• 한국환경생태학회지
• /
• 제30권4호
• /
• pp.771-782
• /
• 2016

우리나라 도서지역 산림식생의 인간 간섭 유무와 정도에 따른 생태적 보전 및 관리를 위한 기초 정보를 수집하기 위하여 남해안 유인도서(대모도)와 무인도서(구도)를 대상으로 식물사회학적 연구방법으로 산림식생을 분류하고 그 구조 및 종조성 특성(총피도, 중요치, 종다양성, 지표종, 생활형 조성 등)을 파악하였다. 산림식생 유형은 대모도에서 총 11개 식생단위(1개 군락군, 2개 군락, 개 아군락, 9개 변군락, 그리고 4개 아변군락), 구도에서 총 8개 식생단위(2개 군락군, 5개 군락, 그리고 6개 아군락)가 구분되었다. 총피도(S)와 종다양도(H')에 있어서 구도는 교목층이, 대모도는 관목층이 다른 층위에 비하여 상대적으로 아주 높게 나타났다. 생활형 조성 체계는 대모도 N-R5-D2-e, 구도 MM-R5-D2-e로 나타났다. 과중요치(FIV) 분석결과 대모도에서는 차나무과와 소나무과, 구도는 녹나무과와 참나무과 분류군들이 상위그룹을 이루고 있었으며, 과별 종구성비에 있어서는 대모도는 국화과가 4.5%(19종류), 구도는 백합과가 7.3%(8종류)로 가장 높게 나타나 두 도서간 인위적 교란 정도를 가늠할 수 있었다. 지표종 분석에서는 대모도는 청미래덩굴, 광나무, 사스레피나무 등 미소지상식물(N)이, 구도는 황칠나무, 구실잣밤나무, 육박나무 등 대형지상식물(MM)이 대개 유의한 지표종(p<0.0005)으로 나타났다.

• 한국산림과학회지
• /
• 제106권2호
• /
• pp.130-149
• /
• 2017

기후변화에 취약한 한반도 아고산대는 한대성 북방계식물의 서식처이다. 본 연구는 아고산대 산림의 군집생태학적 접근을 통한 복원 및 관리방안의 기초자료 제공목적으로 설악산 대청봉 일대 산림식생의 군집구조 및 식물상을 구명하였다. 2016년 5월부터 10월까지 31개소의 식생조사를 실시하였고, 식물사회학적 식생유형분류, 중요치, CCA를 분석하였다. 그 결과 식생유형분류체계는 분비나무군락에서 군단위로 눈잣나무군, 만병초군, 바디나물군, 이상 총 3개의 식생유형(VU)으로 분류되었다. 식별종군으로는 눈측백 식별종군, 자주솜대 식별종군을 포함하여 총 7개 종군유형으로 분류되었다. 평균 상대우점치 분석(MIP) 결과, VU 1의 MIP는 잣나무(24.1), 분비나무(23.6), 사스래나무(10.5) 등, VU 2의 MIP는 잣나무(26.2), 분비나무(20.8), 사스래나무(10.5) 등, VU 3의 MIP는 잣나무(22.2), 분비나무(16.4), 사스래나무(13.5) 등의 순이었다. 층위별 주요 경쟁수종인 잣나무와 분비나무의 중요치는 VU 1의 교목층에서 잣나무가 46.7, 분비나무는 26.1로 잣나무가 우세하나 아교목층, 관목층, 초본층에서는 분비나무의 중요치가 잣나무에 비해 높았고, VU 2와 VU 3에서도 교목층은 잣나무의 중요치가 높았지만 아교목층 이하에서는 낮은 값을 나타냈다. CCA ordination 분석 결과, 눈잣나무군은 해발고, 바디나물군은 출현종수와 다소 정의 상관관계를 가지는 것으로 나타났다. 산림청 지정 특산식물은 11분류군, 희귀식물은 24분류군으로 북방계 식물의 비율이 62.5%로 나타났다. 결론적으로 본 연구에서 분류된 3개의 식생단위와 분비나무 및 잣나무의 층위별 중요치 변화에 대한 식생학적 접근의 장기 모니터링이 필요하고, 희귀특산식물에 대한 개체군 및 군집생태학적 관리가 필요할 것으로 사료되었다.

