Original Article

Ecology and Resilient Infrastructure. 31 March 2026. 1-9
https://doi.org/10.17820/eri.2026.13.1.001

ABSTRACT


MAIN

  • 1. 서 론

  • 2. 연구방법

  •   2.1 연구지역

  •   2.2 정사영상 촬영 및 전도 전도목 탐지

  •   2.3 금강소나무 전도 지역의 혼합자료 요인분석(FAMD)

  •   2.4 FAMD를 위한 변수 선정과 자료 추출

  • 3. 연구결과

  •   3.1 금강소나무 전도목 탐지 및 입지분석

  •   3.2 FAMD 분석 결과

  • 4. 고 찰

  •   4.1 기존연구의 유사점 및 차이점

  •   4.2 금강소나무 전도에 대한 새로운 해석

  • 5. 결 론

1. 서 론

수목의 전도(Uprooting)는 강풍이나 폭설과 같은 극한 기상현상으로 인해 수목이 뿌리분이 돌출되어 쓰러지거나 줄기가 절단되는 현상으로, 온대 및 아한대 산림생태계에서 식물사회 구조와 동태를 좌우하는 주요 자연교란 요인이다(Li et al. 2023). 특히 산악지역에서는 강풍·폭풍·폭설이 광범위한 전도를 유발하여 수관층의 빈 공간을 형성하고, 이로 인해 식물의 생장 환경과 공간 분포가 변화하여 천이 과정에 큰 영향을 미친다(Zhu ChunYu et al. 2017). 최근 기후변화로 인해 이러한 자연교란의 빈도와 강도가 증가함에 따라, 동아시아 산림에서 전도 피해가 더욱 심화될 것으로 전망되고 있다(Takano et al. 2016).

일반적으로 침엽수림은 활엽수림보다 전도에 취약한 것으로 알려져 있으며, 이는 침엽수의 수관 구조와 생리적 특성에 기인한다. 상록수는 연중 잎을 유지하기 때문에 강풍과 폭설 시 저항 부담이 커지지만, 활엽수는 겨울철 낙엽으로 인해 상대적으로 기계적 부담이 감소한다. 이러한 특성으로 인해 성숙한 침엽수림에서는 소나무속(Pinus) 수종이 활엽수에 비해 전도 피해를 더 많이 입는 경향이 보고되고 있다(Griess and Knoke 2011, Chirici et al. 2018, Štraus and Bončina 2025). 또한 전도는 천이 초기 수종을 선택적으로 제거하고 수관 공간을 확보하여 후기 천이 수종의 정착을 촉진하는 등 식물군집 구조 변화를 유발하는 중요한 교란 메커니즘이다. 이는 빠른 생장과 강한 광요구성을 보이나 얕은 뿌리 분포와 낮은 목재 밀도를 보이는 소나무류가 노령 단계에서 기계적 안정성을 잃기 쉬운 점과 맞물려 장기적으로 숲의 구조 변화에 영향을 미친다(Watson 2000).

금강소나무(Pinus densiflora for. erecta)는 우리나라 고중산간 지역에 분포하는 대표적인 소나무 지역형 품종으로, 생태·유전적 가치가 높아 보호·관리의 중요성이 크다. 그러나 최근 금강소나무 분포 지역에서는 기후 스트레스와 천이 압력 증가로 고사 및 전도 현상이 가속되고 있다. 경상북도 울진·봉화 등 금강소나무 핵심 분포지역 조사 결과에 따르면, 주로 노령 성숙림에서 전도가 발생하는 경향이 확인되었으나, 지형적 요인 분석은 단편적인 수준에 머물렀으며, 식물사회학적 천이 과정을 고려한 연구는 여전히 부족하다(Kim and Lee 2023, Shin et al. 2025).

이처럼 전도는 산림 천이와 식물군집 구조 변화를 주도하는 핵심적인 교란 요인이지만, 기존 연구는 주로 기상조건과 개별 수목의 취약성 평가에 집중되어 왔다 (Tavankar et al. 2019). 반면, 전도 발생지역의 지형적 특성과 군집구조의 상관성을 통합적으로 분석한 연구는 제한적이다(Chirici et al. 2018, Lee et al. 2023). 특히 전도에 취약한 생리·구조적 특성을 지닌 금강소나무(Lee et al. 2023)는 보전가치와 생태적 중요성을 고려할 때 체계적이고 다각적인 접근이 요구되지만, 관련 연구는 미비한 실정이다. 이러한 연구 공백은 최근 폭설로 인한 금강소나무숲의 대규모 전도 사례의 원인 해석과 관리 전략 수립의 제약요인으로 작용하고 있다.

