Research Article

Korean Journal of Plant Resources. 1 April 2022. 169-182
https://doi.org/10.7732/kjpr.2022.35.2.169

ABSTRACT


MAIN

  • 서 언

  • 재료 및 방법

  •   연구대상지

  •   산불피해 분석 방법 및 체계

  •   위성영상(Landsat-8)을 활용한 산불피해 정량화

  •   산불 발생 전·후의 임상변화 분석

  •   개느삼 서식가능지역 분포예측

  • 결 과

  •   위성영상(Landsat-8)을 활용한 산불 피해강도 및 피해면적 분석

  •   양구 비봉산의 임상도 작성 및 산불 전·후 변화상 비교

  •   산불 피해로 인한 임상변화 비교 분석

  •   MaxEnt 분석을 활용한 비봉산 산림 내 개느삼 서식가능지역 예측

  •   산불 피해지 내 개느삼 서식가능지역 도출

  •   산불로 인한 개느삼 서식가능지 피해 예측 및 정량화

  • 고 찰

  • 적 요

서 언

산림은 공기와 물을 생산·저장하는 기능을 가지며, 인간이 삶을 영위하기 위한 필수요소 중 하나로 알려져 있다. 또한, 온실가스 흡수, 산사태 및 홍수로 인한 토사유출 방지, 미세먼지 및 대기오염물질 저감과 같은 물리적 기능, 생물다양성 보전, 건강증진, 심신 안정 및 면역력 향상 등 공익적 기능, 벌목, 임산물 생산 등 경제적 기능 등 다양한 업무를 수행한다(Korea Forest Service, 2021b).

국내 산림면적은 국·공유림 2,085 ㏊, 사유림 4,250 ㏊, 총 6,335 ㏊로 한반도 국토 면적 대비 63.0%를 차지한다. 유엔식량농업기구(Food and Agriculture Organization of the United Nations, FAO)에서 발표한 세계 산림면적 분포현황에서 대한민국은 OECD 가입국 중 핀란드, 일본, 스웨덴에 이어 4번째로 산림면적이 높은 것으로 알려져 있다(Korea Forest Service, 2021a). 특히, 강원도, 경기도, 서해 5도 등 DMZ (Demilitarized Zone) 및 접경지역(강화, 파주, 춘천, 양구 등 15개 행정구역)에 분포하는 산림은 대부분 군사지역으로 지정되어 민간인들의 출입이 통제되므로 생물다양성이 풍부하게 유지되는 특이한 생태계로 알려져 있다(National Institute of Environmental Research, 2017; Yun et al., 2021). 그러나, 국내의 산림은 산불, 태풍, 산사태, 홍수, 불법적인 산림경작 등 다양한 위협요인으로 인해 지속적으로 피해를 받고 있다. 특히, 산불은 기존 생태계에 물리·화학적인 환경 변화를 초래하여 유기체의 생존을 결정할 뿐만 아니라(Granstrom, 2001; Kreisel and Stein, 1999) 지반을 지지하는 수목을 훼손시켜 홍수, 산사태 등 2차 피해를 유발하여 심각한 피해를 줄 수 있으므로 단기간에 진압하여야 한다(Korea Forest Research Institute, 2000; Lee and Park, 2004; Marques and Mora, 1998; National Institute for Disaster Prevention, 2003). 그러므로, 단기간에 심각한 피해를 입히는 산불을 제어·관리하지 못한다면 기존의 산림생태계 교란, 산림생물 다양성 감소 등의 우려가 있다.

DMZ 및 접경지역의 산림은 군사보호지역으로 지정되어 일반인이 출입하기에는 어려움이 있다. 조사·연구 등 공적인 목적으로 출입할 때도 육군본부, 해당 부대의 허락해야 하므로 시간적·공간적인 어려움이 있다. 이는 산불 화재진압에도 예외는 아니다. DMZ 산림에서 화재가 발생하면 부대와의 협의 이후 출입이 가능하므로 신속한 화재진압에는 어려움이 있다. 특히, 산불 이전 산림을 조사한 사례가 없어 산불로 인한 수종별 피해, 동·식물 피해를 정량화하기 위해서는 무리가 있다. 또한, 조사자의 접근이 어려운 험한 산지가 포함되는 경우가 많아 조사 면적이 넓은 경우에는 문제가 있다. 그러므로, 접근이 어려운 지형에서 산림의 변화상을 확인하기 위해서는 인공위성 영상을 활용하는 것이 효과적이(Won et al., 2007).

인공위성 영상은 넓은 산림 또는 접근하기 어려운 지역의 산불피해를 확인하기에 적합하다. 산불 피해 전·후의 위성영상 자료를 토대로 작성되는 정규탄화지수(Normalized Burn Ratio, NBR)와 정규식생지수(Normalized Difference Vegetation Index, NDVI)을 중첩하면 식생의 피해 및 회복을 확인할 수 있다(Won et al., 2008). 특히, 위성영상을 토대로 작성되는 산불피해강도 분석[△NBR or dNBR (Delta Normalized Burn Ratio)]은 산림에 발생한 산불에 대한 피해를 세분화하여 강도로 구분하고, 면적을 확인할 수 있으므로 산불피해를 정량화할 수 있는 장점이 있다(Cocke et al., 2005; Key and Benson, 2002; Roy et al., 2006; van Wagtendonk et al., 2004; Won et al., 2008).

한반도의 접경지역에 위치하는 양구지역은 DMZ 지역의 산림과 접경지역의 산림이 인접하고 있다. 양구는 비봉산(458 m), 도솔산(1,148 m), 대암산(1,304 m), 사명산(1,198 m), 봉화산(875 m) 등 희귀·특산식물의 분포가 많고 생물다양성이 높은 산림이 많으므로 한반도 생물다양성 보전을 위해서는 특별히 관리할 필요가 있다. 특히, 강원도 양구, 화천 등 일부 지역에서만 자생하는 것으로 알려진 개느삼(Sophora koreensis Nakai) 자생지가 산림 곳곳에 분포하고 있으므로 그 가치가 매우 높다.