• 한국산림과학회지
• /
• 제82권3호
• /
• pp.235-245
• /
• 1993

경기도(京畿道) 광주군(廣州郡)과 전라남도(全羅南道) 광양군(光陽郡)에 위치한 서울대학교(大學校) 연습림(演習林)에서 참나무류(類)가 주종을 이루고 있는 천여(天然) 활엽수림(闊葉樹林)의 구성적(構成的)인 특정을 중심으로 임분(林分) 구조(構造)를 파악하여 보다 효율적으로 경영하기 위한 기초 생태학적(生態學的) 그리고 조림학적(造林學的) 정보를 알아보기 위하여 본 연구를 수행하였다. 표본 조사 방법은 흉고직경(胸高直徑) 6cm 이상의 목본(木本) 식생(植生)에 대하여 점사분법(點四分法)을 이용하였고, 광주군의 산림에는 152개의 표본점을, 광양군 산림에는 187개의 표본점을 설정하였다. 두 지역의 조사 임분에 대하여 1) 중요치(重要値) 산출에 의한 수종(樹種) 구성(構成) 상태(狀態), 2) 주요 구성 수종별 단위 면적당 임목수, 3) 두 지역 산림의 수종(樹種) 다양성(多樣性), 그리고 4) $X^2$ 검정(檢定)에 의한 참나무류 6수종에 대한 종간(種間) 상관관계(相關關係)를 비교 분석하였다. 참나무류의 상대우점도는 경기도 광주군에서 88%정도이고, 전남 광양지역에서는 50%정도로서, 두 지역에서 굴참나무와 신갈나무가 공통적으로 높은 우점도를 나타내고 있었다. 굴참나무는 광주지역에서 낮은 분포를 보이고, 상수리나무, 떡갈나무, 갈참나무는 광양에서 거의 출현하지 않았다. 참나무군집의 종다양성과 균재도는 광주에서 각각 0.82와 0.61인 반면, 광양지역은 각각 1.09와 0.73를 나타낸 것으로 보아서, 광주지역은 인간의 간섭을 더 많이 받은 지역으로 여겨지며, 광양지역은 서어나무, 단풍나무, 고로쇠나무 등이 많이 침입하여 종다양성이 증가하고 천이가 상대적으로 더 진전되고 있었다.

