MODIS 시계열 위성영상을 이용한 한라산과 지리산 구상나무 식생 변동 추세 분석

Trend Analysis of Vegetation Changes of Korean Fir (Abies koreana Wilson) in Hallasan and Jirisan Using MODIS Imagery

Abstract

구상나무는 한반도 아고산대 생태계에 미치는 기후변화 영향 평가에 중요한 환경지표종이다. 하지만 아고산대의 특성상 해발고도 약 1,000 m 이상에 주로 분포한 구상나무를 주기적으로 현장 조사하는 것은 많은 인력을 요구한다. 따라서 본 연구는 주기적인 관측이 가능한 원격탐사 자료를 활용하여 한라산과 지리산을 대상으로 2003년부터 2020년까지의 9월 Moderate Resolution Imaging Spectroradiometer (MODIS)의 normalized difference vegetation index (NDVI)와 지표면 온도 그리고 Global Precipitation Measurement (GPM)Integrated Multi-satellitE Retrievals for GPM의 강수량 자료를 이용해 구상나무의 식생 변동 및 환경변수와의 연관성을 분석하였다. 2003년과 비교하여 2020년에 구상나무 서식지역의 식생지수 감소를 확인하였으며, 이를 바탕으로 구상나무 생육 우수 지역과 구상나무 고사율이 높은 지역을 선별하였다. 이러한 지역들에 대한 장기간 식생지수 시계열 분석 결과, 한라산과 지리산 모두 고사지역에서 식생지수가 감소하는 경향을 보였다(한라산: -0.46, 지리산: -0.43). 또한 Hodrick-Prescott 필터를 통해 추출된 식생지수와 지표면온도 그리고 강수량의 추세변화를 통해 구상나무의 장기간 변동을 분석한 결과, 한라산의 경우 지표면온도가 증가하고 강수량이 감소하는 시기에 구상나무 생육 우수 지역과 구상나무 고사율이 높은 지역의 식생지수 차이가 증가하였다. 이는 온도 상승과 강수량 감소가 한라산 구상나무 생육쇠퇴에 영향을 미치는 것으로 해석된다. 반면 지리산은 장기적으로 구상나무 고사지역의 장기적인 식생지수 감소 추세를 보여주었으나, 식생지수 변화 패턴이 지표면온도와 강수량과는 유의미한 상관성을 발견하지 못하였다. 추후 지표면 온도와 강수량 외에 선행연구에서 구상나무 생육쇠퇴와 연관이 있다고 알려진 환경인자(토양수분, 일사량, 강풍 등)에 대한 추가 분석이 필요하다. 본 연구를 통해 위성 자료로 구상나무 생태계의 장기간 모니터링 및 환경 변수들의 상관성 분석에 대한 가능성을 제시하였다. 본 연구를 토대로 위성 기반 모니터링이 구상나무의 생태학적 연구에 어떻게 활용될 수 있는지에 대한 이해를 높이는데 도움이 될 것으로 기대한다.

Korean fir (Abies koreana Wilson) is one of the most important environmental indicator tree species for assessing climate change impacts on coniferous forests in the Korean Peninsula. However, due to the nature of alpine and subalpine regions, it is difficult to conduct regular field surveys of Korean fir, which is mainly distributed in regions with altitudes greater than 1,000 m. Therefore, this study analyzed the vegetation change trend of Korean fir using regularly observed remote sensing data. Specifically, normalized difference vegetation index (NDVI) from Moderate Resolution Imaging Spectroradiometer (MODIS), land surface temperature (LST), and precipitation data from Global Precipitation Measurement (GPM) Integrated Multi-satellitE Retrievalsfor GPM from September 2003 to 2020 for Hallasan and Jirisan were used to analyze vegetation changes and their association with environmental variables. We identified a decrease in NDVI in 2020 compared to 2003 for both sites. Based on the NDVI difference maps, areas for healthy vegetation and high mortality of Korean fir were selected. Long-term NDVI time-series analysis demonstrated that both Hallasan and Jirisan had a decrease in NDVI at the high mortality areas (Hallasan: -0.46, Jirisan: -0.43). Furthermore, when analyzing the long-term fluctuations of Korean fir vegetation through the Hodrick-Prescott filter-applied NDVI, LST, and precipitation, the NDVI difference between the Korean fir healthy vegetation and high mortality sitesincreased with the increasing LST and decreasing precipitation in Hallasan. Thissuggests that the increase in LST and the decrease in precipitation contribute to the decline of Korean fir in Hallasan. In contrast, Jirisan confirmed a long-term trend of declining NDVI in the areas of Korean fir mortality but did not find a significant correlation between the changes in NDVI and environmental variables (LST and precipitation). Further analyses of environmental factors, such as soil moisture, insolation, and wind that have been identified to be related to Korean fir habitats in previous studies should be conducted. This study demonstrated the feasibility of using satellite data for long-term monitoring of Korean fir ecosystems and investigating their changes in conjunction with environmental conditions. Thisstudy provided the potential forsatellite-based monitoring to improve our understanding of the ecology of Korean fir.

