[논문]MaxEnt 모델링을 이용한 기후변화 시나리오에 따른 서어나무 (Carpinus laxiflora)와 개서어나무 (C. tschonoskii)의 분포변화 예측

이민기; 천정화; 이창배

doi:10.5532/kjafm.2021.23.1.55

MaxEnt 모델링을 이용한 기후변화 시나리오에 따른 서어나무 (Carpinus laxiflora)와 개서어나무 (C. tschonoskii)의 분포변화 예측
Prediction of Distribution Changes of Carpinus laxiflora and C. tschonoskii Based on Climate Change Scenarios Using MaxEnt Model 원문보기

한국농림기상학회지 = Korean Journal of Agricultural and Forest Meteorology, v.23 no.1, 2021년, pp.55 - 67

이민기 (국민대학교 산림환경시스템학과) , 천정화 (국립산림과학원 기후변화생태연구과) , 이창배 (국민대학교 산림환경시스템학과)

초록
AI-Helper

서어나무속 수종은 우리나라 온대중부지방 극상림을 이루는 주요 수종으로 인식되어 왔으며, 국내에서 넓은 분포역을 보인다. 기존 많은 연구들은 서어나무(C. laxiflora) 군락의 군집구조, 식생천이, 분포 현황 등에 대한 연구가 대부분을 이루었다. 그러나, 개서어나무(C. tschonoskii)의 경우, 개체종 수준에서의 집중연구보다는 임분 내 구성목으로서 다른 수목종들과의 군집구조 분석에 초점을 맞춰 아직까지 연구가 미흡실정이다. 또한, 두 수종에 대한 서식환경, 서식지 선호도, 기후 및 환경변화 등의 교란에 따른 서식지 변화에 대한 연구는 전무한 실정이다. 본 연구에서는 최대 엔트로피 모델링(MaxEnt; Maximum Entropy Modeling)기법을 사용해 서어나무와 개서어나무의 서식지 분포에 영향을 끼치는 환경인자를 분석하고 두 가지 기후 예측 시나리오인 RCP4.5 및 RCP8.5를 적용하여 각각 2050년대와 2090년대의 분포변화를 예측하였다. 연구결과 각 수종의 서식지 분포에 영향을 끼치는 주요인자로 서어나무는 고도, 온도 계절성, 연평균 강수량인 것으로 나타났고, 개서어나무는 온도 계절성, 연평균 강수량, 주간 일교차인 것으로 나타났다. 서식지 면적의 경우 서어나무는 RCP4.5, RCP8.5의 기후변화가 진행됐을 때, 현재 서식지 면적에 비해 각각 약 1.05배, 약 1.11배로 면적이 증가할 것으로 예측되었다. 개서어나무는 RCP4.5, RCP8.5의 기후변화가 진행됐을 때, 현재 서식지 면적에 비해 각각 약 1.24배, 약 1.33배의 증가가 보일 것으로 예측되었다. 본 연구는 분류학적으로 유사계통에 속하는 서어나무와 개서어나무의 기후변화에 따른 국내 분포확산과 분포지역 간 차이에 대한 미래예측 그리고 두 종의 서식지 및 개체군 관리에 있어서 잠재적 관리 대상지 및 고려사항에 대한 유의미한 정보를 제공할 것으로 판단된다.

