1. 서론
2. 연구방법
1) 연구지역
2) 연구자료 및 방법
3. 연구결과
1) 조건부 라틴 하이퍼큐브 샘플링과 버퍼 넓이에 따른 차이
2) 표본 조사 방법과 깊이에 따른 산림 토양 내 탄소 저장량
3) 산림 토양 탄소 저장량의 환경상관성
4. 토의
1) 중심표본점과 부표본점 데이터 비교
2) 토양 깊이 0-30cm와 0-100cm의 탄소 저장량 비교
3) 조건부 라틴 하이퍼큐브 샘플링(cLHS) 방식의 적용가능성 검토
4) 산림 토양 탄소 저장량 평가를 위한 적절한 표본 개수 산정
5. 결론
1. 서론
2011~2020년 사이 지구 표면 기온은 1850~1900년에 비해 1.1℃가 상승했으며 이는 세계 모든 지역에서 다중적이고 동시적으로 위험을 심화시키고 있다(IPCC, 2023). 현실로 다가온 기후위기를 극복하고 온난화를 완화하기 위해 각 국 정부는 자국의 상황과 역량을 감안하여 자체적으로 정한 감축 및 적응에 대한 목표와 절차, 방법론 등을 포함한 국가 온실가스감축 목표(Nationally Determined Contributions: NDCs)를 설정하여 인간 활동에 의한 배출량을 감소시키고 흡수량은 증대하여 순배출량이 0이 되는 탄소중립(carbon neutrality)을 이루기 위해 노력하고 있다.
이렇듯 탄소중립이 전 세계의 핵심 목표로 자리 잡으면서 토양의 가치도 재조명받고 있다. 토양은 육상 생태계에서 가장 큰 탄소 저장고이자, 기후변화 완화와 탄소-기후 되먹임의 중심이기 때문이다(Georgiou et al., 2022). 이에 따라 기후변화에 관한 정부간 협의체(IPCC)에서도 토양의 탄소 저장 능력을 다양한 기후변화 완화 수단 중 하나로 명시하고 있다.
탄소를 주성분으로 하는 토양 유기물은 식물의 성장을 돕는 영양분과 수분이 포함되어 있고 침식에 저항하고 유출을 감소시키는 역할을 하므로 토양 유기 탄소(Soil organic carbon)는 육상 생태계의 필수 구성요소로 자리한다(Tiessen et al., 1994). 전 세계적으로 토양 유기 탄소는 대기 및 살아있는 식물에서 발견되는 것보다 2배 이상의 이산화탄소를 저장하고 있으며(Friedlingstein et al., 2020; Ontl and Schulte, 2012), 표층에서부터 30cm까지 깊이의 토양에는 전체 식생에 저장된 탄소량인 5,600억 톤보다 많은 약 6,800억 톤의 탄소가 저장된 것으로 알려져 있다(FAO, 2017). 특히 지구 표면의 상당 부분을 차지하는 산림 토양은 육상 생태계의 총 유기 탄소의 40% 이상을 저장하고 있는 거대한 탄소 저장고이다(FAO, 2017; IPCC, 2007). 따라서 산림 토양 내 탄소 저장량을 정확히 평가하고, 이에 영향을 미치는 요인들을 조사하는 것은 건강한 산림 생태계 관리뿐만 아니라 전 세계적 탄소중립 정책 수립과 시행에서도 필수적이다.
유엔 기후변화협약(UNFCCC)에 따라 온실가스 감축 의무를 지닌 국가는 5년을 주기로 국가 온실가스 감축 목표와 매년 국가 온실가스 인벤토리 보고서(National Inventory Report)를 작성하여 당사국총회에 제출하도록 요청받고 있다. 국가 온실가스 인벤토리 작성은 IPCC 가이드라인에 기초하며, 온실가스의 배출 및 흡수 산정은 크게 에너지, 산업공정 및 제품 사용(IPPU), 농업, 산림 및 기타 토지이용(AFOLU), 폐기물 부문으로 나뉜다. 이 중 농업, 산림 및 기타 토지이용(AFOLU) 부문은 유일하게 온실가스를 흡수하고 저장하는 분야로 온실가스 인벤토리 산정 및 감축에 있어 매우 중요하다.
온실가스 인벤토리 각 분야의 배출･흡수량 산정방법은 활용데이터와 분류기준에 따라 Tier 1, Tier 2, Tier 3으로 구분하며 각 국가별로 보유하고 있는 기초자료에 따라 적절한 것을 사용하도록 권고한다. Tier 3으로 갈수록 산정된 배출량의 정확도와 신뢰도가 높기 때문에 세계 각국은 Tier 3을 지향하고 있지만, 우리나라의 경우 AFOLU 분야의 온실가스 인벤토리는 대부분 Tier 1 수준에 머물고 있으며, AFOLU 내 하위분야인 산림지의 온실가스 배출･흡수량 산정만 Tier 2의 축척 변화량 산정방식을 적용하여 계산한다. 그러나 산림지 부문 내에서도 고사 유기물과 산림 토양 내 탄소 배출･흡수량은 활동자료 미구축으로 산정되지 못하고 있으며, 이에 따라 산림으로 유지된 산림지에서의 토양 및 고사유기물의 탄소저장량은 Tier 1 방식을 적용해 국가 온실가스 인벤토리 보고서를 작성하기 시작한 이래로 지금까지 변화가 없음을 가정하고 있는 실정이다(온실가스종합정보센터, 2020).
Tier 2 이상에 해당하는 토양 종류별 자국 고유계수를 도출하기 위해서는 다양한 환경에 대한 현장 조사와 분석 빅데이터가 필요하며 이를 위한 체계적인 현장 조사 계획이 요구된다. 토양의 탄소 저장 및 흡수량을 산정하기 위해서는 토양 깊이, 총 유기탄소, 토양 용적밀도, 토양 자갈함량비 등의 구체적인 정보가 필요하며 공간적 분포 파악에는 토양 내 탄소 거동에 영향을 주는 토양의 물리화학적 특성과 지형, 기온, 강수, 식생, 미생물 분포 및 활성도 등 매우 다양한 요인에 대한 방대한 정보가 필요하기 때문이다(Andreetta et al., 2023). 우리나라는 토양 내 유기탄소, 자갈함량과 용적밀도 등 활동자료 구축을 위한 기초통계자료를 ｢국가산림자원조사｣를 통해 구축하고 있지만, 표준지(조사구) 개수가 1,000여개에 불과해 우리나라 산림의 넓은 면적과 그 복잡성을 고려한다면 충분하다고 볼 수 없다. 즉, 고해상도 활동자료를 기반으로 한 높은 수준의 탄소 거동 및 저장량 산정을 위해서는 장기간의 공간적 해상도가 높은 국가단위 산림 토양 데이터 구축이 필요하다.