2016년 4월 비봉산에서 발생한 산불로 인해 비봉산 남사면의 소나무, 갈참나무림이 대부분 훼손되었고 남사면에 지정된 개느삼 자생지가 대부분 훼손되어 사라졌다. 그러나, 기존에 조사·연구된 사례가 없으므로 산불로 인해 훼손된 산림면적만 확인되고 수종별, 동·식물별 피해는 확인할 수 없으므로 생물다양성 보전·관리에 심각한 문제가 있다.

Maximum entropy (MaxEnt) 모형은 생물의 실제 출현지점 좌표를 활용하여 생물 종의 분포범위를 추정하는 프로그램으로, 기후, 고도, 식생 등 다양한 요인을 활용하여 생물의 실제 출현지점과 유사한 지역을 예측하는 프로그램으로 알려져 있다. MaxEnt 모형은 알려진 정보와 알려지지 않은 정보가 있을 때 알려진 정보는 충족시키는 제약하에서 알려지지 않은 정보는 정보 entropy가 가장 큰 상태가 되도록 연구대상지 내 모든 지점에 대한 미지의 확률 분포를 추정하여 분석한다(Elith et al., 2011; Phillips et al., 2006; Seo et al., 2008).

따라서 본 연구는 위성영상을 통해 산불피해강도(△NBR or dNBR) 분석을 수행하고, 도출된 결과를 기준으로 산림 내 피해강도 및 면적을 정량화하여 산불피해면적을 산출하고 산불 전·후의 임상도를 작성 및 비교하여 피해 수종과 면적을 확인하고자 한다. 또한, MaxEnt Model 분석을 통해 비봉산 내 개느삼 서식지를 확인하고 산불피해강도(△NBR or dNBR) 자료와 중첩하여 산불로 인한 개느삼 피해를 예측하고자 하였다.

재료 및 방법

연구대상지

본 연구의 대상지는 비봉산으로 지리적으로는 북위 38도, 동경 128도에 위치하며, 산림의 남·북 길이가 5.3 ㎞, 동·서 길이가 3.6 ㎞에 달하며 전체면적은 약 14 ㎢로 알려져 있다(Fig. 1). 비봉산 산림면적은 여의도 면적의 약 6배에 달하며 비봉산 주변으로는 파로호로 흘러나가는 서천, 양구읍 도심지역, 양구군 사단사령부 등이 위치한다. 그러나, 2016년 4월 비봉산 남쪽 사면부에서 발생한 화재로 인해 약 30 ㏊에 달하는 산림이 훼손되었으나 수종별 피해를 확인한 사례가 없어 생물다양성 보전 및 관리에 심각한 문제가 발생한 지역이다.

/media/sites/kjpr/2022-035-02/N0820350201/images/kjpr_35_02_01_F1.jpg
Fig. 1.

The map showing study site on Mt. Bibongsan in Yanggu-gun.

산불피해 분석 방법 및 체계

본 연구는 산불피해가 발생한 비봉산을 대상으로 산불피해강도(NBR) 분석과 희귀식물인 개느삼 서식가능지 분석(MaxEnt)을 수행하여 산불로 인한 희귀식물 피해를 검증하고 이를 정량화하고자 하였다. 이를 위해, 위성영상 수집부터 중첩분석까지 단계별 분석 체계를 설정하여 연구를 수행하였다(Fig. 2).

/media/sites/kjpr/2022-035-02/N0820350201/images/kjpr_35_02_01_F2.jpg
Fig. 2.

Analysis method and analysis model of this study.

위성영상(Landsat-8)을 활용한 산불피해 정량화

대상지인 양구 비봉산에서 발생한 산불피해를 확인하기 위해 미국 지질조사국(United States Geological Survey)에서 제공하는 Landsat-8 영상을 활용하였다. 일반적으로 인공위성을 활용한 분석은 식생이 가장 뚜렷하게 도출되는 4월부터 8월까지의 영상을 활용하고 있으나, NBR 분석은 산불 진압 직후 촬영된 영상을 분석할 때 정밀도가 높다고 알려져 있다(United States Geological Survey. 2021). 그러므로, 분석에 활용된 위성영상은 산불 이전(2015년 4월)과 산불 직후(2016년 4월)에 촬영된 위성영상을 확보하여 분석에 사용하였다. 산불피해 분석을 위해 Landsat-8 위성영상 내 전자기 스펙트럼 대역(Table 1) 중 근적외선[near-infrared, NIR (Band5)] 밴드와 단파장 적외선[shortwave-infrared, SWIR (Band7)] 밴드를 통해 정규탄화지수(Normalized Burn Ratio, NBR)를 작성하였다(Key and Benson, 2005; Lopez-Garcia and Caselles, 1991).

Table 1.

Areas calculated by converting raster image to polygon in pixel unit

Band Wavelength range (nanometers) Spatial Resolution (m) Spectral Width (㎚)
Band 1 - Coastal aerosol 430 - 450 30 2
Band 2 - Blue 450 - 510 30 6
Band 3 - Green 530 - 590 30 6
Band 4 - Red 640 - 670 30 0.03
Band 5 - Near Infrared (NIR) 850 - 880 30 3
Band 6 - SWIR 1 1570 - 1650 30 8
Band 7 - SWIR 2 2110 - 2290 30 18
Band 8 - Panchromatic 500 - 680 15 18
Band 9 - Cirrus 1360 - 1380 30 2

정규탄화지수(NBR)는 화재로 인해 검게 그을린 산림과 식생을 반사하는 스펙트럼을 파악하기 위해 고안된 지수(Key and Benson, 2002)로 위성영상(Landsat)에서 활용되는 파장 중 근적외선(NIR) 반사율과 단파장 적외선(SWIR) 반사율 비를 활용하여 피해강도를 확인하는 분석방법이다(Won et al., 2007).

일반적으로 식생이 우수한 산림은 근적외선(NIR) 반사율이 높고 단파장 적외선(SWIR)의 반사율은 낮게 도출되나 산불로 인해 산림이 황폐해진 지역은 근적외선(NIR)의 반사율이 낮고 단파장적외선(SWIR)의 반사율은 높게 도출된다(Fig. 3; United States Department of Agriculture, 2021).