1. 서론

구상나무(Abies koreana Wilson)는한반도특산식물이며 지리산, 한라산, 덕유산, 가야산 등지에 서식하고 있다. 구상나무는 아고산생태계의 대표적인 기후변화 민감종으로 산림청 지정 특별산림보호대상종, International Union for Conservation of Nature and Natural Resources 적색목록 지정식물 위기종으로 지정되었으며, 지속적인 군락 쇠퇴로 인해 서식지 보전에 어려움을 겪고 있다(Song et al., 2021). 구상나무의 서식지 감소와 생육쇠퇴 및 고사를 유발한 원인에 대한 종합적이고 명확한 연구 결과는 도출되지 않았다(Koo and Kim, 2020). 그러나 구상나무의 생육을 저해하는 요인으로 기후변화에 따른 기온상승, 이종침입, 태풍이나 가뭄으로 인한 지지 기반 약화, 광합성에 필요한 수분의 결핍 등이 지목되었다(Koo et al., 2001; Koo et al., 2017; Lee et al., 2021; Park et al., 2018; Song et al., 2014). 특히 기온상승은 토양 내 수분 조성을 변화시켜 식물의 생장과 생식에 큰 영향을 미치는 대표적인 저해요인으로 알려져 있다(Woo et al., 2008). 구상나무는 국토생태계에서 기후변화에 대한 반응 분석 및 생태계 취약성 평가, 기후변화 적응 정책 개발 등 연구적으로 상당한 가치를 지니고 있어 그에 따른 지속적인 관리와 모니터링이 필요하다(Kong et al., 2012; Liu et al., 2015; Song and Park, 2018).

구상나무를 지속적으로 모니터링하는 대표적인 방법으로는 방형구법을 기반으로 한 현장조사가 있다. 방형구법은 조사지역에 일정한 간격으로 방형구를 설치한 뒤, 종 다양도와 우점도, 밀도 등을 계산하여 구상나무의 생육상황과 치수발생을 정확하게 조사하는 모니터링 방법이다(Kim and Choo, 2000; Oh et al., 2014; Song et al., 2014). 하지만, 이러한 방형구법은 많은 인력을 요구하며 장기적인 모니터링이 어렵다는 한계를 가지고 있다. 이러한 한계를 극복하는 대안으로 원격탐사 및 지리정보 시스템을 활용해 산림 생태계를 모니터링하는 공간분석기법이 주목받고 있다. 그 중에서 위성기반 원격탐사는 적은 비용으로 넓은 지역을 주기적으로 모니터링함으로써 생태계의 시공간적인 변화를 효율적으로 분석할 수 있는 장점이 있다(Fan et al., 2012; Sapta et al., 2015; Song and Park, 2018; Wakelin et al., 2015).

원격탐사를 이용해 산림 생태계 식생의 활력도를 파악할 때 식생지수가 지표로 사용된다. 식생지수는 엽록소가 가시광선을 강하게 흡수하고 근적외선은 약하게 흡수하여 높은 반사도를 나타내는 관계를 기반으로 한다.정규식생지수(normalized difference vegetation index, NDVI)가 대표적이며, 이를 활용해 식생 피복 및 건강 상태, 식물 계절 및 생태계 변화 등의 다양한 식생변화 모니터링에 관한 연구가 수행되고 있다(Hielkema et al., 1986; Ke et al., 2015; Yuan et al., 2014).

