[논문]경북 봉화지역의 소나무림 수관층 연료 특성 및 연소량 추정

장미나; 이영진; 서연옥; 박상문; 김성용; 이병두; 구교상; 이명보

문제 정의

하지만 국내 구교상 등(2010)의 대구 팔공산 지역 소나무의 수관층 연료 특성을 분석한 연구 외에 산불 관점에서 수관층의 연료 특성을 분석하고, 수관층 연료량을 추정할 수 있는 상대생장식에 관한 연구는 부족한 실정이다. 따라서 본 연구는 수관화가 잘 발생하는 우리나라 소나무림을 대상으로 수관화의 발생을 예방하기 위한 수관화 예측모델의 기초자료로 활용하는데 이바지 하고자 하였으며, 향후 수관화에 관한 후행 연구에 도움이 되고자 하였다.

제안 방법

경상북도 봉화지역의 소나무림 중 산불이 발생한 피해지와 미피해지 두 곳을 선정하여 직경급 별로 고른 분포를 가지도록 각각 10본씩 표준목으로 선정하였다. 표준목을 지표면에 최대한 가깝게 벌채한 후 수관층 연료량의 수직적 분포를 추정하고자 소나무를 1m 간격으로 절동하고, 수간, 잎, 가지로 구분한 다음 각각의 무게를 측정하였다. 이 때 수관이 차지하고 있는 체적을 산출하기 위하여 1m 단위별로 수관 폭을 장축과 단축으로 구분하여 측정하였다.
표준목을 지표면에 최대한 가깝게 벌채한 후 수관층 연료량의 수직적 분포를 추정하고자 소나무를 1m 간격으로 절동하고, 수간, 잎, 가지로 구분한 다음 각각의 무게를 측정하였다. 이 때 수관이 차지하고 있는 체적을 산출하기 위하여 1m 단위별로 수관 폭을 장축과 단축으로 구분하여 측정하였다. 이때 단축은 장축의 수직방향으로 측정하였다.
연료밀도는 신만용 등(1999)의 수관 형태식 연구결과를 기반으로 1m 단위로 측정된 수관 폭의 장축과 단축의 자료를 이용하여 1m 단위로 수관층의 체적을 산출한 다음 건조된 연료량을 이 수치로 나누어 kg/m3 단위로 산출하였다.
대수회귀식의 유형 중 흉고직경만을 독립변수로 하는 logY=A+BlogD 식이 흉고직경과 수고를 독립변수로 하는 식에 비해 오차가 작다(박인협과 김준선, 1989)는 연구결과에 따라 본 연구에서는 일반적으로 사용되는 logY=A+BlogD 식을 사용하였다. 또한 표본목 자료에 의하여 유도된 바이오매스 대수회귀식과의 적합도 검정을 하였다. 이러한 절차를 걸쳐 추정된 피해지와 미피해지의 바이오매스를 가지고 피해지의 연소율과 연소량을 산출하였다.
또한 표본목 자료에 의하여 유도된 바이오매스 대수회귀식과의 적합도 검정을 하였다. 이러한 절차를 걸쳐 추정된 피해지와 미피해지의 바이오매스를 가지고 피해지의 연소율과 연소량을 산출하였다.

대상 데이터

경상북도 봉화지역의 소나무림 중 산불이 발생한 피해지와 미피해지 두 곳을 선정하여 직경급 별로 고른 분포를 가지도록 각각 10본씩 표준목으로 선정하였다. 표준목을 지표면에 최대한 가깝게 벌채한 후 수관층 연료량의 수직적 분포를 추정하고자 소나무를 1m 간격으로 절동하고, 수간, 잎, 가지로 구분한 다음 각각의 무게를 측정하였다.