이 과정에서 효과적인 토양 표본 조사 설계에 관한 연구와 합의는 필수적이다. 시공간적으로 토양은 매우 복잡한 특성을 보인다. 과거부터 토양 특성의 공간적 변동성에 관한 연구들은 상당히 일관성 있게 그 복잡성에 대해 지적해왔다(Grigal et al., 1991). 일반적으로 동일한 토양이 분포하는 지역이라도 표본 수와 면적에 따라 그 변이성이 증가한다. 특히 산림 토양은 농경지 토양보다 변이성이 더 크며, 일부 토양 특성은 변이성이 매우 커 전체적으로 데이터가 정규 분포를 보이지 않는 경우가 많다(Robertson and Gross, 1994). 또한 지형은 해당 토양의 위치적･형태적 조건을 결정함으로써 수문학적인 조건과 유기물의 축적 정도에 영향을 미쳐 토양의 탄소 저장량의 공간적 이질성을 강화하는 주요 변수로 자리한다(Harden et al., 1997; Olsson et al., 2009). 환경에 따라서는 고도와 경사를 포함한 지형변수가 토양 유기 탄소 저장량 전체 변동의 약 84%를 설명한다고 밝힌 연구도 있다(Zhu et al., 2019). 이처럼 변이성이 큰 산림 토양 특성과 토양 탄소 저장량을 파악하기 위해서는 가능한 많은 표본 조사지를 확보하는 것이 최선이나, 비용과 시간이라는 현실적인 한계로 인해 정확도와 정밀도를 고려하여 전체를 대표할 수 있는 표본을 추출하고 이를 통해 모집단의 통계치나 공간적 분포를 추정해야만 한다.
국내에서는 산림을 대상으로 한 탄소 저장량 및 거동에 관한 연구가 농경지, 습지, 초지 등 다른 생태계 대상 연구에 비해 월등히 많이 진행되었지만, 많은 부분 산림 식생에 초점이 맞춰져 있어 토양의 탄소 저장량과 흡수･배출에 대한 연구는 많지 않다(장인영 등, 2023). 더불어 공간적 이질성이 큰 토양의 조사에 있어 환경적 특성을 고려한 표본 조사지의 공간적 분포에 대한 연구는 거의 없다.
이 연구는 남양주 일대 산림 지역을 대상으로 표본 조사 방법에 따른 토양 탄소 저장량의 차이와 환경변수와의 상관관계를 밝히고 이를 바탕으로 탄소 저장량 파악에 있어 불확실성을 낮추기 위한 체계적이고 효과적인 표본 조사 방법에 대해 논의하고자 한다. 이를 위해 먼저 토양 시료 채취 지점의 중심표본점과 부표본점 데이터를 이용한 산림 토양 탄소 저장량 평가를 통해 부표본점 데이터의 중요성을 살펴보고, 조사 방법별 탄소 저장량과 환경변수의 상관성 및 선형 회귀 모형을 이용해 불확실성과 예측가능성을 검토한다. 이후 효과적인 표본 조사 지점 선정을 위한 조건부 라틴 하이퍼큐브 샘플링(conditioned Latin Hypercube Sampling: cLHS)의 적용 가능성을 살펴보고, 마지막으로 앞선 연구 결과를 바탕으로 산림 토양 탄소 저장량 평가를 위해 필요한 최소 표본 개수를 산정한 후 이를 확장하여 전국 단위 조사를 위한 적절한 표본 개수를 제시하고자 한다. 본 연구는 IPCC 가이드라인에 따라 국내 산림 토양 탄소 저장량 평가를 위한 시범조사 사업의 일환으로 실시되었다.
2. 연구방법
1) 연구지역
연구지역은 한강유역에 위치한 경기도 남양주시의 산림지역이다. 남양주시의 연평균 기온은 12.1℃이며, 1월 평균 기온이 -4.2℃로 가장 춥고, 7월 평균 기온은 25℃로 가장 덥다(남양주시, 2024년 5월 7일). 비교적 사계절이 뚜렷하고 겨울에는 한랭건조하고 여름에는 고온다습한 대륙성 기후를 보인다. 연평균 강수량은 약 1,100mm로 비교적 많은 편이고 몬순 시기에 집중되므로 이 때 토양 침식이 활발하게 발생할 것으로 보인다. 남양주 일대에는 화강암이 일부 나타나지만, 화강편마암이 주로 분포하고 있어 모재는 비교적 단순하다고 볼 수 있다. 산림 지역의 평균 고도는 241m이고, 고도 9m에서 871m에 걸쳐 분포하며 평균 경사는 21°이다. 남양주는 접근성이 좋으면서 백두대간에 인접하고 있어 생물다양성이 높은 지역 중 하나이며, 더불어 산림 비율이 높아 본 연구를 수행하기에 적합한 지역으로 판단하였다(그림 1).
2) 연구자료 및 방법
(1) 산림 토양 조사 데이터
① 시료 채취 지점 선정을 위한 공간 샘플링 방법
산림 토양 시료 채취 지점 선정을 위해 본 연구에서는 조건부 라틴 하이퍼큐브 샘플링 방식을 적용하고자 한다. cLHS은 층화임의 통계적 샘플링 기법 중 하나로 기존의 Latin Hypercube Sampling(LHS)에 조건부 요소를 추가한 방법이다(Minasny and McBratney, 2006). LHS는 다차원 샘플링 방법으로 각 변수의 전체 범위에서 균일하게 샘플링하는 것을 목표로 한다(그림 2). 이를 위해 표본 수에 따라 각 변수의 확률밀도함수를 나누고, 각 구간마다 임의로 표본을 추출하여 최종적으로 모든 변수에서 추출된 표본들을 결합한다. cLHS는 LHS의 한계점인 현실 공간에서 나타나지 않는 표본에 대해서 조건을 주어 재추출하는 절차를 알고리즘에 추가하여 보다 현실적으로 작동하도록 만든 표본 추출 알고리즘이다. 예를 들어, 표본 수(5개)에 따라 구간을 나누고 각 구간마다 하나의 임의표본(□)을 추출한 뒤 모든 환경변수에서 추출된 임의표본들(a+b)을 결합한다(그림 2). 하지만 현실 공간에서 존재하지 않아 표본을 추출할 수 없는 경우(그림 2의 b), 조건을 주어 다시 추출한다.
cLHS는 토양 데이터와 환경변수의 공간적 상관관계를 고려할 수 있고 다양한 환경변수를 적용할 수 있기 때문에 복잡한 상호작용이 나타나는 산림 토양과 같은 데이터에 효과적이다. 더불어 대표성을 나타내는 데이터 구축이 가능하며, 따라서 중요하지 않거나 비효율적인 샘플링을 최소화할 수 있는 장점이 있다. cLHS는 또한 표본 추출 과정에서 접근성을 고려하여 시료 채취 지점을 선정할 수 있다.