/media/sites/kjpr/2022-035-02/N0820350201/images/kjpr_35_02_01_F3.jpg
Fig. 3.

The comparison between the spectral response and healthy vegetation according to burned areas.

이를 활용하면, 식생이 분포하는 지역과 황폐화된 지역을 비교하여 식생이 얼마나 훼손되었는지, 기존 식생 값에 비해 얼마나 감소하였는지를 확인하여 산불피해를 확인할 수 있다. 본 연구에서는 정규탄화지수(NBR) 분석 개념을 활용하여, 대상지에 발생한 산불에 대한 피해강도, 면적 등을 도출하여 산불로 인한 피해를 정량화하고자 한다.

대상지에 발생한 산불피해에 대한 강도 분석(dNBR or △NBR2015-2016)을 위해 산불 발생 이전(2015년 4월 24일)과 이후(2016년 4월 26일)의 영상을 확보하여 연구를 진행하였다. 위성영상은 ArcMap 10.6 프로그램을 활용하여 근적외선파장(Band5)과 단파장적외선(Band7)을 분리한 후 Raster Calculator를 활용하여 정규탄화지수(NBR)를 작성하였다. 정규탄화지수는 산불 이전 [Pre-fire: NBR (△NBR2015)]과 산불 이후[(Post-fire: NBR(△NBR2016)로 구분하여 분석하였다. 연도별 분석된 정규탄화지수 자료는 Arcmap 10.6 프로그램의 Raster Calculator 분석을 통해 산불피해강도(△NBR2015-2016)를 도출하였으며, Raster to Polygon 분석을 통해 벡터데이터(Vector Data)로 변환하였다.

(1)
NBR=(Band5Band7)/(Band5+Band7)NBR2015-2016ordNBR2015-2016=BeforetheForestfireNBR(2015)Post-fireNBR(2016)

양구 비봉산 지역의 산불피해강도(△NBR2015-2016)는 산불피해가 비교적 낮은 산림(경·중피해): Moderate to low severity burn, 산불피해가 비교적 심각한 산림(중·심각): Moderate to high severity burn, 산불피해가 심각한 산림: High severity burn 등 7단계로 구분하였다(Table 2).

Table 2.

ΔNBR categories of burn severity, based on pixel values

ΔNBR Values Burn Severity
< -0.25 High post-fire regrowth
-0.25 to -0.1 Low post-fire regrowth
-0.1 to 0.1 Unburned
0.1 to 0.27 Low-severity burn
0.27 to 0.44 Moderate- to low-severity burn
0.44 to 0.66 Moderate- to high-severity burn
> 0.66 High-severity burn

산불 발생 전·후의 임상변화 분석

대상지 내 임상별, 수종별 피해를 확인하기 위해 양구 비봉산을 대상으로 산불발생 전·후의 임상도를 작성하고 이를 비교하고자 하였다. 일반적으로 임상 구분 및 면적을 확인하기 위해서는 산림청에서 작성된 임상도(Korea Forest Service, 2021d)를 활용할 수 있으나, DMZ 또는 접경지역의 산림은 2020년에 작성되어 산불 이전의 임상을 확인하기에는 문제가 있다. 그러므로, 환경부에서 2015년 작성된 세분류 토지피복도 자료를 활용하여 대상지의 임상 경계를 구분하고자 하였다. 토지피복지도는 지구의 표면, 지형지물의 형태를 과학적 기준에 따라 분류하여 동질의 특성을 가진 구역을 Color Indexing 한 후 지도의 형태로 표현한 자료로 위성영상의 해상도에 따라 대분류, 중분류, 세분류로 구분된다(Ministry of Environment, 2021).

본 연구에서는 2015년 촬영된 위성영상을 기준으로 작성된 8차 세분류 토지피복도를 활용하였다. 세분류 토지피복도는 활엽수림, 침엽수림 등 임상의 경계를 확인할 수 있으나 군락 또는 우점수종을 확인하기에는 어려움이 있으므로 An (2019)이 대상지에서 수행한 식생조사 자료와 양구군에서 작성된 산불피해지역 임상구분 및 피해수종 자료를 확인하여 임상도를 작성하였다. 산불 이후의 임상은 접경지역 임상도(Korea Forest Service, 2021d) 자료를 활용하여 임상경계를 구분하였으며 자체조사를 통해 임상 내 군락과 수종을 구분하여 보완하였다.

개느삼 서식가능지역 분포예측

대상지 내 희귀식물인 개느삼 자생지 분포를 확인하기 위해 MaxEnt software (Version 3.4.1)를 활용하였다. MaxEnt 프로그램은 연구 대상 생물종의 출현 위치 표본 좌표를 입력하면 컴퓨터 스스로 출현 위치의 환경 특성을 학습하여 대상종의 출현 여부를 모르는 지점의 출현 확률을 추정하는 기계학습(Machine learning) 방법의 하나(Phillips et al., 2006; 2008; Seo et al., 2008)로 MaxEnt 확률분포모형의 값은 연구 대상종이 특정 지점에서 발견될 정도에 관한 확률 분포(Phillips et al., 2017)로 표현되며 결과값의 clog-log (complementary log-log) 변환을 통해 대상종에 대한 분포예측이 가능하다. 본 연구에서는 An (2019)의 연구자료와 현장 조사에서 관찰된 개느삼 자생지 좌표를 토대로 기후, 지형, 식생 등 10개의 변수를 활용하여 MaxEnt 모형을 학습하였다(Table 3). 기후에 대한 변수는 식물의 생장에 영향을 미칠 것으로 판단되는 연평균기온, 최저기온, 최난월 평균기온, 최한월 평균기온, 연평균강수량 데이터를 사용하였다. 지형과 관련된 변수는 ASTER Global Digital Elevation Model (GDEM) 2.0의 레스터 자료를 바탕으로 경사와 향, 표고 자료를 사용하였다. 식생은 산불 발생 이전인 2015년의 Landsat-8 영상을 활용하여 NDVI (Normalized Difference Vegetation Index)와 SAVI (Soil-Adjusted Vegetation Index)를 도출한 후 이를 계산하여 분석하였다(Sung et al., 2018).

Table 3.

