[논문]소나무재선충병 방제성과의 정량적 분석방법 개선 연구

김참; 박범진

doi:10.14578/jkfs.2024.113.2.259

소나무재선충병 방제성과의 정량적 분석방법 개선 연구
A Study on Improving the Quantitative Analysis Method for the Control Performance of Pine Wilt Disease 원문보기

한국산림과학회지 = Journal of korean society of forest science, v.113 no.2, 2024년, pp.259 - 270

김참 (산림기술연구원) , 박범진 (충남대학교 산림환경자원학과)

초록
AI-Helper

우리나라는 2013년부터 소나무재선충병 확산 저지와 피해감소를 위해 전국적으로 많은 예산과 인력을 투입하여 방제를 시행하였으며, 그 결과 피해본수가 2014년 218만 본에서 2021년 31만 본까지 감소하였으나 이후 피해가 다시 증가하였다. 전반적인 피해본수 감소에도 불구하고 매년 피해면적이 증가됨에 따라, 선행연구에서는 방제성과의 판단을 위해 점적요소인 본수 변화, 면적요소인 피해면적 변화 두 요소를 고려한 정량적 방제성과 분석방법을 개발하였으며 이는 피해 본수량에 따른 피해등급변화만을 제시하던 방제지침보다 객관적으로 성과를 가늠할 수 있게 하였다. 그러나 방제성과 분석에는 피해범위의 확장 여부도 중요한 요소이며 선행연구는 이를 반영하지 못하는 문제가 있어 본 연구에서는 연도별 피해범위의 변화 관찰이 용이한 경상북도를 대상으로 선단지 변화거리를 산출하고 적용기준과 계수를 만들어 기존의 방제성과지수 산출식에 적용하도록 식을 개량하였다. 그 결과 피해범위의 변화까지 고려한 방제성과의 정량분석 산출이 가능해졌으며, 경상북도 26개 시·군·구를 대상으로 개선식을 적용한 바, 기존의 산출식을 이용한 방제성과지수보다 소폭 감소하거나 증가하였다. 이러한 결과로 인해 방제성과지수가 피해증가를 의미하는 양의 값(+)에서 피해감소를 의미하는 음의 값(-)으로 변하게 될 수도 있음을 확인하였다.

Abstract ▼ AI-Helper

Since 2013, Korea has allocated significant budgets and manpower nationwide to prevent the spread of pine wilt disease and to reduce damage. As a result, the number of damaged trees decreased from 2.18 million in 2014 to 310,000 in 2021. However, the damage has increased again since then. Despite the overall decrease in the number of damaged trees, the scope of the damage continues to expand every year. Previous studies have develope In order to judge the control performance, a quantitative control performance analysis method to objectively evaluate control performance. This method takes into consideration two factors-quantity change and the change in the damage area, which is an area factor. This approach provides a more comprehensive assessment than the control guidelines that only suggest changes in damage grade based on the volume of damaged trees. The expansion of the damage range is also an important factor in analyzing control performance, but previous studies have not reflected this. Therefore, this study calculates the change in the distance of the pine wilt disease boundary area for Gyeongsangbuk-do, where changes in the damage range can easily be observed from year to year. The study then creates application criteria and coefficients and uses them to improves control performance index calculation formula. As a result, it was possible to calculate a quantitative analysis of the control performance, taking into account the changes in the damage range. When the improved formula was applied to 26 cities, counties, and districts in Gyeongsangbuk-do, it slightly decreased or increased compared to the existing calculation formula. This confirmed that the control performance index can change from a positive value (+), indicating increased damage, to a negative value (-), indicating reduced damage.

주제어

표/그림 (12)

그림 Figure 1. Classification chart of the areas to be analyzed (26 cities, counties, districts in Gyeongbuk).
그림 Figure 2. Quantity calculation using QGIS.
그림 Figure 3. Method of calculation of damage area.
그림 Figure 4. A method for calculating the change distance of the pine wilt disease boundary area.
그림 Figure 5. Problems of the existing calculation formula - Damage range not reflected despite the same damage status.
표 Table 1. Total control quantity, damaged control quantity, damaged area of Pine wilt disease by Si/Gun/Gu. (Unit : tree, ha)
표 Table 2. Analysis results by factors that apply the control performance index in 2022 compared to 2020. (Unit : %, km)
표 Table 3. Coefficient of change distance in pine wilt isease boundary.
표 Table 4. Application simulation results of coefficient of change distance in pine wilt disease boundary area.
표 Table 5. Improvement formula for method of calculation of control performance index(a calculation formula of ACP).
표 Table 6. Control performance index for 2022 compared to 2020. (Unit : %)
표 Table 7. Comparison with the control performance index calculated value of previous studies. (Unit : %)