• 한국산림과학회지
• /
• 제110권3호
• /
• pp.341-354
• /
• 2021

전나무속(Abies)은 내음성 수종으로 천이 후기 단계 또는 노령림의 주요 수종으로 알려져 있다. 경기도 가평 지역은 전나무(Abies holophylla Maxim.) 임분이 산재하고 있으나 구체적인 현황은 알려진 바가 드물고, 전체 산림의 상당 부분을 잣나무(Pinus koraiensis Siebold & Zucc.)와 일본잎갈나무(Larix kaempferi (Lamb.) Carriere) 조림지가 차지하고 있다. 본 연구는 가평 지역의 잣나무, 일본잎갈나무 조림지와 주변의 전나무 임분을 조사하여 조림 수종에서 지역 자생수종인 전나무로의 천이 가능성을 알아보기 위하여 수행하였다. 가평군 이화리 및 산유리의 전나무가 분포하는 잣나무, 일본잎갈나무 조림지와 주변 전나무 천연 임분에서 매목조사를 실시하고, 전나무 치수의 발생 현황을 파악하였다. 또한 해당 지역의 조림 기록을 조사하였다. 조사 지역에서 전나무의 우점치는 36.1-79.1%로 가장 높았으며, 하층의 전나무 밀도는 ha당 50-5,820본이었다. 전나무의 직경분포를 이용한 비계량 다차원척도법(NMDS) 분석 결과, 전나무 분포 특성에 따라 조사지의 임분은 4개의 유형(AN, AP, AM, P)으로 구분되었다. AN는 전나무의 직경분포가 역 J형을 보이는 전나무 천연림과 유사한 형태를 보였으며, AP는 전나무 모수가 임분 내에 존재하는 조림지로 전나무가 상층과 중층에서는 조림목과, 하층에서는 활엽수와 경쟁을 하고 있었다. AM은 전나무 모수가 임분 내 존재하나 산림작업이 이루어져 밀도가 조절된 임분이었다. P는 임분 내 전나무 모수가 없는 조림지이나 인근에 전나무 모수가 있어 하층에 전나무의 갱신이 이루어지는 유형으로 전나무림으로의 수종 전환이 예상된다. 가평 지역 내 종자 공급이 가능한 전나무 모수가 남아있거나 인접한 곳에 전나무림이 위치한 일본잎갈나무와 잣나무 조림지에서 자생수종인 전나무는 천연갱신이 활발하였고 이들 조림지는 점차 전나무림으로 발달할 가능성을 보여주었다. 본 연구의 결과는 천연림 복원이나 복층림 경영에 필요한 기초 자료로 이용될 수 있으며, 향후 전나무의 입지, 내음성과 생장 특성에 대한 정보와 이를 바탕으로 한 갱신과 관리 기술 개발이 필요하다.

• 한국농림기상학회지
• /
• 제25권4호
• /
• pp.427-435
• /
• 2023

이상기상으로 인한 봄꽃 개화 시기의 변화는 식물의 생장기간 뿐 아니라 생물계절을 포함한 생태계의 모든 측면에 영향을 미친다. 따라서 봄꽃 개화 시기를 예측하는 것은 산림 생태계의 효과적인 관리에 필수적이다. 본 연구에서는 464곳의 산림에서 수집된 날씨정보를 기반으로 대한민국 산림의 대표적인 5가지 수종(미선나무, 아까시나무, 철쭉, 산철쭉, 마가목)의 2023년 개화 시기를 예측하기 위해 과정 기반 모형을 사용하였다. 이를 위해 28개 지역의 9년간(2009-2017) 개화 시기 자료를 활용하여 모형을 개발하였다. 개화 시기는 식물의 세 개 이상의 위치에서 처음으로 꽃이 피는 것을 기준으로 측정되었다. 본 연구에서는 STDD와 GDD 과정 기반 모형을 사용하여 개화 시기를 예측하였으며, 두 모형 모두 일반적으로 우수한 성능을 보였다. 과정 기반 모형의 주요 입력변수인 날씨 자료는 산악기상관측시스템과 기상청에서 제공하는 기온 정보를 융합하여 1km의 공간 해상도로 일 단위 기온 자료를 생성하였다. 지역별 보정 계수를 생산하고 적용하기 위해 랜덤포레스트 기계 학습을 활용하여 STDD와 GDD 모형을 기반으로 예측 정확도를 개선하였다. 결과적으로 보정 계수가 적용될 때 대부분의 수종에서 개화 시기의 예측 오차가 작았으며, 특히, 미선나무, 아까시나무, 철쭉에서 평균제곱근오차가 각각 1.2, 0.6, 1.2일로 매우 낮았다. 모형 성능을 평가하기 위해 10회의 무작위 샘플링 테스트를 실시하고, 최적의 결정계수 값을 가진 모형을 선택하여 모형의 성능을 평가하였다. 그 결과, 마가목을 제외한 모든 수종에서 보정 계수가 적용된 모형에서 결정계수가 최소 0.07에서 최대 0.7 증가하였으며 최종적으로 75%에서 90%의 설명력을 가졌다. 이를 기반으로 수종별 보정 계수를 산출하였으며, 1km 해상도의 전국 단위 개화시기예측 지도를 제작하였다. 본 연구는 식물의 계절 변화에 대한 자료로 활용될 것으로 예상되며, 수종 및 지역별로 개화 시기를 상세히 설명하여 기후 변화로 인한 계절 변화를 연구하는 데에 유용할 것으로 기대된다. 또한 우리나라 산림의 주요 수종에 대한 정확도 높은 개화 시기 예측 서비스는 산림 방문객들의 산림 경험 만족도를 크게 높일 수 있으며, 양봉업 등 임업 종사자들의 경제적 향상에 기여할 것으로 기대된다.

