J. Korean Soc. Hazard Mitig Search

CLOSE


J. Korean Soc. Hazard Mitig. > Volume 22(2); 2022 > Article
가로수의 생태학적 평가를 위한 i-Tree Eco 적용

Abstract

Environmental problems such as air pollution are worsening due to urbanization. Urban street trees have the advantage of alleviating environmental problems by carrying out air purification. Thus, it is necessary to obtain street tree information for efficient planting and management of trees. In the present study, the i-Tree Eco model was applied to classify street trees according to species and diameter at breast height. The amount of air pollutant removal, carbon storage, carbon sequestration, and oxygen generation by street trees was calculated. The field data of 43,124 street trees in Suwon, Korea, accounting for a total leaf area of 4,422,190 m2, including ginkgo, zelkova, and Japanese flowering cherry, were used. The total air pollutants (CO, NO2, O3, and SO2) removed by street trees in Suwon were calculated as 7.93 ton/yr. The carbon storage, sequestration, and oxygen production accompanying plant growth were 4,077, 299, and 797 ton/yr, respectively. Ginkgo was found to have the best efficiency in terms of carbon storage and sequestration, accounting for 30.3% and 31.5% of the total carbon storage and sequestration, respectively.

요지

도시화에 따라 대기 오염 등 환경 문제가 심각해지고 있다. 도시의 가로수는 정화 및 장벽 역할을 하는 등 환경 문제를 완화한다는 이점이 있다. 이에 가로수의 효율적인 식재 및 관리를 위한 가로수 정보 정량화가 필요한 상황이다. 본 연구에서는 i-Tree Eco 모델을 이용하여 수종 및 흉고직경에 따라 분류하고 가로수에 의한 대기오염물질 제거량, 탄소 저장량, 탄소 격리량, 산소 발생량 등을 산정하였다. 수원시의 은행나무, 느티나무, 벚나무 등 총 43,124그루의 가로수 자료를 활용하였으며, 이는 총 4,422,190 m2의 잎 면적을 차지하는 것으로 조사되었다. 수원시 가로수에 의한 대기오염물질(CO, NO2, O3, SO2) 제거량은 연간 7.93 ton으로 산정되었다. 탄소 저장량은 연간 4,077 ton이며, 격리량은 연간 299 ton, 식물성장에 동반되는 산소 생산량은 연간 797 ton으로 산정되었다. 탄소 저장량과 격리량은 은행나무의 효율이 가장 좋은 것으로 나타났으며, 전체 탄소 저장량과 격리량의 30.3%와 31.5%를 담당하고 있는 것으로 나타났다.