AI 본문요약
AI-Helper

문제 정의

이러한 노력의 결과인 방제성과를 평가하기 위해 과거에는 피해본수의 증감을 기준으로 삼았지만 피해가 감소함에도 불구하고 그 발생범위가 꾸준히 확산되는 것에 문제가 있다고 판단한 방제 일선의 전문가들은 심포지엄과 세미나, 학술대회 등을 통해 피해본수만이 아니라 피해면적까지도 방제성과 분석의 요소로 삼아야 한다고 목소리를 높였다. 이에 산림청은 2019년 연구를 통해 피해면적을 분석 요소로 삼아 소나무재선충병 방제성과를 정량적으로 판단할 수 있는 방법을 최초로 개발하였으며(Korea Forest Service, 2019) 이듬해인 2020년에 해당 방법의 미흡한 부분을 보완하여 개선함으로써 전국의 피해 시·군·구를 대상으로 정량적 방제성과를 분석하였다(Korea Forest Service, 2020).
이에 본 연구에서는 피해 지자체를 대상으로 다년간 선단지선의 변화거리를 확인하여 피해범위인 선단지의 확장여부를 정량적으로 판단할 수 있는 기준과 분석방법의 마련을 통해 점, 선, 면 세 가지 인자를 고려한 정량적 성과 분석 방법을 제시하고자 하였다.

제안 방법

1ver 프로그램을 이용하여 2019년 5월부터 2022년 4월까지 3년간의 연도별 csv파일을 공간데이터인 shp파일로 변환 후 시·군·구별 방제본수와 피해본수를 확인하였다. 그러나 한국임업진흥원으로부터 받은 방제좌표 데이터는 비병징감염목에 대한 좌표정보가 없고 피해고사목과 기타고사목만 구분되어 산림청으로부터 공유받은 전국 방제통계자료와 불일치한 것이 확인됨에 따라 본 연구에서는 행정구역 경계 내 방제좌표 데이터상의 방제본수(피해고사목+기타고사목)와 피해본수(피해고사목)를 확인하여 분석을 진행하였다(Figure 2).
그리고 정량적 방제성과지수 산출 인자인 면적 변화율의 적용 가중치(이하 “면적가중치”라 한다)에 계수를 적용할 시 그 값이 과다 또는 과소 산출되지 않도록 적정 기준거리별로 0.1단위와 0.2단위로 계수를 가감하는 경우 해당 가중치가 어느 정도 변화되는지를 비교함으로써 과도한 변화가 생기지 않도록 적정 계수를 마련하였다.
방제성과 분석의 선적 인자인 선단지 변화 거리를 정량적 방제성과 분석 산출식에 반영하기 위해 경상북도의 26개 피해발생 시·군·구의 선단지 변화 거리에 따라 기준을 만들어 구분하였다
본 연구는 이를 보완하기 위하여 2020년부터 2022년 사이에 피해발생이력이 있고 선단지 변화 관찰이 용이한 경상북도 26개 시·군·구를 대상으로 선단지 변화거리를 분석하여 이를 방제성과지수 산출식에 적용할 수 있는 거리 기준과 계수를 설정하고 방제성과 지수 산출식을 개량하였다
선행 연구인 Korea Forest Service(2019)에서는 방제성과지수를 산출하는 식을 제시하였으며 인자로는 본수 변화율, 면적 변화율의 가중치를 각 5대 5로 적용하였다. 본수 변화율은 기준년도 대비 연도별 방제본수 변화율과 피해본수 변화율 합계의 평균이며, 면적 변화율은 기준년도 대비 연도별 피해면적 변화율로 하였다.
소나무재선충병 피해범위의 산정을 위해 시·군·구별 최선단 피해고사목 좌표를 연결하여 연도별 선단지선을 작성하고 최선단 좌표의 평균 변화 거리를 산출하였다
본 연구는 이를 보완하기 위하여 2020년부터 2022년 사이에 피해발생이력이 있고 선단지 변화 관찰이 용이한 경상북도 26개 시·군·구를 대상으로 선단지 변화거리를 분석하여 이를 방제성과지수 산출식에 적용할 수 있는 거리 기준과 계수를 설정하고 방제성과 지수 산출식을 개량하였다. 이를 위해 신빙성과 정확성이 높은 2020년부터 2022년까지 3년간의 방제좌표를 취합하여 위치데이터를 기반으로 정확한 본수와 피해면적을 산출하고 연도별 선단지 작성 후 그 변화거리 산출을 통해 2020년을 기준으로 2022년의 방제성과를 분석하였다. 개선 산출식을 이용한 방제성과지수는 기존 산출식을 이용한 방제성과지수에 비해 소폭 감소하거나 증가하는 경향을 보였으며 이로써 미미한 변화이지만 개선 산출식을 이용할 경우 피해증가를 의미하는 양의 값(+)에서 피해감소를 의미하는 음의 값(–)으로, 또는 그 반대의 경우로도 변화될 수 있음을 확인하였다.