Abstract ▼ AI-Helper

Hornbeams (Carpinus spp.), which are widely distributed in South Korea, are recognized as one of the most abundant species at climax stage in the temperate forests. Although the distribution and vegetation structure of the C. laxiflora community have been reported, little ecological information of C. tschonoskii is available. Little effort was made to examine the distribution shift of these species under the future climate conditions. This study was conducted to predict potential shifts in the distribution of C. laxiflora and C. tschonoskii in 2050s and 2090s under the two sets of climate change scenarios, RCP4.5 and RCP8.5. The MaxEnt model was used to predict the spatial distribution of two species using the occurrence data derived from the 6th National Forest Inventory data as well as climate and topography data. It was found that the main factors for the distribution of C. laxiflora were elevation, temperature seasonality, and mean annual precipitation. The distribution of C. tschonoskii, was influenced by temperature seasonality, mean annual precipitation, and mean diurnal rang. It was projected that the total habitat area of the C. laxiflora could increase by 1.05% and 1.11% under RCP 4.5 and RCP 8.5 scenarios, respectively. It was also predicted that the distributional area of C. tschonoskii could expand under the future climate conditions. These results highlighted that the climate change would have considerable impact on the spatial distribution of C. laxiflora and C. tschonoskii. These also suggested that ecological information derived from climate change impact assessment study can be used to develop proper forest management practices in response to climate change.

주제어

표/그림 (11)

그림 Fig. 1. Contemporary distribution of (a) Carpinus laxiflora and (b) C. tschonoskii based on 6^th National Forest Inventory in South Korea.
그림 Fig. 2. Potential distribution of the present predicted with climate variables and elevation of (a) Carpinus laxiflora and (b) C. tschonoskii.
표 Table 1. Description and equations of climate variables. Abbreviations: i - Month, Tmax - Monthly mean of daily maximum temperatures (°C), Tmin - Monthly mean of daily minimum temperatures (°C), PPT – Total monthly precipitation (mm), SD - Standard deviation.
그림 Fig. 3. The AUC (area under ROC) curves of the climate suitability model for (a) Carpinus laxiflora and (b) C. tschonoskii.
표 Table 2. S ummary o f MaxEnt m odels for Carpinus laxiflora and C. tschonoskii.
그림 Fig. 4. The relative importance (training gain) of 10 environmental variables for (a) Carpinus laxiflora and (b) C. tschonoskii.
그림 Fig. 5. Response curves of variables affecting MaxEnt prediction; (a–c) Carpinus laxiflora and (d–f) C. tschonoskii.
그림 Fig. 6. Change of potential distribution of Carpinus laxiflora; (a) Present, (b) 2050s with RCP 4.5, (c) 2090s with RCP 4.5, (d) 2050s with RCP 8.5, (e) 2090s with RCP 8.5.
그림 Fig. 7. Change of potential distribution of Carpinus tschonoskii; (a) Present, (b) 2050s with RCP 4.5, (c) 2090s with RCP 4.5, (d) 2050s with RCP 8.5, (e) 2090s with RCP 8.5.
그림 Fig. 8. Change of potential distribution area of Carpinus laxiflora under RCP scenarios.
그림 Fig. 9. Change of potential distribution area of Carpinus tschonoskii under RCP scenarios.

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 서어나무와 개서어나무의 생육 분포범위를 파악하고 미래 잠재 분포를 예측하기 위해 우리나라 전역을 대상으로 5년을 주기로 약 4, 000개 지점에서 동일한 방법론에 의해 조사가 실시되고 있는 국가산림자원조사(NFI; National Forest Inventory) 자료 중 가장 최신 자료인 제6차 NFI (2011∼2015) 자료를 활용하여 서어나무와 개서어나무 분포 지점을 추출하였다(Fig. 1).

