신갈나무 임분의 입지 및 토양 속성을 이용한 부분최소제곱 회귀의 지위추정 모형

• Published in: 한국산림과학회지 Vol. 112; no. 1; pp. 23 - 31
• Main Authors: 김춘식, Choonsig Kim, 백경원, Gyeongwon Baek, 정상훈, Sang Hoon Chung, 황재홍, Jaehong Hwang, 이상태, Sang Tae Lee
• Format: Journal Article
• Language: Korean
• Published: 한국산림과학회 31.03.2023
• Subjects: forest productivity; forest soils; mongolian oaks; site index; soil property; forest productivity; soil property; forest soils; site index; mongolian oaks
• ISSN: 2586-6613; 2586-6621
• DOI: 10.14578/jkfs.2023.112.1.23

산림생산력의 예측은 지속가능한 산림경영이나 산림생태계서비스 증진을 위한 산림관리에 필수적인 것으로 알려져 있다. 본 연구는 전국 112개 신갈나무 임분을 대상으로 입지 및 토양 특성의 속성변수를 이용하여 지위 추정 모형을 개발하였다. 신갈나무 임분의 지위지수는 입지 및 토양 특성을 독립변수 한 일반최소제곱(Ordinary Least Squares, OLS) 및 부분최소제곱(Partial Least Squares, PLS) 회귀모형을 이용하여 유의적인 추정(P<0.05)이 가능하였다. 지위추정 회귀모형의 수정 결정계수(adjusted R 2 )는 입지 및 토양단면 속성변수의 회귀모형(A층: R 2 =0.29; B: R 2 =0.32)이, 토양 물리·화학적 특성의 속성변수(A층: R 2 =0.09; B층: R 2 =0.21)보다 높게 나타났다. 한편, PLS 회귀모형(R 2 =0.20∼0.32)은 OLS 회귀모형(R 2 =0.09∼0.31)에 비해 지위지수 추정식의 설명력이 높았다. 본 연구로부터 신갈나무 임분의 입지 및 토양 특성을 이용한 지위 추정 회귀 모형이 개발되었으나, 결정계수 값이 낮아 회귀모형의 설명력을 향상시킬 수 있는 새로운 변수 개발이 필요할 것으로 사료되었다. Predicting forest productivity is essential to evaluate sustainable forest management or to enhance forest ecosystem services. Ordinary least squares (OLS) and partial least squares (PLS) regression models were used to develop predictive models for forest productivity (site index) from the site characteristics and soil profile, along with soil physical and chemical properties, of 112 Quercus mongolica stands. The adjusted coefficients of determination (adjusted R 2 ) in the regression models were higher for the site characteristics and soil profile of B horizon (R 2 =0.32) and of A horizon (R 2 =0.29) than for the soil physical and chemical properties of B horizon (R 2 =0.21) and A horizon (R 2 =0.09). The PLS models (R 2 =0.20-0.32) were better predictors of site index than the OLS models (R 2 =0.09-0.31). These results suggest that the regression models for Q. mongolica can be applied to predict the forest productivity, but new variables may need to be developed to enhance the explanatory power of regression models.