• 제목/요약/키워드: 산림수종

검색결과 921건 처리시간 0.021초

지역산림계획을 위한 주요 수종의 지역별 특화에 관한 연구 (Study on the Regional Specialization of Major Species for Regional Forest Plans)

  • 박주원
    • 한국산림과학회지
    • /
    • 제106권3호
    • /
    • pp.330-339
    • /
    • 2017
  • 우리나라는 공 사유림에 대해서 광역시 도가 지역산림계획을 수립하여 산림을 경영하도록 하고 있으며 지역산림 계획은 국가 단위의 산림기본계획과 임분 단위로 수립되는 산림경영계획을 연결하는 고리로서 매우 중요하다. 따라서 지역산림계획을 보다 효율적으로 작성하는데 필요한 지역단위 산림자원에 대한 분석이 요구된다. 본 연구에서는 광역시 도 단위로 어느 수종이 집중되어 있는지 제시하여 지역산림계획의 효율적 수립에 기여하고자 하였다. 집중도 분석을 위한 방법으로는 특화계수와 상대집중계수를 사용하였으며 이를 면적과 재적 자료를 통하여 각각 산정하였다. 그 결과 각 시 도별로 집중되어져 있는 임업통계연보에서 제시된 주요 수종들을 순위 별로 제시하였다. 연구의 결과는 지역산림계획 수립 시 해당 지역에 집중된 수종을 고려하여 목표수종 혹은 경영방향을 수립하는데 기여할 수 있을 것이다. 면적과 재적 기준의 결과 차이에 대한 추가적인 연구를 통해 차후 지역의 수종별 생산성 요소도 반영할 수 있으리라 사료된다.

기후대별 입지환경 인자에 의한 소나무류의 지위지수 추정식 및 적지 구명 (Site Index Equations and Estimation of Productive Areas for Major Pine Species by Climatic Zones Using Environmental Factors)

  • 신만용;원형규;이승우;이윤영
    • 한국농림기상학회지
    • /
    • 제9권3호
    • /
    • pp.179-187
    • /
    • 2007
  • 본 연구는 산림입지 자료를 이용하여 주요 소나무 수종의 기후대별 산림생산력을 추정하기 위해 수행하였다. 이를 위해 강원지방소나무, 중부지방소나무, 그리고 해송의 3개 소나무 수종을 대상으로 입지환경인자에 의한 기후대별 지위지수 추정식을 만들고, 적지 판정 기준에 따라 수종별 적지면적을 산출하였다. 기후대는 수종분포에 따라 온대북부, 온대중부, 온대남부, 그리고 난대의 4개 지역으로 구분하였다. 이를 위해 전국의 산림입지 자료를 기후대별 수종별로 분류한 후, 지위지수 추정식 산출에 필요한 추정자료와 통계 검증에 필요한 검증자료로 분류하였다. 산림입지 자료에 포함된 임령 및 수고에 근거하여 기준 임령을 30년으로 하는 기후대별 수종별 지위지수를 추정하였다. 이를 통해 입지환경 인자에 의한 기준임령 30년에서의 기후대별 수종별 지위지수 추정식을 도출하였으며, 검증자료를 사용하여 통계적 검증을 실시한 후 검증 결과에 따라 최종 기후대별 수종별 지위지수 추정식을 산출하였다. 본 연구에서 산출된 기후대별 소나무 수종의 지위지수 추정식은 $4{\sim}8$개의 입지환경 인자에 의해 산림생산력을 비교적 잘 추정하는 것으로 판명되었다. 이와 같은 방법으로 도출된 지위지수 추정식을 산림입지 자료에 적용하여 기후대별 수종별 산림생산력을 추정하고, 이에 근거하여 적지를 판정한 후 적지 면적을 산출하였다. 수종별 적지 면적은 강원지방소나무는 온대북부와 온대중부에서 약 24만ha로 추정되었으며, 중부지방소나무는 전체 기후대에 걸쳐 약 49만ha가 적지인 것으로 분석되었다. 온대북부를 제외한 지역에 분포하고 있는 해송의 경우에도 전체 산림면적의 약 4%인 23만ha가 적지인 것으로 판명되었다.