따라서 본 연구는 대표적인 금강소나무 폭설 피해지역인 울진 소광리 산림유전자원보호구역을 대상으로, 정사영상 기반의 전도 발생지의 공간적 분포와 지형적 특성을 파악하고, 전도목의 개체 특성과 입지 정보를 바탕으로 혼합형 변수 분석기법(FAMD)과 군집분석을 적용하여 전도 유형의 구조적 특성과 환경요인을 통합적으로 해석하고자 하였다. 이를 통해 금강소나무 전도 피해의 주요 원인을 규명하고, 순응적 관리 전략 수립을 위한 기초자료를 제공하는 데 목적이 있다.

2. 연구방법

2.1 연구지역

연구지역은 경상북도 울진군 금강송면에 위치한 산림유전자원보호지역으로 금강소나무군집이 발달한 지역이며 2024년 2월 폭설로 금강소나무 전도가 대량으로 발생한 지역이다(Fig. 1 (A)).

2.2 정사영상 촬영 및 전도 전도목 탐지

연구지역의 전체 면적은 3,705 ha이다. 정사영상은 DJI MATRICE 400 모델을 사용하여 촬영고도 100 m, GSD 0.18 m/m2로 설정하여 촬영하였다. 촬영기간은 2024년 4월 30일부터 5월 10일까지이고, 정사영상 병합은 DJI TERRA를 사용하였다.

본 연구지역에서 폭설에 의해 전도된 금강소나무는 지면 방향으로 쓰러지면서 주변 식생에 의해 가려지지 않고 쓰러진 전체 형상이 정사영상에 완전히 노출되어 있다. 따라서 정사영상의 육안탐지만으로 전도목을 구별할 수 있으며, 수간의 직경측정이 가능하였다(Fig. 1 (C)).

따라서 전도목 탐지를 위해 정사영상을 QGIS (QGIS Development Team 2025)에 입력하여 뿌리분이 돌출된 전도목을 분류하고 해당위치에 포인트를 생성 및 직경측정 하여 GPKE 파일로 저장하였다.

https://cdn.apub.kr/journalsite/sites/kseie/2026-013-01/N0190130101/images/kseie_2026_131_1_F1.jpg
Fig. 1

Study area and distribution map of uprooted Pinus densiflora for. erecta caused by heavy snowfall based on UAV analysis in the Sogwang-ri Forest Genetic Resource Reserve : (A) shows the geographical location of the study area. (B) represents the boundary of the study area (red line) and the distribution of uprooted P. densiflora for. erecta (white dots) caused by heavy snowfall, which were analyzed based on Unmanned Aerial Vehicle (UAV) orthophoto imagery. (C) shows representative examples of detected uprooted P. densiflora for. erecta from the UAV orthophoto images.

2.3 금강소나무 전도 지역의 혼합자료 요인분석(FAMD)

폭설, 강풍 등에 의한 수목의 전도 현상은 지형적, 식생학적, 구조적 요인의 복합적 상호작용에 의해 발생한다(Fan et al. 2024). 따라서 금강소나무의 전도 현상을 분석하기 위해서는 지형학적 요인과 식생천이 관점에서 연속형 변수와 범주형 변수가 혼합되며, 이를 통합적으로 분석할 수 있는 통계적 접근이 필요하다. 대표적인 요인분석 방법론인 PCA(주성분 분석), MCA(다중상관분석)은 단일유형의 변수만 처리할 수 있기 때문에 산림교란 분석에서 흔히 나타나는 혼합형 데이터 구조를 반영할 수 없다(Gardiner and Quine 2000).

이러한 문제를 해결하기 위해서 본 연구에서는 혼합자료 요인분석(Factor Analysis of Mixed Data, FAMD)을 적용하였다. FAMD는 연속형 변수의 분산구조를 유지하고, 범주형 변수의 기여도를 균형화하여, 특정 변수 유형이 분석을 지배하지 않도록 설계된 통계기법이다(Pagès 2014). 이와 같은 FAMD의 특징은 전도 현상과 같이 숲의 구조와 지형적 요인일 결합하여 발생하는 현상 분석에 적합하다.

2.4 FAMD를 위한 변수 선정과 자료 추출

본 연구는 FAMD 분석을 위해 지형, 식생, 구조적 특성을 반영하는 총 9개의 변수를 선정하였다(Table 1). 선정된 변수는 연속형 변수와 범주형 변수가 혼합되어 있으며, 전도 발생의 복합적 원인을 규명하기 위해 다음과 같이 구성되었다.

