• 한국농림기상학회지
• /
• 제15권3호
• /
• pp.119-129
• /
• 2013

본 연구는 수치산림입지도, 수치기후도, 제5차 국가 산림자원조사 등의 누적된 자료와 다양한 통계모형을 이용하여 기후변화에 따른 생태권역별 임상별 산림 바이오매스 변화를 예측하였다. 그 결과 시간 경과에 따른 산림 바이오매스 변화량은 생태권역별 임상별로 서로 다른 패턴을 보였다. 산악권역, 남동산야권역, 남서산야권역에서는 시간이 경과함에 따라 모든 임상에서 산림 바이오매스가 감소하는 것으로 예측되었다. 반면에 중부산야권역의 침엽수림과 혼효림은 기후변화의 영향으로 바이오매스가 증가하는 것으로 분석되었다. 또한 해안도서권역에서는 침엽수림을 제외한 임상에서 산림 바이오매스가 증가하는 것으로 추정되었다. 본 연구는 기후변화 시나리오에 따른 지위지수 추정치 변화에 근거하여 산림 바이오매스 변화량을 산출함으로써 기후변화에 따른 산림재해 변화 패턴을 예측할 수 있는 정보를 마련하였다. 본 연구의 결과는 산림재해 대응전략 수립에 필요한 정보로 활용될 수 있을 것으로 기대된다.

• 한국산림과학회지
• /
• 제111권4호
• /
• pp.461-472
• /
• 2022

우리나라 산림의 임상은 자연적·인위적 요인에 의해 지속적으로 변화하고 있다. 임상(침엽수림, 활엽수림, 혼효림)면적의 비율은 국가 산림자원 특성 파악에 중요하게 활용되는 정보이기 때문에 임상 변화에 대한 정확한 이해와 전망이 필요하다. 따라서 본 연구에서는 국가산림자원조사 시계열 자료를 이용하여 임상 변화 발생 특성을 이해하고 이를 기반으로 미래 임상 변화 예측치를 도출하는 것을 목표로 하였다. 제5차, 제7차 국가산림자원조사 자료의 10년 기간 임상 변화정보와 임상 변화에 영향을 미칠 수 있는 변수(기후, 지형, 임분, 교란 등)를 이용하여 임상 변화 특성을 분석한 결과, 우리나라 산림은 침엽수림이 감소하고 혼효림과 활엽수림이 증가하는 방향으로 변화하고 있는 것으로 확인되었다. 침엽수림에서 혼효림으로, 혼효림에서 활엽수림으로 변화되는 지역은 주로 지형적으로 습윤하고 강수량이 많아서 수분관련 생육환경이 양호하며 주변에 활엽수림이 많은 지역이었다. 또한 기온이 높은 지역, 임분의 임령과 밀도가 낮은 지역, 주변 지역에 비산림이 많은 지역 등 교란 가능성이 높은 지역에서 변화가 많이 발생했다. 이러한 임상의 변화 특성을 반영하여 기계학습 모형(SVM)을 구축하고 기후변화시나리오(RCP 8.5)를 이용하여 미래의 임상 변화를 전망한 결과, 2015년에서 2055년까지 40년 동안 침엽수림은 38.1%에서 28.5%로 감소, 활엽수림은 34.2%에서 38.8%로 증가, 혼효림은 27.7%에서 32.7%로 증가할 것으로 예측되었다. 본 미래 임상분포 변화 정보는 향후 산림관리 전략 수립의 기초자료로 활용될 수 있다.

• 한국산림과학회지
• /
• 제106권4호
• /
• pp.450-456
• /
• 2017

본 연구는 우리나라의 침엽수와 활엽수림에서 발생하는 고사율(고사 입목의 재적량, %) 추정식을 개발하는 것이 목적이다. 고사율 추정을 위하여 적용한 모형은 지수식, Hamilton식 등 6개식이었으며, 이용한 변수는 흉고직경, 흉고단면적, 지위지수 등이었다. 고사율 추정에 이용한 원자료는 5차 및 6차 국가산림자원조사 자료였으며, 표본점별 고사목과 생존목의 재적량 비로서 고사율을 산정하였다. 적용한 식 중 침엽수와 활엽수의 고사율을 가장 잘 설명하는 식은 $P=(1+e^{(a+b{\times}DBH+c{\times}BA+d{\times}no\_ha+e{\times}density)})^{-1}$의 형태를 갖는 식이다. 침엽수는 약 34%, 활엽수는 약 51%의 적합도를 나타냈다. 두 식 모두 적합도가 높게 나타나지 않았는데, 이는 임목 고사에 영향을 미치는 인자가 지리적 환경, 토양, 기상, 지위, 경쟁 등 너무나 다양하기 때문이다. 따라서 본 분석에 이용한 흉고직경, 흉고단면적 등 2~3개의 변수로 산림 내 고사를 설명하기는 매우 어려운 일이라 판단된다. 그러나 전국적으로 활용될 수 있는 임상별 고사율 정보가 없는 현시점에서는 본 연구의 가치는 있다고 생각되며 추후 수관울폐도, 경쟁지수 등을 변수로 추가적으로 활용하여 고사율 추정식의 정도를 높여야 할 것이다.