• 한국유통학회지:유통연구
• /
• 제17권4호
• /
• pp.29-53
• /
• 2012

제조업체와 유통업체의 판매촉진 구사가 증가하면서 이들 사이의 바람직한 판매촉진 비용 분담 방식에 대한 관심도 증가하고 있다. 특히 유통업체 점포를 방문하는 소비자의 비계획구매 요소는 유통업체에게 명시적 잉여를 제공하지만 제조업체에게는 그렇지 않다는 점에서 이를 고려한 판매촉진 비용 분담의 방향 제시가 필요한 것이 현실이다. 문제는 유통업체 방문 소비자의 점포내 비계획구매 요소가 있을 때 제조업체가 어떻게 대응해야 하는지에 대해서는 충분한 설명이 이루어지지 못하고 있다는 점이다. 이러한 문제의식에서 본 연구에서는 유통업체 점포내 비계획구매 요소가 있을 때 제조업체가 구체적으로 공동 판매촉진 행동을 어떻게 전개해야 하는지 조명하고 있다. 본 연구의 주요결과는 다음과 같다: (1) 유통업체 점포 방문 소비자의 비계획구매 수준이 증가할수록 채널 전체의 판매촉진 수준은 높아지고, 제조업체의 비용 분담액도 커진다. (2) 유통업체 점포 방문 소비자의 비계획구매 수준이 증가할수록 채널 전체 판매촉진 비용 중에서 제조업체의 판매촉진 비용 분담 비중은 낮아지고, 유통업체의 판매촉진 비용 분담 비중은 높아진다. (3) 제조업체 이익은 유통업체 점포 방문 소비자의 비계획구매 수준인 b의 증가함수이다. (4) 유통업체가 소비자의 비계획구매 대상 제품을 조달하는데 소요되는 비용 수준이 증가할수록 유통업체 점포 방문 소비자의 비계획구매 수준 증가에 따른 채널 전체의 판매촉진 수준 증가 정도, 제조업체의 판매촉진 비용 분담액 증가 정도, 유통업체의 판매촉진 비용 분담 비중 증가 정도, 제조업체 이윤 증가 정도가 낮아진다.