제안 방법

상대적 중요성 평가와 3) RCP 시나리오에 따른 두 수종의 미래 분포를 비교평가 하였다.
, 2015). 또한 서어나무와 개서어나무의 미래 잠재적 서식지분포에 대한 예측을 위해 RCP4.5와 RCP8.5 시나리오에 따른 미래 분포변화를 비교하였다. 생물기후인자는 세계 기후데 이 터 제공 기관인 Worldclim(https://www.
, 2008; Song and Kim, 2012). 본 연구는 서어나무, 개서어나무의 출현데이터와 대한민국 Bioclim의 9개 기후인자 그리고 고도 인자를 활용하여 5개 이상의 랜덤 위치정보를 활용하여 5번의 반복으로 분석이 이루어졌으며, 모델의 설명력 검증은 ROC (Receiver Operating Characteristics) 곡선의 AUC (Area Under the Curve) 값을 활용하였다. 또한 각 수종의 서식지 분포를 결정하는 환경인자에 대한 중요도를 나타내기 위해 Jackknife 검정을 사용했다.
, 2015). 본 연구에서는 상관관계분석을 통해 최종적으로 선택된 생물기후변수들은 9개 인자를 기후인자로 사용하였다(Table 1). 본 연구에서 사용된 생물기후인 자의 시간적 설정은 Worldclim에서 현재 기후로 사용하고 있는 1970∼2000년 데이터의 평균값을 산출하여 현재(2020s)로 설정하였으며, RCP4.
본 연구에서는 서어나무와 개서어나무의 분포를 결정하는 환경변수로 생물기후인자(Bioclim)와 우리나라 식물종분포에 가장 중요한 인자 중 하나인 고도인 자를 사용하였다(Chun et al., 2015). 또한 서어나무와 개서어나무의 미래 잠재적 서식지분포에 대한 예측을 위해 RCP4.
서어나무와 개서어나무의 RCP4.5와 RCP8.5에 따른 미래의 잠재 서식지 변화를 파악하기 위해 서식지분포 확률값 0.8초과 1이하 시 서식지로 아주 적합한 지역, 서식지 분포 확률값 0.6초과 0.8이하 시 서식지 적합성이 높은 지역, 0.4초과 0.6이하는 서식지 적합도가 중간인 지역, 0.2초과 0.4이하는 서식도 적합도가 낮은 지역, 0.2이하는 서식지로 부적합한 지역으로 나누어 각 범주의 면적을 계산했다. 이 결과, 서어나무의 경우, RCP4.

대상 데이터

5 각각의 시나리오를 통해 산출된 2041∼2060 년 데이터의 평균값을 2050년대로, 2081∼2100년 데이터의 평균값을 2090년대로 설정하였다. 고도인자는 Worldclim의 SRTM elevation data (해상도 1km)를제공받아 분석하였다. 생물기후인자 및 고도인자 추출은 ArcMap 10.
본 연구에서는 상관관계분석을 통해 최종적으로 선택된 생물기후변수들은 9개 인자를 기후인자로 사용하였다(Table 1). 본 연구에서 사용된 생물기후인 자의 시간적 설정은 Worldclim에서 현재 기후로 사용하고 있는 1970∼2000년 데이터의 평균값을 산출하여 현재(2020s)로 설정하였으며, RCP4.5와 RCP8.5 각각의 시나리오를 통해 산출된 2041∼2060 년 데이터의 평균값을 2050년대로, 2081∼2100년 데이터의 평균값을 2090년대로 설정하였다. 고도인자는 Worldclim의 SRTM elevation data (해상도 1km)를제공받아 분석하였다.
5 시나리오에 따른 미래 분포변화를 비교하였다. 생물기후인자는 세계 기후데 이 터 제공 기관인 Worldclim(https://www.worldclim.org/) 에서 제공하는 Bioclim의 19가지 생물기후변수들을 이용하였다. 이를 위해 Worldclim의 과거 기후 데이터와 미래기후예측데이터(기후모델: HadGEM2-CC, 해상도 1km)를 제공받아 19가지 생물기후변수들을 추출하였다.
org/) 에서 제공하는 Bioclim의 19가지 생물기후변수들을 이용하였다. 이를 위해 Worldclim의 과거 기후 데이터와 미래기후예측데이터(기후모델: HadGEM2-CC, 해상도 1km)를 제공받아 19가지 생물기후변수들을 추출하였다. Bioclim으로부터 추출한 19개의 변수 간 다 중공선 성(Multicollinearity)을 제거하기 위해 상관관계 분석을 실시하여 변수 간의 상관계수가 0.