전 세계적으로 위성기반 식생 변화 연구에서는 Moderate Resolution Imaging Spectroradiometer (MODIS) 영상이 주로 활용되고 있다(Cha et al., 2009; Zhang et al., 2003). MODIS는 National Aeronautics and Space Administration (NASA)의 Earth Observing System Terra와 Aqua 위성에 탑재된 센서로 일 주기 시간해상도를 가지며, 공간해상도는 분광 대역에 따라 250 m, 500 m, 1 km의 자료를 제공하고 있다. 관측한 분광자료는 기하 보정, 방사보정 등의 영상전처리 과정을 거친 후 다양한 알고리즘을 이용해 대기, 해양, 및 육상생태계의 다양한 환경변수를 추정하는 데 사용된다(Kang et al., 2005). MODIS 영상은 1999년부터 현재까지 20년 이상의 자료가 축적되어 있어 장기간의 자연 및 환경 변화연구에 적합한 장점이 있다.

현재까지 원격탐사를 활용한 구상나무 연구는 구상나무 분포의 변화를 파악하는데 초점이 맞춰져 있었다(Kim and Lee, 2017; Kim et al., 2017). 그러나 구상나무의 분포 변화는 온도, 강수량 등의 환경 요인에 영향을 받기 때문에, 장기간에 걸쳐 환경변수들과의 시계열 변화 분석이 함께 필요하다. 따라서 본 연구의 목적은 장기간 위성자료를 활용하여 구상나무가 밀집된 지역과 상대적으로 고사 가능성이 큰 지역에서의 식생 변동과 이에 따른 환경 요인의 변화를 분석하는 것으로, 국내에서 구상나무 서식지 면적이 가장 넓은 한라산과 지리산을 대상으로 수행하였다.

본 논문의 구성은 다음과 같다. 2장에서 본 논문의 분석 대상이 되는 지역 및 자료에 대해 살펴보고, 3장에서는 본 연구의 분석 과정 및 위성자료의 전처리 방법에 대해 기술하였다. 4장은 연구 결과와 함께 본 연구의 한계 및 나아갈 방향에 대해 고찰하였다. 마지막으로 5장에서 본 연구에 관한 결론을 맺는다.

2. 연구지역 및 자료

2.1. 연구지역

본 연구는 우리나라에서 구상나무가 가장 많이 분포한 한라산과 지리산국립공원을 대상으로 진행하였으며, 국립공원공단 및 세계유산본부에서 제공하는 한라산과 지리산의 구상나무 서식지 정보를 이용하여 구상나무 분포 지역을 파악하였다(Fig. 1). 연구기간은 사용한 위성자료들의 가용기간을 고려하여 2003년부터 2020년까지로 설정하였으며, 여름철(6~8월)에 비하여 구름 영향이 상대적으로 적으면서 구상나무의 식생 활력도가 높은 9월에 초점을 맞추어 연구를 진행하였다.

Fig. 1. Two study sites of Korean fir (Abies koreana): Jirisan and Hallasan. The Shuttle Radar Topography Mission digital elevation model with a spatial resolution of 90 m was used as the background elevation data (source: https://srtm.csi.cgiar.org). R1 and R2 represent the healthy vegetation and high mortality regions of Korean fir, respectively.

2.2. 연구자료

본 연구에서는 구상나무 영역의 식생 활력도 분석을 위하여 일 단위 시간해상도를 갖는 MODIS 식생지수(NDVI)를 구축하였다. 계산에는 일 단위 MODIS 표면 반사도(MOD09GA) 자료를 이용하였다. MOD09GA는 Terra 위성으로부터 제공되는 반사도 산출물로서 매일 오전 10시 30분경에 동일 영역을 촬영하여 자료를 산출한다. 해당 반사율 자료는 500 m 공간해상도를 가진다. 식생지수는 Red band (620–670 nm; ρ_red)와 near-infrared (NIR) band (841–876 nm; ρ_nir)를 이용한 식(1)로부터 계산하였다.

\(\begin{aligned}N D V I=\frac{\rho_{\text {nir }}-\rho_{\text {red }}}{\rho_{\text {nir }}+\rho_{\text {red }}}\end{aligned}\)       (1)

Terra 위성은 2000년 2월부터 촬영을 시작했으나 안정적인 위성 산출물 자료가 제공되는 시기를 고려하여(García-Monteiro et al., 2022), 2003년부터 2020년까지 9월 동안의 일별 MOD09GA 자료를 다운받아 식생지수를 구축하였다(source: https://lpdaac.usgs.gov/tools/datapool/).