Description of environmental variables by category

Category Variables Data sources
Climate Annual Mean Temperature, Min Temperature of Coldest
Month, Mean Temperature of Warmest Quarter, Mean
Temperature of Coldest Quarter, Annual Precipitation
WorldClim 2
Topography Slope, Aspect, Elevation ASTER Global Digital Elevation Model
(GDEM) 2.0
Vegetation Normalized Difference Vegetation Index (NDVI),
Soil-Adjusted Vegetation Index (SAVI)
Landsat 8 OLI Surface Reflectance data

결 과

위성영상(Landsat-8)을 활용한 산불 피해강도 및 피해면적 분석

Landsat-8 위성영상을 활용하여 양구 비봉산 산림에서 발생한 산불피해 강도를 확인한 결과, 대상지에서 발생한 산불강도는 경피해[(Low severity burn: 0.1 to 0.27)] 또는 경·중피해[(Moderate to low severity burn: 0.27 to 0.44)]가 대부분으로, 경피해강도의 면적은 199,499 ㎡ (1.5%), 경·중피해강도의 면적은 48,055 ㎡ (0.4%)로 구분되었다(Table 4, Fig. 4). 특이사항으로 산불 이후 재생된 산림(High/Low post-fire regrowth)의 면적이 높았는데, 1990년에 발생한 산불로 인한 영향으로 판단된다. 양구군청의 문헌에 의하면 양구 비봉산 북사면의 군 사단사령부에서 시작된 화재가 산림으로 확산되어 약 300 ㏊에 달하는 산림이 훼손되었다(Korea Forest Service, 2021c). 그러나, 당시에도 산불 피해로 인한 훼손면적만 기록되고 동·식물 피해는 기록되지 않아 생물 종이 얼마나 피해를 입었는지 알 수 없으므로 큰 문제가 있다. 최근 대상지에서 발생한 산불은 대상지 전체 면적에 비해 비교적 적은 피해가 발생한 것으로 보이나 피해지역은 산불에 피해를 입은 적이 없었고, 양구군청에서 지정한 개느삼 자생지 2곳이 있었기에 산림생물 다양성에 일부분 피해를 준 것으로 판단된다.

Table 4.

△NBR2015-2016 of forest fire area and burn severity classes on Mt. Bibongsan, Yanggu-gun

Division ΔNBR Value Area(㎡) Ratio(%)
Burn
Severity
Unburned
area
High post-fire regrowth < -0.25 - -
Low post-fire regrowth -0.25 to -0.1 2,947,761 21.6
Unburned Area -0.1 to 0.1 10,436,363 76.6
Burned
area
Low-severity burn 0.1 to 0.27 199,499 1.5
Moderate to low severity burn 0.27 to 0.44 48,055 0.4
Moderate to high-severity burn 0.44 to 0.66 - -
High-severity burn > 0.66 - -
Total 13,631,678 100.0

/media/sites/kjpr/2022-035-02/N0820350201/images/kjpr_35_02_01_F4.jpg
Fig. 4.

The map showing △NBR and burn severity classes in between 2015 and 2016 on Mt. Bibongsan, Yanggu-gun.

양구 비봉산의 임상도 작성 및 산불 전·후 변화상 비교

양구 비봉산 산림을 대상으로 산불 전·후의 임상도를 작성하고 이를 비교한 결과, 침엽수림, 혼효림, 활엽수림, 기타 등 중분류 4개 유형, 세분류 25개 유형으로 구분할 수 있었다(Table 5, Fig. 5). 세분류 유형을 기준으로 비교한 결과 소나무림(PD)과 잣나무림(PK), 소나무-신갈나무림(PD-QM)에 해당하는 군락 면적이 급격하게 감소하고 조림지, 경작지 면적이 증가한 것을 확인할 수 있었다. 특히, 침엽수림에서 군락을 이루고 있는 소나무림(PD)은 약 71 ㏊가 감소하였는데 산불로 인한 영향인지, 경작 또는 벌채 등으로 발생한 변화인지 확인하기 어려우므로 산불피해강도가 발생한 지역을 대상으로 임상도를 재작성하였다.

Table 5.

Description of clinical changes before and after the outbreak of Mt. Bibongsan wildfire in Yanggu-gun

Division CODE Scientific name Area (㎡)
Pre-fire Post-fire Variance
Conifer PD Pinus densiflora Siebold & Zucc. 6,949,261 6,230,585 -718,676
PD
(Plantation)
Pinus densiflora Siebold & Zucc.(Plantation) - 570,363 +570,363
PR Pinus rigida Mill. 244,577 232,737 -11,840
PK Pinus koraiensis Siebold & Zucc. 1,198,714 1,013,462 -185,252
PD
(Plantation)
Pinus koraiensis Siebold & Zucc.(Plantation) - 260,000 +260,000
Mixed PD-BP Pinus densiflora Siebold & Zucc.-Betula platyphylla var.
japonica (Miq.) H. Hara
1,260 353 -907
PD-CC-BP Pinus densiflora Siebold & Zucc.-Castanea crenata Siebold
& Zucc.-Betula platyphylla var. japonica (Miq.) H. Hara
3,060 2,969 -91
PD-QA-QM Pinus densiflora Siebold & Zucc.-Quercus aliena
Blume-Quercus mongolica Fisch. ex Ledeb.
14,430 13,428 -1,002
PD-QM Pinus densiflora Siebold & Zucc.-Quercus mongolica
Fisch. ex Ledeb.
1,656,053 1,540,545 -115,508
Broad-
leaf
FR Fraxinus rhynchophylla Hance 49,079 44,985 -4,094
CC Castanea crenata Siebold & Zucc. 32,584 8,902 -23,682
BP Betula platyphylla var. japonica (Miq.) H. Hara 13,448 13,914 +466
RP Robinia pseudoacacia L. 500 360 -140
SA Salix koreensis Andersson 5,000 4,167 -833
QA Quercus aliena Blume 10,541 10,701 +160
QA-QM Quercus aliena Blume-Quercus mongolica Fisch. ex Ledeb. 15,750 13,747 -2,003
QA-QM-QS Quercus aliena Blume-Quercus mongolica Fisch.
ex Ledeb.-Quercus serrata Thunb. ex Murray
2,070,280 1,960,164 -110,116
QA-QS Quercus aliena Blume-Quercus serrata Thunb. ex Murray 16,540 6,317 -10,223
QM-QA Quercus mongolica Fisch. ex Ledeb.-Quercus aliena Blume 10,301 783 -9,518
QS-QA Quercus serrata Thunb. ex Murray-Quercus aliena Blume 13,361 5,839 -7,522
QS-RP-FR Quercus serrata Thunb. ex Murray-Robinia pseudoacacia
L.-Fraxinus rhynchophylla Hance
1,147,900 1,097,359 -50,541
Other S Residential area 1,202 519 -683
C Cultivatived area 71,218 381,066 +309,848
N Non-stocked forest land 47,707 46,915 -792
CL Paddy field - 112,606 +112,606
R Miscellaneous areas 106,460 106,440 -20
Total 13,629,026 13,629,026 0