이 연구에서는 우리나라 산림의 특징에 맞게 접근성을 고려할 수 있도록 cLHS 알고리즘을 설계하고자 하였다. 이를 위해 현실적인 이동거리와 조사 시간을 고려하여 도로와 임도 거리로부터 버퍼 범위를 30m, 50m, 100m로 설정하고 이에 따른 결과를 비교하였다. 또한 고도, 일사량, 경사도, 곡면률, 습윤지수, 임상도의 임상, 산림입지토양의 토양형 등 산림 토양 탄소 저장량과 상관성이 높을 것으로 예상되는 환경변수를 입력 데이터로 사용하였다. 알고리즘 구축에는 ‘clhs’ R 패키지를 사용하였으며 이를 통해 약 30개 조사 지점을 추출하였고 이 중에서 20개 조사 지점에서 시료를 채취하였다.
② 시료 채취 방법
조사시점에서 토양 시료를 채취하기 위해 cLHS 알고리즘에서 추출한 조사지점을 중심표본점으로 하고 이를 중심으로 0°, 120°, 240°의 3방향에 3개의 예비 부표본점을 선정하여 이 중 채취가 가능한 2개의 부표본점과 중심표본점에서 토양 시료를 채취하였다(그림 3a). 중심표본점에서는 0~10cm, 10~20cm, 20~30cm, 30~60cm, 60~100cm 간격으로 깊이별 시료를 채취하였고, 부표본점에서는 0~30cm까지 10cm 간격으로 토양 시료를 채취하였다(그림 3b). 따라서 하나의 조사지점에서 중심표본점 깊이별 시료 5개와 부표본점 깊이별 시료 3개씩 두 지점, 총 11개의 토양 시료를 채취하였다. 시료 채취 시 용적밀도를 측정하기 위해 400㎠ 토양 시료 채취기를 이용하였다. 유기층 시료 채취는 스테인리스 정방형구(프레임) 혹은 절척(막대자)을 유기층 위에 놓고 전정가위를 이용하여 가장자리를 따라 자른 후 암석과 토양 유기물, 살아있는 뿌리를 제외하고 안에 있는 모든 유기물을 채취하는 방법을 취했다(그림 3c).
③ 산림 토양 탄소 저장량 계산 방법
연구지역의 산림 토양 탄소 저장량은 토양 무기층과 유기층으로 나누어 각각 계산하였다. 산림 토양 무기층 탄소 저장량을 구하기 위해 채취한 시료에서 토양 유기탄소 함량과 용적밀도, 자갈함량 등에 대한 자료를 구축하고 아래와 같은 식(1)을 이용하여 계산하였다.
산림 토양 유기층 탄소 저장량은 유기층 채취 시료에서 유기층 건중량과 탄소 함량, 시료 채취 프레임면적에 대한 자료를 구축하고 아래와 같은 식(2)를 통해 계산하였다.
무기층과 유기층의 토양 탄소 함량은 총 유기 탄소 분석기(Vario TOC cube, ELEMENTAR社)를 이용하여 무기층 토양 220개 시료와 유기층 20개 시료에 대한 유기 탄소 함량 분석을 실시하였으며, 이를 바탕으로 토양 유기층 탄소 저장량과 0~30cm 그리고 0~100cm의 토양 탄소 저장량을 산출하였다.
(2) 토양 환경변수 데이터
연구지역의 산림 토양 탄소 저장량과 환경 사이의 상관성을 파악하기 위해 다양한 환경변수 데이터를 구축하였다. Jenny(1941)에 따르면 토양은 기후, 지질, 지형, 생물, 시간 등 환경인자에 따라 시공간적으로 다양하게 나타난다. 연구지역의 공간 스케일 상 산림 토양 형성에 영향을 줄 수 있는 기후 요인이 비슷하다고 판단했을 때 지질(모재), 지형, 생물 환경변수의 중요성은 더해진다. 이 중 남양주는 일부 화강암이 나타나는 지역을 제외하고 변성암인 편마암이 주로 분포하고 있으므로 모재도 토양 속성과 토양 탄소 저장량의 이질성을 강화하는 변수로 고려하지 않았다. 따라서 이 연구에서는 지형과 식생 요인을 주로 하여 산림 토양 탄소 저장량 공간 평가를 실시하였다. 실제로 지형과 식생은 토양의 공간적 분포를 파악하기 위한 중요한 토양환경인자로 언급된다(Gerrard, 1992; Schaetzl and Thompson, 2015; Trudgill, 1988).
지형변수는 지표면의 형태적 속성을 변수화한 것이며, 물과 물질, 퇴적물의 흐름을 간결하면서 정량적으로 재현하여 토양 생성 환경을 나타낼 수 있기 때문에 토양의 공간적 분포를 파악하는데 주로 사용되어 왔다(박수진, 2004; Park et al., 2001). 고도, 일사량, 경사도, 습윤지수, 지표곡면률, 기복도 등 다양한 지형변수는 국토지리정보원에서 10m 단위의 격자로 제공하는 수치표고모형(Digital Elevation Model: DEM)을 최적 격자와 분석 효율성을 고려해 30m로 리샘플링하여 추출하였다. 지형변수는 토양의 형성 과정에 직접적인 영향을 미치는 변수이다(Brady and Weil, 2010; Jenny, 1941). 이를테면 고도가 높아질수록 낮아지는 온도는 토양 미생물 활동, 그리고 다시 유기물의 분해에 영향을 줄 수 있다. 경사는 물의 흐름과 침식을 결정할 수 있으며, 경사가 급할수록 토양 침식이 증가하므로 토양의 깊이에 영향을 줄 수 있다. 일사량은 유기물 분해 및 토양 영양분 순환에 결정적인 역할을 할 수 있으며, 곡면률은 물과 물질의 수렴과 확산을 조절하여 침식과 퇴적에 영향을 줄 수 있다. 지형변수는 분석 도구인 SAGA GIS를 활용해 구축하였다(Conrad et al., 2015).
