산악 지역 고해상도 숲 인벤토리를 활용한 서식지 매핑

초록

본 연구는 엘도라도 국유림 27만 에이커 지역에 118개의 FIA 표본과 LiDAR·항공사진·Sentinel‑2 데이터를 결합한 강화 숲 인벤토리(EFI)를 구축하고, 이를 기반으로 캘리포니아 스팟드 올빼미와 퍼시픽 피셔의 서식지를 고해상도(0.5 acre) 폴리곤 단위로 지도화하였다.

상세 분석

본 논문은 기존 상업용 목재량 추정에 초점을 맞춘 전통적인 FIA 시스템이 다중자원 관리에 요구되는 공간적 정밀도와 구조적 정보를 제공하지 못한다는 한계를 명확히 제시한다. 이를 극복하기 위해 저자들은 118개의 현장 조사 플롯을 고밀도 LiDAR(평균 펄스 간격 0.35 m, 포인트 밀도 8 pts/m²), 0.3 m 해상도 NAIP 항공사진(1 m 재샘플링), 10 m 해상도 13밴드 Sentinel‑2 이미지와 결합하였다. 데이터 전처리 단계에서는 lidR과 sf 패키지를 활용해 라스터와 포인트 클라우드에서 고도, 펄스 밀도, 지형 지표(경사, 고도 변동) 등을 추출하고, NDVI·EVI·NDWI 등 다중스펙트럼 지수를 계산하였다.

다음으로 저자들은 두 단계의 공간 분할 전략을 적용하였다. 1차 단계는 FIA 플롯과 동일한 면적·형태를 갖는 분석 단위(analysis units)를 생성해 모델 학습에 사용하고, 2차 단계에서는 디지털 지형 모델(DTM)과 캐노피 표면, NAIP 기반 식생 지수를 통합해 평균 0.5 acre 규모의 보고 단위(reporting units) 57만 개를 자동 세분화하였다. 이 과정은 MAUP(모듈러 영역 문제)를 최소화하고, 생태학적 의미를 갖는 공간 단위에서 통계적 일관성을 확보한다는 점에서 의의가 크다.

특징 선택 단계에서는 약 1,600개의 후보 변수를 상관관계와 변수 중요도 기반으로 700개로 축소하였다. 이후 Elastic‑Net 회귀 모델을 적용해 베이직 면적, 연질목 면적, 고목 면적, 평균 높이, 평균 DBH, 나무당 면적(TPA), 캐노피 커버 비율 등 7개의 주요 숲 구조 지표를 예측하였다. 교차 검증과 그리드 서치를 통해 최적의 α와 λ 파라미터를 도출했으며, 모델 성능은 R² > 0.75, RMSE < 15 % 수준을 기록하였다.

예측된 숲 구조 지표를 서식지 적합도 기준에 매핑하는 과정에서도 투명한 규칙 기반 접근을 채택하였다. 스팟드 올빼미의 둥지 서식지는 캐노피 커버 ≥ 60 %, 연질목 비중 ≥ 50 %, TPA > 9 개/acre, 평균 DBH > 25 인치 등 4가지 조건을 만족하는 폴리곤으로 정의했으며, 포식 서식지는 캐노피 커버 ≥ 40 %로 완화하였다. 피셔 서식지는 캐노피 커버 ≥ 60 %, 연질목 비중 ≥ 50 %, 평균 DBH > 25 인치 조건을 적용했다. 결과적으로 올빼미 둥지 서식지는 25,630 acre, 포식 서식지는 26,622 acre, 피셔 가능 서식지는 25,636 acre로 추정되었다.

이러한 결과는 고해상도 EFI가 단순 목재량 추정에서 벗어나, 종별 구조적 요구조건을 정량화하고 공간적으로 시각화함으로써 보전 관리에 직접 활용될 수 있음을 입증한다. 특히, 0.5 acre 수준의 세분화는 개별 서식지 패치의 이질성을 포착해 관리 단위 설정이나 서식지 복원 우선순위 지정에 실질적인 정보를 제공한다.