식생지수와 함께 위성기반 지표면온도(land surface temperature, LST)와 강수량 자료를 분석에 이용하였다. 위성기반 지표면온도 자료로는 상대적으로 높은 시공간 해상도(일 주기, 1 km)의 MODIS LST 산출물을 이용하였다. MODIS LST는 지구 표면에서 방출되는 적외선 파장 영역의 복사 값을 온도로 변환한 것으로 지구 표면 에너지 밸런스 연구들에 필수적이며, 기후변화 연구에 유용하게 활용되는 자료이다(Reiners et al., 2023; Yoo et al., 2022). 하지만 구름 영역 아래에서 MODIS LST는 양질의 값을 획득할 수 없기 때문에 산출물 활용에 제약이 있다. 이를 해결하기 위하여 MODIS LST의 구름 영역을 채우는 gap-filling 연구가 최근 활발히 수행되고 있다(Yoo et al., 2020; Zhang et al., 2021). 본 연구에서는 최근에 Zhang et al. (2022)이 제작하여 배포한 전 지구 영역의 장기간 1 km 전천 MODIS Terra의 낮(오전 10시 30분)과 밤(오후 10시 30분) LST 산출물을 제공받아 분석에 사용하였다(source: https://doi.org/10.25380/iastate.c.5078492).

위성기반 강수량 자료로는 Global Precipitation Measurement (GPM) Integrated Multi-satellitE Retrievals for GPM (IMERG)을 이용하였다. GPM은 지구의 강수량을 측정하는 목적을 가지고 미국 NASA와 일본 JAXA가 공동으로 운영하는 위성 프로젝트로서 수문학 및 기후 연구에 활용할 수 있는 데이터를 제공한다. GPM IMERG 강수량 자료는 여러 마이크로파 위성 및 적외선 채널을 탑재한 정지궤도 위성 강수 값을 융합하여 제작된 Level3 산출물로서, 10 km의 공간해상도를 가진다. 특히, 전 세계 강수량의 연속적이고 자세한 이미지를 제공하므로 기후 연구자들에게 있어 중요한 도구로 사용되고 있다(Pradhan et al., 2022). 본 연구에서는 2003년부터 2020년까지의 월 단위 GPM IMERG 자료를 제공받아 사용하였다(source: https://gpm.nasa.gov/data/imerg). 해당 강수 위성자료의 신뢰도 보장을 위해 우리나라 기상청 방재기상관측(Automatic Weather System) 자료를 이용하여 연구기간 동안의 시계열 검증을 수행하였다. 검증 결과, 한라산의 경우 윗세오름 관측소를 대상으로 R: 0.84가 나왔으며, 지리산의 경우 피아골 관측소를 대상으로 R: 0.95의 유의미한 상관성을 확인하였다.

3. 연구방법

본 연구는 2003년부터 2020년까지 장기간 동안 구상나무 서식지역의 식생지수, 지표면 온도 및 강수량 자료를 수집한 후 다음과 같은 세 가지 분석과정으로 구성하였다. 1) MODIS NDVI 산출물을 이용하여 2003년과 2020년의 식생지수 변화를 확인하였고, 이 중에서 식생지수 변화가 적은 지역(R1)과 식생지수가 크게 감소한 지역(R2)을 선별하였다. 2) 선별된 R1 및 R2 지역의 식생지수의 시계열 변화를 분석하고, 3) Hodrick-Prescott(HP) 필터를 사용하여 식생지수 및 환경변수들의 시계열 추세를 분석하였다. 전체적인 연구 과정은 Fig. 2와 같다.

Fig. 2. The overall process flow used in this study.