1. 서 론

도시화로 인해 이전에는 발생하지 않은 도시 환경 문제가 발생하고 있다. 특히, 많은 지역에서 대기 오염은 급속한 산업화와 도시화 때문에 심각한 문제가 되고 있다. 에너지의 사용과 공장, 자동차의 밀집 및 증가로 도시 공기는 다양한 종류의 유독 가스 및 매연으로 오염되며, 도시화가 진행될수록 그 오염 정도가 심해진다(Barbera et al., 2010; Baklanov et al., 2016; Larkin et al., 2016; Wang et al., 2020).
이러한 인위적인 활동에 의해 발생한 일산화탄소(CO), 이산화황(SO2), 질소산화물(NOx), 휘발성 유기화합물(VOCs), 오존(O3), 중금속 및 미세먼지(PM2.5 및 PM10) 등의 대기오염물질은 인체 건강과 환경에 악영향을 미칠 수 있다. 경미한 기도염에서부터 만성 호흡기 질환, 심장병, 폐암에 이르기까지 다양하다. 또한, 단기 및 장기 노출은 조기 사망률 및 기대 수명 감소와도 관련이 있다(Seaton et al., 1995; Brunekreef and Holgate, 2002; Bernstein et al., 2004; Kampa and Castanas, 2008). 더불어 대기오염물질 중 CO2, N2O 등은 온실가스로서 기후변화에 기여하고 있다(Dessler and Theater, 2002; Eggleston et al., 2006; Dodman, 2009; Manabe, 2019; Mikhaylov et al., 2020).
이와 같은 상황에서 도시 내 녹지 조성은 대기 오염을 완화하는 데 중요한 역할을 한다(Nowak, 2002; Bottalico et al., 2016; Russo et al., 2016; Endreny et al., 2017; Fusaro et al., 2017). 나무는 식물 표면으로 입자 물질을 차단하고, 잎 기공을 통해 기체 오염물질을 흡수하여 제거한다(Nowak et al., 2014). 또한, 도시 내 나무는 조직의 이산화탄소로부터 대기 탄소를 격리시키고 건물의 에너지 사용을 변화시켜 대기 오염을 완화할 수 있으며, 결과적으로 화석 연료 기반 전원으로 인한 이산화탄소 배출량을 변화시킬 수 있다(Abdollahi and Ning, 2000; Davidson et al., 2007; Nowak, 2010; Nowak et al., 2013; Alonzo et al., 2014). 나아가 가로수는 오염원과 수용체 사이에서 장벽 역할을 하기도 한다. 오염원 가까이에 수목이 있을 때 그 오염농도는 최대 85%까지 낮아지는 것으로 조사되었다(Hong et al., 2017).
이처럼 도시 내 녹지는 대기 질의 향상 측면에서 이익을 가져다주는데, 이 중 가로수는 협소한 도시 공간에 효과적으로 녹지를 확보하는 수단이다(Sung and Min, 2003). 하지만 효율적으로 가로수를 식재하기 위해서는 도시 밀집 지역에서의 토지 이용 등 비용을 고려해야 한다. 그린인프라의 이익과 경제성을 현실적으로 평가하기 위해서는 도시 내에 있는 가로수와 같은 다양한 수목 구성요소에 대해 연구하는 것이 필요하다(Bottalico et al., 2016). 따라서, 그린인프라를 형성하기 위한 비용을 최소화하고 창출되는 이익을 극대화하기 위해서는 생태 환경 및 특성을 분석하여 효율적으로 관리하고 식재하여야 하며(Vieira et al., 2018), 배식 종, 배식 수, 배치 위치 등에 대한 정량적 평가 자료를 활용한 가로수의 합리적인 배치가 중요하다(Kwon et al., 2019).
이에 가로수를 정량적으로 평가하기 위한 다양한 연구가 실행되어왔다. 도시 산림구조, 대기 오염 및 기상 자료를 i-Tree Eco 소프트웨어에 대입하여 공기 정화, 기후규제의 생태계 서비스와 생물학적, 물리학적, 경제적 측면의 자연적 휘발성유기화합물(Biogenic Volatile Organic Compound, BVOC) 배출에서 비롯된 유해 대기 오염을 정량화한 연구(Baró et al., 2014)에서는 2008년 바르셀로나 수목에 의한 월별, 오염물질별 대기 오염 감축률, 탄소 저장 및 탄소 배출량(기후 변화 관련), BVOC 배출량, 대기질 및 기후변화 완화에 대한 도시 숲의 기여도에 대한 데이터를 창출하였다. i-tree tool을 이용하여 런던 시내의 나무로 인한 환경적 가치를 평가한 연구(Farrell, 2015)에서는 런던 도시의 숲 구조와 구성, 생태계 서비스, 구조적 가치 등의 데이터를 얻었다. 이 외에도 여러 선행 연구에서 i-Tree 모델을 통해 가로수에 의한 편익을 평가하는 연구를 수행하여 지역 가로수 자료 구축 및 대기질 예측에 기여하였다.
본 연구에서는 수원시를 대상으로 하였으며, i-Tree Eco Model을 활용하여 가로수 특성 및 대기오염물질 제거량, 탄소 저장량, 탄소 격리량, 산소 발생량을 추정하여 가로수의 도시 환경개선 효과를 평가하였다. 현장 자료(field data)를 활용하여 이론과 실제의 오차를 비교 검토하였다. 본 연구에서 조사 및 정리된 자료는 향후 도시 가로수의 식재 및 관리 매뉴얼과 가로수 데이터의 누적 및 관리를 효과적으로 하는 데 기여할 수 있을 것이다. 또한, 가로수 식재 후 도심 대기질과 기존의 대기질과의 비교 및 분석에 필요한 기초 자료를 제공할 수 있으며, 궁극적으로 도시 대기질 관리에 대해 긍정적인 영향을 끼칠 수 있을 것으로 판단된다.

2. 연구 방법

2.1 대상 지역

본 연구의 대상 지역은 대한민국 경기도 수원시 내의 가로수이다. 수원시의 가로수 자료는 인벤토리가 잘 형성되어 있어 데이터 활용의 편의성이 높다. 수원시에는 느티나무, 은행나무, 왕벚나무, 메타세콰이어 등 69종 70,562주의 가로수가 식재되어 있다. 수원시는 녹화의 유형(가로수, 가로화단), 종류(수종), 노선별 현황, 수량 등의 항목에 대해 연 1회마다 주기적으로 현황 조사를 실시하기 때문에 입력값으로 활용할 수 있는 자료가 누적되어 있다.
또한, 수원시는 가로수 관리에 적극적으로 임하고 있어 가로수 관련 자료를 효율적으로 활용 가능하다. 수원시는 2016년 12월 ‘수원시 가로수 조성⋅관리 매뉴얼’을 발간하여 4개 구청과 전국 광역자치단체에 배포하여 도시 가로수의 연구 및 관리를 수행하고 있으며, 수원시의 도시녹화를 위하여 가로수를 조성하고 유지⋅관리하는 데 필요한 사항을 규정함으로써 가로수의 공익적 기능을 향상시키기 위해 ‘수원시 가로수 조성 및 관리 조례’를 2020년 7월부터 시행하였다.