일반적으로 토양 예측 분야에서 식생지수는 위성영상에서 추출하여 활용한다(Mulder et al., 2011). 이 연구에서도 식생지수는 30m Landsat 영상을 통해 정규 식생지수(NDVI)를 구축하여 활용하였다. 더불어 1:5,000 임상자료를 산림 토양 환경에 대한 정밀한 산림정보 구득을 위해 활용하였다(표 1).
표 1.
토양 환경변수 설명과 출처
| 환경변수 | 설명 | 참고문헌 |
| 고도(ELEV) | 국립지리정보원 수치고도모형 | - |
| 일사량(INSOL) | Potential incoming solar radiation SAGA module | Böhner and Antonić(2009) |
| 경사도(SLOPE) | Slope, aspect, curvature SAGA module | Zevenbergen and Thorne(1987) |
| 습윤지수(SWI) | Topographic wetness index SAGA module | Böhner and Selige(2006) |
| 곡면률(TPI05) | ‘spatialEco’ R package | Weiss(2001) |
| 기복도(TRI) | Terrain ruggedness index SAGA module | Riley et al.(1999) |
| 정규식생지수(NDVI) | (NIR*< - Red) / (NIR + Red) | Tucker and Sellers(1986) |
| 임상(FTYPE) | 1:5,000 임상도 | - |
(3) 산림 토양 탄소 저장량의 환경상관성 분석
산림 토양 탄소 저장량과 환경변수의 관계를 조사하기 위해 피어슨 상관분석을 실시하였으며, 이러한 환경 상관성을 설명하기 위한 통계모형을 구축하기 위해 다중 선형 회귀분석을 수행하였다. 회귀모형의 변수 선택 방법으로 단계선택법인 stepAIC를 사용하였다. 이 방법은 모형의 적합성과 복잡성(변수의 수)을 고려하여 AIC(Akeike Information Criterion: AIC)를 기준으로 적절한 변수를 선택하는 방법이다. 다중 선형 회귀 모형에서 독립 변수간 상관관계 여부를 측정하기 위해 분산팽창지수(Variance Inflation Factor: VIF) 분석을 실시하였다. 모든 통계 분석은 R 프로그램을 이용하였고, 변수 선택을 위해 R 패키지 ‘MASS’를 사용하였고, VIF 분석은 ‘CAR’패키지에서 실시하였다.
3. 연구결과
1) 조건부 라틴 하이퍼큐브 샘플링과 버퍼 넓이에 따른 차이
조건부 라틴 하이퍼큐브 샘플링에서 버퍼는 접근성을 높여주어 토양 조사에 효율성을 가져올 수 있지만, 버퍼 넓이에 따라 표본을 추출하는 변수공간이 달라질 수 있고 이는 표본의 대표성에 영향을 줄 수 있다. 이를 살펴보기 위해 임도와 도로망을 기준으로 100m, 50m, 30m의 버퍼 범위에서 데이터를 추출했을 때와 버퍼 범위를 설정하지 않고 전체 범위에서 추출했을 때 환경변수의 통계적 차이를 살펴보았다. 버퍼의 넓이에 따른 각 환경변수의 분포도를 살펴보면 고도를 제외하고 크게 차이가 없음을 알 수 있다(그림 4). 고도의 경우 전체 데이터의 평균은 240.72m, 100m 버퍼일 때 평균 226.34m, 50m 버퍼는 220.23m, 그리고 30m 버퍼 데이터는 평균 218.79m로 나타나 버퍼 넓이가 좁아지면서 평균값이 감소하는 것을 확인했다. 큰 변화는 아니지만 전체 데이터와 버퍼 내 고도 값의 차이가 나타나는 이유는 임도가 주로 정상에 가까운 곳, 즉 고도가 높은 곳보다는 상대적으로 고도가 낮은 곳에 주로 건설되기 때문에 나타난 차이로 판단된다. 고도 외에 일사량과 경사도, 습윤지수의 통계치는 전반적으로 약간 증가하거나 감소하는 경향을 보였다. 이와 같이 고도 이외의 환경변수에서 버퍼 넓이 따른 변화의 경향성을 확인할 수 없다는 결과는 조건부 하이퍼큐브 샘플링 방식에서 접근성을 고려했을 때와 그렇지 않았을 때 추출한 표본 사이의 통계적 유의미한 차이를 보이지 않는다는 것을 의미한다. 결과적으로 이러한 접근법은 조사 지점까지의 접근성을 높이면서도 대표성 있는 표본을 추출할 수 있는 방법이므로 향후 토양 표본 조사 설계 과정에서 고려해볼 수 있을 것이다.
2) 표본 조사 방법과 깊이에 따른 산림 토양 내 탄소 저장량
연구지역의 산림 토양 내 탄소 저장량을 중심표본점과 부표본점의 시료를 섞어서 측정한 값과 중심표본점 시료만을 이용해 측정한 값으로 구분하고 이를 다시 유기층과 무기층 깊이별로 나누어 파악한 결과는 표 2이다.
표 2.
산림 토양 탄소 저장량 기술통계(단위: kg/m2)
산림 토양 유기층의 탄소 저장량은 중심표본점과 부표본점을 같이 고려한 경우, 평균 0.43kg/㎡의 단위 저장량을 보였다. 표준편차는 0.14kg/㎡이며, 최솟값은 0.24kg/㎡, 최댓값은 0.87kg/㎡로 나타났다. 변동계수(Coefficient of variation: CV)는 32.34%로 일반적인 토양특성(15%< CV<35%)에 해당하지만, 그중에서도 비교적 높은 변동성을 보였다(그림 5a). 토양 깊이 0-30cm에서는 평균 5.30kg/㎡의 단위 저장량, 표준편차는 2.28kg/㎡, 최솟값은 1.61kg/㎡, 최댓값은 10.02kg/㎡로 나타났다. 변동계수는 42.94%로 변동성이 높은 동적 토양특성(CV>35%)에 해당한다(그림 5b). 또한 토양 깊이 0-100cm의 경우 평균 6.78kg/㎡의 단위 탄소 저장량을 보이는데 이는 0-30cm 깊이에서 측정된 저장량보다 높다. 표준편차는 3.18kg/㎡이며, 최솟값은 1.64 kg/㎡, 최댓값은 12.82kg/㎡이며, 변동계수는 동적 토양 특성에 해당하는 46.86%로 가장 높은 변동 수준을 보였다(그림 5c).