3.1. 식생지수 전처리

MODIS와 같은 다중 분광 영역의 반사율 자료는 구름 아래에서 오염이 되기 때문에 이를 처리해주는 작업이 매우 중요하다(Cho et al., 2022). 먼저, MOD09GA 산출물 안에 들어있는 reflectance data state quality assessment flag 자료를 활용하여 구름영향을 받지 않는 맑은 날(cloud state: Clear)의 반사율 자료만을 이용하여 NDVI 값을 계산하였다. 또한, MODIS NDVI 산출물은 구름 오염 외에도 센서 및 기기결함, 대기 기후, 지표상태 등으로 인한 노이즈(noise)가 존재한다고 알려져 있으며(Lu et al., 2007), 이러한 노이즈는 주로 낮은 NDVI 값(spuriously low value)으로 나타나는 경향이 있다(Jin and Xu, 2013). 본 연구에서는 이에 따른 영향을 최소화하기 위해 구상나무 분포 지역에 해당하는 MODIS NDVI의 전체 연구기간(2003~2022년) 9월의 맑은 날 값을 각 픽셀별로 취합한 뒤 중앙값(median)을 이용하여 이상치(outlier)를 탐지하고, 이를 바탕으로 low boundary를 결정해 낮은 값의 노이즈를 제거해 주었다. 최종적으로 구름 영향 및 기타 노이즈가 제거된 NDVI 자료 중 구상나무 분포 지역 전체가 90% 이상의 값을 가지고 있는 날짜만 선별하여 연구 분석에 이용하였다.

3.2. 추세분석을 통한 장기 변동성 파악

본 연구는 구상나무 영역의 NDVI와 지표면온도, 강수량 자료들을 사용하여 상관성 분석 및 시계열 분석을 수행하였다. 각 자료들의 단기적인 변동성을 제거하기 위해 HP 필터를 사용해 추세자료를 추출하였다. HP 필터는 경제학, 금융분야 등에서 시계열 데이터 분석에 널리 활용되며, 시계열 자료(y_t)에서 장기적인 추세변동(τ_t)과 단기적인 순환(c_t)을 분리하는 기법이다(Choi, 2017; de Jong and Sakarya, 2016; Hodrick and Prescott, 1997). HP 필터는 단기 변동보다 장기적인 추세에 민감하게 반응하며, 추세와 변동성의 상대적인 중요도를 조정할 수 있는 장점이 있다. HP 필터에서 시계열 자료는 식(2)로 표현할 수 있으며, 이상적인 추세변동은 식(3)을 최소화하는 값이다.

y_t = τ_t + c_t       (2)

\(\begin{aligned}\min _{\tau}\left(\sum_{t=1}^{T}\left(y_{t}-\tau_{t}\right)^{2}+\lambda \sum_{t=2}^{T-1}\left[\left(\tau_{t+1}-\tau_{t}\right)-\left(\tau_{t}-\tau_{t-1}\right)\right]^{2}\right)\end{aligned}\)       (3)

식(2)에서 첫 번째 항은 추세로부터 편차의 제곱의 합이고, 두 번째 항은 평활화계수 λ의 곱에 시점 t 전후 추세의 변화율의 합이다. λ는 평활화 계수로 추세치의 변동폭에 제한을 준다. λ가 0일 경우, y_t는 τ_t와 같으며 λ가 커질수록 추세선은 평활화되어 직선에 가까운 모양이 된다. 본 연구에서 λ는 Ravn and Uhlig (2022)이 연자료 분석 시 제안한 6.25로 설정하였다.

HP 필터를 통해 추출된 MODIS NDVI와 LST 그리고 GPM 강수량의 추세변화를 통해 구상나무의 장기간 변동을 분석하였다. 자료분석은 Python 3 환경에서 수행했으며, 시계열 분해과정은 Statsmodels 라이브러리에서 제공하는 코드를 사용하였다.