2.2 적용 모델

미국 농림부(United States Department of Agriculture, USDA)에서 개발되어 도심 숲 관리에 활용되고 있는 i-Tree 프로그램은 가로수 관리/유지 및 관련 정책 결정을 위한 도심 물 순환 관련 모델로, 국외에는 적용된 사례가 많으나 국내에는 아직까지 적용된 사례가 미비하다. i-Tree는 도심 및 도심 외 지역에서 숲/나무 및 그와 관련된 비용에 관한 분석 툴(tool)을 제공하는 무료 소프트웨어 프로그램이며, 나무가 제공하는 환경적인 영향과 나무 및 도시 숲 관계를 정량화하여 다양한 지역사회에서 나무 및 삼림 관리 및 정책 결정에 활용되고 있다. Fig. 1에서 볼 수 있듯이 i-Tree 프로그램은 데스크탑(Desktop)에서 사용 가능한 5개 모델과 웹(Web)에서 사용 가능한 6개 모델로 구성되어 있다. 본 연구에서 활용되는 i-Tree Eco 모델은 현장 데이터에 기반한 인벤토리(inventory)를 사용하여 모든 나무 분포의 산림구조, 생태계 서비스의 가치를 평가하는 프로그램이다. 즉, i-Tree Eco의 데이터를 이용하여 나무의 종 구성, 크기 분포 및 다양성을 결정할 수 있으며, 상대적인 가치와 조건을 결정할 수 있으므로 건강한 숲을 계획하고 유지하는 데 활용될 수 있는 프로그램이다.
Fig. 1
i-Tree Software Suite
kosham-2022-22-2-15gf1.jpg
i-Tree Eco는 표준화된 현장 자료와 지역 및 시간당 대기 오염 및 기상 데이터를 사용하여 도시 숲 구조와 그에 따른 수많은 영향을 수치화하도록 설계되었다(Nowak and Crane, 2000). 또한, 나무 잎 면적, 수종, 흉고직경, 높이 등의 현장 자료가 대입되면, 수종 등 구체적인 분류학적 항목으로 분류된다.
가로수 특성 중 나무의 잎 면적은 크라운 치수와 누락된 크라운 캐노피 비율을 사용하여 평가된다. 이러한 데이터 변수가 수집되지 않은 경우, 모델 default 값에 의해 추정된다.
대기오염물질 제거량은 오존(O3), 이산화황(SO2), 이산화질소(NO2), 일산화탄소(CO) 및 초미세먼지(PM2.5)에 대해 계산된다. 대기 오염 제거 추정치는 ‘Hybrid of Big-leaf and Multi-layer Canopy Deposition Models’의 혼합물을 기반으로 계산된 오존, 황 및 질소 산화물의 시간당 나무 캐노피 저항값과 잎 면적에서 도출되었다(Baldocchi et al., 1987; Baldocchi, 1988). 반면, 식물에 의한 일산화탄소 및 미립자 제거는 증산과 직접 관련이 없으므로, 이에 대한 제거율(체류 속도)은 잎 표현학 및 잎 면적에 따라 조절된 문헌(Bidwell and Fraser, 1972; Lovett, 1994)의 평균 측정값에 기초하였다. 또한, 잎 면적 지수, 날씨 및 오염 처리 및 보간은 2011년에 업데이트된 자료를 기반으로 하였다(Hirabayashi et al., 2011; Hirabayashi et al., 2012).
나무의 탄소 저장 능력은 기후변화에 큰 영향을 미치며, 일반적으로 나무가 자랄수록 축적된 조직에 탄소를 더 많이 저장하게 된다. 나무가 죽고 쇠퇴하면서, 저장된 탄소의 많은 부분을 대기 중으로 배출한다. 따라서, 탄소 저장량(Carbon Storage)은 나무가 죽고 분해될 경우 방출될 수 있는 탄소의 양을 나타내며, 숲이 우거진 식물의 지상과 지하에 결합된 탄소의 양이다. 건강한 나무를 유지하면 나무에 저장된 탄소를 유지할 수 있지만, 나무 관리에 실패할 시에는 탄소 배출에 기여할 수 있다(Nowak, 2002). 탄소 저장량을 계산하기 위해 수목 자료를 사용하여 각 트리의 바이오매스를 계산하였다. 개방 재배 및 유지된 나무는 숲에서 유래한 생물총량 방정식이 예측한 것보다 적은 생물 총량을 갖는 경향이 있다(McPherson, 1994). 이를 보정하기 위해, 개방된 도시 나무의 바이오매스 결과에는 0.8을 곱하여 결과로 나타냈다. 나무 건조 중량 바이오매스는 0.5배 증분하여 저장된 탄소로 변환하였다. 또한, 탄소 격리량(Carbon Sequestration, CS)이란 식물에 의해 제거되는 공기 중의 이산화탄소를 의미한다. 연간 총계 탄소량을 추정하기 위해, x년에 대한 기존 수목 직경에 적절한 수종, 직경 등급과 수목 상태에 따른 평균 직경 성장을 고려하여 나무 직경과 탄소 저장량을 x+1년 단위로 추정하였다.
나무의 연간 산소 생산량은 나무에 의해 격리된 탄소의 양과 직접적인 관련이 있다. 생성되는 산소의 양은 원자량에 기초한 탄소 격리로부터 추정되었다(Eq. (1)).
(1)
PureO2Evoluation(kg/yr)=PureCS(kg/yr)×3212
나무 성장으로 인해 격리된 탄소량은 나무 사망률에 따른 손실량만큼 감소한다. 따라서, 도시 숲의 순 탄소 격리 및 연간 순 산소 생산량은 분해를 의미한다(Nowak and Greenfield, 2007).