한편, 중심표본점만을 이용하여 계산한 토양 유기층의 탄소 저장량은 평균 0.47kg/㎡의 단위 저장량을 보였으며, 표준편차는 0.18kg/㎡, 최솟값은 0.22kg/㎡, 최댓값은 0.96 kg/㎡로 나타냈다. 변동계수는 38.13%로 변동성이 높은 동적 토양특성에 해당한다(그림 5d). 토양 깊이 0-30cm에서는 평균 5.45kg/㎡의 단위 탄소 저장량을 보였으며, 표준편차는 2.30kg/㎡, 최솟값 1.44kg/㎡, 최댓값 9.68kg/㎡로 변동성이 높은 동적 토양특성에 해당한다(그림 5e). 토양 깊이 0-100cm에서는 평균 6.93kg/㎡의 가장 높은 단위 탄소 저장량을 보였다. 표준편차는 3.26kg/㎡이며, 최솟값은 1.44kg/㎡, 최댓값은 13.06kg/㎡로 가장 높은 변동계수 값이 나타났다(그림 5f).
정리하면 중심표본점 1개와 부표본점 2개를 평균한 토양 탄소 저장량 데이터의 통계량은 중심표본점만을 이용한 데이터의 통계량과 차이를 보였다(그림 5). 전체적으로 중심표본점만 이용했을 때 평균 단위 탄소 저장량이 모든 깊이에서 높게 나타났고, 표준편차도 모든 깊이에서 전체 데이터보다 높았으며, 유기층과 0-100cm 깊이에는 높은 변동계수도 확인할 수 있다. 따라서 중심표본점 데이터만을 이용할 경우 토양 탄소 저장량이 다소 과다 추정될 가능성이 있는 것으로 판단된다.
3) 산림 토양 탄소 저장량의 환경상관성
연구지역의 산림 토양 탄소 저장량과 환경변수와의 상관성을 표본 조사 방법과 토양 시료 채취 깊이별로 나누어 살펴본 결과는 표 3이다. 환경변수와 토양 탄소 저장량의 관계를 파악함에 있어 중심표본점과 부표본점 데이터를 함께 이용했을 때 모든 깊이에서 더 높은 상관계수를 보이는 것을 확인할 수 있다. 따라서 중심표본점+부표본점 데이터를 중심으로 환경변수와의 상관관계를 살펴보고자 한다.
표 3.
중심표본점과 부표본점 데이터 차이에 따른 환경변수와 토양 탄소 저장량(kg/m2)의 상관관계
| 구분 | 층 | 고도 | 일사량 | 경사도 | 습윤지수 | 곡면률 | 기복도 | 식생지수 |
|
중심표본점 +부표본점 | 유기층 | 0.03 | 0.21 | 0.25 | -0.14 | 0.16 | 0.05 | 0.19 |
| 0-30cm | 0.71*** | -0.56** | 0.29 | -0.26 | -0.29 | 0.39 | 0.38 | |
| 0-100cm | 0.68*** | -0.49* | 0.28 | -0.3 | -0.22 | 0.39 | 0.35 | |
| 중심표본점 | 유기층 | -0.06 | 0.06 | 0.22 | -0.04 | -0.07 | -0.05 | -0.07 |
| 0-30cm | 0.65*** | -0.43 | 0.28 | -0.26 | -0.16 | 0.35 | 0.3 | |
| 0-100cm | 0.63*** | -0.4 | 0.26 | -0.29 | -0.13 | 0.36 | 0.28 |
먼저 토양 유기층의 탄소 저장량과 환경변수의 상관성(r)은 0.14~0.26 정도로 나타났다. 그러나 20개 지점 표본 중 한 지점(12번)의 분석 데이터가 이상 범위를 보여 이를 제거하고 상관분석을 다시 수행한 결과, 전체적으로 상관계수(r) 값이 낮아진 0.03~0.25의 범위를 보였다. 또한 일사량(INSOL), 곡면률(TPI05)과 함께 이상치 제거 전 음의 상관관계를 보인 경사도(SLOPE), 정규식생지수(NDVI)는 재분석 결과, 양의 상관관계가 나타났으며 습윤지수(SWI)는 음의 상관관계를 보였다. 특히 이상치 제거 전 통계적으로 유의미한 상관관계를 보인 고도(ELEV)와 기복도(TRI) 변수가 유의미하게 나타나지 않았다. 산림 토양 유기층 내 탄소 저장량과 가장 높은 상관성을 보인 환경변수는 경사도(SLOPE)로 경사가 급할수록 탄소 저장량이 많아지는 것으로 나타났다. 다음으로 높은 상관성을 보인 정규식생지수(NDVI)는 높을수록 탄소 저장량이 많아지는 관계를 확인했는데, 이는 정규식생지수(NDVI)가 산림 바이오매스와 생산성이라고 봤을 때 바이오매스가 많고 생산성이 높을수록 유기층 탄소 저장량이 많아진 것으로 해석할 수 있다.
토양 깊이 0-30cm인 표토에서는 0.26~0.71 범위의 상관분석 결과가 나타났으며 전체적으로 토양 탄소 저장량과 환경변수 사이의 높은 관계를 보였다. 고도(ELEV)와 경사도(SLOPE), 기복도(TRI), 정규식생지수(NDVI)와 양의 상관관계를 보이고, 일사량(INSOL)과 습윤지수(SWI), 곡면률(TPI05)과는 음의 상관관계를 보였다(그림 6). 이 중 고도(ELEV)는 표토의 탄소 저장량과 가장 높은 상관관계를 보였으며, 고도가 높을수록 탄소 저장량이 많아지는 것으로 나타났다. 여기에 경사도(SLOPE)와의 관계까지 고려하면 경사가 급하고 기복이 심할수록 탄소 저장량이 많은 것으로 보인다. 정규식생지수(NDVI)와의 상관성도 높게 나타나 유기층과 같이 바이오매스가 많고 생산성이 높을수록 표토의 탄소 저장량이 많아졌다(Kunkel et al., 2022). 반면, 일사량(INSOL)과는 높은 음의 상관성을 보였다. 이는 예를 들면 남사면보다 일사량이 적은 북사면에 탄소 저장량이 보다 더 많았다. 또한 지형면의 곡률이 오목한 곳, 즉 계곡부에서 표토의 탄소 저장량이 많은 것으로 나타났다.