Table 1

Definitions and characteristics of variables included in the FAMD analysis

Code Variable description Source
Dem Elevation (meters above sea level), reflecting local climatic gradients such as snow accumulation, wind exposure, and temperature regimes that modify disturbance sensitivity. The digital elevation model (DEM) was generated by extracting contour lines from a large-scale topographic map and converting them into a 10-m resolution raster surface.
https://map.forest.go.kr/
Slope Slope steepness (degrees), a topographic factor affecting soil stability, root anchorage, and the mechanical loading imposed by snow and wind. Slope and aspect layers were derived from the DEM using the terrain analysis tools in QGIS 3.41, producing continuous raster variables representing local terrain inclination and directional orientation.
Aspect (raw) Continuous aspect value (0-360°), used for descriptive statistics.
Aspect_sin / cos Transformed continuous variables (sin(θ), cos(θ) to handle circularity in FAMD analysis.
AGE Age of the tree (years), representing the developmental stage and structural maturity that influence mechanical stability and susceptibility to snow- and wind-induced disturbance. Tree age (AGE) and canopy type (canopy) were obtained from the national forest type map, and the corresponding attribute fields were spatially merged with the plot locations.
https://map.forest.go.kr/
canopy Vegetation or canopy type (e.g., coniferous vs. broadleaf), denoting species-specific crown architecture and structural properties that influence snow interception and wind vulnerability.
aspect_ht Categorized aspect based on elevation-adjusted orientation classes, indicating differences in solar radiation, snow persistence, and exposure to prevailing winds. Spect height class (aspect_ht) was constructed by subdividing terrain with similar aspect orientation into three elevational segments (upper, middle, and lower), representing topographically stratified exposure conditions.
slideG Topographic position or slope stability class, describing the geomorphological setting (e.g., ridge, mid-slope, lower slope) that shapes spatial variation in exposure and mechanical failure risk. https://map.forest.go.kr/
dist_in_canopy Distance from the canopy edge (meter), used as a proxy for exposure level, with edge trees typically experiencing greater aerodynamic loading and higher disturbance risk. The distance to the canopy boundary was calculated as a straight-line distance from each uprooted-tree point to the nearest stand edge using spatial analysis tools in QGIS.
DBH Diameter at breast height (centimeters), a key indicator of structural robustness and mechanical resistance to uprooting or stem breakage under snow and wind loads. Diameter at breast height (DBH) for uprooted trees was obtained by manually marking individual fallen stems on high-resolution orthophotos and measuring stem diameter directly from the imagery to construct a spatially referenced DBH dataset.

우선 지형적 요인으로 고도(dem), 경사도(slope), 사면방향(aspect), 산사태위험등급(slideG)을 선정하였다. 고도와 경사도는 적설량, 풍속, 지형적 노출도의 공간적 변이를 설명하는 핵심 변수이며, 산사태위험등급은 능선과 계곡 사이의 지형적 불안정성을 대변한다(Hildebrandt et al. 2010, Gardiner et al. 2013, Mitchell 2013).

특히, 사면방향(aspect)은 0°(북)와 360°(북)가 동일한 값을 갖는 원형 데이터(circular data)의 특성을 지닌다. 이를 선형 결합을 기반으로 하는 FAMD 분석에 수치 그대로 적용할 경우, 0°와 360°가 수치적으로 가장 먼 값으로 인식되는 왜곡이 발생한다. 이러한 문제를 해결하기 위해 본 연구에서는 사면방향을 aspect_sin (동서 성분)과 aspect_cos (남북 성분)의 두 가지 연속형 변수로 삼각함수 변환(trigonometric transformation)하여 분석에 적용하였다. 아울러, 분석 결과의 직관적인 해석을 돕기 위해 고도와 사면방향을 결합하여 지형적 위치를 그룹화한 aspect_ht를 범주형 보조 변수로 함께 활용하였다.

수목의 구조적 요인으로는 임상도의 영급(AGE)과 전도목의 흉고직경(DBH)을 선정하였다. 이는 수목의 기계적 안정성과 외부 교란에 대한 저항성을 결정하는 직접적인 인자이다. 또한 식생학적 요인으로 상관식생유형(canopy)과 상관경계로부터의 거리(dist_in_canopy)를 반영하였다. 이는 활엽수림 내 침엽수의 고립 정도와 가장자리 효과(edge effect)에 따른 풍하중 및 적설하중의 민감도를 평가하기 위함이다(Zubizarreta-Gerendiain et al. 2012).

이러한 변수 선정은 전도 현상이 단일 요인이 아닌 지형, 식생, 구조적 요인의 상호작용에 의해 발생한다는 선행 연구에 근거하며, 변수의 특성에 맞게 전처리된 데이터는 FAMD 분석의 신뢰도를 높이는 토대가 된다.

FAMD 분석을 위한 변수는 Table 1의 source에 근거하여 수집하고, 분석에 필요한 전처리 과정은 R언어(R Core Team 2025) 환경에서 패키지dplyr (Wickham et al. 2023), sf (Pebesma and Bivand 2023), units (Pebesma et al. 2016)를 사용하였고 FAMD는 FactoMineR (Lê et al. 2008)로 분석하였다. 그래프 등의 시각화는 cluster, ggplot2, ggpubr, ggrepel를 혼용하였다(Wickham 2016, Maechler et al. 2023, Slowikowski 2024, Kassambara 2025).