2.3 활용 자료

수종, 평균수고 및 평균흉고직경 자료가 구체적으로 존재하는 수원 내 43,124그루의 가로수에 대한 현장자료를 중심으로 수원시의 환경 특성 자료를 모델에 대입하여 활용하였다.
i-Tree Eco 모델에 입력한 Input 값은 Table 1과 같이 ‘Location’과 ‘Tree Information’이 있다. 인구 통계에 의하면(Suwon City, 2021) 2017년 수원시 인구인 119만 5,204명이며 날씨와 오염도는 한국의 경우 모델 내에서 활용할 수 있는 연도가 2014년만 존재하기 때문에 2014년의 모델 제공 값을 활용하였다.
Table 1
Entries and Inputs Entered in the i-Tree Eco Model
Category 1 Category 2 Inputs
Location Nation Republic of Korea
Population 1,195,204
Weather and Pollution 2014 (Default)
Tree Information Species Suwon city street trees data
DBH Suwon city street trees data
Total Height Suwon city street trees data
Crown Health Default or Specified
Crown Health는 실측값의 부재로 default 값인 10~15% dieback (약 87% condition)을 입력값으로 하였다. Crown Health의 값이 Default 값을 사용하기 때문에 모의결과에 대한 영향성 분석을 위해 민감도 분석을 함께 수행하였다. 민감도 분석은 0%, 10~15%, 30~35%, 45~50% dieback 시나리오값을 활용하였다.
Tree information에 사용한 수종(Species)과 Diameter at Breast Height (DBH), 총 나무 높이 등의 정보는 수원 전체 지역 내 43,124그루의 나무를 대상으로 실제 측정 및 분류한 현장자료이다. 나무 커버 면적(Tree Cover) 등 실측 자료가 없는 경우에는 Fig. 2와 같이 1,919,500 m2 면적의 경기 수원시 팔달구 화서동 일부 지역의 자료를 모집단으로 하여 추정하였다. 이 지역 내에 300개의 지점을 랜덤으로 생성하여 수목의 유무 등의 데이터를 입력하였다.
Fig. 2
Satellite Image of Suwon Area to be Studied, Expressed Via i-Tree Eco and Google Map
kosham-2022-22-2-15gf2.jpg
엽면적지수(Leaf Area Index, LAI)는 지면 단위 면적당 식물 잎 면적의 비를 나타내는 무차원수로, 광합성량, 수분소모량 등의 추정에 활용되는 생태계의 생물지질화학 주기의 핵심 요소이다(Watson, 1947; Breda, 2003). 이를 계산하기 위해서 사용한 수원시 면적은 121,091,682 m2이다(Suwon City, 2021).

3. 연구 결과

3.1 결과 요약

수원 내 43,124 그루의 가로수의 나무 커버 면적(tree cover)은 1,016,166 m2로, 수원 전체 면적의 0.84%이다.
수원 가로수 중 개체수가 가장 많은 수종은 많은 순서대로 은행나무(Ginkgo), 느티나무(zelkova spp), 벚나무(Japanese flowering cherry)이다. 수원 가로수에 의한 대기오염물질 제거량은 연간 7.93 ton이고, 총 탄소 저장량은 4,077.90 ton, 탄소 격리량은 연간 298.82 ton, 산소 생산량은 연간 796.9 ton이다(Table 2).
Table 2
Result of i-Tree Eco Model for Street Trees in Study Area
Output Result Value
Tree Cover 1,016,166 m2
Most Common Species Ginkgo, zelkova spp, Japanese flowering cherry
Pollution Removal 7.93 ton/year
Carbon Storage 4,077.90 ton
Carbon Sequestration 298.82 ton/year
Oxygen Production 796.9 ton/year