데이터처리

본 연구는 서어나무, 개서어나무의 출현데이터와 대한민국 Bioclim의 9개 기후인자 그리고 고도 인자를 활용하여 5개 이상의 랜덤 위치정보를 활용하여 5번의 반복으로 분석이 이루어졌으며, 모델의 설명력 검증은 ROC (Receiver Operating Characteristics) 곡선의 AUC (Area Under the Curve) 값을 활용하였다. 또한 각 수종의 서식지 분포를 결정하는 환경인자에 대한 중요도를 나타내기 위해 Jackknife 검정을 사용했다.
고도인자는 Worldclim의 SRTM elevation data (해상도 1km)를제공받아 분석하였다. 생물기후인자 및 고도인자 추출은 ArcMap 10.3을 이용하였으며, 통계 분석은 R-studio 3.6.3을 활용하였다.

이론/모형

본 연구에서는 MaxEnt 모형을 사용하여 서어나무과 개서어나무의 잠재 서식지 분포를 예측하였다. MaxEnt 모형은 기계학습식 모형 중 하나로 출현자료만을 적용할 때 다른 모형에 비해 보다 높은 예측정확도를 나타내는 것으로 보고되었다(Phillips et al.
본 연구에서는 우리나라에 자생하고 있는 서어나무 (C. laxiflora)와 개서어나무(C. tschonoskii)의 현존 잠재 서식지 및 RCP4.5와 RCP8.5에 의한 미래 서식지분포 지역을 MaxEnt 모델을 활용하여 예측하였다. Jackknife 분석결과 서어나무의 잠재 서식지는 온도 계절성, 고도, 연평균 강수량에 가장 많은 영향을 받는 것으로 나타났고, 개서어나무의 잠재 서식지는 온도 계절성, 연평균 강수량, 주간 온도 차에 가장 많은 영향을 받는 것으로 나타나 두 수종이 서식지를 결정하는데 있어 가장 중요한 공통적인 기후인자는 연평균강수량과 온도계절성인 것으로 보인다.