• 지능정보연구
• /
• 제26권1호
• /
• pp.135-149
• /
• 2020

인공지능을 기반으로 한 다양한 연구들이 현대사회에 많은 변화를 불러일으키고 있다. 금융시장 역시 예외는 아니다. 로보어드바이저 개발이 활발하게 진행되고 있으며 전통적 방식의 단점을 보완하고 사람이 분석하기 어려운 부분을 대체하고 있다. 로보어드바이저는 인공지능 알고리즘으로 자동화된 투자 결정을 내려 다양한 자산배분 모형과 함께 활용되고 있다. 자산배분 모형 중 리스크패리티는 대표적인 위험 기반 자산배분 모형의 하나로 큰 자산을 운용하는 데 있어 안정성을 나타내고 현업에서 역시 널리 쓰이고 있다. 그리고 XGBoost 모형은 병렬화된 트리 부스팅 기법으로 제한된 메모리 환경에서도 수십억 가지의 예제로 확장이 가능할 뿐만 아니라 기존의 부스팅에 비해 학습속도가 매우 빨라 많은 분야에서 널리 활용되고 있다. 이에 본 연구에서 리스크패리티와 XGBoost를 장점을 결합한 모형을 제안하고자 한다. 기존에 널리 사용되는 최적화 자산배분 모형은 과거 데이터를 기반으로 투자 비중을 추정하기 때문에 과거와 실투자 기간 사이의 추정 오차가 발생하게 된다. 최적화 자산배분 모형은 추정 오차로 인해 포트폴리오 성과에서 악영향을 받게 된다. 본 연구는 XGBoost를 통해 실투자 기간의 변동성을 예측하여 최적화 자산배분 모형의 추정 오차를 줄여 모형의 안정성과 포트폴리오 성과를 개선하고자 한다. 본 연구에서 제시한 모형의 실증 검증을 위해 한국 주식시장의 10개 업종 지수 데이터를 활용하여 2003년부터 2019년까지 총 17년간 주가 자료를 활용하였으며 in-sample 1,000개, out-of-sample 20개씩 Moving-window 방식으로 예측 결과값을 누적하여 총 154회의 리밸런싱이 이루어진 백테스팅 결과를 도출하였다. 본 연구에서 제안한 자산배분 모형은 기계학습을 사용하지 않은 기존의 리스크패리티와 비교하였을 때 누적수익률 및 추정 오차에서 모두 개선된 성과를 보여주었다. 총 누적수익률은 45.748%로 리스크패리티 대비 약 5% 높은 결과를 보였고 추정오차 역시 10개 업종 중 9개에서 감소한 결과를 보였다. 실험 결과를 통해 최적화 자산배분 모형의 추정 오차를 감소시킴으로써 포트폴리오 성과를 개선하였다. 포트폴리오의 추정 오차를 줄이기 위해 모수 추정 방법에 관한 다양한 연구 사례들이 존재한다. 본 연구는 추정 오차를 줄이기 위한 새로운 추정방법으로 기계학습을 제시하여 최근 빠른 속도로 발전하는 금융시장에 맞는 진보된 인공지능형 자산배분 모형을 제시한 점에서 의의가 있다.

• Journal of Forest and Environmental Science
• /
• 제21권1호
• /
• pp.34-58
• /
• 2005

본 연구에서는 강원도 원주시와 횡성군내에 식재 활용 되고 있는 조경 식물의 이용 상황을 조사 분석하여 현재 어떠한 식물이 어떻게 이용되고 있는가를 파악함으로서 그 이용방법에 대한 개선 방안을 모색하고 아울러 원주시와 횡성군의 아름다운 경관 형성을 위한 관리 방법 등을 제시하였다.