대상 데이터

본 연구 목적인 피해범위 확장 여부의 판단이 수월하도록 다년간 피해가 지속적으로 발생하면서 피해면적과 선단지 변화 관찰이 용이한 경상북도의 26개 시·군·구를 분석 대상으로 하였다(Figure 1)
선정된 자료는 QGIS 3.6.1ver 프로그램을 이용하여 2019년 5월부터 2022년 4월까지 3년간의 연도별 csv파일을 공간데이터인 shp파일로 변환 후 시·군·구별 방제본수와 피해본수를 확인하였다
이 중 2020년 이전의 데이터는 정보가 누락되거나 중복된 지자체가 있어 정확한 분석이 될 수 없기 때문에 2020년(’19.5.~’20.4.)과 2021년(’20.5.~’21.4.), 2022년(’21.5.~’22.4.)의 방제좌표를 분석을 위한 기초데이터로 선정하였다
한국임업진흥원은 매년 집중방제기간이 종료하는 4월 이후 전국의 방제시행기관으로부터 방제좌표를 수신하여 취합하고 있으며 본 연구는 이렇게 취합된 연도별 전국 방제좌표 csv파일을 수집하였다. 이 중 2020년 이전의 데이터는 정보가 누락되거나 중복된 지자체가 있어 정확한 분석이 될 수 없기 때문에 2020년(’19.

이론/모형

면적산출이 가능하더라도 피해반경에 대한 기준설정, 설정의 근거마련이 선행되어야 하며, 무엇보다 GIS프로그램 도구를 이용하여 손쉽게 산출할 방법이 없어 1개 행정구역의 면적산출에도 많은 시간이 소요되기 때문이다. 이는 전국을 범위로 하는 피해면적 산출에는 매우 비효율적이므로 다수의 행정지역을 대상으로 할 경우 Korea Forest Service(2019)에서 제시된 방법이 가장 일관적인 기준으로 빠르게 면적을 구할 수 있는 최선이라고 볼 수 있으므로 해당 방법을 적용하였다.