데이터처리

연소율 및 연소량을 추정하기 위해 피해지와 미피해지의 바이오매스를 산출하는데, 본 연구에서는 일반적 방법인 대수회귀식을 사용하였다. 대수회귀식의 유형 중 흉고직경만을 독립변수로 하는 logY=A+BlogD 식이 흉고직경과 수고를 독립변수로 하는 식에 비해 오차가 작다(박인협과 김준선, 1989)는 연구결과에 따라 본 연구에서는 일반적으로 사용되는 logY=A+BlogD 식을 사용하였다.

이론/모형

수분함량은 McMilien(1950)과 Brown et al., (1949)등이 사용한 Oven drying method에 의하여 구하였으며(이필우와 한관석, 1968), 먼저 현장에서 각 부위별로 20% 이상을 채취한 시료의 중량을 측정한 후 95℃로 설정된 건조기에 넣고 시료가 완전하게 건조되어 무게의 변화가 없는 상태, 즉 항량에 도달했을 때의 무게를 측정한 후 다음 아래의 식을 통해 수분함량을 산출하였다.
연소율 및 연소량을 추정하기 위해 피해지와 미피해지의 바이오매스를 산출하는데, 본 연구에서는 일반적 방법인 대수회귀식을 사용하였다. 대수회귀식의 유형 중 흉고직경만을 독립변수로 하는 logY=A+BlogD 식이 흉고직경과 수고를 독립변수로 하는 식에 비해 오차가 작다(박인협과 김준선, 1989)는 연구결과에 따라 본 연구에서는 일반적으로 사용되는 logY=A+BlogD 식을 사용하였다. 또한 표본목 자료에 의하여 유도된 바이오매스 대수회귀식과의 적합도 검정을 하였다.

성능/효과

미피해목과 피해목의 평균 수분함량은 미피해목 123%, 피해목 69%로 나타났다. 미피해목의 각 부위별 수분함량은 수간 177%, 0.
미피해목과 피해목의 평균 수분함량은 미피해목 123%, 피해목 69%로 나타났다. 미피해목의 각 부위별 수분함량은 수간 177%, 0.5cm 이하 가지 96%, 0.5-1cm 가지 113%, 1-2cm 가지 116%, 2-4cm 가지 115% 으로 나타났다. 그림 1에서 보는 봐와 같이 줄기를 제외한 가지의 경우 수분함량이 반 정도 낮아진 것을 알 수 있다.
2 사이로 회귀식의 독립변수와 종속변수 간에 밀접한 관계가 있는 것으로 나타났다(산림 바이오매스 조사 표준매뉴얼, 2006). 대수회귀식을 통하여 추정한 피해목의 수관부 연소율은 표 2에서와 같이 수관 전체 36%로 나타났고, 수관화가 발생하였을 때 연소된다고 볼 수 있는 잎과 1cm 이하의 연소율은 잎 100%, 0.5cm이하 37%, 0.5-1cm 23%로 나타났다.

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

[국내논문] 경북 봉화지역의 소나무림 수관층 연료 특성 및 연소량 추정
Crown Fuel Characteristics and Burning Load of Pinus densiflora Stands in Bonghwa, Gyeongbuk 원문보기

AI 본문요약
AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

연합인증

[국내논문] 경북 봉화지역의 소나무림 수관층 연료 특성 및 연소량 추정 Crown Fuel Characteristics and Burning Load of Pinus densiflora Stands in Bonghwa, Gyeongbuk 원문보기

AI 본문요약 엑셀 다운로드 AI-Helper

문제 정의

제안 방법

대상 데이터

데이터처리

이론/모형

성능/효과

이 논문을 인용한 문헌

관련 콘텐츠

원문 보기

이 논문과 함께 이용한 콘텐츠

AI-Helper ※ AI-Helper는 오픈소스 모델을 사용합니다.

선택된 텍스트

[국내논문] 경북 봉화지역의 소나무림 수관층 연료 특성 및 연소량 추정
Crown Fuel Characteristics and Burning Load of Pinus densiflora Stands in Bonghwa, Gyeongbuk 원문보기

AI 본문요약
AI-Helper