성능/효과

5에 의한 미래 서식지분포 지역을 MaxEnt 모델을 활용하여 예측하였다. Jackknife 분석결과 서어나무의 잠재 서식지는 온도 계절성, 고도, 연평균 강수량에 가장 많은 영향을 받는 것으로 나타났고, 개서어나무의 잠재 서식지는 온도 계절성, 연평균 강수량, 주간 온도 차에 가장 많은 영향을 받는 것으로 나타나 두 수종이 서식지를 결정하는데 있어 가장 중요한 공통적인 기후인자는 연평균강수량과 온도계절성인 것으로 보인다. 모형의 설명력을 나타내는 AUC도 각각 0.
861로 비교적 의미 있는 설명력을 보였다. MaxEnt 모델 결과로 나온 서식지 분포 결과 서어나무는 제주도와 남해안 및 지리산 일대, 강원도 영동지방을 중심으로 분포하고 있었으며, 개서어나무는 제주도, 남해안 및 강원도의 동해안 일대에 분포하는 것으로 나타났다.
05배 증가하여 잠재 서식지의 면적이 증가하였으나, 2090년대로 진행될 경우 2050년대에 비해 면적이 감소하는 것으로 나타났다. RCP8.5 시나리오에서는 2050년대에는 잠재적 서식지로 아주 적합한 지역은 면적이 감소하였지만 2090년대에는 현재에 비해 약 1.15배 증가하였으며, 확률값 0.2이하인 서식이 부적합한 지역을 제외한 나머지 서식이 가능한 지역은 2050년대에는 약 1.11배 증가하였으나, 2090년대에는 2050년대에 비해 감소하는 것으로 나타났다(Fig. 8).
개서어나무의 주요반응곡선 결과를 보면(Fig. 5), 개서어나무의 온도 계절성은 값이 700을 초과하면 서식지 적합도가 떨어지는 것으로 나타나 연교차가 클수록 서식지 적합성이 떨어지는 것으로 판단되었다. 연 평균 강수량은 800mm부터 연평균 강수량이 증가할수록 서식지 적합성 역시 증가하는 것으로 나타났다.
2018). 그러나 기후변화의 가장 중요한 인자인 기후인자와 생물분포에 큰 영향을 미치는 고도인자를 이용한 결과 서어나무와 개서어나무의 서식 가능한 면적은 불안정하지만 현재에 비해 확산될 것으로 예상된다. 비록 본연구에서는 토양조건, 군집입지, 생물상에 의한 환경변화 등 서어나무류에 대한 숲의 천이단계 변수들은 서식지 적합성을 판단하는데 있어 포함되지 않았다 (Lee et al.
두 수종 모두 RCP4.5 및 8.5 시나리오에서 기후변화에 따라 현재에 비해 서식 가능한 면적이 확산되는것으로 나타났다. 하지만 서어나무의 경우 서식지 적합성이 높은 지역 즉, 확률값 0.
따라서 본 연구의 결과는 서어나무가 온대 중부 지역을 주요 분포지로하는 수종이며, 개서어나무는 온대 남부 지역을 주요 분포지로하는 수종임을 보여준다 (Byeon and Yoon, 2018). 특히, 개서어나무의 경우 내륙이 아닌 비교적 기온의 연교차 및 월별 기온의 변화폭이 적으며, 연평균 강수량이 높은 남해안 지방과 영동지방에 서식지 적합도가 높다는 것을 보여준다 (Korea National Arboretum, 2010).
5), 서어나무는 연평균 강수량이 800mm 이상부터 서식지 적합도가 점차 증가하는 것으로 나타났고, 해발고도 100∼1, 000m 에서 서식지 적합도가 상승하는 것으로 나타났으며 1, 100m부터는 서식지 적합도가 떨어지는 것으로 나타났다. 또한 온도 계절성은 값이 950을 초과하면 서식지 적합도가 급격히 떨어지는 것으로 나타나 연교차가 클수록 서식지 적합성이 떨어지는 것으로 판단되었다. 이는 기존의 연구결과에서 서어나무 분포 고도인 100∼1, 000m와 비슷한 특징을 보여주고 있고(Cho, 1993; Choi, 2004), 실제 관측된 서어나무의 NFI 분포와 기상청에서 제공하는 한국기후도(The climate atlas of Korea, 2010)를 봤을 때, 연교차가 비교적 낮고 연평균 강수량이 많은 제주도 해안지역과 남부 해안지역, 백두대간 권역, 동해 영동지역을 따라 분포하는 것으로 보아 반응곡선과 비슷한 특징을 보여주고 있다.
연 평균 강수량은 800mm부터 연평균 강수량이 증가할수록 서식지 적합성 역시 증가하는 것으로 나타났다. 또한, 주간 일교차가 6^oC 이하인 경우 서식지 적합도가 높게 나타났으며 9^oC 이상의 높은 차이를 보이는 경우 서식지 적합도가 떨어지는 것을 볼 수 있었다. 이는 실제 관측된 개서어나무의 NFI 분포와 기상청에서 제공하는 한국기후도(The climate atlas of Korea, 2010) 를 봤을 때, 한반도 연평균 기온 자료와 연평균 강수 강도를 봤을 때 연교차가 비교적 낮고 연평균 강수량이 높은 제주도 해안지역과 남부 해안지역, 동해 영동지역 일부에 분포하는 것으로 보아 반응곡선과 비슷한 특징을 보여주고 있다.
02배 증가하는 것으로 나타났다. 반면 확률값 0.2이하인 서식이 부적합한 지역을 제외한 나머지 서식이 가능한 지역은 2050년대에는 약 1.05배 증가하여 잠재 서식지의 면적이 증가하였으나, 2090년대로 진행될 경우 2050년대에 비해 면적이 감소하는 것으로 나타났다. RCP8.
, 2008). 본 연구에서 예측된 서어나무와 개서어나무의 잠재 서식지 분포모형은 AUC가 각각 0.792, 0.861로 비교적 의미 있는 설명력을 갖는 것으로 분석되었다(Fig. 3).
2와 같다. 서식지예측 모형과 설명 검증력인 ROC 곡선과 변수 기여도를 살펴보면, 서어나무와 개서어나무의 Traning AUC 는 각각 0.806, 0.879로 Test AUC는 각각 0.792, 0.861로 나타났다(Table 2). 일반적으로 AUC는 최소 0.
2이하는 서식지로 부적합한 지역으로 나누어 각 범주의 면적을 계산했다. 이 결과, 서어나무의 경우, RCP4.5 시나리오에서 잠재적 서식지로 아주 적합한 지역은 2050년대의 경우 현재에 비해 약 1.15배 증가하였으며, 더 나아가 2050년대에서 2090년대로 진행될 경우 현재에 비해 약 2.02배 증가하는 것으로 나타났다. 반면 확률값 0.
주요반응곡선 결과를 보면(Fig. 5), 서어나무는 연평균 강수량이 800mm 이상부터 서식지 적합도가 점차 증가하는 것으로 나타났고, 해발고도 100∼1, 000m 에서 서식지 적합도가 상승하는 것으로 나타났으며 1, 100m부터는 서식지 적합도가 떨어지는 것으로 나타났다. 또한 온도 계절성은 값이 950을 초과하면 서식지 적합도가 급격히 떨어지는 것으로 나타나 연교차가 클수록 서식지 적합성이 떨어지는 것으로 판단되었다.
76배 증가하였지만, 2090년대에는 그 면적이 2050년대에 비해 감소하였다. 확률값 0.2이하인 서식이 부적합한 지역을 제외한 나머지 서식이 가능한 지역은 현재에 비해 2050년대 약 1.3배, 2090년대는 약 1.33배로 잠재적 서식지 면적이 증가하는 것으로 나타났다(Fig. 9).