3.2 가로수 특성

수원 내 가로수 수종별 개체수(trees number), 개체 백분율(percent population), 잎 면적(leaf area), 잎 면적 백분율(percent leaf area), 중요도(importance value)는 Table 3과 같다.
Table 3
Trees Number, Percent Population, Leaf Area, Percent Leaf Area and Importance Value by Species for Street Trees
Species Trees Number Percent Population (%) Leaf Area (m2) Percent Leaf Area (%) Importance Value (IV)
Ginkgo 12,877 29.9 1,172,791 26.5 56.4
zelkova spp 10,774 25.0 978,335.6 22.1 47.1
Japanese flowering cherry 5,173 12.0 435,405.3 9.8 21.8
Dawn redwood 2,439 5.7 399,161.7 9.0 14.7
American sycamore 2,208 5.1 720,611.6 16.3 21.4
Japanese pagoda tree 1,856 4.3 153,719.8 3.5 7.8
Japanese red pine 1,789 4.1 69,533.09 1.6 5.7
Northern red oak 1,309 3.0 88,132.44 2.0 5.0
Japanese Horse Chestnut 1,045 2.4 73,203.59 1.7 4.1
Trident maple 1,000 2.3 127,176.5 2.9 5.2
Chinese fringe tree 934 2.2 37,498.17 0.8 3.0
Japanese maple 742 1.7 26,583.8 0.6 2.3
Tulip tree 555 1.3 102,073.9 2.3 3.6
Three-flower maple 215 <0.1 22,767.61 0.5 1.0
Kousa dogwood 98 <0.1 8,984.021 0.2 0.4
Eastern white pine 53 <0.1 2,011.288 0.0 0.2
Sawtooth oak 32 <0.1 1,869.648 0.0 0.1
Chinese magnolia 20 <0.1 2,023.428 0.0 0.1
Common crapemyrtle 2 <0.1 36.421 0.0 0.0
Yoshino flowering cherry 2 <0.1 133.546 0.0 0.0
Chinese juniper 1 <0.1 93.077 0.0 0.0
Total 43,124 100 4,422,190 100
수원의 43,124 그루의 가로수 중 가장 개체수가 많은 3종은 은행나무(29.9%), 느티나무(25.0%), 벚나무(12.0%)이다(Fig. 3). 이 3종이 전체의 66.9%를 차지하고 있어 매우 우세하다고 할 수 있다. 산림청에 의하면, 위 3종은 조림(造林) 권장 수종 중 21종의 조경수종에 포함되는 것으로 보아 조경의 목적에 맞게 참고하여 식재하였음을 추정할 수 있다. 또한, 오염물질 농도가 높은 도로 주변에 식재된다는 가로수의 특징을 고려하여 내공해수종에 속하는 은행나무를 적극적으로 활용하였음을 알 수 있다.
Fig. 3
Percentage of Tree Species
kosham-2022-22-2-15gf3.jpg
나무에 의한 대기 정화 정도는 식물의 건강한 잎 표면적과 직접적으로 비례한다(Von Arx et al., 2013; Hardwick et al., 2015). 수원 내 가로수는 약 1,016,166 m2의 면적으로 수원을 덮고 있으며, 4,422,190 m2의 잎 면적을 제공한다. 잎 면적에서 가장 우세한 5종은 순서대로 은행나무, 느티나무, 메타세쿼이아, 벚나무, 양버즘나무이다. 이를 통해 계산한 엽면적지수(LAI)는 약 0.04이다. 이는 사회⋅경제적 중심지로 1979년 이래로 도시화 되어온 중국 창춘시의 2010년 평균 LAI 0.61 (Ren et al., 2018), 스웨덴에서 두 번째로 큰 도시인 Gothenburg의 주거 지역에서 측정된 평균 LAI인 0.9 (Klingberg et al., 2017), 전세계에서 수집된 LAI 중 사막 평균 LAI인 1.3 (Asner et al., 2003)과 비교하였을 때 낮은 수치임을 알 수 있다. 이는 수원시 내에서 대기 질을 정화하고 물 순환에 기여하는 역할을 할 수 있는 수목 자원이 적다는 것을 의미한다.
중요도 값(IV)은 개체 백분율과 잎 면적 백분율로 계산되며, 중요도 값이 높을수록 해당 수종이 도시 가로수 구조를 지배하고 있다는 것을 의미한다. 중요도가 높은 5종은 순서대로 은행나무, 느티나무, 벚나무, 메타세쿼이아, 양버즘나무이다.
우리나라에서는 나무의 규격을 표기할 때 대표적으로 흉고직경과 수고로 나타내며, 미국, 독일, 캐나다 등 여러 나라에서 조경식물 규격 기준에 흉고직경 및 수관폭이 포함되기 때문에(Kwon et al., 2015) 나무의 규격과 건강 상태 정보에 있어 흉고직경은 주요 데이터이다.
수원 내 가로수는 전체적으로 흉고 직경이 15~30 cm의 나무가 가장 많고, 30~45 cm, 7.6~15 cm의 범위 순서대로 많다(Fig. 4). 참나무류는 흉고직경이 60 cm 이상, 침엽수류 및 교목류는 흉고직경 40 cm 이상이 되는 나무를 거목(Big Tree)이라고 정의하며, 이는 보호수에 포함되어 특별히 보호할 필요가 있는 나무도 분류된다(국립공원관리공단, 산림청). 흉고직경이 42 cm 이상인 개체가 없기 때문에 수원 내의 가로수 중에는 거목에 해당되는 개체수가 없거나 적다는 것을 의미한다. 같은 수종에 있어서 직경의 증가는 나무의 성장 및 건강 상태와 직결되며, 이러한 직경이 큰 나무들은 숲의 구조 및 기능을 지배한다(Lutz et al., 2013). 하지만 가로수는 보통 거목을 심기에는 공간이 협소한 인도에 식재되며, 강풍 등에 의해 거목이 도로변에서 쓰러지면 사고로 이어질 수 있다는 것을 고려하면 거목의 비율이 적은 것은 도시 가로수의 특징이라고 할 수 있다.
Fig. 4
DBH Distribution of Top 10 Most Populated Species in Suwon
kosham-2022-22-2-15gf4.jpg