토양 깊이 0-100cm의 탄소 저장량과 환경변수의 상관계수(r)는 0.22~0.68의 범위로 표토와 마찬가지로 전체적으로 높은 상관성 결과를 보였다. 고도(ELEV)와 경사도(SLOPE), 기복도(TRI), 정규식생지수(NDVI)와 양의 상관관계를 보이고, 일사량(INSOL)과 습윤지수(SWI), 곡면률(TPI05)과 음의 상관관계를 나타냈다(그림 6). 고도(ELEV)는 심토에서도 가장 높은 양의 상관관계를 보였으며 정규식생지수(NDVI)도 유기층과 표토의 결과와 동일하게 양의 상관관계를 보였다. 따라서 모든 층에서 지상부 바이오매스가 많고 생산성이 높을수록 토양 탄소 저장량이 많은 것으로 볼 수 있다. 역시 일사량(INSOL)과 높은 음의 상관관계를 보였으며. 또한 요형(凹形) 사면에서 토양 탄소 저장량이 많은 것으로 나타났다.
임상도에서 구축된 임상 데이터를 바탕으로 임상 차이에 따른 토양 탄소 저장량을 살펴본 결과, 유기층, 토양 깊이 0-30cm, 0-100cm에서 모두 통계적으로 유의미한 결과를 얻을 수 없었다. 하지만 유기층 탄소 저장량의 경우 침엽수림(Forest type 1)에서 비교적 많고 활엽수림(Forest type 2), 혼합림(Forest type 3) 순으로 탄소 저장량이 적어지는 경향을 확인할 수 있었다.
앞서 살펴본 탄소 저장량과 환경변수 사이의 환경 상관성을 깊이별, 표본 조사 방법별로 나누어 살펴보기 위해 다중 선형 회귀 분석을 수행한 결과를 표 4에 제시하였다. 다중공선성을 평가하기 위한 분산팽창지수(VIF) 분석 결과, 회귀 모형이 불안정하다고 판단하는 값인 10이상보다 낮은 모든 모형에서 1에 가까운 값을 보여 문제가 없다고 판단하였다. 전체적으로 살펴보면 깊이와 방법에 따라 구축한 모든 선형 회귀 모형은 0~73%의 설명력을 보였고, 모든 모형에서 stepAIC 결과 고도와 일사량이 적합한 변수로 선택되었다.
표 4.
중심표본점과 부표본점 데이터 차이에 따른 선형 회귀 모형 결과
| 구분 | 층 | (상수) | 고도 | 일사량 | F | R2 | adj. R2 | AIC |
|
중심표본점 +부표본점 | 유기층 | -0.26 | 0.00 | 0.10 |
0.70 (p=0.51) | 0.08 | 0.00 | -16.86 |
| 0-30cm | 27.40*** |
0.01*** (VIF=1.01) |
-3.37*** (VIF=1.01) |
23.03 (p<0.01) | 0.73 | 0.70 | 70.43 | |
| 0-100cm | 33.28*** |
0.02*** (VIF=1.01) |
-4.10** (VIF=1.01) |
14.97 (p<0.01) | 0.64 | 0.60 | 89.68 | |
| 중심표본점 | 유기층 | 0.04 | 0.00 | 0.07 |
0.47 (p=0.63) | 0.05 | 0.00 | -6.00 |
| 0-30cm | 21.82** |
0.01*** (VIF=1.01) |
-2.57** (VIF=1.01) |
10.35 (p<0.01) | 0.55 | 0.50 | 81.15 | |
| 0-100cm | 27.70** |
0.02*** (VIF=1.01) |
-3.30* (VIF=1.01) |
8.49 (p<0.01) | 0.50 | 0.44 | 97.16 |
중심표본층과 부표본층 데이터를 함께 사용했을 때, 토양 깊이 0-30cm에서 토양 탄소 저장량에 대한 모형은 73%(adj.R2=0.70)의 설명력을 보였고, 토양 깊이 0-100cm에 대한 회귀 모형은 64%(adj.R2=0.60)의 설명력을 보였다. 반면 중심표본층 데이터만을 이용했을 때, 토양 깊이 0-30cm에 대한 회귀 모형은 55%(adj.R2=0.50)의 설명력을 나타냈고, 토양 깊이 0-100cm에 대한 회귀 모형의 경우 50%(adj.R2=0.44)의 설명력을 보였다. 따라서 중심표본층과 부표본층 데이터를 함께 사용하여 산림 토양의 탄소 저장량 분포에 대한 모형을 구축할 경우 보다 좋은 예측 결과를 얻을 수 있었다. 이와 같은 결과로 미루어보아 중심표본점으로부터 거리가 멀지 않더라도 부표본점의 시료까지 함께 조사하는 것이 해당 지점의 토양 변이성을 정확하게 파악하는 것으로 판단된다. 또한, 주변 환경과 복잡하게 상호작용하면서 공간적으로 다양하게 분포하는 산림 토양의 특성을 상기하면 그 중요성은 더욱 강조될 것이다.
두 표본 조사 방법 모두에서 유기물층의 산림 탄소 저장량은 환경변수와의 선형관계가 통계적으로 유의미하게 나타나지 않았다. 이는 지표면에서 바로 노출되어 있어 보다 다양한 환경변수들과의 상호작용이 강하고 교란도 더욱 심한 유기층의 탄소 저장량과 환경변수와의 선형관계가 파악되지 않음은 당연한 결과일 수 있다. 따라서 유기층의 탄소 저장량을 파악하는 데 랜덤 포레스트와 같은 비선형의 예측모형이 보다 적합할 것이다.
4. 토의
1) 중심표본점과 부표본점 데이터 비교
중심표본점 1개와 부표본점 2개를 평균한 전체 데이터의 통계량은 중심표본점 데이터의 통계량과 차이를 보였다. 중심표본점 데이터의 평균 단위 탄소 저장량은 모든 깊이에서 높게 나타났으며, 중심표본점 데이터의 경우 표준편차 값이 모든 깊이에서 전체 데이터(중심표본점+부표본점)보다 높고, 유기층과 0-100cm 깊이에서 변동계수가 보다 높은 것으로 나타났다. 산림 토양 유기층에 대한 단위 저장량은 0.43kg/㎡(중심표본점+부표본점), 0.47kg/㎡(중심표본점)로 나타났고, 토양 깊이 0-30cm에서 5.30kg/㎡(중심표본점+부표본점), 5.45kg/㎡(중심표본점), 토양 깊이 0-100cm에서는 6.78kg/㎡(중심표본점+부표본점), 6.93 kg/㎡(중심표본점)로 나타났다(표 2).