3. 연구결과

3.1 금강소나무 전도목 탐지 및 입지분석

정사영상을 육안판독(감독분류)하여 금강소나무 2,031개체의 위치좌표를 수집하고, 동시에 흉고직경을 측정하여 GIS DB로 구축하였다. 구축된 DB를 사용하여 2.4항에서 선정한 변수와 중첩하여 전도목 포인트에서 변수 속성값을 추출하여 특성을 도출하였다(Fig. 2).

정사영상에서 추출된 금강소나무 전도 개체의 지형 및 식생구조 변수 분포를 분석한 결과, 사면경사(slope)는 침엽수림과 혼효림에서 약 35~40° 범위의 높은 중앙값을 보인 반면 활엽수림은 약 30° 수준으로 상대적으로 낮은 경사 분포를 나타냈으며, 침엽수림과 혼효림에서 극값에 해당하는 고경사 개체들이 다수 관찰되었다. 고도(elevation) 분포는 전체적으로 400~800 m 범위에 집중되는 경향을 보였고, 활엽수림(Broadleaf)이 가장 높은 중앙값을 기록하였다.

https://cdn.apub.kr/journalsite/sites/kseie/2026-013-01/N0190130101/images/kseie_2026_131_1_F2.jpg
Fig. 2

Distribution Patterns of Geomorphological and Structural Variables at Uprooted Locations of P. densiflora for. erecta.

군락경계에서 전도목까지의 거리(distribution from forest edge)는 세 유형 모두에서 0–50 m 내에 전도 개체가 밀집되어 있으며, 특히 혼효림에서는 매우 낮은 거리 범위에서의 집중도가 뚜렷하게 나타났다. 전도목이 위치한 상관 유형별 DBH 밀도 분포(DBH distribution by canopy type)는 침엽수림에서 40~70 cm 범위의 특정 구간에 밀도가 뚜렷하게 형성된 반면, 활엽수림은 30~50 cm 사이에 상대적으로 좁은 범위의 집중을 보였고, 혼효림은 25~75 cm 전반에 걸쳐 넓고 변동성 큰 분포가 나타났다.

전도목 발생지역의 상관 유형(Canopy type frequency)은 활엽수림이 가장 많았고, 침엽수림이 그 뒤를 이어 나타났으며, 혼효림은 상대적으로 적은 개체수로 구성되었다. 영급(AGE class distribution) 경우 5-6영급에 전도 개체가 집중되어 있고, 특히 5영급에서 가장 높은 빈도가 나타났으며 1~3, 8~9영급은 매우 적었다. 산사태위험지수는 3~4등급에 대부분의 전도목이 분포하고 4등급에서 가장 큰 빈도가 관찰되었으며, 상대적으로 위험도가 높은 1~2등급에서는 빈도가 낮았다. 사면방위의 원형 히스토그램에서는 북동–남서 방향에 해당하는 구간에서 높은 빈도가 나타났고, 특히 1–2 라디안과 4–5 라디안 구간에서 전도 개체의 뚜렷한 누적 패턴이 확인되었다.

3.2 FAMD 분석 결과

FAMD 분석 결과, 폭설에 의해 전도된 금강소나무의 공간적, 구조적 특성을 설명하는 주요 환경적 경향적 도출되었다. 전체 분산 중 1, 2요인(Dim1, 2)은 각각 8.6%, 7.3%를 설명하고 있으며, 두 요인을 합산할 경우 15.9%를 설명하였다(Fig. 3 (A)). 변수 요인별로 살펴보면, 경사도(slope)는 제1요인에서 가장 크게 기여하여, 지형적 급경사 조건이 전도 발생 환경을 설명하는 데 가장 크게 기여하는 요인임을 보여준다. 반면 고도(dem)은 제1요인에서 음(-)의 방향으로 적재되어, 경사에 따른 고도의 지형차이의 구분을 명확하게 해준다. 이러한 양상은 전도 발생이 지형의 경향성과 밀접함을 의미하며, 특히 경사 증가에 따른 적설하중과 중력 방향의 전단력(shear force)이 증가하여 뿌리-토양 결합력이 약화하여 전도의 주요 요인임을 알 수 있다(Zubizarreta-Gerendiain et al. 2012).

제2요인에서는 전도목의 흉고직경(DBH)과 전도목의 군락경계까지의 거리(dist_in_canopy), 사면방향(aspect)의 삼각함수 변화값(aspect_sin, aspect_cos)이 중간 수준의 기여도로 나타났다. 이러한 현상은 전도 취약성이 단순한 지형 요인뿐 아니라, 개체의 구조적 강도와 방향성 노출에 의해 함께 결정된다는 점을 보여준다. Dupont and Brunet (2008)에 의하면 가장자리의 개체는 내부 개체에 비해 풍속, 난류 강도, 적설 비대칭 현상에 더 크게 노출되어 전도 가능성이 증가함을 보고하여 본 연구 결과와 유사한 결과를 도출하였다. 또한, DBH는 폭설 하중에 따른 전도 저항성과 직접적인 지표이다(Zubizarreta-Gerendiain et al. 2012).

