[논문]지리산 국립공원의 식생다양성 분포 예측 모형 연구

권혁수; 서창완; 박종화

문제 정의

또한 연구지역의 북서쪽에 덕유산으로 이어지는 능선을따라 생물다양성이 높게 평가되어 향후에 생물이동통로로서의 적지를 선정하는데 있어 좋은 가능성을 시사해 주고있다.
본 연구의 목적은 조사지 역에서 수집된 자료를 바탕으로지리 정보시스템의 공간통계적 기법을 활용하여 지리산과그 인근 지역의 식생다양성 지도를 모형화하는 것이다. 이는 다른 동물 모형과 결합하여 지리산 전반의 생물다양성지도를 제작하는데 부분자료로 활용될 것이며, 나아가 생물종다양성 증진을 위한 보호지역을 설정하는데 기초자료로 활용될 것이다.

제안 방법

산림을 활엽수, 침엽수, 혼효림으로 구분하기에 서식지의대표성을 나타낼 수 없어 현존식생도를 참조하여 군집별넓이 대비로 plot의 개수를 지정하였다. 보호측면이나 중요도가 높은 군락은 면적 이 작더 라도 강제 배분하였다.
그리고 시간과 조사 경비를고려하여 100개의 조사지역을 선정하였다. 선정된 개수를배분하기 위하여 토지 이용현황도의 대분류의 면적 비율을산출하고 이에 해당하는 조사지역 개수를 할당하였다. 하지만 이러한 경우 수계나 도심지의 경우는 면적이 적어 할당되지 않는 경우가 있으므로 이러한 경우에는 2개 이상을강제로 할당하였다.

대상 데이터

방법을 사용하였다. 그리고 시간과 조사 경비를고려하여 100개의 조사지역을 선정하였다. 선정된 개수를배분하기 위하여 토지 이용현황도의 대분류의 면적 비율을산출하고 이에 해당하는 조사지역 개수를 할당하였다.
본 연구지역은 지리산 국립공원과 백운산 생태경관보전지역, 섬진강 수달보호지역을 포함하는 14개의 소유역이며, 총면적은 약 l, 800knf에 달한다(그림 1).
정확도 측정은 AUC로서 가능하지만 외부자료와의 정확도를 검증하기 위하여 지리산 국립공원의 자원 모니터링을자료를 활용하였다.
보호측면이나 중요도가 높은 군락은 면적 이 작더 라도 강제 배분하였다. 하지만, 시간과 비용 상 접근하기 어려운 지역이 지정될 가능성이 높아 임도의 영향이 배제될 수 있도록 100m에서 500m 사이의 지역을 선정하였다. 여기에 사용되는 임도는 산림청에서 제공하는 임도망도를 사용할 계획이었으나, 자료의 부정확성과 미완결성으로 인하여 사용할 수 없었다.

이론/모형

GAM의 경우 GLM보다 뛰어나고(Elith et al, 2006), ANN (Artificial Neural Network) 보다는 그 결과를 해석하기가 쉽다. GAM모형에는 GRASP 3.0 (Lehmann et al, 2002)을 사용하였으며, stepwise selection과 AIC information criterion (Anon, 1999)을 기준으로 모형을 적용하였다. 각각의 모형정확도는 ROC(Receiver operating characteristic) 의 AUC(Area Under Cover)값을 통해 측정하였다(Hastie, 1992; Thuiller, 2003).
0 (Lehmann et al, 2002)을 사용하였으며, stepwise selection과 AIC information criterion (Anon, 1999)을 기준으로 모형을 적용하였다. 각각의 모형정확도는 ROC(Receiver operating characteristic) 의 AUC(Area Under Cover)값을 통해 측정하였다(Hastie, 1992; Thuiller, 2003). AUC는 최소 0.
여기에 사용되는 임도는 산림청에서 제공하는 임도망도를 사용할 계획이었으나, 자료의 부정확성과 미완결성으로 인하여 사용할 수 없었다. 그래서국립지리원에서 제공하는 수치지형도를 기반으로 하여 소로 이상의 도로를 추출하여 사용하였다.
선정된 지 역은 Braun-Blanquet 방법을 이용하여 10m의방형구 조사하였으며, 자료를 모형화하기 위하여 비선형모형인 GAM(Generalized Additive Model)을 사용하였다 (Hastie and Tibshirani, 1987).
이 결과를 바탕으로 ESRI사의 ArcGIS9.3의 Ramdom sampling 방법을 이용하여 각 분류군당 plot개수를 임의 추출하였다.
조사지역은 공간통계학상의 검증을 위하여 random sampling 방법을 사용하였다. 그리고 시간과 조사 경비를고려하여 100개의 조사지역을 선정하였다.