3.3 대기오염물질 제거량

수원시 가로수는 연간 총 7,930 kg의 대기오염물질을 제거하며, 평균 일산화탄소(CO) 267.802 kg, 이산화질소(NO2) 3,286.735 kg, 오존(O3) 3,473.254 kg, 이산화황(SO2) 906.731 kg을 제거하는 것으로 산출되었다(Fig. 5).
Fig. 5
Amount of Annual Air Pollutants Removed by Street Trees
kosham-2022-22-2-15gf5.jpg
국가미세먼지정보센터에 의하면, 2017년 수원시의 도로이동오염원에서 배출된 대기오염물질 배출량은 CO 4,203,949 kg/yr, NOX 6,425,671 kg/yr, SOX 4,433 kg/yr이다. 이와 같은 배출량에서 가로수에 의한 오염물질 제거만이 요인이라고 가정하였을 때 대기오염물질 감소율은 CO 0.006%, NOX 0.051%, SOX 20.454%이다. 2차 오염물질로서 오염원으로부터 직접 배출량을 산정하여 비교하기 어려운 O3를 제외하고 도로이동오염원이 밀집하는 도로변에 식재되는 가로수에 의해 가장 감소율이 큰 물질은 SOX임을 알 수 있다.
Dieback 입력값에 대한 대기오염물질 제거량 민감도를 분석한 결과 Dieback이 0%, 10~15%, 30~35%, 45~50%로 증가할수록 평균 CO 제거량은 13.16%, 22.57%, 22.65% 감소하였으며, NO2는 13.78%, 24.00%, 24.39%, O3은 13.61%, 23.61%, 23.93%, SO2은 13.54%, 23.45%, 23.72% 감소하였다(Fig. 6). Dieback의 차이에 따라 대기오염물질 제거량이 감소하는 형태로 변화를 보이고 있다. 수원 내 가로수 중 대기오염물질 제거량이 높은 5종은 순서대로 연간 은행나무, 느티나무, 메타세쿼이아, 벚나무, 양버즘나무이다. 오염물질 제거량은 기상정보 등과 연관이 있기 때문에 월별로 일정 주기를 보이는 변화가 발생한다.
Fig. 6
Sensitivity Analysis of Annual Air Pollutant Removal Amount by Street Trees According to Dieback Input Value
kosham-2022-22-2-15gf6.jpg
수원 가로수에 의한 대기오염물질 제거량은 전체적으로 5월에 가장 많은 제거량을 보였다. CO의 최대 제거량은 4월에 34.538 kg/month, 최소 제거량은 2월에 2.055 kg/month이다. NO2는 4~5월과 9~10월에 가장 많은 제거율을 보이며, 최대 제거량은 5월에 417.196 kg/month, 최소 제거량은 94.603 kg/month이다. O3은 5~9월에 가장 많은 제거율을 보이며, 최대 제거량은 5월에 614.429 kg/month, 최소 제거량은 1월에 23.396 kg/month이다. SO2의 최대 제거량은 5월에 132.107 kg/month, 최소 제거량은 2월에 23.680 kg/month이다(Table 4). 이와 같이 가로수에 의한 대기오염물질의 월별 제거량의 차이가 큰 것을 알 수 있다. 수원시 2018년의 월별 대기오염물질 농도에 따르면(Ministry of Environment, 2019), CO는 최대 농도 4~5월, 최소 농도 11~12월, NO2는 최대 농도 11월, 최소 농도 7~8월, O3는 최대 농도 5~6월, 최소 농도는 11~12월, SO2는 월별로 농도가 평이하였으며 최소 농도는 9월이었다. 이를 통해 수원시의 가로수에 의한 월별 대기오염물질 제거량과 대기오염물질 농도의 양상이 비슷하다는 것을 알 수 있다(Fig. 7).
Table 4
Amount of Air Pollutants Removed from Street Trees in Suwon by Species
Species Air Pollutants Removal (kg/year) Species Air Pollutants Removal (kg/year)
Ginkgo 2,100 Japanese Horse Chestnut 130
zelkova spp 1,760 Trident maple 230
Japanese flowering cherry 780 Chinese fringe tree 70
American sycamore 720 Japanese maple 50
Dawn redwood 1,290 Tulip tree 180
Japanese pagoda tree 280 Three-flowered Maple 40
Japanese red pine 120 Kousa dogwood 20
Northern red oak 160 Total 7,930
Fig. 7
Amount of Air Pollutants Removed by Street Trees by Month
kosham-2022-22-2-15gf7.jpg

