전국 산림자원조사 자료를 이용한 국가 산림통계 산출 기반 구축

우리나라에 비해 먼저 다목적 산림자원조사체계를 채택한 임업선진국의 경우에는 각종 산림통계 항목을 계산할 수 있는 알고리즘을 개발하고 분석 프로그램에 연계하여 사용하고 있는 실정이다. 미국의 경우 FIA(forest inventory and analysis)의 보고서를 통해 국가 산림자원조사 자료에 근거하여 항목별로 국가 산림통계를 추정할 수 있는 절차를 체계적으로 제시하고 있다(Bechtold and Patterson, 2005). 한편 독일의 경우에도 제2차 전국 산림자원조사 자료에 근거하여 2006년에 산림통계 산출 알고리즘과 관련된 보고서를 출간하였다(BMELV, 2006). 또한 스위스의 경우에도 제2차 국가산림자원조사의 분석 모델을 제시함으로서 산림통계의 산출 알고리즘이 완성되어 있는 상태이다(Brassel and Lischke, 2001). 이밖에 국가별로 다소간의 차이는 있지만 다목적 산림자원조사 시스템을 채택하고 있는 경우에는 대부분 분석 알고리즘이 개발되어 있는 상태이다. 제5차 국가산림자원조사에서 수집된 야외 표본점 자료에 의해 산출되는 산림통계는 사용 목적에 따라 3단계로 구분하여 추정하였다. 먼저 시군구 단위의 행정수요가 많은 산림축적의 경우에는 시군구 단위로 산림통계를 산출하였다. 우리나라는 총 232개의 시군구가 있는데, 본 연구에서는 경기도, 강원도, 경상북도, 그리고 전라북도의 10개 시군을 대상으로 산림축적을 산출하였다. 한편 산림축적 이외의 나머지 산림통계, 즉 산림바이오메스, 탄소저장량, 생물다양성, 고사목 등은 기본계획구 단위의 정보만으로도 충분히 산림통계로서의 가치를 갖는 것으로 판단하여 16개 기본계획구 단위로 통계를 산출하였다. 따라서 산림축적을 제외한 대부분의 산림통계는 지난 2006년부터 4년간 수집된 표본점 자료를 이용하여 기본계획구 단위로 산출하되, 산림축적과 관련된 통계는 시군구 단위로 산출하였다. 이와 함께 FAO 등과 같은 국제기구에서 요구하는 산림통계는 국가 단위의 통계항목이다. 따라서 이들 통계항목에 대해서는 시군구 및 기본계획구 산림통계를 취합하여 국가 단위의 산림통계를 최종적으로 산출하여 제시하였다. 새로운 조사체계에서는 임목자원뿐만 아니라 다양한 환경생태자원에 대한 산림통계를 산출할 수 있다. 본 연구에서는 제5차 국가산림자원조사에서 수집한 자료에 근거하여 산림통계를 산출할 수 있는 알고리즘을 작성하였다. 이 알고리즘을 이용하여 프로그램을 작성하면 매년 손쉽게 다양한 산림통계를 산출할 수 있다. 한편 제5차 국가산림자원조사 이전에 산출된 산림통계는 표본조사 방법이 다르기 때문에 재계산이 필요하다. 본 연구에서는 IPCC에서 제안한 몇 가지 재계산 방법 중에서 중첩기법을 적용하여 과거에 연도별로 추정하였던 임목축적을 재계산하여 국제기구에서 요구하는 국가 산림통계의 신뢰성을 확보할 수 있도록 조치하였다. 만일 국가 단위의 임목축적과 함께 기본계획구나 232개 시군구의 임상 및 영급, 그리고 소관 등과 같은 다양한 표본층별 임목축적에 대한 재계산이 필요하다면, 본 연구에서 제시한 방법에 의해 간단하게 실행하여 결과를 얻을 수 있다. 우수실행지침에서는 동일한 방법으로 재계산이 가능하지 않은 경우 재계산에 적합한 몇 가지 대안을 제시하고 있다. 적합한 대안을 선정하기 위해서는 특정한 상황을 평가하고 최선의 조건을 결정하는 절차가 요구된다. 우수실행지침에서 제안한 사용 가능한 대안은 중첩(overlap), 대리방법(surrogate method), 내삽(interpolation), 그리고 경향외삽(trend extrapolation)의 4가지이다. 중첩은 과거 방법과 새로운 방법에 모두 적용할 수 있는 자료가 최소 1년은 존재해야만 적용이 가능한 방법이다. 