후속연구

본 연구 결과는 기후변화 시나리오에 따라 우리나라의 극상수종으로 인식되는 두 종의 잠재분포를 예측함으로써 향후 우리나라 천연림의 관리 및 보전을 위한 산림정책 의사결정의 참고자료로 활용될 수 있다는 점에서 의의가 있다. 따라서 본 연구는 기후변화가 서어나무와 개서어나무에 미치는 영향을 파악하여 향후 확대될 서어나무류의 잠재 서식지의 안정적인 관리 방안을 마련하는데 도움이 될 수 있을 것으로 판단된다.
, 2000). 또한 본 연구에서 사용된 생물기후인 자들의 낮은 해상도, 우리나라 전 지역을 포괄하지 못하는 국가산림자원조사 자료 등의 한계점이 존재하지만(Chun et al., 2015), 극상 수종으로서 산림천이에서 중요하게 인식되는 서어나무와 개서어나무의 기후변화 영향에 따른 잠재분포변화 예측에 있어서 유의미한 결과를 제공할 수 있을 것으로 판단된다.
, 2014). 본 연구 결과는 기후변화 시나리오에 따라 우리나라의 극상수종으로 인식되는 두 종의 잠재분포를 예측함으로써 향후 우리나라 천연림의 관리 및 보전을 위한 산림정책 의사결정의 참고자료로 활용될 수 있다는 점에서 의의가 있다. 따라서 본 연구는 기후변화가 서어나무와 개서어나무에 미치는 영향을 파악하여 향후 확대될 서어나무류의 잠재 서식지의 안정적인 관리 방안을 마련하는데 도움이 될 수 있을 것으로 판단된다.
, 2020). 특히 천이단계의 마지막에 위치하는 서어나무류의 특성상 기후변화가 지속될수록 불안정한 서식지 분포를 나타낼 것이라 예측된다.