Fig. 3 (B)는 전도 개체별 요인 군집(cluster distribution)을 분석한 것으로 세 개의 군집이 나타났다. 각 군집(cluster)는 FAMD 공간에서 부분적으로 중첩되면서 구분 가능한 구조적 위치를 차지한다. 군집2 (cluster 2)는 제1요인 음(-)방향에 집중되어 완만한 사면과 중간 고도 조건을 나타내며, 군집1 (cluster 1)은 중간 경사 및 사면방향 조건에 분포하였다. 군집3 (cluster 3)은 제1요인 양(+) 방향으로 확장하여 상대적으로 경사가 큰 지형에 주로 나타나며, 이는 경사도가 군집간 변이를 특정하는 핵심 요인임을 의미한다.

FAMD 분석 결과를 종합하면, 경사도가 전도 취약성을 설명하는 가장 주요한 축(axis)이며, 여기에 흉고직경(DBH)과 군락경계 노출도, 사면방향 등 구조적, 미지형적 요인이 결합하여 전도 위험의 공간 패턴을 형성함을 정량적으로 확인하였다. 이러한 결과는 금강소나무 숲에서 폭설에 의한 전도 취약성을 평가할 때 지형구조와 수목구조 요인을 통합적으로 고려한 관리 전략의 필요성을 시사한다.

https://cdn.apub.kr/journalsite/sites/kseie/2026-013-01/N0190130101/images/kseie_2026_131_1_F3.jpg
Fig. 3

Multivariate structure of snow-induced uprooting environments revealed by FAMD: variable factor map (A) and cluster distribution (B).

4. 고 찰

최근 겨울철 이상기후로 경상북도 울진 일대의 금강소나무 숲에서 폭설에 의한 전도피해가 보고되고 있다. 이러한 금강소나무 전도 및 고사 피해에 대한 원인 분석은 여러 선행 연구에서도 이루어졌으나, 대부분 특정 지형 또는 기후 요인에 초점을 맞춘 단변량 분석에 머물렀다. 본 연구는 정상영상으로 기반으로 확인한 2,031주의 전도목을 대상으로 지형, 구조, 식생 등 복합 요인을 고려한 FAMD 분석을 수행함으로써, 기존 연구와 공통점과 차별점을 도출하고 금강소나무 및 소나무류의 산림내 전도에 대한 새로운 해석을 제시하였다.

4.1 기존연구의 유사점 및 차이점

선행 연구들은 금강소나무를 비롯한 소나무류의 고사 및 피해 발생 양상을 주로 지형적 특성과 연계하여 설명하였다. 예를 들어 Kim and Lee (2023)의 연구에서는 울진, 봉화 지역 금강소나무의 고사목이 높은 고도, 건조한 남향 사면, 고영급에서 특히 많이 분포하였다고 하였고, 기후변화에 따른 건조 스트레스와 지형적 노출이 고사 위험을 높인다고 해석하였다. Lee et al. (2023)의 연구결과도 같은 맥락으로 왕피천 생태경관보호구역의 소나무 고사 발생지를 분석하여, 능선부에 위치하고 6영급 이상이면서 지형습윤지수가 낮은 건조 지역에서 고사 피해가 집중한다고 보고하였다. 이처럼 기존 연구들은 공통적으로 지형적 노출(산능선, 남향 경사면 등)과 전도목의 연령 같은 구조적 요인이 소나무 피해에 중요한 영향요인임 강조하였다.

그러나 선행 연구들의 접근은 단일 요인별 경향 파악에 집중하고 있고, 산림구성 및 군락 구조의 이질성을 통합적으로 고려하지 못했다는 한계가 있기 때문에 본 연구는 이러한 점에서 차별점을 갖는다.

즉, 금강소나무 전도 전도 현상을 지형인자 뿐만 아니라 전도목 발생위치의 상관임상, 군락 경계와의 공간적 관계까지 통합적으로 고려하여 개별요인간 상호작용이나 잠재적 패턴을 도출할 수 있었다. 그 결과 기존 연구에서 간과되었던 전도목 발생지역과 군락 경계로부터의 거리와 전도목의 흉고직경 사이에 의미있는 관계를 발견하였다. 이러한 결과는 활엽수림과 침엽수림 경계 부근에 위치한 대경목은 전도 피해에 더 취약할 수 있다는 새로운 시각을 제공한다.

4.2 금강소나무 전도에 대한 새로운 해석

본 연구에서 주목한 “활엽수림 내 잔존한 금강소나무 대경목의 전도 취약성”에 대한 해석은 생태학적 맥락에서 그 타당성을 찾을 수 있다.