인공지능 학습용 데이터 기반의 산림 수종 분석 모델 (Forest Tree Species Analysis Model based on Artificial Intelligence Learning Data)

  • 정한균;김종인;고선영;채승기;신용태
    • 한국정보처리학회:학술대회논문집
    • /
    • 한국정보처리학회 2021년도 추계학술발표대회
    • /
    • pp.588-591
    • /
    • 2021
  • 4차 산업혁명 시대가 도래하면서 세상이 빠른 속도로 변하고 있다. 특히 데이터·인공지능(AI, Artificial Intelligence)의 활용이 적극적으로 다양한 분야에서 적용되기 시작하고 있다. 하지만 산림수종을 분석하는 업무를 수행하는 과정은 수작업으로 진행하다 보니 오류가 다수 발생하고 있다. 따라서 본 논문에서는 수도권 항공사진을 이용하여 소나무, 낙엽송, 침엽수, 활엽수를 대상으로 자동으로 분석하는 AI 학습용 데이터 약 60,000장을 구축하고, 수종을 구분할 수 있는 AI 모델을 개발하였다. 이를 통해 산림변화탐지 및 산림 분야 주제도 제작 시 수종 분할 이미지를 기초자료로 활용함으로써 업무효율 증대를 기대할 수 있다.

천연활엽수림(天然闊葉樹林)의 경영대상(經營對象) 수종(樹種) 선정(選定) 및 구성비율(構成比率) 추정(推定) (Selection of Desirable Species and Estimation of Composition Ratio in a Natural Deciduous Forest)

  • 양희문;강성기;김지홍
    • 한국산림과학회지
    • /
    • 제90권4호
    • /
    • pp.465-475
    • /
    • 2001
  • 가리산 일대 천연활엽수림을 대상으로 산림의 안정성을 유지하고, 경제적 가치를 향상시킬 수 있는 경영대상 수종 선정과 구성비율 추정을 위해 수종구성, 직경급과 수고급별 개체수 분포, 지형적 위치, 종다양성 등 군집 구조적 속성을 기초로 하여 우점수종과 우점 가능 수종을 파악하고, 산림의 적정 안정수준을 고찰한 결과는 다음과 같다. 1. 연구대상 산림에는 총 25개 교목수종이 생육하고 있으나, 우점성 또는 우점 가능성이 높게 평가된 신갈나무, 소나무, 가래나무, 졸참나무, 층층나무, 고로쇠나무, 물푸레나무, 찰피나무와 이용적 가치가 높은 음나무 등 9개 수종이 경영대상 수종으로 선정되었다. 2. 연구대상 산림을 지형적 위치에 따라 구분하고, 경영대상 수종을 고찰한 결과, 계곡지역은 가래나무, 층층나무, 신갈나무, 고로쇠나무, 찰피나무, 물푸레나무, 산복지역은 신갈나무, 졸참나무, 고로쇠나무, 찰피나무, 물푸레나무, 음나무, 그리고 능선지역은 신갈나무, 소나무, 졸참나무, 물푸레나무 등이 경영대상 수종으로 선정되었다. 3. 연구대상 산림 전체, 계곡, 산복, 능선지역 상층에서는 각각 1.96, 1.68, 1.93, 1.27 이상의 종다양성 수준을 유지해야 현재의 안정성을 유지할 수 있을 것으로 파악되었다. 4. 산림의 안정상태를 유지하기 위해서 신갈나무는 30%, 고로쇠나무, 물푸레나무, 졸참나무, 찰피나무는 10%~15%, 가래나무, 소나무, 층층나무는 5%~10%, 음나무는 5% 가량 유지하는 것이 합리적일 것으로 사료된다.

  • PDF

두타산 일대 천연림에서 요인분석에 의한 산림유형 분류 (The Classification of Forest Types by Factor Analysis in Natural Forests of Dutasan)

  • 정상훈;김지홍
    • 농업생명과학연구
    • /
    • 제46권4호
    • /
    • pp.21-30
    • /
    • 2012
  • 본 연구는 요인분석을 통해 수종간의 관계 및 수종 구성에 영향을 미치는 요인 등을 파악하고, 군집분석을 이용하여 두타산 일대 천연림을 대상으로 산림유형을 분류하기 위해 수행되었다. 상관관계분석을 통해 주요 수종들의 상호관계를 나타내었고, 요인분석을 통해 수종구성에 영향을 미치는 세 가지 요인을 알아보았으며 요인점수를 바탕으로 군집분석을 실시하여 산림유형을 분류하였다. 마지막으로 분산분석을 실시하여 군집분석의 결과를 평가하였다. 수종간 상관관계분석 결과와 요인분석 결과는 밀접한 관련이 있는 것으로 나타났으며, 수종 구성에 미치는 첫 번째 요인은 산림천이과정에 의한 소나무의 쇠퇴현상이었다. 두 번째 요인과 세 번째 요인은 각각 계곡의 생육환경과 산복의 생육환경이었다. 두타산 일대 산림의 수종구성에 영향을 미치는 3가지 요인을 바탕으로 군집분석을 실시하여 산림유형을 분류하였고 분산분석을 통해 분류 결과를 검증한 결과, 총 4가지의 산림유형(신갈나무-고로쇠나무-물푸레나무군집, 신갈나무군집, 신갈나무-피나무군집, 소나무군집)으로 분류되었다.