참고문헌 (38)

Baek, H. J., C. H. Cho, W. T. Kwon, S. K. Kim, J. Y. Cho, and Y. G. Kim, 2011: Development strategy for new climate change scenarios based on RCP. Climate Change Research 2(1), 55-68.

상세보기
Byeon, S. Y., and C. W. Yun, 2018: Community structure and vegetation succession of Carpinus laxiflora forest stands in South Korea. Korean Journal of Environment and Ecology 32(2), 185-202.

원문보기 상세보기
Chambers, J. M., and T. J. Hastie, 1992: Statistical models in S. California. 220-221. [Wadsworth and Brooks/Cole. ISBN.]
Cho, H. J., 1993: New Landscaping tree Carpinus laxiflora. Journal of Landscaping tree 12(1/2), 24-25.
Choi, M. S., 2004: Carpinus laxiflora. Journal of Landscaping tree 83, 11-12.
Choi, S. H., S. H. Hong, J. W. Cho, S. D. Lee, and J. S. Kim, 2012: Characteristics of the Carpinus laxiflora Community in the Gyeongju National Park. Korean Journal of Environment and Ecology 26(6), 934-940.
Chun, J. H., C. B. Lee, and S. M. Yoo, 2015: Shifts of geographic distribution of Pinus koraiensis based on climate change scenarios and GARP model. Korean Journal of Agricultural and Forest Meteorology 17(4), 348-357.

원문보기 상세보기
Donnell, M, and D. Ignizio, 2012: Bioclimatic predictors for supporting ecological applications in the conterminous United States. U.S. Department of the interior geological survey, 4-9.
Hong, S. H., S. D. Lee, and J. S. Kim, 2012: Plant Community Structure of Daetjae(hill)-Baekbongryung(ridge), the Baekdudaegan Mountain. Korean Journal of Environment and Ecology 26(5), 719-729.
Huntley, B., P. M. Berry, W. Cramer, A. P. McDonald, 1995: Modelling present and potential future ranges of some European higher plants using climate response surfaces. Journal of Biogeography 22(6), 967-1001.

상세보기
IPCC Climate Change, 2007: The Physical Science Basis, Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press.
IPCC Climate Change, 2013: The Physical Science Basis, Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge University Press.
Iverson, L. R., and A. M. Prasad, 1998: Predicting abundance of 80 tree species following climate change in the eastern United States. Ecological Monographs 68(4), 465-485.

상세보기
Kim, D. Y., C. W. Seo, Y. S. Choi, and T. Y. Choi, 2008: Articles: A study on wildlife habitat suitability modeling for Goral (Nemorhaedus caudatus raddeanus) in Seoraksan National Park. Journal of the Korea Society of Environmental Restoration Technology 11(3), 28-38.
Kim, J. S., and T. Y. Kim, 2014: Trees of Korea. stone pillow, 195pp.
Ko, S. Y., J. H. Sung, J. H. Chun, Y. G. Lee, and M. Y. Shin, 2014: Predicting the changes of yearly productive area distribution for Pinus densiflora in Korea based on climate change scenarios. Korean Journal of Agricultural and Forest Meteorology 16(1), 72-82.

원문보기 상세보기
Korea National Arboretum, 2010: A Field Guide to tree & Shrubs. Seoul, 100pp.
Korean climate change assessment report 2020, 2020: Climate Change Impact and Adaptation. Ministry of Environment
Leathwick, J. R., D. Whitehead, and M. McLeod, 1996: Predicting changes in the composition of New Zealand's indigenous forests in response to global warming: a modeling approach. Environmental Software 11(1/3), 81-90.

상세보기
Lee, C. B., and H. H. Kim, 2017: Elevational patterns of plant species richness and relative importance of climatic and topographic factors on the Mt. Seorak, South Korea. Journal of Agriculture & Life Science 52(3), 1-11.