이러한 연구 결과를 바탕으로 남양주 산림 면적(275.9㎢)을 고려한 총 탄소 저장량의 차이를 살펴보면 토양 유기층에 대한 총 탄소 저장량은 약 11.9만 톤(중심표본점+부표본점)과 약 13만 톤(중심표본점)으로 평가되었고, 토양 깊이 0-30cm에서 총 탄소 저장량은 약 146.2만 톤(중심표본점+부표본점), 약 150.4만 톤(중심표본점+부표본점), 토양 깊이 0-100cm 총 탄소 저장량은 약 187.1만 톤(중심표본점+부표본점), 약 191.2만 톤(중심표본점)으로 평가되었다. 두 토양 데이터를 비교했을 때 토양 깊이 0-100cm에서 총 탄소 저장량의 차이가 약 41,000톤으로 나타났다. 따라서 조사구역에서 반복 없이 단 1회 채취한 토양 데이터만을 이용할 경우 불확실성이 높이지고 토양 탄소 저장량이 다소 과다 혹은 과소 추정될 수 있을 것으로 판단된다. 물론 이는 단순히 면적만을 고려한 결과로 토양 탄소 저장량의 공간적 이질성을 고려한 디지털 토양도 작성(digital soil mapping) 기반 예측 결과는 아니기 때문에 추후 이에 대한 연구가 필요할 것으로 보인다.
또한 선형 회귀 모형의 결과를 통해 중심표본층 데이터만을 이용할 경우 산림 토양 탄소 저장량 분포에 대한 모형의 설명력이 낮아지는 것을 확인할 수 있었다(표 4). 이는 토양 탄소 저장량 평가뿐만 아니라 저장량이 높고 낮은 지점을 파악할 수 있는 토양 탄소 저장량의 디지털 지도의 정확도와 연결되며, 결국 산림 생태계의 탄소 관리에 대한 의사결정에 영향을 줄 수 있다. 그러므로 IPCC 우수실행지침(GPG-LULUCF)의 권고에 따라 반드시 한 조사구역에서 2∼4회 반복된 조사를 통해 산림 토양 내 탄소 저장량을 측정해야 할 것으로 보인다.
2) 토양 깊이 0-30cm와 0-100cm의 탄소 저장량 비교
남양주 일대 산림 토양 유기층에 대한 토양 깊이 0-30cm에서 평균 단위 탄소 저장량은 5.30(kg/㎡)으로 이를 산림 면적을 고려해 산정해보면 총 탄소 저장량은 약 146만 톤으로 추정된다. 또한 토양 깊이 0-100cm에서 산림 토양 탄소의 평균 단위 저장량은 6.78(kg/㎡)이며, 총 탄소 저장량은 약 187만 톤으로 예측되었다. 토양 깊이 0-30cm와 0-100cm의 토양 탄소 단위 저장량 차이는 1.48(kg/㎡), 총 탄소 저장량의 차이는 약 41만 톤으로 조사하는 토양 깊이가 깊어지면서 더 많은 누적 산림 토양 탄소 저장량을 파악할 수 있는 것을 확인하였다.
일반적으로 토양 깊이가 깊어질수록 유기물의 유입량이 감소하므로 유기탄소 함량(kg/kg)은 낮아진다(Balesdent et al., 2018). 그럼에도 불구하고 0-30cm보다 0-100cm 깊이의 토양에서 단위 저장량(kg/㎡)이 높게 나타나는 이유는 우선 깊어질수록 공극이 감소하면서 증가하는 토양 용적밀도(kg/cm3), 즉 일정한 부피 대비 토양의 양이 많아지기 때문이다. 식(1)에서 확인할 수 있듯이 토양 탄소 단위 저장량은 해당 깊이의 용적밀도와 비례하는데, 깊어질수록 증가하는 용적밀도로 인해 표토보다 심토의 평균 용적밀도가 높아지며, 따라서 0-100cm 깊이에서 토양 유기탄소의 단위 저장량이 많은 것으로 나타날 수 있다.
심토는 종종 생물학적으로 정지된 것처럼 간주되는 경우도 있지만, 심토 내 탄소 거동과 저장량은 주변의 환경 변화에 반응하며(Hobley et al., 2017; Slessarev et al., 2020), 전 세계 토양 탄소의 약 절반을 차지한다(Balesdent et al., 2018; Jobbágy and Jackson, 2000). 그러므로 교란이 상대적으로 적은 심토에 대한 탄소 저장량을 파악하고 증대시켜가는 관리 방향이 더 성공적일 수 있다. 이 연구에서 확인한 결정계수 0.5 이상의 설명력을 가진 선형관계로 미루어보아 IPCC에서 권장하는 토양 조사 시 최소 깊이인 30cm 이상을 넘어 심토까지 깊이별로 채취하는 표본 조사 계획을 동반한다면 장기적으로 잘 변하지 않는 심토의 탄소 저장량까지도 통계적으로 유의미하게 추론함으로써 관련한 산림 기초 데이터를 구축할 수 있을 것으로 보인다.
3) 조건부 라틴 하이퍼큐브 샘플링(cLHS) 방식의 적용가능성 검토
공간 표본 추출 기법 중 하나인 cLHS는 토양 데이터와 환경 데이터의 공간적 상관관계를 고려할 수 있으며, 더불어 효율적인 표본 추출이 가능하기 때문에 산림 토양 조사에 효과적이라고 볼 수 있다. 본 연구에서는 공간 분석 측면에서 다소 적어 보이는 20개 지점의 토양 데이터를 활용했음에도 불구하고 환경변수와의 높은 상관성을 확인했으며, 깊이에 따른 선형 회귀 모형의 설명력이 각각 73%(0-30cm)과 64%(0-100cm)로 나타나 높은 예측가능성을 보여주었다(표 3과 4). 이 뿐만 아니라 cLHS에서 접근성을 고려한 경우와 그렇지 않은 경우 추출한 표본 사이에 유의미한 차이가 없다는 결과는 해당 방법이 조사 지점까지의 접근성을 높이면서도 대표성 있는 표본을 추출할 수 있는 방법임을 시사한다(그림 4).
정리하면 조사지역에 대해 중심표본점과 부표본점을 조사하는 반복 조사는 불확실성을 낮춰 비교적 정확한 관측과 예측 결과를 기대할 수 있다. 그러나 이러한 반복 조사 방법은 현실적으로 많은 비용과 시간, 인력이 요구되는 것도 사실이다. 따라서 표본 조사 설계 과정에서부터 cLHS를 적용하여 토양 조사 표본 개수를 최소화하고 접근성을 고려해 효율성을 높일 수 있다면 반복 조사 및 분석에 따른 증가하는 비용을 일부 상쇄할 수 있을 것으로 기대할 수 있다.
