REDD 기준선 설정 시 토지이용변화 예측모형 적용의 한계: 중국 운남성 시솽반나 열대림 사례를 중심으로

Limitations of Applying Land-Change Models for REDD Reference Level Setting: A Case Study of Xishuangbanna, Yunnan, China

본 논문은 REDD(Reducing Emissions from Deforestation and forest Degradation, 개발도상국의 산림파괴 및 산림황폐화 방지를 통한 온실가스 감축) 기준선 설정시 토지이용변화 예측모형 적용의 한계점을 지적한다. REDD는 산림을 보호하는 대가로 탄소배출권을 생성하고 이를 거래하는 내용이 골자를 이루는 국제환경보전 정책이다. 탄소배출권의 규모는 기준선(reference level)에 근거해 정해지는데, '기준선'이란 산림파괴 패턴이 현상태 그대로 유지될 경우 미래에 발생할 탄소배출량을 의미한다. 본 논문에서는 토지이용변화 예측모형인 Geographic Emission Benchmark(GEB)와 GEOMOD의 모델링 결과를 비교하여 공간적 스케일이 변함에 따라 이들의 정확도가 어떻게 달라지는지를 분석하였다. 두 모형을 중국 운남성 시솽반나 열대림 사례에 적용한 결과, GEB가 상대적으로 양적 예측이 더 우수한 것으로 나타났고, GEOMOD는 위치적 예측이 더 정확한 것으로 밝혀졌다. 양적 예측은 몇 헥타르의 산림이 미래에 경작지로 개간이 될 것인가에 대한 결과를 의미하고, 위치적 예측은 그 개간이 어디에서 일어날 것인가에 대한 결과를 가리킨다. 또한, 위치적 예측이 다소 부정확하더라도 양적인 예측이 우수하면 전반적으로 특정 모형이 우수한 결과를 나타낼 수 있는 것으로 나타났다. 이는 REDD 기준선 설정시 양적 예측과 위치적 예측이 모두 중요한 만큼 다양한 조건 하에서의 정확도 변이를 고려하여 신중하게 토지이용변화 예측모형 적용해야지만 정확한 기준선을 설정할 수 있음을 시사한다.

This paper addresses limitations of land-change modeling application in the context of REDD (Reducing Emissions from Deforestation and forest Degradation). REDD is an international conservation policy that aims to protect forests via carbon credit generation and trading. In REDD, carbon credits are generated only if there is measurable quantied carbon sequestration activities that are additional to business-as-usual (BAU). A "reference level" is defined as simulated baseline carbon emissions for the future under a BAU scenario, and predictive land-change modeling plays an important role in constructing reference levels. It is tested in this research how predictive accuracies of two land-change models, namely Geographic Emission Benchmark (GEB) and GEOMOD, vary with respect to different spatial scales: Xishuangbanna prefecture and Yunnan province. The accuracies are measured by Figure of Merit. In this Chinese case study, it turns out that GEB's better performance is mainly due to quantity (e.g., how many hectares of forest will be converted to agricultural land?) rather than spatial allocation (e.g., where will the conversion happen?). As both quantity and allocation are crucial in REDD reference level setting it appears to be fundamental to systematically analyze accuracies of quantity and allocation independently in pursuit of accurate reference levels.