상세보기
Lee, D. K., and J. U. Kim, 2007: Vulnerability assessment of sub-alpine vegetations by climate change in Korea. Journal of the Korea Society of Environmental Restoration Technology 10(6), 110-119.
Lee, D. K., J. U. Kim, and C. Park, 2010: A prediction of forest vegetation based on land cover change in 2090. Journal of Environmental Impact Assessment 19(2), 117-125.
Lee, W. S., J. H. Kim, and K. T. Kim, 2000: The analysis of successional trends by topographic positions in the natural deciduous forest of Mt. Chumbong. Journal of Korean forestry society 89(5), 655-665.
Lee, Y. H., Y. J. Oh, S. H. Hong, C. S. Na, Y. E. Na, C. S. Kim, and S. I. Sohn, 2015: Predicting the suitable habitat of invasive alien plant Conyza bonariensis based on climate change scenarios. Journal of Climate Change Research 6(3), 243-248.
Lee, Y. M., 1995: A hundred of Korea trees we need to know. Hyeonamsa, 337pp.
Lim, K. B., 2001: Grow up, tree. The other world, 52pp.
Moon, J. G., C. S. Shim, O. J. Jung, J. W. Hong, J. Y. Han, and Y. I. Song, 2020: Characteristics in regional climate change over South Korea for regional climate policy measures: Based on long-term observations. Journal of Climate Change Research 11(6-2), 755-770.

상세보기
Open MET Data Portal, 2010: The climate atlas of Korea. Korea Meteorological Administration, 20-34.
Peng, J., J. H. Jeong, J. H. Yoon, H. J. Kim, S. Y. S. Wang, H. W. Linderholm, K. Fang, X. Wu, and D. Chen, 2020: Abrupt shift to hotter and drier climate over inner East Asia beyond the tipping point. Science 370(6520), 1095-1099.

상세보기
Phillips, S. J., R. P. Anderson, and R. E. Schapire, 2006: Maximum entropy modeling of species geographic distributions. Ecological Modeling 190(3/4), 231-259.

상세보기
Seo, C. W., Y. R. Park, and Y. S. Choi, 2008: Comparison of species distribution models according to location data. Journal of Korean Society for Geospatial Information 16(4), 59-64.
Song, H. K., S. M. Lee, and H. S. Kim, 2011: Actual vegetation distribution status and ecological succession in the Deogyusan national park. Korean Journal of Environment and Ecology 25(1) 37-46.
Song, W. K., and E. Y. Kim, 2012: A comparison of machine learning species distribution methods for habitat analysis of the Korea water deer (Hydropotes inermis argyropus). Korean Journal of Remote Sensing 28(1), 171-180.

원문보기 상세보기
Sung, J. H., B. S. Kim, H. S. Kang, and C. H. Cho, 2012: Non-stationary frequency analysis for extreme precipitation based on Representative Concentration Pathways (RCP) climate change scenarios. Journal of Disaster Management 12(2), 231-244.
Sykes, M. T., I. C. Prentice, and W. Cramer, 1996: A bioclimatic model for the potential distributions of European tree species under present and future climates. Journal of Biogeography 23(2), 203-233.

상세보기
Thuiller, W., J. Vaydera, J. Pino, S. Sabate, S. Lavorel, and C. Gracia, 2003: Large-scale environmental correlates of forest tree distributions in Catalonia (NE Spain). Global Ecology and Biogeography 12(4), 313-325.

상세보기
Uyeki, H., 1933: On the forest zones Korea. Acta Phytotaxonomica et Geobotanica 2, 73-85.
Won, H. K., H. S. Kim, C. H. Jeon, and Y. J. Cho, 2016: A community distribution on mountain forest vegetation of Jeju experimental forest, Korea -mainly on Hannam Experimental Forest-. The Journal of Korean Island 28(1), 203-220.

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