첫째, 활엽수와 침엽수의 형태학적 차이가 폭설 피해 양상의 차이를 야기한다. 활엽수는 낙엽현상으로 수관에 적설량이 상대적으로 적기 때문에 폭설에 대한 누적압력이 침엽수보다 작다(Fan et al. 2024). 반면 상록침엽수는 겨울철에서 낙엽현상이 발생하지 않기 때문에 상대적으로 폭설에 대한 하중이 집중된다. 그러나 활엽수 수관은 침엽수보다 수평적이고 폭이 넓이 적설 면적이 큰 반면, 침엽수는 좁은 수관과 처지는 가지로 인해 상대적으로 적설 부담이 적다는 해석도 있다(Fan et al. 2024). 그럼에도 불구하고 활엽수림에 위치한 침엽수는 다습한 폭설에 의한 수관 누적 부하가 증가되고 주변 활엽수에 비해 눈의 하중과 풍압을 직접 받아야 하며 이로 인한 전도 위험성이 높아질 수 있다(Gardiner et al. 2013, Ciocirlan and Câmpu 2024).

둘째, 대경목 금강소나무 개체들은 대부분 천이과정의 산물로서 활엽수림에 잔존하고 있다는 점도 고려해야 한다(Keeton and Franklin 2005). 금강소나무는 비교적 극상림 이전 단계에서 우점하고, 기후변화, 산불, 벌채 후 천이에 의해 활엽수림으로 대체된 상황일 수 있다(Fujihara 1996). 이 경우 잔존하는 금강소나무는 거목이며, 연령이 매우 높고 뿌리의 기능이나 수목 활력이 떨어졌을 가능성이 있으며, 이미 주변 경쟁상실로 인한 고립과 구조적 불안전성을 경험하고 있을 수 있다(Stovall et al. 2019).

Kim and Lee (2023)의 연구에서도 금강소나무의 고사가 고령 임분에서 집중 발생한다고 하였고, 본 연구의 전도목들도 직경이 큰 노령목이 많다는 점을 일치하는 부분이다. 더불어 본 연구결과는 활엽수림내 잔존하는 금강소나무의 폭설에 의한 전도 위험성을 시사하고 있다. 이러한 예측은 장기적으로 금강소나무 숲의 구조적 이질화(예: 일부 거목만 잔존하는 침활혼효림)가 극한기후 현상에 맞물려 침엽수 개체군의 쇠퇴를 가속화할 수 있음을 의미한다. 즉, 활엽수림 경계로부터 멀어진 소나무일수록 폭설 피해에 대한 저항성은 감소하고 결과적으로 해당 지역의 침엽수림에서 활엽수림으로 천이는 촉진될 수 있다.

셋째, 산림 가장자리(edge) 효과도 금강소나무 전도 위험을 높이는 요인으로 고려된다. 일반적으로 새로운 숲 가장자리가 형성되면 그 구역의 나무들은 바람이나 적설에 더 크게 노출되어 피해 위험이 증가한다. 본 연구에서 정의한 “군락 경계로부터의 거리” 변수는 이러한 가장자리 노출 정도를 정량화 하였다. 분석 결과 전도목의 DBH가 클수록 군락 경계와의 거리가 가까운 경향을 보인다. 즉, 키 크고 굵은 소나무가 숲 가장자리나 활엽수림 속 개활지 가장자리에 위치할수록 폭설에 취약하다는 의미이다. 이는 수고가 큰 나무일수록 풍압을 더 받는 동시에, 가장자리에서는 풍압의 저항 역할을 할 주변 수목이 한쪽 방향으로 형성되기 때문인 것으로 해석된다. Zeng et al. (2004)의 연구에서도 수고 증가에 따라 풍설해 위험이 높아지는 경향과, 침엽수가 활엽수보다 전도에 취약하다는 점이 보고된 바 있어, 본 연구의 해석을 뒷받침한다.

결론적으로, 활엽수 우세 환경 속에서 고립된 금강소나무 대경목은 형태학적, 구조적 특성(노령 거목), 공간적 특성(가장자리 노출)의 다중요인 때문에 폭설에 의한 전도에 특별히 취약하다는 본 연구의 해석은 생태적으로 충분한 개연성이 있다.

5. 결 론

본 연구를 통해 금강소나무의 폭설에 의한 전도에 영향을 미치는 요인을 통합적으로 분석한 결과, 활엽수림 가장자리 부근에 큰 흉고직경(DBH)을 가진 금강소나무 개체가 잔존해 있을 경우 폭설에 의한 전도 위험이 특히 크게 증가하는 것으로 나타났다. 이러한 취약성은 수종 간 구조적 특성 차이와 더불어, 상록침엽수인 금강소나무가 잎을 연중 유지함으로써 적설 하중이 높아지고 주변 활엽수가 낙엽 후 금강소나무가 바람과 눈에 직접적으로 노출되는 점, 그리고 뿌리 발달 및 지지력 약화 등의 요인이 복합적으로 작용한 결과로 판단된다.

