초록
기후변화에 따른 우리나라 인공림의 취약성을 분석하기 위하여, 본 연구에서는 Intergovernmental Panel on Climate Change(IPCC)의 'A1B' 기후변화 시나리오를 적용하여 우리나라의 대표적 조림수종인 리기다소나무림의 잠재 생육적지 분포 변화를 예측하였다. 이를 위해 제4차 임상도를 이용하여 리기다소나무림의 기존 분포면적을 추출한 후, 최근(1971-2000년), 가까운 미래(2021-2050년), 먼 미래(2071-2100년)에 대해서 온량지수, 최저온도지수, 유효강우지수 등의 세 가지 기후요소를 각각 예측하고 이를 토대로 리기다소나무림의 잠재 생육적지 분포를 예측하였다. 본 연구결과 리기다소나무림의 잠재 생육적지 분포 면적은 최근(2000년)에 비해 가까운 미래(2050년)에는 56%로 감소하고 먼 미래(2100년)에는 15%로 크게 감소하는 것으로 분석되었다. 지역별로는 강원도를 제외한 전국에서 잠재생육적지 분포의 급격한 감소가 나타났다. 강원도 지역의 경우에는 다른 지역에 비해 리기다소나무림의 조림면적이 적고 상대적으로 해발고도가 높은 지역적 특성이 반영되어 잠재 생육적지가 증가하는 경향을 보였다. 또한 해발고도에 따른 잠재 생육적지 분포 변화를 분석한 결과, 기후변화에 따라 리기다소나무림의 잠재 생육적지 분포가 해발고도가 높은 지역으로 점차 이동하는 것으로 나타났다. 예측 결과의 정확성을 분석하기 위해 Classification Accuracy(CA)와 Prediction Probability(PrP)를 구한 결과, 비교적 높은 정확도(CA 44.75%, PrP 62.56%)를 가지는 것으로 나타났다.
In this research, it was intended to examine the vulnerability of Pinus rigida to climate changes, a major planting species in Korea. For this purpose, the distribution of Pinus rigida and its changes caused by climate changes were estimated based on the 'A1B' climate change scenario suggested by IPCC. Current distribution of Pinus rigida was analyzed by using the $4^{th}$Forest Type Map and its potential distribution in the recent year (2000), the near future (2050) and the further future (2100) were estimated by analyzing the optimized ranges of three climate indices - warmth index(WI), minimum temperature index of the coldest month (MTCI) and precipitation effectiveness index(PEI). The results showed that the estimated potential distribution of Pinus rigida declines to 56% in the near future(2050) and 15% in the further future (2100). This significant decline was found in most provinces in Korea. However, in Kangwon province where the average elevation is higher than other provinces, the area of potential distribution of Pinus rigida increases in the near future and the further future. Also the result indicated that the potential distribution of Pinus rigida migrates to higher elevation. The potential distributions estimated in this research have relatively high accuracy with consideration of classification accuracy (44.75%) and prediction probability (62.56%).