4) 산림 토양 탄소 저장량 평가를 위한 적절한 표본 개수 산정
향후 산림 토양 탄소 저장량 조사를 위한 적절한 조사 지점 개수(표본 크기)는 본 연구의 토양 탄소 저장량의 통계치를 사용하여 통계적으로 도출이 가능하다. 이를 표본 크기 설계라고 하며 해당 조건에서 신뢰성 있는 결과를 얻기 위해 필요한 최소한의 표본 개수를 의미한다. 아래와 같은 식으로 계산한다.
: 원하는 신뢰 수준에 해당하는 Z-값, 95% 신뢰 수준의 경우 약 1.96, σ: 표준편차, E: 허용 오차(오차 한계)
본 연구에서 도출된 산림의 평균 토양 탄소 단위 저장량은 1ha당 67.8톤이며, 표준편차는 31.8(톤/ha)이다. 허용 오차의 경우 2019 IPCC 가이드라인에서 제시하고 있는 HAC(고활성점토) 토양, LAC(저활성점토) 토양, 사질토양, 화산회토, 습지토양 등 5가지 토양형의 평균값인 ±14.05(톤/ha)를 적용할 수 있다(IPCC, 2019). 이와 같은 표준편차와 허용오차 그리고 95% 신뢰 수준을 가정할 때, 지방자치단체 단위 조사를 위한 최소 표본 크기는 19.69개(약 20개)로 도출되었다. 우리나라 지자체가 약 220곳(226곳)이라고 했을 때, 최종적으로 전국 단위의 산림 토양 탄소 저장량 조사를 위해 필요한 지점 개수는 약 4,400개라 할 수 있다.
상기했듯이 현재 산림분야 토양 탄소에 대한 데이터는 ｢국가산림자원조사 및 산림의 건강 활력도 조사｣에서 구축하고 있으며, 약 1,000개 지점에서 조사되고 있다. 이는 도출한 적정 표본 크기인 약 4,400개와 비교했을 때 국가산림자원조사 데이터만으로는 지자체 단위의 산림 토양 탄소 저장량 및 흡수량을 파악하기에는 충분하지 않다고 판단할 수 있다. 따라서 향후 추가적인 토양 탄소 저장량 조사로 보완하거나 국가산림자원조사 지점 개수를 늘리는 방안을 적극 검토할 필요가 있다. 현재 기준으로 최소 3,400개 이상의 추가 산림 토양 조사 지점이 필요할 것이며, 공간 통계 분석이나 인공지능 머신러닝 기법을 적용한다고 가정했을 때는 이 보다 많은 조사 지점을 확보할 필요가 있다.
5. 결론
이 연구는 남양주 산림 지역을 대상으로 표본 조사 방법에 따른 토양 탄소 저장량의 차이와 환경 변수와의 상관관계를 분석하고, 이를 통해 탄소 저장량 파악의 불확실성을 줄이기 위한 효과적인 표본 조사 방법을 제안하고자 했다. 이를 위해 중심표본점과 부표본점 데이터를 이용하여 산림 토양 탄소 저장량을 평가하고, 조사 방법별 탄소 저장량과 환경 변수의 상관성 및 선형 회귀 모형을 통해 불확실성과 예측 가능성을 검토했다. 또한, 조건부 라틴 하이퍼큐브 샘플링을 적용하여 조사 시 접근성에 따른 효율성과 가능성을 파악했고, 최소 표본 개수를 산정하여 전국 단위 조사를 위한 적절한 표본 개수를 제시하였다.
주요 결과는 다음과 같다. 중심표본점과 부표본점 데이터를 비교한 결과, 중심표본점 데이터의 평균 단위 탄소 저장량이 모든 깊이에서 높게 나타났으며, 표준편차와 변동계수도 더 높은 것으로 나타났다. 이를 바탕으로 총 탄소 저장량을 추정한 결과, 중심표본점 데이터만을 이용할 경우 불확실성이 높아지고 탄소 저장량이 다소 과다 혹은 과소 추정될 수 있음을 확인했다. 또한, 토양 깊이에 따른 탄소 저장량을 비교한 결과, 토양 깊이 0-30cm와 0-100cm의 탄소 단위 저장량 차이는 약 1.48kg/m2이며, 총 탄소 저장량의 차이는 약 41만 톤으로 나타났다. 이는 조사하는 토양 깊이가 깊어질수록 더 많은 산림 토양 탄소 저장량을 파악할 수 있음을 보여준다. 탄소 저장량과 환경변수 사이의 환경 상관성을 살펴본 결과, 깊이와 방법에 따라 구축한 모든 선형 회귀 모형은 0~73%의 설명력을 보였는데 그 중 중심표본층과 부표본층 데이터를 함께 사용했을 때, 모든 토양 깊이에 대해 더 높은 설명력을 보이는 모형이 구축되었다. 두 표본 조사 방법 모두에서 유기물층의 산림 탄소 저장량은 환경변수와의 선형관계가 통계적으로 유의미하게 나타나지 않았다. 마지막으로 앞선 연구 결과를 통해 산림 토양 탄소 저장량 평가를 위한 적절한 표본 개수를 산정해본 결과, 지방자치단체 단위 조사를 위한 최소 표본 크기는 약 20개로 도출되었으며, 이를 바탕으로 전국 단위의 산림 토양 탄소 저장량 조사를 위해 필요한 지점 개수는 약 4,400개로 나타났다.
이러한 결과를 바탕으로 보다 정확한 토양 탄소 저장량 평가와 예측을 위해서는 중심표본점과 부표본점을 모두 조사하는 반복 조사가 필요하며, 이 과정에서 cLHS 방식을 적용하여 보다 효율적인 표본 조사를 설계하고 수행할 수 있을 것이다. 또한, 현재 국가산림자원조사에서 구축하고 있는 데이터는 부족하므로 최소 3,400개 이상의 산림 토양 조사 지점이 필요하며, 공간 통계 분석이나 인공지능 머신러닝 기법을 적용할 경우에는 더 많은 조사 지점을 확보해야 할 것이다.
이 연구에서 밝힌 4,400개라는 표본 개수는 남양주 산림 토양의 표준편차를 활용해 얻은 최소 표본 개수를 전국 지자체 수에 단순 적용해 계산한 값으로 다소 부정확할 수 있다. 지자체별로 산림 면적과 토양형 그리고 각종 환경변수가 다르기 때문이다. 그러므로 보다 정확한 적정 표본 수의 계산을 위해서는 각 지자체별 산림 토양 탄소 저장량의 고유 표준편차 값이 필요할 것이다.