• 대한원격탐사학회지
• /
• 제35권6_2호
• /
• pp.1067-1082
• /
• 2019

본 논문은 현재 산림 분야 연구에 적용되고 향후 적용가능한 원격탐사 기술에 대한 국내외 발행된 peer-reviewed 논문의 리뷰를 바탕으로 원격탐사 기술의 국내 산림분야 적용에 대한 가능성과 한계점을 서술하였다. 원격탐사 기술은 정밀한 분석과 정교한 자료 수집을 바탕으로 대단위 산림면적 분석에 있어 필수적이며, 정보통신기술과의 융합으로 향후 임업의 새로운 시대를 열어갈 핵심 기술이다. 본 리뷰 논문에서는 다양한 원격탐사 기술 가운데 레이저 스캐닝 기술, 위성영상을 이용한 산림 측정 기술, 그리고 무인항공기를 이용한 기존 국내·외 연구사례를 분석하여 국내 산림분야 적용 가능성에 대한 기회와 한계점에 대해 서술하였다.

• 농업생명과학연구
• /
• 제52권6호
• /
• pp.37-47
• /
• 2018

본 연구의 목적은 전국에 분포하는 일본잎갈나무 임분에 대해 산림시업 수행이 직경분포변화에 미치는 영향에 대해 분석하였다. 본 연구에 사용한 자료는 국가산림자원조사 중 시업지 232plots, 비시업지 47plots의 고정표본점 자료를 활용하였다. 직경분포모델은 Weibull 누적분포함수를 사용하였으며, 분석 방법에는 백분위(Percentile)에 근거한 직경모형추정, 백분위(Percentile)에 대한 모수복구 방법을 사용하였다. 개발한 모델을 이용하여 산림시업의 수행여부에 따른 시나리오(임령, 지위지수, 임분밀도) 별임분생장량을 예측한 결과, 시업지 임분의 최대임목본수를 차지하는 평균 흉고직경의 이동이 비시업지 임분에 비해 이동량과 생장량이 더 높게 나타났으며, 대경목이 차지하는 비율 또한 시업지 임분이 높게 예측되었다. 본 연구의 결과는 직경급에 따른 목재생산량의 장기적인 예측과 동적인 임분구조 해석에 기초적인 정보를 제공할 수 있을 것으로 사료되어진다.

• 한국산림과학회지
• /
• 제96권2호
• /
• pp.203-207
• /
• 2007

Restorative effect of forest settings is an emerging issue in the field of forestry. It is also the central question facing those currently engaged in the psychotherapeutic interventions is which treatments work. This study was performed to investigate the efficacy of forest experience on alcoholics' depression. Among 531 participants in forest healing camps, 47 alcoholics who participated all three sessions of the camps were selected for this study. Using pre-test and post-test group design with Beck Depression Inventory (BDI), mean changes in alcoholics' depression by completion of the camp was measured. The result of this study indicated that the 3-session of forest camp played significant role in reducing participants depression levels (i.e., positive changes in depression scores).