특히 재계산하려고 하는 변수의 둘 또는 그 이상의 연간 추정치가 중첩되어 있을 경우 다른 어떤 방법보다 신뢰도가 높은 것으로 알려져 있다(국립산림과학원, 2004). 국가산림자원조사의 경우 새로운 방법으로 측정한 제5차 조사 자료가 4년 동안 누적되어 있으며, 이전 방법으로 2006년부터 2009년까지 추정한 값도 동일한 기간에 중첩되기 때문에 이 기법을 이용하여 이전 임목축적을 재계산하는데 문제가 없을 것으로 판단된다. 우수실행지침에서는 동일한 방법으로 재계산이 가능하지 않은 경우 재계산에 적합한 몇 가지 대안을 제시하고 있다. 적합한 대안을 선정하기 위해서는 특정한 상황을 평가하고 최선의 조건을 결정하는 절차가 요구된다. 우수실행지침에서 제안한 사용 가능한 대안은 중첩(overlap), 대리방법(surrogate method), 내삽(interpolation), 그리고 경향외삽(trend extrapolation)의 4가지이다. 중첩은 과거 방법과 새로운 방법에 모두 적용할 수 있는 자료가 최소 1년은 존재해야만 적용이 가능한 방법이다. 특히 재계산하려고 하는 변수의 둘 또는 그 이상의 연간 추정치가 중첩되어 있을 경우 다른 어떤 방법보다 신뢰도가 높은 것으로 알려져 있다. 국가산림자원조사 방법이 변경되었을 경우 이전 방법과 새로운 방법에 의해 도출된 추정치는 수준과 경향의 관점에서 반드시 비교되어야 한다. 만일 새로운 방법을 모든 연도에 적용할 수 없다면 두 방법이 모두 적용될 수 있는 기간에 대해 두 방법 사이에 관측된 시계열 관계성을 도출하는 것이 가능하다. 본질적으로 시계열적 특성은 두 방법에 의한 결과가 일관된 관계를 갖는다는 가정으로부터 얻어진다. 첫 번째 조사와 두 번째 조사에서 얻어진 관측치 사이에 상관이 클수록 분산은 작다는 것을 말한다. 크기와 관련된(size-related) 산림정보의 경우 두 번의 조사에서 얻어지는 표본점의 변수들에 대한 시간과의 상관은 정(positive)의 관계를 나타낸다. 자기상관은 이러한 상관관계에서 가장 큰 영향을 끼치는데, 이는 단순히 두 번째 시기의 산림정보는 첫 번째 시기의 산림정보에 변화량을 더하는 것을 의미한다. 상관관계가정의 관계라면 조사 시기의 차이에 따른 변화에 관한 분산은 첫 번째 시기와 두 번째 시기의 산림정보에 대한 분산의 합계보다 작을 것이다. 그러나 시간을 고려하지 않는 경우에는 두 조사 시기에 대한 상관관계는 감소한다. 감소하는 비율은 첫 번째 시기에서 얻어진 산림정보와 조사 시기의 차이에 따른 변화의 상관에 따라서 달라진다. 만일 산림 내에서 입목간의 경쟁이나 교란이 없고 입목생장에 대한 영양소의 공급에 제한이 없다면 입목의 생장은 첫 번째 시기에 조사된 산림정보와 조사 시기의 차이에 따른 변화의 상관관계는 매우 높다. 그러나 교란이 자주 일어나고 생리학적으로 차이가 있는 지역에서는 표본점의 산림정보와 조사 시기에 따른 상관관계는 낮으며, 때론 부(negative)의 상관을 나타내기도 한다. 이동평균이란 기준 시점과 인접한 n개의 관측값의 평균을 구할 때 사용하며, 추세의 변동을 알 수 있도록 구간을 옮겨 가면서 구하는 평균을 말한다. 이동평균은 인구통계, 작물의 연도별 생산량 변화, 경제 분석 등 시계열 분석에서 주로 사용되고 있다. 국가산림자원조사는 대부분 5년 또는 10년 마다 산림자원의 상태에 대한 보고가 이루어져 왔고, 이는 전체 산림에 대한 조사가 비용과 시간적인 이유로 인해 한 해에 이루어질 수 없는 실정이기 때문이다. 그러나 산림자원조사 보고서의 이용자들로부터는 매년 산림조사에 대한 보고가 요구되었는데, 보고서의 이용자들은 산림변화 추이를 파악하고 경향을 분석하기 위해 시기에 알맞고 현재 상태를 추정할 수 있는 데이터를 필요로 한다. 이는 자료가 매년 수집되기 때문에 1년 단위의 새로운 데이터를 얻을 수 있다고 기대하기 때문이다.