딥러닝 모델 기반 위성영상 데이터세트 공간 해상도에 따른 수종분류 정확도 평가 (The Accuracy Assessment of Species Classification according to Spatial Resolution of Satellite Image Dataset Based on Deep Learning Model)

  • 박정묵;심우담;김경민;임중빈;이정수
    • 대한원격탐사학회지
    • /
    • 제38권6_1호
    • /
    • pp.1407-1422
    • /
    • 2022
  • 본 연구는 분류(classification)기반 딥러닝 모델(deep learning model)인 Inception과 SENet을 결합한 SE-Inception을 활용하여 수종분류를 수행하고 분류정확도를 평가하였다. 데이터세트의 입력 이미지는 Worldview-3와 GeoEye-1 영상을 활용하였으며, 입력 이미지의 크기는 10 × 10 m, 30 × 30 m, 50 × 50 m로 분할하여 수종 분류정확도를 비교·평가하였다. 라벨(label)자료는 분할된 영상을 시각적으로 해석하여 5개의 수종(소나무, 잣나무, 낙엽송, 전나무, 참나무류)으로 구분한 후, 수동으로 라벨링 작업을 수행하였다. 데이터세트는 총 2,429개의 이미지를 구축하였으며, 그중약 85%는 학습자료로, 약 15%는 검증자료로 활용하였다. 딥러닝 모델을 활용한 수종분류 결과, Worldview-3 영상을 활용하였을 때 최대 약 78%의 전체 정확도를 달성하였으며, GeoEye-1영상을 활용할 때 최대 약 84%의 정확도를 보여 수종분류에 우수한 성능을 보였다. 특히, 참나무류는 입력 이미지크기에 관계없이 F1은 약 85% 이상의 높은 정확도를 보였으나, 소나무, 잣나무와 같이 분광특성이 유사한 수종은 오분류가 다수 발생하였다. 특정 수종에서 위성영상의 분광정보 만으로는 특징량 추출에 한계가 있을 수 있으며, 식생지수, Gray-Level Co-occurrence Matrix (GLCM) 등 다양한 패턴정보가 포함된 이미지를 활용한다면 분류 정확도를 개선할 수 있을 것으로 판단된다.

산림경영활동에 따른 수종별 지상부생물량 및 목재생산량 변화 모델링: 가리왕산 모델숲을 대상으로 (Modeling the Effects of Forest Management Scenarios on Aboveground Biomass and Wood Production: A Study in Mt. Gariwang, South Korea)