성능/효과

Korea Forest Service(2019)와 Korea Forest Service(2020)에서 제시된 방법으로 산출된 방제성과지수와 본 연구의 개선식으로 산출된 방제성과지수는 정도의 차이만 있을 뿐 피해의 증가와 감소에 대해서 변동되는 것은 없었지만 미미한 변화로 인해 피해의 증감에 대한 결과가 바뀔 수 있음을 확인하였다(Table 7). 이는 발생한 피해본수만으로 정해되는 피해등급으로 인해 대부분이 피해등급 ‘경’, ‘경미’지역으로, 면적가중치 자체가 낮아 큰 변화가 없는 것으로 파악되었고, 면적가중치가 높은 피해등급 ‘극심’, ‘심’지역에서 피해면적 감소율이 크게 나타날 경우 방제성과지수의 변화가 보다 크게 나타날 것으로 판단된다.
QGIS를 통해 한국임업진흥원으로부터 제공받은 방제좌표 데이터를 이용하여 경상북도 26개 시·군·구의 2020년과 2022년 방제본수(피해고사목+기타고사목) 및 피해본수(피해고사목), 피해면적을 산출한 결과는 Table 1과 같고, 주로 피해가 경미한 지역일수록 피해본수 대비 방제본수의 비율이 매우 높게 나타났다
개선 산출식을 기존의 산출식과 비교했을 때 방제성과 지수의 차이는 미미한 수준이었으나 이는 분석대상지가 면적변화율 가중치가 낮은 피해등급 ‘경’, ‘경미’지역이 대다수이기 때문인 것으로 사료되며, 면적변화율 가중치가 높은 피해등급 ‘극심’, ‘심’지역에서 피해범위 변화가 클 경우에는 상대적으로 방제성과지수의 차이가 크게 나타날 것으로 사료된다
개선 산출식을 이용한 방제성과지수는 기존 산출식을 이용한 방제성과지수에 비해 소폭 감소하거나 증가하는 경향을 보였으며 이로써 미미한 변화이지만 개선 산출식을 이용할 경우 피해증가를 의미하는 양의 값(+)에서 피해감소를 의미하는 음의 값(–)으로, 또는 그 반대의 경우로도 변화될 수 있음을 확인하였다.
본 연구에서 개선한 정량적 방제성과 분석방법을 통해 경상북도에서 소나무재선충병 방제를 실시한 26개 시·군·구의 방제성과지수를 산출한 결과, 8개 시·군·구(3개 시, 3개 군, 2개 구)는 피해가 감소하였으며, 16개 시·군·구(5개 시, 7개 군, 4개 구)는 피해가 증가한 것으로 나타났다
해당 데이터로 2020년 대비 2022년의 본수 변화율, 면적 변화율, 선단지 변화 거리와 이에 따른 선단지 계수, 피해등급을 산출한 결과는 Table 2와 같다. 본수의 증가율이 가장 큰 지역은 예천군과 영주시이며 감소율이 가장 큰 지역은 경주시이고, 면적의 증가율이 가장 큰 지역은 경산시, 감소율이 가장 큰 지역은 봉화군으로 나타났다. 피해등급은 2022년 피해본수 통계에 따라 ‘경미’지역 11개, ‘경’지역 10개, ‘중’지역 5개 시·군·구로 확인되었다.
16으로 산출되어 피해가 증가한 것으로 값이 변화될 수 있다. 이 경우 피해증가에 대한 원인분석, 방제전략의 수립, 방제예산의 확보 등 차기방제를 철저하게 대비할 수 있는 정량적 근거로 제시될 수 있으므로 개선식의 적용이 소나무재선충병 방제에 의미를 가질 수 있다고 사료된다.
개선 산출식을 기존의 산출식과 비교했을 때 방제성과 지수의 차이는 미미한 수준이었으나 이는 분석대상지가 면적변화율 가중치가 낮은 피해등급 ‘경’, ‘경미’지역이 대다수이기 때문인 것으로 사료되며, 면적변화율 가중치가 높은 피해등급 ‘극심’, ‘심’지역에서 피해범위 변화가 클 경우에는 상대적으로 방제성과지수의 차이가 크게 나타날 것으로 사료된다. 이처럼 해당 결과로는 눈에 띄는 차이를 보이지 않았지만 본 연구의 개선 산출식은 기존의 산출식에서 반영하지 못한 피해범위의 변화를 정량적으로 분석할 수 있다는 것에 의미가 있다.

후속연구

다만 해당 방법은 철저하게 공간데이터를 기반으로 분석이 이루어지므로 시·군·구의 현황이 데이터에 반영되지 않은 경우 실제 피해가 증가했음에도 결과는 피해가 감소한 것으로 나타나거나 그 반대의 경우로 나타날 수 있어 데이터의 정확성이 절대적으로 요구된다. 2022년부터 전국의 소나무재선충병 피해가 다시 증가하고 있는데, 향후에는 전국을 대상으로 방제성과를 분석하여 방제성공지의 요인을 파악하고 방제방법을 개선한다면 앞으로의 피해확산방지와 감소에 기여할 수 있을 것으로 사료된다.
방제성과의 분석은 해당 피해지역에 대한 방제 노력의 결과를 수치화함으로써 보다 객관적으로 판단할 수 있게 하고 현황을 진단하여 향후의 방제목표와 계획 수립을 위한 기준을 제시하게 된다. 이러한 점에서 정확한 피해본 수, 피해면적의 산출은 매우 중요하며 더 나아가 피해범위의 변화를 고려한 방제성과 분석을 통해 피해 지자체가 현실적인 목표를 세워 점진적으로 피해를 감소시킬 수 있도록 할 필요가 있다. 동일 피해본수, 피해면적일지라도 피해가 좁은 범위 안에서 밀집하여 발생한 것과 넓은 범위로 흩어져 발생하는 것은 그 방제방식을 달리 적용하여야 한다.
정량적 방제성과 분석방법은 기준년도에 따라 특정 연도의 방제성과를 산출할 수 있다는 장점을 가지고 있으나 반대로 기준년도를 언제로 설정하느냐에 따라 방제성과를 분석하고자 하는 측정연도의 방제성과지수 산출값이 달라지므로 이를 신중하게 결정하여야 한다. 다만 해당 방법은 철저하게 공간데이터를 기반으로 분석이 이루어지므로 시·군·구의 현황이 데이터에 반영되지 않은 경우 실제 피해가 증가했음에도 결과는 피해가 감소한 것으로 나타나거나 그 반대의 경우로 나타날 수 있어 데이터의 정확성이 절대적으로 요구된다.

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