성능/효과

Cross-validation을 통해 나타난 ROC는 0.832로 비교적높은 모형의 분류정확도가 나타나 있음을 알 수 있었다. 또한 지리산 국립공원의 자원 모니터 링을 통한 자료와 비교하기 위하여, 지리산 국립공원의 자원 모니터링 지점에서 모형 결과 값을 추출하여 비교한 결과 r2 값이 0.
832로 비교적높은 모형의 분류정확도가 나타나 있음을 알 수 있었다. 또한 지리산 국립공원의 자원 모니터 링을 통한 자료와 비교하기 위하여, 지리산 국립공원의 자원 모니터링 지점에서 모형 결과 값을 추출하여 비교한 결과 r2 값이 0.72로 비교적높은 상관관계를 나타내고 있음을 알 수 있었다.
본 연구를 통하여 100개라는 비교적 적은 표본 수를 통하여 넓은 지역의 식생다양성 분포지도를 작성할 수있었다는데 본 연구의 의의가 있었다.
선택이 되었다. 식생은 고도에 따라 민감하게 반응하고있음을 확인할 수 있었으며, Relif, 수분지수, 경사도에 영향을 받고 있음을 알 수 있었다.
전반적으로 지리산의 남사면과 동쪽 사면에 있어서 생물다양성이 비교적 높게 예측되고 있음을 확인할 수 있으며, 전체적으로 지리산의 고지대 능선부분의 다양성이 낮게 예측되고 있었다(그림3).
지리산 국립공원과 그 인근지역의 식생다양성을 알아보기 위하여 비선형회귀모형인 GAM모형으로 분석한 결과, 높은 모형적합도가 나타났으며, 이를 국립공원의 모니터 링자료와 비교해 본 결과도 비교적 일치하는 것으로 나타났다. 모형에 따르면, 식생다양성은 고도와 Relif, 수분지수, 경사도에 민감하게 반응하는 것으로 나타났다.

후속연구

또한 지리산 북쪽지역에 생물다양성이 높은 지역이 있어현재는 88고속도로에 의해 단절되어 있는 덕유산과의 연결성 확보에 좋은 자료가 될 것으로 판단된다.
앞으로는 같은 연구지역을 가진 여러 표본 조사지역의자료를 수집하여 표준화한다면 좀 더 정밀하고 정확한 분포모형을 제작할 수 있을 것으로 기대한다.
이는 다른 동물 모형과 결합하여 지리산 전반의 생물다양성지도를 제작하는데 부분자료로 활용될 것이며, 나아가 생물종다양성 증진을 위한 보호지역을 설정하는데 기초자료로 활용될 것이다.

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

지리산 국립공원의 식생다양성 분포 예측 모형 연구
Predicting the Spatial Distribution of Vegetation Diversity in Jirisan National Parks 원문보기

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

지리산 국립공원의 식생다양성 분포 예측 모형 연구 Predicting the Spatial Distribution of Vegetation Diversity in Jirisan National Parks 원문보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

이론/모형

성능/효과

후속연구

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

지리산 국립공원의 식생다양성 분포 예측 모형 연구
Predicting the Spatial Distribution of Vegetation Diversity in Jirisan National Parks 원문보기

AI 본문요약
AI-Helper