4. 연구결과 및 고찰

4.1. 한라산과 지리산 식생지수 공간분포 변화 분석

본격적인 분석을 시작하기에 앞서, 한라산과 지리산에 위치한 구상나무 서식지역의 2003년과 2020년 9월에 대한 MODIS 식생지수 지도를 비교하였다(Fig. 3). 한라산의 경우, 2003년에 비해 전체적으로 식생지수의 감소를 확인하였으며, 그 중에서 백록담을 중심으로 식생지수가 큰 폭으로 감소하였다. 지리산에서는 천왕봉 남쪽에서 식생지수의 전반적인 감소가 나타났다. 그러나 다른 지역에서는 식생지수의 큰 변화가 없거나 감소하였는데, 이는 구상나무 외 다른 하부식생의 영향으로 추정된다. 보다 정확한 구상나무의 분포 변화를 확인하고자 Google Earth에서 제공하는 항공사진을 활용하였다(Fig. 4). 본 연구지역에서 9월 항공사진이 충분하지 않아 가용한 연도의 10월 영상으로 대체하였다. 한라산의 경우, 2011년과 비교하여 2021년에 백록담 북동 방향으로 광범위한 식생의 감소가 확인되었다. 특히 백록담 동쪽에서 가장 수목의 감소가 두드러지며, 북쪽에서는 일부 높은 수목이 사라지고 그 아래 다른 하부식생으로 대체된 것이 관찰되었다. 지리산은 2015년과 비교하여 2020년 항공사진으로 차이를 육안으로 확인하기 어려웠다. 한라산보다 짧은 비교 기간과 촬영 당시의 대기 상태가 다른 점이 지리산 구상나무 변화를 파악하기 어려운 원인으로 추측된다.

Fig. 3. NDVI maps in 2003: (a) Hallasan and (b) Jirisan. NDVI maps in 2020: (c) Hallasan and (d) Jirisan. (e) and (f) are NDVI difference maps between 2003 and 2020. R1 (blue box) and R2 (red box) represent the potential long-term habitat and mortality regions of Korean fir (Abies koreana), respectively.

Fig. 4. Google Earth maps of historical and recent Korean fir habitat. (a) and (b) are Google maps of Hallasan in October 2011 and October 2021. (c) and (d) are Google maps of Jirisan in October 2015 and October 2020. The oldest and most recent October month images from Google Earth were selected.

전 영역에 대해서 비교하여 생길 수 있는 노이즈들을 최대한 제거하고자 구상나무 생육 우수 지역(R1)과 구상나무 고사율이 높은 지역(R2)을 각각 선별하였다(Fig. 3, 4). R1 및 R2 영역은 500 × 500 m MODIS 위성 격자 하나에 해당하는 영역 크기로, 중심좌표는 한라산 R1: N33°22′13″,E126°32′12″ 및 R2: N33°21′48″,E126°32′28″, 지리산 R1: N35°20′39″, E127°42′49″ 및 R2: N35°20′7″, E127°43′37″에 각각 위치하고 있다. 이러한 고사율이 높은 지역들은 선행 연구 및 장기간의 항공사진 조사를 바탕으로 고사율이 높은 지역으로 보고되어 본 연구지역 선정의 신뢰성을 뒷받침한다(Ahn et al., 2020).

4.2. 장기간 식생지수 변동 패턴 분석

본 연구에서는 2003년부터 2020년까지 두 국립공원의 R1 및 R2 지역에서의 NDVI 변화 패턴을 분석하였다(Fig. 5, 6). 한라산의 경우, NDVI 장기 변동성 분석 결과에서 R2는 식생지수가 시간이 지나면서 감소하는 경향을 보였다(R: –0.46). 반면, R1의 식생지수의 연도별 시계열 추세는 뚜렷한 방향성을 보이지 않았다(R: 0.24). 추가적으로 R1과 R2의 식생지수 차이(Fig. 5c)를 확인해 보면 장기적으로 증가하는 추세를 보인다(R: 0.64). 구상나무 분포의 변화가 없었다면 R1과 R2가 유사한 NDVI 변동 패턴과 식생지수 차이를 보였어야 하나, R2 영역에서 구상나무 고사와 같은 식생의 변화가 발생하여 두 영역의 식생지수 차이가 증가한 것으로 분석된다. 특히 R2의 식생지수는 2003년과 2020년을 비교했을 때 크게 감소한 것이 확인되었다. 이러한 결과는 선행연구에서도 R2 영역은 구상나무 고사율이 높은 영역으로 나타나고 있어 식생지수 차이의 양의 경향이 구상나무 고사로부터 나타나는 결과임을 뒷받침한다.

Fig. 5. Long-term NDVI time-series and box plot of R1 and R2 regions in Hallasan. The blue line represents the NDVI values over time, while the red line represents the linear regression analysis of the time-series NDVI. R denotes the temporal trend (correlation coefficient between NDVI and year). Clear≥3 refers to years with at least 3 clear (i.e., cloud free) days in September.