3.4 탄소 및 산소 변화량

도시 가로수는 총 4,077.90 ton의 탄소를 저장하고 있으며, 이에 따른 이산화탄소 상당량은 14,953.7 ton이다. 탄소 저장량이 가장 많은 5종은 순서대로 은행나무(30.3%), 느티나무(22.6%), 메타세쿼이아(16.6%), 벚나무(12.1%), 양버즘나무(6.3%)이다. 나무는 매년 성장하며 탄소를 분리함으로써 대기 중의 탄소의 양을 감소시킨다. 매년 격리되는 탄소의 양은 나무의 규모와 건강 정도에 따라 증가한다. 수원 가로수의 연간 탄소 격리량은 연간 298.8 ton이며, 이에 따른 이산화탄소 상당량은 1,095.79 ton이다. 탄소 격리량이 가장 많은 5종은 순서대로 은행나무(31.5%), 느티나무(25.1%), 벚나무(13.7%), 메타세쿼이아(10.2%), 양버즘나무(4.6%)이다(Table 5).
Table 5
Carbon Storage, Sequestration and CO2 Equivalent of Street Trees by Species in Suwon
Carbon Storage (ton) Carbon Storage CO2 Equivalent (ton/year) Carbon Sequestration (ton/year) Carbon Sequestration CO2 Equivalent (ton/year)
Ginkgo 1,236.97 4,536.0 94.09 345.03
zelkova spp 920.76 3,376.4 75.05 275.21
Japanese flowering cherry 493.99 1,811.4 40.94 150.14
Dawn redwood 255.55 937.1 13.80 50.62
American sycamore 677.26 2,483.5 30.41 111.52
Japanese pagoda tree 165.70 607.6 13.48 49.45
Japanese red pine 41.31 151.5 3.59 13.16
Northern red oak 61.11 224.1 6.55 24.00
Japanese Horse Chestnut 29.04 106.5 3.52 12.90
Trident maple 90.25 331.0 6.65 24.38
Chinese fringe tree 19.55 71.7 2.89 10.61
Japanese maple 14.23 52.2 2.12 7.77
Tulip tree 43.92 161.1 3.25 11.91
Three-flower maple 16.15 59.2 1.37 5.03
Kousa dogwood 7.64 28.0 0.65 2.39
Eastern white pine 1.02 3.7 0.12 0.43
Sawtooth oak 1.53 5.6 0.18 0.64
Chinese magnolia 1.73 6.3 0.14 0.52
Common crapemyrtle 0.12 0.4 0.01 0.05
Yoshino flowering cherry 0.01 0.2 0.00 0.01
Chinese juniper 0.05 0.0 0.00 0.01
Total 4,077.90 14,953.7 298.82 1,095.79
교토메커니즘에 의하여 이산화탄소를 하나의 경제재로 보고 그 가치를 판단하기 위해 배출권시장 정보플랫폼(KRX, 2021)의 KAU17 (거래일 2017년 10월 10일~2018년 10월 2일) 평균 배출권 거래 가격을 활용하였다. 가로수에 격리되어 있는 탄소 격리 이산화탄소 상당량은 약 3억 4천만원의 잠재적 가치를 가지며, 가로수 관리에 실패하였을 때 대기 중에 배출되는 이산화탄소에 대한 손해를 뜻한다. 또한, 가로수에 의해 연간 약 2천 5백만원 가치의 이산화탄소를 흡수하고 있다는 것을 의미한다.
Dieback 입력값에 대한 탄소 저장량과 탄소 격리량의 민감도 분석 결과 Dieback이 0%, 10~15%, 30~35%, 45~50%로 증가할수록 탄소 저장량은 0.007%, 0.034%, 0.020% 감소하였으며, 연간 탄소 격리량은 30.06%, 5.04%, 22.70% 감소하였다. 탄소 격리량은 민감하게 변화량을 보인 반면, 탄소 저장량은 민감도의 차이가 크지 않은 것으로 나타났다(Figs. 8, 9).
Fig. 8
Sensitivity Analysis of Carbon Storage by Street Trees According to Dieback Input Values
kosham-2022-22-2-15gf8.jpg
Fig. 9
Sensitivity Analysis of Carbon Sequestration by Street TreesAccording to Dieback Input Values
kosham-2022-22-2-15gf9.jpg
수원 가로수는 연간 878.4 ton의 산소를 생산한 것으로 산출되었다. 이는 평균 성인 산소 소비율 0.84 kg/day (Perry and LeVan, 2003)에 의하면 수원시 인구의 약 0.24%가 연간 소비하는 산소의 양이다. 산소를 가장 많이 생산하는 5종은 순서대로 은행나무, 느티나무, 메타세쿼이아, 벚나무, 양버즘나무이다(Table 6). Dieback 입력 값에 대한 산소 발생량의 민감도 분석을 결과, Fig. 10과 같은 결과가 산출되었다. Dieback이 0%, 10~15%, 30~35%, 45~50%로 증가할수록 산소 발생량은 22.91%, 13.85%, 22.69% 감소하였다.
Fig. 10
Sensitivity Analysis of Annual Oxygen Production by Street Trees According to Dieback Input Values
kosham-2022-22-2-15gf10.jpg
Table 6
Amount of Oxygen Production by Street trees in Suwon by Species
Species Oxygen Production (ton/year) Species Oxygen Production (ton/year)
Ginkgo 276.58 Tulip tree 9.55
zelkova spp 220.61 Chinese fringe tree 8.51
Japanese flowering cherry 120.35 Japanese maple 6.23
American sycamore 89.40 Three-flower maple 4.03
Dawn redwood 40.58 Kousa dogwood 1.92
Japanese pagoda tree 39.64 Sawtooth oak 0.52
Trident maple 19.54 Chinese magnolia 0.41
Northern red oak 19.24 Eastern white pine 0.34
Japanese red pine 10.55 Yoshino flowering cherry 0.04
Japanese Horse Chestnut 10.34 Total 878.4