• 한국산림과학회지
• /
• 제45권1호
• /
• pp.11-25
• /
• 1979

1979년(年) 8월(月) 4일(日)과 5일(日)에 걸쳐 강원도 평창지구에 많은 사태(沙汰)가 발생된 바 있었다. 이 지역(地域)을 답사할 기회를 통해 산사태에 대한 조사연구(調査硏究)가 부족(不足)하고 예방대책(豫防對策)이 미약하다는 사실을 알게 되었다. 이에 현지답사시(現地踏査時) 얻었던 자료(資料)와 기 연구자들의 보고서 등을 참조로 하여 우리나라 산사태(山沙汰)의 발생조직과예방대책을 살펴본 결과는 다음과 같았다. 1. 지난 6년간(年間)의 자료(資料)로 1일(日)200mm이상(以上), 1시간당(時間當) 60mm이상(以上)의 호우지대(豪雨地帶)를 보면 횡성, 원주, 영동, 무주, 남원과 순천을 연결하는 서부지역과 경상남도의 남부해안지방(南部海岸地方)에 분포(分布)되 있다. 이 원인(原因)은 산맥(山脈)과 저기압(低氣壓)의 방향(方向)에 영향을 받은 것으로 사료(思料)된다. 2, 호우(豪雨)의 정점(頂點)의 분포(分布)는 야간에 나타나며 이 시점에서 산사태(山沙汰)를 일으키고 막대한 피해(被害)를 주는 것 같다. 3. 평창지역(平昌地域)의 산사태(山沙汰)는 화강암(花崗巖)의 조사질양토(粗砂質壤土)와 석회암(石灰巖) 정암(貞岩)의 점토질토양(粘土質土壤)에서 발생(發生)하며 토석류(土石流)는 기암면(基岩面)이나 석회암토양(石灰巖土壤)에서 나타나는 반시(盤尸)을 따라 일어나고 있었다. 4. 이들 암석(岩石)에서 유래한 토양(土壤)의 투수력(透水力)은 빠른 것 같으며 화강암토양(花崗巖土壤)은 토성(土性)의 영향으로 석회암토양(石灰岩土壤)은 토양구조(土壤構造), 폐식(廢植)의 높은 함량(含量)과 근계(根系)의 영향 때문이다. 5. 산사태발생(山沙汰發生)의 근원지의 지형(地形)은 대부분 곡두(谷頭)의 요형지(凹型地)와 산복 상부의 요형(凹型)지에서 나타나고 있다. 이는 유거수(流去水)의 집수력(集水力)때문인것 같고 이 지점의 토양단면(土壤斷面)을 보면 석회암지대(石灰岩地帶)는 혼연성토양(混淵性土壤), 화강암지대(花崗岩地帶)는 발(髮)한 심토호(深土戶)으로 되있다. 6. 산사태지(山沙汰地)의 경사도(傾斜度)는 대부분 $25^{\circ}$이상(以上)에서 나타났고 경사위치(傾斜位置)는 산복상부의 6~9부 능선에서 나타났다. 7. 산사태지(山沙汰地)의 식피(植被)는 대부분 화전(火田)경작지, 화전초지(火田草地), 화전조림지(火田造林地), 황폐지(荒廢地)의 불량임분(不良林分)과 미림목지(未林木地)이었다. 일부 성림지(成林地)(중경목지)에도 나타났으나 대개 표상(表上)에 암석시(岩石尸)이 있는 지역이다. 8. 산사태위험도(山沙汰危險度)는 몇가지 환경인자(環境因子)로 즉 식피(植被), 경사도(傾斜度), 경사형태(傾斜形態) 및 위치(位置), 기암(基岩)과 분포형태(分布形態), 토양단면(土壤斷面)의 특성(特性) 등(等)으로 추정이 가능할 것 같다. 9. 가옥피해(家屋被害)는 대부분 다음과 같은 지형(地形)에서 나타나고 있다. 충적추(沖積錐)와 선상지요형사면(扇狀地凹型斜面)의 산록, 곡간(谷間)이나 야계변(野溪邊)의 소단구(小段丘)와 붕적토지(崩積土地) 등(等)이다. 가옥피해위험지(家屋被害危險地)는 항공사진으로 가옥(家屋)주위의 지형상태(地形狀態)를 참고를 하면 판정(判定)이 가능할 것 같다. 10. 산사태(山沙汰)의 예방대책(豫防對策)으로 위험지(危險地)의 진단기술(診斷技術)의 개발(開發), 현지조사(現地調査)를 통해 가능한 조속(早速)히 예방사방(豫防砂防)이 이루어져야 할 것이다. 가옥(家屋)과 부락(部落)의 피해예방대책(被害豫防對策)이 수립(樹立) 실행(實行)하여야 되며 재해방비림(災害防備林)의 조성책(造成策)이 고려되어야 할 것이다. 11. 산사태(山沙汰)에 의한 가옥(家屋)과 부락(部落)의 피해위험도(被害危險度)를 판정(判定)하여 지도사업(指導事業)을 통해 알려 주어야 한다. 12. 사태위험지(沙汰危險地)의 계벌작업(階伐作業), 화전경작(火田耕作), 연료채취(燃料採取)를 철저히 금지(禁止)시키고 피해위험지(被害危險地)의 가옥(家屋)신축을 규제시켜야 될 것이다. 따라서 산림경영계획(山林經營計劃)의 편성시 산사태(山沙汰)여부 토양침식(土壤浸蝕)과 홍수문제(洪水問題)들이 고려되어야 하며 재해예방대책(災害豫防對策)이 포함되어야 할 것이다.