특히 본 연구는 기존 연구들이 부분적인 요인에만 주목했던 것과 달리, 식생 천이 과정에서 활엽수 우점림 내 잔존하는 금강소나무 대경목의 구조적 불안정성과 전도 취약성을 종합적으로 고찰하였다는 점에서 학술적 의의가 크다.

이러한 연구 결과는 금강소나무 보전 및 산림 재해관리 측면에서 중요한 시사점을 제공한다. 활엽수림 가장자리의 잔존 금강소나무 대경목은 폭설 피해에 취약한 개체로 인식하여 우선적인 관리대책을 마련할 필요가 있다. 예를 들어 해당 개체들에 대한 정기 모니터링을 실시하고, 폭설 예보 시 주변 적설 부담을 경감시키는 등의 예방 조치를 고려할 수 있다. 아울러 혼효림 구조를 관리하여 취약한 금강소나무의 고립을 완화하고, 군락 경계부에 대한 관리지침을 수립함으로써 폭설로 인한 전도 피해를 선제적으로 줄일 수 있을 것이다.

향후 연구에서는 개별 수목의 정밀 구조정보(예: 수관 구조, 재질 특성)와 뿌리 및 토양 환경 정보, 상세 기상 자료 등을 통합하여 금강소나무 전도 위험을 예측하는 모형을 개발할 필요가 있다. 이를 통해 기후변화로 인한 극한 기상에 대비한 산림생태계의 회복력 증진 방안을 마련할 수 있을 것으로 기대된다.

결론적으로, 본 연구는 금강소나무의 보전과 폭설재해 예방을 위한 과학적 근거를 제시하였으며, 이러한 종합적 분석 결과는 향후 산림군락의 안정성 확보를 위한 제도적·실무적 대응 전략 수립에 기초 자료로 활용될 수 있을 것이다.

Acknowledgements

This research was supported by the “2024 Investigation and Analysis Project on Forest Damage caused by Heavy Snowfall in the Uljin Geumgang Pine Forest,” funded by the Southern Regional Office of Forest Service.

References

1

Chirici, G., Bottalico, F., Giannetti, F., Del Perugia, B., Travaglini, D., et al. 2018. Assessing forest windthrow damage using single-date, post-event airborne laser scanning data. Forestry: An International Journal of Forest Research 91: 27-37.

10.1093/forestry/cpx029
2

Ciocirlan, M. and Câmpu, V.R. 2024. Characteristics of Forest Windthrow Produced in Eastern Carpathians in February 2020. Forests 15: 176.

10.3390/f15010176
3

Dupont, S. and Brunet, Y. 2008. Impact of forest edge shape on tree stability: a large-eddy simulation study. Forestry: An International Journal of Forest Research 81: 299-315.

10.1093/forestry/cpn006
4

Fan, Q., Yang, H., Li, P., Duan, Y., Guo, D., et al. 2024. Ecological Response of Forest Vegetation Communities to Snow Damage: A Meta-Analysis. Forests 15: 1989.

10.3390/f15111989
5

Fujihara, M. 1996. Development of Secondary Pine Forests after Pine Wilt Disease in Western Japan. Journal of Vegetation Science 7: 729-738.

10.2307/3236384
6

Gardiner, B.A. and Quine, C.P. 2000. Management of forests to reduce the risk of abiotic damage—a review with particular reference to the effects of strong winds. Forest Ecology and Management 135: 261-277.

10.1016/S0378-1127(00)00285-1
7

Gardiner, B., Schuck, A.R.T., Schelhaas, M.-J., Orazio, C., Blennow, K., et al. 2013. Living with storm damage to forests. European Forest Institute Joensuu.

8

Griess, V.C. and Knoke, T. 2011. Growth performance, windthrow, and insects: meta-analyses of parameters influencing performance of mixed-species stands in boreal and northern temperate biomes. Canadian Journal of Forest Research 41: 1141-1159.

10.1139/x11-042
9

Hildebrandt, P., Kirchlechner, P., Hahn, A., Knoke, T., and Mujica, R.H. 2010. Mixed species plantations in Southern Chile and the risk of timber price fluctuation. European Journal of Forest Research 129: 935-946.

10.1007/s10342-009-0284-4
10

Kassambara, A. 2025. ggpubr: “ggplot2” Based Publication Ready Plots.

11

Keeton, W.S. and Franklin, J.F. 2005. Do Remnant Old-Growth Trees Accelerate Rates of Succession in Mature Douglas-Fir Forests? Ecological Monographs 75: 103-118.

10.1890/03-0626
12

Kim, E.S. and Lee, K.W. 2023. Risk Assessment of Pine Tree Dieback in Uljin and Bonghwa. Korean Journal of Agricultural and Forest Meteorology 25: 117-128.

10.5532/KJAFM.2023.25.3.117
13

Lê, S., Josse, J., and Husson. F. 2008. FactoMineR: A Package for Multivariate Analysis. Journal of Statistical Software 25: 1-18.

