본 연구는 한반도에 분포하는 소나무, 낙엽송, 잣나무의 연륜생장과 기후요소(월평균기온, 월강수량)와의 관계를 분석하고, 각 수종별 연구지역을 기후군집으로 분류하여 군집간 생장경향을 평가함으로써 연륜기후학적 모델을 개발하였다. 또한 기후변화에 따른 각 수종별 연륜생장 변화를 생장지수 추정식과 RCP 기후변화 시나리오를 이용하여 예측하였다.
각 지역별 기후자료의 군집 분석을 통한 소나무의 기후군집은 4개로 분류되었다. 군집 1은 울진, 영덕의 동부해안지역, 군집 2는 횡성, 광릉의 중부내륙지역, 군집 3은 예산, 서천의 중서부지역, 그리고 군집 4는 양구, 정선, 인제, 평창 백두대간 산악지역이다. 낙엽송의 기후군집도 4개로 분류되었는데, 군집 1은 인제, 평창의 백두대간 산악지역, 군집2는 홍천, 광릉, 양평, 횡성의 중부내륙지역, 군집 3은 강릉의 동부해안지역, 그리고 군집 4는 태백, 무주의 중남부내륙지역이다. 잣나무의 기후군집은 3개로 분류되었으며, 군집 1은 춘천, 홍천, 가평, 광릉의 중부내륙지역, 군집 2는 오대산, 설악산의 백두대간 산악지역, 그리고 군집 3은 산청, 남원의 남부내륙지역이다.
기후와 연륜생장과의 관계분석은 반응함수를 이용하였다. 소나무의 기후군집별 R2는 0.54∼0.77로 나타났다. 기후와 연륜생장과의 상관관계는 당년 7월과 8월 기온에 부의 상관(p<0.05)을 보였고, 당년 8월과 9월 강수량은 부의 상관(p<0.05)을 보였다. 낙엽송의 기후군집별 R2는 0.38∼0.74의 범위를 보였는데, 기후와 연륜생장과의 상관관계는 당년 4월 기온이 정의 상관(p<0.05)을 보였고 당년 8월과 9월 강수량에 부의 상관(p<0.05)을 보였다. 잣나무의 기후군집별 R2는 0.43∼0.71로 평가되었다. 기후와 연륜생장과의 상관관계는 당년 2월과 7월 기온에 부의 상관(p<0.05)을 나타냈으며, 당년 1월과 7월 강수량에 부의 상관(p<0.05)을 보였다.
연륜기후학적 모델개발은 단계적 회귀분석으로 34개의 기후변수와 표준화된 잔차연대기를 이용하여 소나무, 낙엽송, 잣나무의 기후군집별 생장지수 추정식을 작성하였다. 소나무의 생장지수 추정식에는 각 4개씩의 기후변수가 사용되었고 R2는 0.38∼0.58로 나타났다. 낙엽송의 생장지수 추정식에는 2∼5개의 기후변수가 사용되었고 R2는 0.31∼0.43의 범위인 것으로 분석되었다. 한편 잣나무의 생장지수 추정식에는 2∼4개의 기후변수가 포함되었으며, 모형의 설명력을 나타내는 R2는 0.35∼0.49로 추정되었다. 생장지수 추정식은 모형추정 편의(MD), 모형의 정도(SDD), 모형 표준오차(SED)로 적합성을 검증하였고 사용에 문제가 없는 것으로 평가되었다.
기후변화에 따른 연륜생장 예측은 생장지수 추정식과 RCP 기후변화 시나리오를 이용하여 2030년, 2050년, 2070년, 그리고 2100년의 연륜생장 변화를 산출하였다.
소나무의 연륜생장 예측 결과는 백두대간 산악지역인 군집 4에서 연륜생장률이 상승하는 경향을 보이고 중부내륙지역인 군집 2는 연륜생장률이 완만히 하락하는 것으로 예측되었다. 평균기온이 높은 군집 3은 연륜생장률이 가장 많이 하락하는 것으로 추정되었으며 동부해안지역인 군집 1은 기후변화 시나리오에 따른 연륜생장률 차이가 가장 크게 나타나는 것으로 예측되었다.
낙엽송은 기후변화 시나리오 RCP 4.5에서는 2070년 이후에 생장률이 하락하는 경향을 보이고, 군집 1과 군집 2, 군집 3과 군집 4는 각각 유사한 연륜생장률 변이를 보였다. RCP 8.5에서는 2050년 이후에 연륜생장률이 하락하는 경향을 보이고 군집1과 3이 유사한 연륜생장률 변이를 보였다. 월평균기온이 높은 군집 2는 연륜생장률이 2100년에 RCP 4.5에서는 ?20.4%이고 RCP 8.5에서는 ?27.7%로 다른 군집에 비해 연륜생장률 하락이 크게 나타났다.
잣나무는 고지대에 위치한 군집 2와 군집 3의 경우 2100년까지 연륜생장률이 상승하는 경향을 보였다. 그러나 저지대에 위치한 군집 1의 연륜생장률은 감소하는 경향을 보였으며, 2100년이 되면 연륜생장률이 RCP 4.5에서는 ?11.6%이고 RCP 8.5에서는 ?29.6%로 예측되어 큰 차이를 보였다 이 결과를 보면 잣나무는 한대수종이지만 일정범위내의 기온상승은 연륜생장을 증가시킬 수도 있는 것으로 해석된다.