• 한국산림과학회지
• /
• 제99권3호
• /
• pp.285-291
• /
• 2010

제5차 국가산림자원조사는 국가단위의 산림자원 통계량을 산출하기 위해 설계되어 2006년부터 야외 표본점 자료를 수집하고 있다. 하지만, 표본의 개수가 적은 소면적 시군구의 산림통계를 산출하기 위해서는 보정자료를 이용하는 소면적 추정기법의 적용이 요구된다. 본 연구에서는 야외 표본점의 위치정보를 활용할 수 있는 공간통계기반 합성추정법을 적용하여 소면적 시군구의 임상별 산림면적 및 ha당 평균축적 등을 추정할 수 있는 방안을 제시하기 위해 수행하였다. 먼저 조사된 표본점은 수종별 흉고단면적의 비율에 의해 임상별로 사후층화되었다. 합성추정법을 적용하기 위하여 목표 시군과 인접하는 시군들을 하나의 가상 시군으로 설정한 후, 이러한 가상 시군에 포함되는 표본점 자료를 산림통계량 산출에 이용하였다. 합성추정법에 의한 임상별 비율은 임상도와 차이가 있는 것으로 나타났다. 한편, 합성추정법에 의한 임상별 ha당 평균축적은 표준오차가 ${\pm}3.5\;m^3/ha{\sim}{\pm}7.7\;m^3/ha$로 직접추정에 의한 표준오차(${\pm}7.8\;m^3/ha{\sim}{\pm}24.7\;m^3/ha$)보다 낮아 상대적으로 정확한 추정치를 나타내었다.

• 한국산림과학회지
• /
• 제101권3호
• /
• pp.374-380
• /
• 2012

본 연구는 최근린 기법에서 거리가중치와 훈련자료의 층화에 의한 추정치의 정확도를 비교하여 효율적인 방법을 모색하기 위하여 수행하였다. 거리가중치의 경우, 유사성이 높은 훈련자료에 가중치를 부여하는 방법으로 일반적으로 적용되는 5가지의 계수(0, 0.5, 1, 1.5, 그리고 2)를 비교한 결과, 평균 편차에서 최대 ${\pm}0.6m^3/ha$로 정확도는 유사한 것으로 나타났다. 훈련자료의 층화에서는 임상구분을 적용하였을 때 추정치의 정확도가 가장 높은 것으로 나타났으며, 임상구분과 참조수평거리(반경=100 km)를 통합하여 적용하였을 경우에는 임상구분에 의한 추정치와 유사한 정확도를 나타내었다. 연구대상지의 2010년 기준 평균임목축적과 비교한 결과 최근린 기반 추정치가 약 $5m^3/ha$ 정도 과소 추정되었지만, 조사시점을 고려하였을 때 상당한 정확도를 나타낸 것으로 평가된다.

• 대한원격탐사학회:학술대회논문집
• /
• 대한원격탐사학회 2005년도 Proceedings of ISRS 2005
• /
• pp.522-525
• /
• 2005

Light detection and ranging (LIDAR) is one of the effective technologies for monitoring forest inventory, and importance of forestry is increasing because of its function as the sink of green house gases (GHG). This study aims at development of a methodology for better and more accurate estimation of physical parameters of individual trees by removing sudden drops of LIDAR data within a crown. Our study area is located in Aomori prefecture, the northern part of Honshu Island, with the dominant species of Japanese cedar. The results show practicality of our method in the usage of LIDAR data in the field of forest inventory.

• 대한원격탐사학회지
• /
• 제35권6_2호
• /
• pp.1053-1065
• /
• 2019

신기후체제에 대응하여 정확한 탄소흡수 및 배출량을 산정하기 위해 토지이용 범주별 통계량 산출은 활동자료로서 매우 중요한 자료이다. 본 연구는 효과적인 토지이용 범주별 판독을 위하여 산림항공사진(이하 FAP)에 딥러닝모델을 적용하여 토지이용 범주별 자동화 판독 분류를 한 후 샘플링기법을 통해 국가단위 통계량을 산출하였다. 딥러닝모델에 적용한 데이터세트(이하, DS)는 국가산림자원조사 고정표본점 위치 기반 FAP의 이미지를 추출하여 훈련데이터세트(이하, 훈련DS)와 시험데이터세트(이하, 시험 DS)로 구분하였다. 훈련 DS는 토지이용 범주별 정의에 따라 이미지별 레이블을 부여하였으며, 딥러닝모델을 학습하고 검증하였다. 검증 시 모델의 학습정확도는 학습 횟수 1500회에서 정확도가 약 89%로 가장 높았다. 학습된 딥러닝모델을 시험DS에 적용한 결과, 이미지 레이블의 판독 분류정확도는 약 90%로 높았다. 샘플링기법을 통해 범주별 분류 결과에 대해 면적을 추정하여 국가통계와 비교한 결과 정합성 또한 높아 향후 LULUCF(Land Use, Land Use Change, Forestry)분야 국가 온실가스 인벤토리 보고서의 활동자료로 활용하기에 충분하다고 판단된다.