지리산의 경우, 한라산과 유사하게 R1에서 식생지수 변화의 경향성이 나타나지 않았다(R: 0.20). 반면, R2에서 식생지수가 감소하는 추세가 보이나 그 경향은 크지 않았으며 오히려 2014년 이후에는 증가하는 경향을 보였다(R: –0.43). 그러나 동일한 기간동안 R1의 식생지수도 증가하였으며, 이로 인해 R1과 R2 두 영역의 식생차이(Fig. 6c)는 장기적으로 계속 증가하는 추세를 보였다(R: 0.71). 2003년과 2019년을 비교했을 때, 지리산은 한라산과 다르게 R1과 R2 모두 식생지수가 2003년에 비해 증가하였다. 하지만 R1의 식생지수 증가폭에 비해 R2의 식생지수 증가폭이 적어 결과적으로 R1과 R2의 식생지수 차이가 2003년보다 증가하였다. 이는 한라산과 마찬가지로 두 영역의 식생지수 차이를 고려함으로써 여러가지 변인(기상학적 요인 등)을 통제해 주었기에 두 영역의 구상나무 고사 여부로부터 오는 식생지수의 변동 패턴이 모의되는 것으로 해석된다. 한편, 2014년 이후 R2 지역의 식생지수가 증가하는 것은 최근 구상나무가 다시 생장하는 추세로 해석될 수 있으나 다른 하부식생의 생장이 영향을 주었을 가능성이 있다. 따라서 향후 고해상도 위성자료로 조릿대나 미역줄나무와 같이 구상나무 생장에 방해가 되는 식생의 군집 변화를 같이 파악한다면 지리산 구상나무 쇠퇴원인 분석에 도움이 될 것으로 사료된다.

Fig. 6. Long-term NDVI time-series and box plot of R1 and R2 regions in Jirisan. The blue line represents the NDVI values over time, while the red line represents the linear regression analysis of the time-series NDVI. R denotes the temporal trend (correlation coefficient between NDVI and year). Clear≥3 refers to years with at least 3 clear (i.e., cloud free) days in September.

4.3. Hodrick-Prescott 필터 분석

식생지수의 시계열 변화를 지표면온도 및 강수량 변화와 비교하여 각 환경 변수 간의 상관관계를 분석하였다(Fig. 7). 단기변동성을 제거하고자 한라산과 지리산 시계열 자료에 HP 필터를 적용해 추세자료를 추출하였다. 한라산의 9월 R1과 R2의 식생지수 차이(R1–R2)추세와 지표면온도 그리고 강수량 추세의 시계열 흐름을 분석한 결과, R1과 R2의 식생지수차이는 2008년 이후 꾸준히 증가하였다. 지표면온도 또한 비슷한 시기인 2009년 전후로 지속적으로 증가했다. 반면, 강수량의 경우 2013년까지 증가하다가 이후 급격히 감소하였다. 특히, 지표면온도가 급격하게 증가하고 강수량이 크게 감소하는 시기인 2012년에서 2014년 그리고 2019년에서 2020년 동안 식생지수 차이가 증가했다. 이는 온도 상승과 강수량 감소가 한라산 구상나무 생장을 제한하는 요인으로 해석할 수 있다. 한라산을 대상으로 한 선행연구에서 여름철 고온과 많은 일사량은 구상나무의 광합성 효율을 감소시켜 생장을 방해할 수 있다고 하였으며, 기온상승에 따른 토양환경의 유기물과 토양수분의 감소도 구상나무의 쇠퇴 원인으로 추정하였다(Kim and Lee, 2013; Oh et al., 2001). 따라서 위의 연구들은 본 연구 결과를 뒷받침하는 근거가 될 수 있으나 지표면온도와 강수량 외에 다른 기후인자를 고려한 추가적인 검증이 필요하다.

Fig. 7. Time-series analysis of trenddata forthe selectedregions in (a) Hallasan and(b) Jirisan (blue line: NDVI difference between R1 and R2 regions, green line: precipitation, and red line: LST).

지리산의 경우, 한라산과는 달리 식생지수 차이의 감소 추세와 기후인자 추세간의 유의미한 상관성이 나타나지 않았다. 이는 지리산에서 지표면온도가 증감하는 경향성을 띄고 있지 않으며, 식생지수차이 역시 2015년까지 증가추세를 보이다가 다시 감소추세를 보이는 경향이 있으므로 위 기후인자들 외에 구상나무 고사에 영향을 주는 다른 요인이 있을 것으로 판단된다.