수종별 생장지수 추정식과 RCP 기후변화 시나리오를 이용한 모든 수종의 연륜생장 변화 예측결과는 고산지대를 제외하고는 기후변화가 진행됨에 따라 대부분 생장률이 감소하는 경향을 보였다.
본 연구는 우리나라 주요 침엽수종의 연륜생장과 기후와의 관계 분석을 통해 기후권역별 군집들의 연륜기후학적 모델을 개발하고 기후변화 시나리오를 이용한 미래의 연륜생장 변화를 예측하였다. 본 연구에서 얻어진 결과는 기후변화 대응책 마련과 지속가능한 산림경영계획 수립에 필요한 정보로 사용될 수 있을 것으로 기대된다.

This study was conducted to analyze the relationship among climatic factors (monthly temperature and precipitation) and radial growth of Pinus densiflora, Larix kaempferi and Pinus koraiensis in South Korea. To determine climate-growth relationships, cluster analysis was applied to group climatically similar surveyed regions for each species, and a dendroclimatological model was developed to predict radial growth for each climate group under the Representative Concentration Pathways (RCP) scenarios for greenhouse gases.
The cluster analysis showed four climate groups (Clusters 1-4) from 10 regions for P. densiflora and L. kaempferi, and three climate groups (Clusters 1-3) for P. koraiensis. For P. densiflora, Cluster 1 includes Uljin and Yeongdeok in the east-coast region; Cluster 2 includes Hoengseong and Gwangneung in the central inland region; Cluster 3 includes Yesan and Seocheon in the midwestern region; and, Cluster 4 includes Yanggu, Jeongseon, Inje and Pyeongchang in the Baekdudaegan Mountain region. For L. kaempferi, Cluster 1 includes Inje and Pyeongchang in the Baekdudaegan Mountain region; Cluster 2 includes Hongcheon, Gwangneung, Yangpyeong and Hoengseong in the central inland region; Cluster 3 includes Gangneung in the east-coast region; and, Cluster 4 includes Taebaek and Muju in the midsouthern inland region. For P. koraiensis, Cluster 1 includes Chuncheon, Hongcheon, Gapyeong and Gwangneung in the central inland region; Cluster 2 includes Mt. Odae and Mt. Seorak in the Baekdudaegan Mountain region; and, Cluster 3 includes Sancheong and Namwon in the southern inland region.
The relationships between climatic factors and radial growth were analyzed by the response function analysis. The R2 of P. densiflora ranged from 0.54 to 0.77 depending on the four Clusters. The radial growth of P. densiflora was negatively influenced by current July and August temperatures (p<0.05) and current August and September precipitation (p<0.05). The R2 of L. kaempferi ranged from 0.38 to 0.74 depending on the four Clusters. The radial growth of L. kaempferi was positively affected by current April temperatures (p<0.05), but negatively affected by current August and September precipitation (p<0.05). The R2 of P. koraiensis ranged from 0.43 to 0.71 depending on the three Clusters. The radial growth of P. koraiensis showed negative relationships with current February and July temperatures (p<0.05), and current January and July precipitation (p<0.05).
The dendroclimatological models (prediction equations for growth index) were developed through 34 climatic variables and standardized residual chronology for each climate cluster of P. densiflora, L. kaempferi, and P. koraiensis., Four climatic variables were used in the prediction models (R2 values between 0.38∼0.58) for P. densiflora, 2 to 5 climatic variables were used in the models (R2 values between 0.31∼0.43) for L. kaempferi, and, 2 to 4 climatic variables were used in the models (R2 values between 0.35∼0.49) for P. koraiensis. The suitability of the prediction model was evaluated and verified by mean difference, standard deviation of difference, and standard error of difference.
For each of the climate clusters for P. densiflora, L. kaempferi, and P. koraiensis, the growth simulations obtained from two climate-change scenarios (RCP 4.5 and 8.5) were used for growth prediction. The two climate scenarios were applied to the selected study for the years 2030, 2050, 2070, and 2100.
Overall, the radial growth rate of P. densiflora tends to increase in Cluster 4 and gradually decrease in Cluster 2. The growth rate in P. densiflora Cluster 3, which has high average temperature, drops the most, and the growth rate in Cluster 1 shows the largest differences between two RCP scenarios.
The predicted radial growth rate of L. kaempferi tends to decrease after 2070 under the RCP 4.5 scenario. The variation in growth rates of Clusters 1 and 2 shows similar trends with the Clusters 3 and 4. Under the RCP 8.5 scenario, the growth rate of L. kaempferi tends to decrease after 2050, and the Clusters 1 and 3 show similar radial growth rate. However, the growth rate of the Cluster 2, which has a high average monthly temperature, shows -20.4% of radial growth rate under the RCP 4.5 scenario and -27.7% under the RCP 8.5 scenario, which is relatively large decrease compared to other Clusters.
In the case of P. koraiensis, the radial growth rates of the Clusters 2 and 3, which grow at high elevation, tend to increase until 2100. In contrast, Cluster 1, which grows at low elevation, tends to decrease with a large difference of -11.6% under the RCP 4.5 scenario and -29.6% under the RCP 8.5 scenario. Thus, the growth rate of P. koraiensis, which is a boreal species, could increase along with increasing temperature up to a certain point.
Overall, the growth simulations under changing climate scenarios predicted that radial growth rates will decrease as climate change progresses in all three species, except for the Clusters that grow in high-elevation areas. This study provides basic understanding and information for preparing species management/conservation and planning sustainable forest management under rapidly changing climates in Korea.