10.18637/jss.v025.i01
14

Lee, S.J., Shin, D.B., Lee, A.R., and Oh. S.H., 2023. Characteristics of dieback of Pinus densiflora and risk assessment in the Wangpicheon ecosystem and landscape conservation area in Uljin, South Korea. Forests 14: 903.

10.3390/f14050903
15

Li, J., Morimoto, J., Hotta, W., Suzuki, S.N., Owari, T. et al. 2023. The 30-year impact of post-windthrow management on the forest regeneration process in northern Japan. Landscape and Ecological Engineering 19: 227-242.

10.1007/s11355-023-00539-9
16

Maechler, M., Rousseeuw, P., Struyf, A., Hubert, M., and Hornik, K. 2023. cluster: Cluster Analysis Basics and Extensions.

17

Mitchell, S.J. 2013. Wind as a natural disturbance agent in forests: a synthesis. Forestry: An International Journal of Forest Research 86: 147-157.

10.1093/forestry/cps058
18

Pagès, J. 2014. Multiple Factor Analysis by Example Using R. Chapman and Hall/CRC, New York.

10.1201/b17700
19

Pebesma, E. and Bivand, R. 2023. Spatial Data Science: With applications in R. Chapman and Hall/CRC.

10.1201/9780429459016
20

Pebesma, E., Mailund, T., and Hiebert, J. 2016. Measurement Units in R. The R Journal 8: 486-494.

10.32614/RJ-2016-061
21

QGIS Development Team. 2025. QGIS Geographic Information System.

22

R Core Team. 2025. R: A Language and Environment for Statistical Computing. .

23

Shin, J.-S., Lee, Y.-S., Kim, E.-S., Jang, K., Lee, J.-S. et al. 2025. The Effects of Climate on the Death and Growth Decline of Pinus densiflora Siebold & Zucc. using the Annual Ring-Width Time Series. Journal of the Korean Wood Science and Technology 53: 441-453.

10.5658/WOOD.2025.53.4.441
24

Slowikowski, K. 2024. ggrepel: Automatically Position Non-Overlapping Text Labels with “ggplot2.”

25

Stovall, A.E.L., Shugart, H., and Yang, X. 2019. Tree height explains mortality risk during an intense drought. Nature Communications 10: 4385.

10.1038/s41467-019-12380-631558795PMC6763443
26

Štraus, H. and Bončina, A. 2025. The vulnerability of four main tree species in European forests to seven natural disturbance agents: lessons from Slovenia. European Journal of Forest Research 144: 267-282.

10.1007/s10342-024-01754-1
27

Takano, K.T., Nakagawa, K., Aiba, M., Oguro, M., Morimoto, J. et al. 2016. Projection of impacts of climate change on windthrows and evaluation of potential adaptation measures in forest management: A case study from empirical modelling of windthrows in Hokkaido, Japan, by Typhoon Songda (2004). Hydrological Research Letters 10: 132-138.

10.3178/hrl.10.132
28

Tavankar, F., Monaco, A.L., Nikooy, M., Venanzi, R., Bonyad, A. et al. 2019. Snow damages on trees of an uneven age in mixed broadleaf forests: effects of topographical conditions and tree characteristics. Journal of Forestry Research 30: 1383-1394.

10.1007/s11676-018-0710-x
29

Watson, A. 2000. Wind-induced forces in the near-surface lateral roots of radiata pine. Forest Ecology and Management 135: 133-142.

10.1016/S0378-1127(00)00305-4
30

Wickham, H. 2016. ggplot2: Elegant Graphics for Data Analysis. Springer-Verlag New York.

10.1007/978-3-319-24277-4_9
31

Wickham, H., François, R., Henry, L., Müller, K., and Vaughan, D. 2023. dplyr: A Grammar of Data Manipulation.

32

Zeng, H., Peltola, H., Talkkari, A., Venäläinen, A., Strandman, H. et al. 2004. Influence of clear-cutting on the risk of wind damage at forest edges. Forest Ecology and Management 203: 77-88.

10.1016/j.foreco.2004.07.057
33

Zhu ChunYu, Z.C., Zhu JiaoJun, Z.J., Zheng, Z.X. Xiao, Lu DeLiang, L.D., and Li XiuFen, L.X. 2017. Comparison of gap formation and distribution pattern induced by wind/snowstorm and flood in a temperate secondary forest ecosystem, northeast China.

10.14214/sf.7693
34

Zubizarreta-Gerendiain, A., Pellikka, P., Garcia-Gonzalo, J., Ikonen, V.-P., and Peltola, H. 2012. Factors affecting wind and snow damage of individual trees in a small management unit in Finland: assessment based on inventoried damage and mechanistic modelling. Silva Fennica 46.

10.14214/sf.441
페이지 상단으로 이동하기