/media/sites/kjpr/2022-035-02/N0820350201/images/kjpr_35_02_01_F5.jpg
Fig. 5.

The maps showing clinical changes before and after the wildfire of Mt. Bibongsan, Yanggu (L:2015, R:2016).

산불 피해로 인한 임상변화 비교 분석

양구 비봉산 산불피해지를 대상으로 산불 전·후의 임상도를 비교한 결과 군락면적의 변화가 가장 큰 수종은 소나무(PD)와 잣나무(PK)로 확인되었다. 소나무림(PD)은 산불피해지의 53% (177,327 ㎡)가 줄었고, 잣나무(PD)는 6.6% (22,019 ㎡)가 감소하여 산불로 인한 피해가 극심했던 것을 확인할 수 있다(Table 6, Fig. 6). 산불 이후에는 조림사업을 실시하여 대부분 소나무 또는 잣나무가 식재되어 있는 것을 확인하였다.

Table 6.

Description of clinical changes on Mt. Bibongsan wildfire damaged area

Division CODE Scientific name3 Area (㎡)
Pre-fire Post-fire Variance
Coniferous PD Pinus densiflora Siebold & Zucc. 224,834 47,507 -177,327
PD
(Plantation)
Pinus densiflora Siebold & Zucc.(Plantation) - 101,277 +101,277
PK Pinus koraiensis Siebold & Zucc. 27,752 5,733 -22,019
PK
(Plantation)
Pinus koraiensis Siebold & Zucc.(Plantation) - 74,884 +74,884
Mixed PD-BP Pinus densiflora Siebold & Zucc.-Betula platyphylla
var. japonica (Miq.) H. Hara
1,260 353 -907
PD-CC-BP Pinus densiflora Siebold & Zucc.-Castanea crenata Siebold &
Zucc.-Betula platyphylla var. japonica (Miq.) H. Hara
3,060 2,969 -91
PD-QA-QM Pinus densiflora Siebold & Zucc.-Quercus aliena
Blume-Quercus mongolica Fisch. ex Ledeb.
14,430 13,428 -1,002
PD-QM Pinus densiflora Siebold & Zucc.-Quercus mongolica Fisch. ex Ledeb. 18,038 19,831 +1,793
Broad-leaf QA Quercus aliena Blume - 162 +162
QA-QM Quercus aliena Blume-Quercus mongolica Fisch. ex Ledeb. 15,750 13,747 -2,003
QA-QM-QS Quercus aliena Blume-Quercus mongolica Fisch.
ex Ledeb.-Quercus serrata Thunb. ex Murray
15,031 13,089 -1,942
QA-QS Quercus aliena Blume-Quercus serrata Thunb. ex Murray - 6,317 +6,317
QM-QA Quercus mongolica Fisch. ex Ledeb.-Quercus aliena Blume - 783 +783
QS-QA Quercus serrata Thunb. ex Murray-Quercus aliena Blume 5,220 5,839 +619
QS-RP-FR Quercus serrata Thunb. ex Murray-Robinia
pseudoacacia L.-Fraxinus rhynchophylla Hance
7,209 6,859 -350
BP Betula platyphylla var. japonica (Miq.) H. Hara - 468 +468
CC Castanea crenata Siebold & Zucc. 2,213 1,408 -805
RP Robinia pseudoacacia L. - 360 +360
SA Salix koreensis Andersson - 4,167 +4,167
Other CL Cultivatived area - 15,616 +15,616
Total 334,787 334,787 -

/media/sites/kjpr/2022-035-02/N0820350201/images/kjpr_35_02_01_F6.jpg
Fig. 6.

The maps showing clinical changes on Mt. Bibongsan wildfire damaged area (L:2015, R:2016).

위성영상(NBR)으로 분석된 산불피해 면적은 247,554 ㎡, 임상도로 확인된 산불피해 면적은 199,346 ㎡로 약 4 ㏊의 오차가 있는 것을 확인할 수 있었다. 산불피해면적에 오차가 있는 것은 3가지 이유로 설명할 수 있는데 첫 번째는 위성영상(Landsat-8)의 특성상 구름, 강우 등 환경요인으로 인한 오차, 두 번째는 산불 이후 잔불 확산을 막기 위한 벌채, 세 번째는 산림복원 및 조림을 진행하면서 작업로 조성, 벌채 및 벌목, 토지정리 등으로 오차로 판단된다.

MaxEnt 분석을 활용한 비봉산 산림 내 개느삼 서식가능지역 예측

현장조사와 An (2019)의 자료를 토대로 양구 산림 전역에 분포하는 개느삼 자생지를 분석하여 개느삼 서식지 좌표 3,320개소를 확보하였다. 이 중 대상지인 비봉산 산림에서 얻은 좌표는 325개소로 확인되었다. 확보된 좌표는 MaxEnt 모델 분석을 수행하여 개느삼 서식지를 예측하였다. 이 결과 개느삼 서식가능성을 예측할 수 있는 AUC (Area Under Curve) 값은 0.882, 표준편차는 0.121로 확인되었다. 일반적으로, AUC 값이 1.0에 가까울수록 실제로 생물이 서식할 가능성이 크므로(Phillips et al., 2006) 분석 결과는 유의미하다고 볼 수 있다.