4.4. 고찰 및 한계점

본 연구는 MODIS의 주기적인 관측자료를 토대로 장기간 구상나무의 변화를 관찰하고 환경적인 요인들의 변화 양상을 함께 분석하는 방법을 시도하였다. 본 연구 결과에서 한라산과 지리산의 변화 양상이 다르게 나타났다. 한라산은 온도 상승과 강수량 감소가 구상나무 생장을 제한하는 요인으로 나타났다. 이는 종분포모형(species distribution modeling)을 활용한 선행연구에서 온난화에 따라 서식지 감소가 가속화될 것으로 예측한 것과 일치한 결과를 나타냈으며, 가장 따뜻한 분기의 강수량 구상나무 분포에 큰 영향을 미친다는 결과도 본 연구 결과와 유사하다(Kim et al., 2015; Koo et al., 2017; Yun et al., 2018). 반면, 지리산 지역에서는 식생지수와 환경 인자 간의 유의미한 상관성이 나타나지 않았다. 이러한 결과는 한라산과 지리산의 지역적인 차이로 인해 구상나무의 고사 원인이 다를 수 있음을 시사한다. 따라서 정확한 원인을 파악하기 위해서는 선행연구에서 제안한 다른 고사원인(예: 토양수지, 강풍, 일사량 등)과 환경지표 지수(정규수분지수, 가뭄지수 등)들을 종합한 분석이 필요할 것으로 판단된다.

본 연구에서 가장 큰 한계점은 월별 시계열 식생지수 자료를 구축하지 못한 것이다. 특히 아고산대 지역은 전월에 대한 자료를 획득하기에 어려움이 있다. 위성 관측 자료는 겨울에는 눈덮임으로, 여름에는 동아시아 여름 몬순과 관련된 지속적인 구름 등에 의해 연속적인 자료 획득이 어렵다는 한계가 있다. 이러한 이유로 본 연구에서는 9월만 골라서 시계열 분석을 하였다. 또 다른 한계점으로는 MODIS의 낮은 공간해상도이다. MODIS는 장기 분석이 가능하고 시간해상도가 1일로 비교적 높은 장점이 있지만, 구상나무 생장의 공간적 변화를 모니터링 하기에는 어려움이 있다. 또한, MODIS 한 픽셀 내에 에어로졸, 권운 등의 영향이 포함되었을 가능성이 있다. 따라서, 향후 Landsat-8이나 Sentinel-2와 같은 고해상도를 이용한 구상나무 식생 변화를 탐지하는 후속연구가 필요하다.

5. 결론

본 연구는 원격탐사 자료를 활용해 한라산과 지리산국립공원을 대상으로 구상나무 생육 우수 지역(R1)과 구상나무 고사율이 높은 지역(R2) 간의 식생지수, 지표면온도, 강수량을 비교 및 분석하였다. 분석에는 2003년부터 2020년까지의 9월 MODIS 영상기반 식생지수와 지표면온도 그리고 GPM IMERG 강수자료를 활용하였으며, HP 필터를 사용하여 구상나무의 장기간 변동 패턴을 파악하였다. 분석결과, 한라산과 지리산 모두 R2에서 식생지수가 감소하는 추세를 나타내었다. 한라산의 경우, 온도 상승과 강수량 감소가 구상나무 생육 쇠퇴와 연관이 있음을 확인하였다. 반면, 지리산은 뚜렷한 특징이 나타나지 않아 추가적인 환경 자료분석이나 현장조사가 필요하다.

본 연구를 통해 위성 자료로 구상나무 생태계의 장기간 식생지수 모니터링을 하였으며, 나아가 구상나무 생육쇠퇴와 환경 변수 간의 상관성 분석에 대한 가능성을 제시하였다. 그러나 여전히 MODIS 영상의 공간해상도가 낮아 구상나무 외 조릿대와 같은 하부 식생의 영향을 파악하기 어렵다. 따라서 향후 고해상도 위성자료를 활용하여 구상나무 고사영역을 모니터링하고, 식생지수 변화 추세를 구상나무 고사에 영향을 미치는 주요 요인들과 분석하는 등 추가적인 연구가 필요할 것으로 판단된다.