  • 조원희;임원택;최원일;양희문;고동욱
    • 한국산림과학회지
    • /
    • 제112권2호
    • /
    • pp.173-187
    • /
    • 2023
  • 우리나라의 산림은 조림과 산림보호정책의 결과로 임목축적이 크게 증가하였으며, 이에 따라 공익적 가치도 매우 높게 평가받게 되었다. 최근 벌기령이 도래함에 따라 간벌과 수확벌채 등의 시업을 비롯한 산림경영활동의 필요성이 대두되고 있으며, 이에 따라 산림경영활동의 장기적인 영향을 과학적으로 비교분석하는 것은 매우 중요한 일이다. 이 연구는 가리왕산 모델숲을 대상으로 실시되었으며, 산림경관모형 LANDIS-II를 활용하여 주요 16개 수종에 대한 식생자료와 환경 특성 모수, 4가지 산림경영활동을 반영하여 수행한 모의를 통해 추정한 수종별 지상부생물량 변화를 바탕으로 산림경영활동이 식생의 천이와 목재생산량에 미칠 수 있는 영향을 평가하였다. 모형에 적용된 산림경영활동은 벌채강도와 벌채주기, 벌채기간에 따라 택벌림(Selection), 산벌림(Shelterwood), 이단림(Two-stories)과 비시업(no-mgt)으로 구성되어있으며, 이를 시나리오로 모형에 적용하여 산림경영활동에 따른 200년간의 지상부생물량의 변화를 통해 산림경관 변화를 모의하였다. 모의 결과 가리왕산 모델숲의 총 지상부생물량은 간벌과 수확벌채 시업 직후 크게 감소하였으나, 시나리오에 따라 수확벌채 시업 후 15년에서 50년이 지나며 시업 전 수준으로 회복되었고 200년 후에는 산림경영활동이 전혀 없는 시나리오보다 더 많은 지상부생물량을 지닐 것으로 평가되었다. 특히 내음성이 양수와 중성수로 분류된 수종의 지상부생물량은 수확벌채 시업 직후 크게 감소하였지만 신규개체의 발아와 정착으로 지상부생물량이 일부 회복하는 경향을 보였으며, 음수인 수종은 초기 수확벌채 시업에서 임령이 낮아 시업 대상으로 선정되지 않고 지속적으로 생장하여 모의 100년 이후에는 주요 우점수종이 되는 것으로 나타났다. 각 시나리오의 최종 누적 목재생산량은 택벌림 산림경영활동 시나리오에서 545.6 ton/ha, 산벌림 산림경영활동 시나리오에서 141.6 ton/ha, 이단림 산림경영활동 시나리오에서 299.9 ton/ha일 것으로 추정되었다. 목재생산량의 수종구성은 벌채강도와 벌채기간에 따라 차이를 보였으며, 특히 택벌림과 이단림의 산림경영활동 시나리오에서 수확벌채 시업 초기 목재생산량은 양수와 중성수 비율이 큰 것으로 나타났으나 시간이 지남에 따라 음수의 비율이 증가하였다. 이에 따라 산림경영활동은 산림생태계의 수종별 지상부생물량과 수확벌채 시업에 의한 목재생산량에도 영향을 끼치는 것으로 나타났다. 따라서, 본 연구에서는 산림경관모형 LANDIS-II를 활용한 시공간적 분석의 가능성을 규명하였으며, 이를 통해 산림생태계 관리 목표에 부합하는 산림경영활동 선정에 대한 기초자료를 제공할 수 있을 것으로 판단된다.

인공지능 학습용 데이터 기반의 산림변화탐지 서비스 (Forest Change Detection Service Based on Artificial Intelligence Learning Data)

  • 정한균;김종인;고선영;채승기;신용태
    • 정보처리학회논문지:소프트웨어 및 데이터공학
    • /
    • 제11권8호
    • /
    • pp.347-354
    • /
    • 2022
  • 4차 산업혁명 시대가 무르익으면서 방대한 데이터를 기반으로 한 인공지능(AI, Artificial Intelligence)의 활용이 전 산업 분야로 확대 중이다. 그러나 산림 수종을 분석하는 분야는 지금까지 인공지능의 활용이 미진하여 여전히 수작업으로 분석하고 있고 다수의 오류가 발생하고 있다. 본 연구에서는 수도권의 항공사진과 모사 이미지 등을 이용하여 소나무, 낙엽송, 침엽수, 활엽수 등 산림 수종을 분석하기 위한 인공지능 학습용 데이터 약 60,000장을 구축하였고 수종 구분 AI 모델도 함께 개발하였다. 이러한 연구는 우리나라의 산림 변화를 사전에 예측하여 변화에 신속한 대응이 가능하고 산림 주제도 제작 시 필요한 수종 분할 이미지를 기초자료로 활용함으로써 업무 생산성을 높일 것으로 기대한다.

층층나무의 오존 내성 개체 선발 (Selection of Ozone Tolerant Individuals of Cornus controversa Hemsl..)

  • 장석성;이재천;한심희;김홍은
    • 한국농림기상학회:학술대회논문집
    • /
    • 한국농림기상학회 2002년도 추계 학술발표논문집
    • /
    • pp.101-105
    • /
    • 2002
  • 다양한 오염물질들은 산림유전자원을 감소시키는 것은 물론 산림쇠퇴에도 큰 영향을 주는 것으로 보고되고 있다. 따라서 각종 오염물질로부터의 산림유전자원의 감소를 방지하고 훼손된 산림을 복원하기 위해서는 오염물질에 대한 내성을 지닌 유전자원을 확보하는 것이 급선무이다. 층층나무는 다양한 용도 개발이 기대되는 경제수종으로, 그 가운데 경관 수종으로서 용도 개발이 유망한데, 층층나무가 대기오염이 심각한 도심지 등에 조경수로 심겨지기 위해서는 대기오염에 대한 내성을 보이는 개체를 선발하여 식재하는 것이 바람직하다.(중략)

  • PDF