An (2019)의 연구에 따르면 개느삼은 주로 소나무림 또는 소나무-참나무 혼효림에서 관찰된다고 주장하였는데 이를 반영하여 산불 이전 임상도의 소나무림(PD)과 소나무-참나무림을 MaxEnt 분석결과와 중첩하여 재분석을 수행하였다(Table 7, Fig. 7). 중첩분석된 자료는 기존 분석결과와는 달리 개느삼 서식 면적은 감소하였으나 AUC 값이 0.901, 표준편차는 0.102로 확인되어 정밀한 결과가 도출된 것으로 보인다. 특히, MaxEnt 모델 분석에 활용된 개느삼 실제 출현지점 325개소 중 26개소를 제외한 299개소가 MaxEnt 분석결과와 동일한 결과가 도출되어 예측정확도는 92.0%에 달하는 것으로 확인되었다.

Table 7.

Prediction of distribution of Sophora koreensis Nakai using MaxEnt analysis in Bibongsan (Mt.)

Division MaxEnt Model MaxEnt and Vegetation Overlap
Area (㎡) Ratio (%) Area (㎡) Ratio (%)
No data 6,386,890 46.8 8,652,962 63.5
MaxEnt Analysis
(AUC)
Low (0.5<x<0.65) 3,413,891 25.0 2,246,545 16.5
Moderate (0.65<x<0.8) 2,103,057 15.4 1,467,814 10.8
High (0.8<x) 1,731,538 12.7 1,268,055 9.3
Total 13,635,376 100.0 13,635,376 100.0

/media/sites/kjpr/2022-035-02/N0820350201/images/kjpr_35_02_01_F7.jpg
Fig. 7.

The maps showing prediction of distribution of Sophora koreensis Nakai and vegetation overlapping using MaxEnt analysis.

산불 피해지 내 개느삼 서식가능지역 도출

산불피해강도(dNBR2015-2016) 범위를 기준으로 임상도-MaxEnt 분석 결과를 중첩한 결과 개느삼 서식가능지의 면적은 총 105,885 ㎡ (44.5%)로 확인되었다. 특히, 개느삼 서식가능성이 높은 [High (AUC: 0.8<x)] 지역의 면적은 6,180 ㎡ (2.6%), 중간이상[Moderate (AUC: 0.65<x<0.8)]인 지역의 면적은 31,685 ㎡(13.3%), 비교적 낮은[Low (AUC: 0.5<x<0.65)] 지역의 면적은 68,020 ㎡ (28.6%)로 구분되어 개느삼은 대부분 강도가 낮은 지역에서 훼손된 것을 확인할 수 있다(Table 8, Fig. 8).

산불피해 범위로 작성된 개느삼 서식가능지 면적은 실제 개느삼 출현지점 23개소 중 2개소를 제외한 21개소에서 출현 확률이 0.5 이상으로 구분되고 예측정확도는 91.3%에 달하므로 개느삼 서식지 예측결과는 유의미한 것으로 판단된다. 특이사항으로, 현장조사 결과 산불피해지 동쪽은 소나무림이고 나지로 구분되어 광량이 풍부함에도 불구하고 개느삼 서식가능성이 낮게 도출되는데 NDVI 확인 결과 산불 이전에는 산림 내 입목면적이 높아 광량이 적었기 때문에 서식가능성이 낮은 것으로 판단되었다.

Table 8.

Prediction of distribution of Sophora koreensis Nakai using MaxEnt analysis in Mt. Bibongsan forest fire area in Yanggu

Division Bibongsan(Mt.) Burned area
Area (㎡) Ratio (%)
No data 228,902 68.4
MaxEnt Analysis (AUC) (1) Low (0.5<x<0.65) 58,020 17.3
(2) Moderate (0.65<x<0.8) 43,685 13.0
(3) High (0.8<x) 4,180 1.2
Total 334,787 100.0

/media/sites/kjpr/2022-035-02/N0820350201/images/kjpr_35_02_01_F8.jpg
Fig. 8.

The map showing Prediction of distribution of Sophora koreensis Nakai using MaxEnt analysis in Mt. Bibongsan forest fire area in Yanggu.

산불로 인한 개느삼 서식가능지 피해 예측 및 정량화

정규탄화지수(NBR)을 통해 도출된 산불피해강도(△NBR2015-2016)와 임상도-MaxEnt 중첩분석 자료를 재중첩한 결과 산불로 인해 피해를 입은 개느삼 서식지의 면적은 총 53,677 ㎡로 확인되었다. 산불피해강도 별 개느삼 서식가능성을 세부적으로 확인한 결과 산불피해강도가 비교적 낮은 경피해 산림(Low severity burn)에서는 서식가능성이 높은 [High (AUC: 0.8<x)] 등급이 관찰되었고 피해 면적은 6,180 ㎡ (2.6%)로 확인되었다. 서식가능성이 중간이상[Moderate (AUC: 0.65<x<0.8)] 등급의 면적은 31,685 ㎡ (13.3%), 낮은[Low (AUC: 0.5<x<0.65)] 등급의 면적은 31,709 ㎡ (59.1%)로 확인되었다. 산불피해강도가 높은 경·중피해(Moderate to low severity burn) 산림에서는 개느삼 서식가능성이 낮은 [Low (AUC: 0.5<x<0.65)] 등급만 관찰되었고 피해면적은 5,410 ㎡ (10.1%)로 확인된다. 산불피해강도별 개느삼 서식지 훼손현황을 파악한 결과, 산불로 인해 개느삼 서식지가 훼손된 것은 맞으나 비봉산 산림 전역을 비교로 하였을 때는 피해가 미미한 것으로 보인다. 그러나, 정상 및 능선부에서 개느삼 서식가능성이 중간[Moderate (AUC: 0.65<x<0.8)], 높음[High (AUC: 0.8<x)] 등급에서 산불피해가 비교적 높게 도출되어 문제가 있었다(Table 9, Fig. 9).

Table 9.

