 나타났다. 2009년부터 2012년까지 고사한 나무는 1,074본으로 확인되었으며, 이중 선 채로 고사한 나무는 92본, 쓰러져 고사한 나무는 982본으로 나타났다.
- 영신봉은 약 10여 년 전에 비해 고사목이 위치한 지점의 일사량 분포가 변화한 것으로 나타났으며, 통계적으로도 유의한 것으로 확인되었다. 지형습윤지수는 건조한 환경을 의미하는 0~10 구간에서 고사목 분포가 집중되는 것을 확인 할 수 있었으며, 세 지역 모두 과거 대비 고사목이 위치한 지점의 지형습윤지수의 변화는 확인 할 수 없었다.
- 10년 전인 2008년과 비교하면 10도 이상 20도 미만 구간의 분포비율이 비교적 큰 폭으로 증가한 것으로 확인되어, 경사도가 상대적으로 낮은 지역에서의 고사목 증가세가 나타났다. 천왕봉 일원 고사목이 위치하는 지점의 경사도는 평균 34.63도(표준편차 7.309)로 나타났다. 25도 이상 45도 미만 구간에 주로 분포하였으며(85.
- 사면향은 남향에 주로 고사목이 분포하는 것으로 나타났지만, 점유비율이 비교적 고르게 나타나 다양한 사면향에 고사목이 분포하고 있는 것으로 판단된다. 천왕봉은 약 10여 년 전에 비해 고사목이 위치한 지점의사면향 분포가 변화한 것으로 나타났으며, 통계적으로도 유의 한 것으로 확인되었다. 경사도는 25~35도 구간에 주로 분포하였으며, 비교적 경사가 심한 지역에서 고사목이 집중적으로 증가한 것으로 판단된다.
- 미래에도 우리나라 아고산대 상록침엽수에 대한 생태계 차원의 접근과 보전·복원을 위한 국민적 관심 및 학술수요는 지속될 것으로 보이며, 본 연구와 같은 접근과 시도가 다양한 분야에 적용되어, 해당 분야 발전을 위한 디딤돌이 될 수 있을 것으로 기대한다. 특히, 본 연구의 방법론은 현장에서 직접 조사하는 방법에 비해 시간단축 및 비용절감, 안전사고방지 등 조사업무에 효율성을 높여주는 효과를 가져왔으며, 사람이 접근하기 어려운 바위지대, 급경사지에 대한 지역의 고사목 공간정보까지 수집하는 등 괄목할 만한 성과를 얻어낼 수 있었다. 최근 제 4차 산업혁명에 발맞춰 항공촬영 및 영상도화 기술의 발전에 따라 고해상도 항공영상이 대중화되고 있으며, GIS 기반의 공간정보의 활용도가 높아지고 있어 위에서 언급한 방식의 공간정보구축 사업은 지속적으로 추진 및 발전될 것으로 판단된다.
후속연구
- ICT 분야에서 인공지능기술을 접목한 다양한 영상판독 기술이 개발되고 있으며, 현재까지의 기술력과 노하우를 활용한다면 개발 가능한 기술로 판단된다. 나아가 침엽수 고사목뿐만 아니라 생육목에 대한 공간정보까지 대상을 확대할 수 있어야하며, 아고산대가 주로 분포하고 있는 백두대간 전체를 대상으로 대면적에 대한 공간정보 수집 체계로 발전시켜야 할 것이다.
- 단, 최대 10cm급 고해상도 영상의 활용에도 불구하고 침엽수간 수종구분의 불확실성이 높기 때문에, 본 연구에서 판독한 고사목 중 가문비나무 고사개체가 일부 포함되어 있을 수 있다는 한계가 있다. 더욱이 고사한 개체에 대한 수종구분은 잎의 탈락으로 거의 불가능에 가깝다.
- , 2017)와도 상반된다. 따라서 향후 두 진영 간 방법론과 분석과정에 대해 어떠한 차이가 있는지 검토할 필요가 있으며, 어떤 요인으로 상반된 결과가 도출되었는지에 대한 이론적 검토가 이뤄져야 할 것이다.
- , 2019)가 대표적이다. 또한, 이러한 조사법은 과거 영상만 확보할 수 있다면 비교적 짧은 시간에 규모에 관계 없이 시계열 분석이 가능하다는 이점이 있으며, 사람이 접근하기 어려운 지역에 대한 조사 및 분석도 가능하다.
- 미래에도 우리나라 아고산대 상록침엽수에 대한 생태계 차원의 접근과 보전·복원을 위한 국민적 관심 및 학술수요는 지속될 것으로 보이며, 본 연구와 같은 접근과 시도가 다양한 분야에 적용되어, 해당 분야 발전을 위한 디딤돌이 될 수 있을 것으로 기대한다.
- 이를 개선하기 위한 효과적 방안으로 딥러닝(Deep Learning) 등 인공지능 컴퓨터 기술을 활용한 영상판독 방법론의 개발·적용을 통해 데이터 수집 효율성 및 객관성을 제고할 필요가 있다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.