Current status of Sophora koreensis Nakai damage in Mt. Bibongsan forest fire area in Yanggu

Burn Severity MaxEnt Analysis Area (㎡) Ratio (%)
Burned Area Low severity burn (1) Low (0.5<x<0.65) 31,709 59.1
(2) Moderate (0.65<x<0.8) 13,433 25.0
(3) High (0.8<x) 3,125 5.8
Moderate to low severity burn (1) Low (0.5<x<0.65) 5,410 10.1
Total 53,677 100.0

/media/sites/kjpr/2022-035-02/N0820350201/images/kjpr_35_02_01_F9.jpg
Fig. 9.

The map showing current status of Sophora koreensis Nakai damage and actual appearance point of ginseng in the wildfire area of Mt. Bibongsan, Yanggu.

고 찰

본 연구의 대상지인 비봉산 산불피해지역은 산불로 인해 총 247,554 ㎡에 달하는 산림이 훼손되어 나지화되었다. 일반적으로 산불로 인해 고사된 식물(관목, 초본)은 토양에 직접적인 피해가 없다면 다시 복원될 가능성이 높다(Koran Forest Service, 2021d)고 알려져 있으나 희귀식물 및 특산식물도 동일한 회복력을 기대하기는 어렵다. 본 연구의 대상종인 개느삼은 DMZ 및 접경지역과 인접하는 강원도 양구, 화천, 춘천 등 일부 산림에만 서식하고 있다. 개느삼은 산불 이후 수관이 개방된 곳 또는 낙엽활엽수림의 비옥한 토양이 있는 지역에서 급격한 확산을 한다고 알려져 있다(An, 2019). 이는 산불로 인한 토양, 양분 등의 변화가 없는 경우에만 해당하는 내용으로 산불로 인해 하층식생 또는 낙엽층이 소실되는 심각한 화재에 적용하기에는 어려움이 있다.

산불로 인해 하층식생과 낙엽층이 소실되면 직사광선, 바람, 호우 등 다양한 영향을 직접적으로 받기 때문에 표토가 건조해지거나 침식하는 등 토양의 이화학적인 변화가 발생할 수 있다(Ma and Jeong, 2008). 이는 산불로 인해 과거의 토양 성질, 성분과는 전혀 다른 건조하고 척박한 토양으로 변화하기 때문에 생물의 성장에도 악영향이 있을 수 있으며, 산불 이전에 관찰된 식물이 산불 이후에도 생육한다고 기대하기에는 무리가 있다(You and Kwon, 2019). 특히, 희귀 및 특산식물의 자생지 환경변화는 대상식물의 멸종을 좌우할 수 있으므로 이를 줄이거나 막기 위한 관리가 필요한 실정이다.

본 연구는 비봉산 산불피해지를 대상으로 산불피해강도(△NBR2015-2016)와 개느삼 서식가능지 분석자료를 중첩하여 산불로 인한 개느삼 피해를 확인하고자 진행하였다. 분석 결과, 산불피해면적 247,554 ㎡ 중 21.7%에 해당하는 53,677 ㎡가 훼손되어 희귀식물 보전 및 관리에 심각한 문제가 있는 것으로 확인되었다. 분석을 통해 도출된 개느삼 피해지역은 실제로 자생지 2곳이 포함되어 있으므로 분석에 대한 정확도가 높은 것으로 판단된다.

따라서, 해당 연구에 적용된 분석이 산불로 인한 희귀식물 서식지 훼손을 증명할 수 있을 것으로 판단된다. 또한, 민간인의 출입이 불가능한 접경지역의 산림 또는 DMZ 지역에서 발생한 산불로 인한 피해를 정량적으로 도출할 수 있으므로 향후 산불피해지 내 희귀식물 피해량 측정 및 복구계획 수립을 위한 의사결정의 기초자료로 활용할 수 있을 것으로 기대된다.

적 요

본 연구는 산불피해가 발생한 접경지역 산림 내 희귀특산식물(개느삼) 분포를 예측하고 피해를 정량화하고자 수행되었다. 이를 위해 산불피해강도에 따른 산림면적 피해(NBR), 임상도를 통한 수종별 피해(Vegetation map), MaxEnt 모델 분석을 수행, 보다 정밀한 결과를 도출하고자 하였다. 우선, 산불피해강도 분석은 위성영상(Landsat-8)을 활용하여, 산불피해강도(△NBR2016-2015)를 분석하고 피해범위를 도출하였다. 임상도 작성은 환경부의 토지피복도, 산림청의 임상도, 자체적으로 식생조사를 진행하여, 산불 전·후의 임상도를 작성하고, 수종 피해 및 변화를 확인하였다. 마지막으로 MaxEnt 모델 분석은 관련문헌과 자체조사 자료를 기준으로 작성된 개느삼 실제서식지 좌표를 활용하여, AUC(Area Under Curve) 값을 도출하였다. 분석된 결과의 정밀도를 높이고자, 임상도와 결합하여, 개느삼이 주로 분포하는 소나무 군락 및 소나무-참나무림 군락을 대상으로 재분석한 결과, 대상지 내 개느삼 실제출현 좌표 325개소 중 299개 지점에서 개느삼 출현가능성이 92.0%로 예측되어 유의미한 결과를 얻을 수 있었다. 해당 자료를 산불피해강도(△NBR2016-2015) 자료와 중첩한 결과, 산불피해지 내 개느삼 서식가능지(예측) 면적 44,760 ㎡의 45.9%인 20,552 ㎡가 훼손된 것을 확인할 수 있었다. 따라서 본 연구는 산불로 인해 훼손된 희귀식물 서식지 면적을 정량화하고 희귀식물 보전·관리를 위한 사례가 될 것으로 기대된다.

Conflicts of Interest

The authors declare that they have no conflict of interest.

References

1
An, J.B. 2019. Conservation strategies and vegetation characteristics of Echinosophora koreensis of Korean endemic plants. Department of Forest Resources, Ph. D. Thesis, Gangwon Nat’l Univ., Korea. pp. 1-149 (in Korean).
2
Cocke, A.E., P.Z. Fule and J.E. Crouse. 2005. Comparison of burn severity assessments using differenced normalized burn ratio and ground data. Int. J. Wildland Fire 14(2):189-198. 10.1071/WF04010
3
Elith, J., S.J. Phillips, T. Hastie, M. Dudík, Y.E. Chee and C.J. Yates. 2011. A statistical explanation of MaxEnt for ecologist. Diversity and Distributions 17(1):43-57. 10.1111/j.1472-4642.2010.00725.x
4
Granstrom, A. 2001. Fire management for biodiversity in the European boreal forest. Scand J For Res. 16(1):62-69. 10.1080/028275801300090627
5
Key, C.H. and N.C. Benson. 2002. Measuring and remote sensing of burn severity. US Geological Survey Wildland Fire Workshop, Los Almos, NM (USA), p. 2.
6
Key, C.H. and N.C. Benson. 2005. Landscape assessment: Ground measure of severity the composite burn index, Firemon: Fire effects monitoring and inventory system. General Technical Report. Oregan (USA). p. 51.
7
Korea Forest Research Institute. 2000. East coast forest fire area detailed survey report for restoration of healthy natural ecosystem and establishment of permanent forest restoration plan. Korea Forest Research Institute, Seoul, Korea. pp. 1-311 (in Korean).
8
Korea Forest Service. 2021a. 2020 Forest basic statistics. Korea Forest Service, Sejong, Korea. pp. 1-371 (in Korean)
9
Korea Forest Service. 2021b. Forest common sense. (accessed on 10 June 2021). https://www.forest.go.kr/kfsweb/kfi/kfs/cms/cmsView.do?mn=NKFS_03_06_01_01&cmsId=FC_001569.
10
Korea Forest Service. 2021c. Forest forestry statistics platform: Status of wildfire damage. (accessed on 15 april 2021). https://kfss.forest.go.kr/stat/ptl/stat/statDtl.do?curMenu=3194&statSeq=5215.
11
Korea Forest Service. 2021d. Forest geo-spatial information service. (accessed on 2 april 2021). https://map.forest.go.kr/forest/.
12
Kreisel, K.J. and S.J. Stein. 1999. Bird use of burned and unburned coniferous forest during winter. Wilson Bulletin. 111:243-250.
13
Lee, G.S. and S.D. Park. 2004. Development of vegetation structure after forest fire in the east coastal region Korea. J. Eco. Env. 27(2):99-106 (in Korean). 10.5141/JEFB.2004.27.2.099
14
Lopez-Garcia, M. and V. Caselles. 1991. Mapping burns and natural reforestation using thematic mapper data. Geocarto Int. 6:31-37. 10.1080/10106049109354290
15
Ma, H.S. and W.O. Jeong. 2008. Long-term change of the amount of soil erosion in forest fire damaged area. J. Korean Soc. For. Sci. 97(4):363-367 (in Korean).
16
Marques, M.A. and E. Mora. 1998. Effects on erosion of two postfire management practices: clear-cutting versus non-intervention. Soil Tillage Res. 45(3):433-439. 10.1016/S0933-3630(97)00039-1
17
Ministry of Environment. 2021. Environmental geospatial information service. (accessed on 4 april 2021). https://egis.me.go.kr/main.do.
18
National Institute for Disaster Prevention. 2003. Observation and counseling measures for rainwater and soil runoff in mountainous areas. National Institute for Disaster Prevention, Seoul, Korea. pp. 1-173 (in Korean).
19
National Institute of Environmental Research. 2017. 2016 DMZ ecosystem survey: eastern mountain region north of civil control Line. National Institute of Environmental Research. Incheon, Korea. pp. 1-545 (in Korean).
20
Phillips, S.J., R.P. Anderson and R.E. Schapire. 2006. Maximum entropy modeling of species geographic distributions. Ecol. Modell. 190(3):231-259. 10.1016/j.ecolmodel.2005.03.026
21
Phillips, S.J., R.P. Anderson, M. Dudik, R.E. Schapire and M.E. Blair. 2017. Opening the black box: An open-source release of maxent. Ecography 40:887-893. 10.1111/ecog.03049
22
Roy, D.P., L. Boschetti and S.N. Trigg. 2006. Remote sensing of fire severity: assessing the performance of the normalized burn ratio. IEEE Geosci Remote Sens Lett. 3(1):112-116. 10.1109/LGRS.2005.858485
23
Seo, C.W., Y.R. Park and Y.S. Choi. 2008. Comparison of species distribution models according to location data. J. Korean Soc. GIS. 16(4):59-64 (in Korean).
24
Sung, C.Y., H.T. Shin, S.H. Choi and H.S. Song. 2018. Predicting potential habitat for Hanabusaya asiatica in the north and south Korean border region using maxent. Korean J. Environ. Ecol. 32(5):469-477 (in Korean). 10.13047/KJEE.2018.32.5.469
25
United States Department of Agriculture. 2021. Remote sensing applications center. (accessed on 1 March 2021). http://fsweb.rsac.fs.fed.us.
26
United States Geological Survey. 2021. USGS earth explorer. (accessed on 10 April 2021). https://earthexplorer.usgs.gov/
27
van Wagtendonk, J.W., R.R. Root and C.H. Key. 2004. Comparison of AVIRIS and landsat ETM+ detection capabilities for burn severity. Remote Sens. Environ. 92(3):397-408. 10.1016/j.rse.2003.12.015
28
Won, M.S., K.S. Koo and M.B. Lee. 2007. An quantitative analysis of severity classification and burn severity for the large forest fire areas using normalized burn ratio of landsat imagery. Journal of the KAGIS 10(3):80-92 (in Korean).
29
Won, M.S., K.S. Koo, M.B. Lee and Y.M. Son. 2008. Estimation of non-CO2 greenhouse gases emissions from biomass burning in the Samcheok large-fire area using landsat TM imagery. Korean J. AFM. 10(1):1-24 (in Korean).
30
You, J.H and S.Y. Kwon. 2019. Analysis on vegetation change of forest fire damaged area in Sogeumgang district, Gyeongju national park. J. Korean Env. Res. Tech 22(4):47-64 (in Korean).
31
Yun, H.G., A.Y. Lee, J.B. An, T.Y. Hwang and J.W. Lee. 2021. A study on the vascular flora and its management plan at the forest genetic resource reserve of Mt. Munsu (Gimpo). Korean J. Plant Res. 34(4):311-338 (in Korean).
페이지 상단으로 이동하기