4. 결론 및 고찰

경기도 수원시에 식재된 은행나무, 느티나무, 벚나무 등 43,124 그루의 가로수를 대상으로 하여 i-Tree Eco 모델을 통해 가로수가 대기 질에 끼치는 영향에 대해 평가하였다. 약 1,016,166 m2의 면적으로 수원을 덮고 있으며, 4,422,190 m2의 잎 면적을 제공하는 수원 가로수에 의한 대기오염물질 제거량은 연간 7.93 ton이고, 총 탄소 저장량은 4,077.90 ton, 탄소 격리량은 연간 298.82 ton, 산소 생산량은 연간 796.9 ton으로 산출되었다.
수종별 잎 면적에 비례하여 은행나무, 느티나무, 메타세쿼이아, 벚나무, 양버즘나무가 대기오염물질을 흡수하는 등 도시 대기 질에 대한 이익율이 지배적인 것으로 나타났다. 수원시의 LAI는 0.04로 낮은 편으로 수원시 인구의 약 0.24%가 연간 소비하는 양의 산소를 생산하는 등 도시 규모에 대해 적은 비중의 이익만을 보이고 있다. 하지만 가로수만을 요인으로 한 수원시 도로이동오염원 연간 SOX 감소량은 20.454%로 비교적 높은 것으로 나타났다. 탄소 저장 및 격리량을 통해 약 3억 4천만 원의 잠재적 가치가 있고 연간 약 2천 5백만 원 가치의 이산화탄소를 흡수하고 있다는 것을 알 수 있다.
최근 띠녹지 등 가로수 식재면적 증가를 위한 방법이 신도시 건설을 중심으로 도입되고 있다. 가로수는 도시의 대기 질 향상 등 이익이 많아 활용 가치가 큰 만큼 수종별로 정량화 및 체계화하는 데는 많은 연구가 필요하다. 대구에서는 도시 숲 가꾸기 사업을 통해 대구 도심의 최고 온도가 저하하는 등의 도시 환경개선이 조사되었으나, 이를 정책적으로 이용할 만한 정량적 자료가 구축되어 있지 않은 상황이다. 이처럼 이익을 정량적 분석한 자료가 있다면 국내에서 활용할 수 있는 부분이 방대할 것으로 보인다. 본 연구 결과와 같이 수치화된 가로수 정보를 활용하여 가로수에 대한 편익을 평가하고 가로수와 관련된 현재의 생태 환경을 분석할 수 있다. 이를 통해 도시 가로수 관련 정보 인벤토리를 누적할 수 있으며, 도시 내에서 비용 효율적으로 가로수를 식재하고 도시 환경 개선을 동반하여 관리하는 매뉴얼을 구축할 수 있다. 이를 기반으로 가로수와 관련된 규제와 정책을 개선할 수 있다. 또한, 모델링을 통한 미래의 가로수 효율 등을 예측하여 수목 자원을 효율적으로 활용하기 위한 방안을 모색할 수 있다. 결과적으로 최적의 가로수 환경 개선을 통해 도시 가로수의 이익을 고취하는 데 기여할 수 있다.
그러나, 본 연구에서는 잎 면적을 도출하기 위한 모집단을 수원시 전체 면적의 1.59%이며 실측값이 없었던 crown health의 경우 민감도 분석 결과 dieback 값의 변화에 따라 대기오염물질 제거량, 탄소 격리량 및 산소 발생량이 변화하는 것을 알 수 있었다. 나무의 건강 상태를 의미하는 crown health를 모델 default로 입력하였기 때문에 나무 개체별 건강 상태가 고려되었다고 하기는 어렵다. 따라서, 더욱 정확하고 명확한 결과값을 얻기 위해서는 잎 면적 추정 기술 등 효율적인 측정 기술 연구와 더불어 가로수 관련 실측 현장 자료가 필요하다.

References

1. Abdollahi, K.K, and Ning, Z.H (2000) Leaf surface morphology of urban tree species and its contribution to particle pollution removal. Microscopy and Microanalysis, Vol. 6, No. S2, pp. 912-913.
crossref
2. Alonzo, M, Bookhagen, B, and Roberts, D.A (2014) Urban tree species mapping using hyperspectral and lidar data fusion. Remote Sensing of Environment, Vol. 148, pp. 70-83.
crossref
3. Asner, G.P, Scurlock, J.M, and Hicke, J.A (2003) Global synthesis of leaf area index observations:implications for ecological and remote sensing studies. Global Ecology and Biogeography, Vol. 12, No. 3, pp. 191-205.
crossref pdf
4. Baklanov, A, Molina, L.T, and Gauss, M (2016) Megacities, air quality and climate. Atmospheric Environment, Vol. 126, pp. 235-249.
crossref
5. Baldocchi, D (1988) A multi-layer model for estimating sulfur dioxide deposition to a deciduous oak forest canopy. Atmospheric Environment (1967), Vol. 22, No. 5, pp. 869-884.
crossref
6. Baldocchi, D.D, Hicks, B.B, and Camara, P (1987) A canopy stomatal resistance model for gaseous deposition to vegetated surfaces. Atmospheric Environment (1967), Vol. 21, No. 1, pp. 91-101.
crossref
7. Barbera, E, Curro, C, and Valenti, G (2010) A hyperbolic model for the effects of urbanization on air pollution. Applied mathematical modelling, Vol. 34, No. 8, pp. 2192-2202.
crossref
8. Baró, F, Chaparro, L, Gómez-Baggethun, E, Langemeyer, J, Nowak, D.J, and Terradas, J (2014) Contribution of ecosystem services to air quality and climate change mitigation policies:The case of urban forests in barcelona, spain. Spain. Ambio, Vol. 43, No. 3, pp. 466-479.

9. Bernstein, J.A, Alexis, N, Barnes, C, Bernstein, I.L, Nel, A, Peden, D, et al (2004) Health effects of air pollution. Journal of allergy and clinical immunology, Vol. 114, No. 5, pp. 1116-1123.
crossref
10. Bidwell, R.G.S, and Fraser, D.E (1972) Carbon monoxide uptake and metabolism by leaves. Canadian Journal of Botany, Vol. 50, No. 7, pp. 1435-1439.
crossref
11. Bottalico, F, Chirici, G, Giannetti, F, De Marco, A, Nocentini, S, Paoletti, E, et al (2016) Air pollution removal by green infrastructures and urban forests in the city of Florence. Agriculture and agricultural science procedia, Vol. 8, pp. 243-251.
crossref
12. Breda, N.J (2003) Ground-based measurements of leaf area index:a review of methods, instruments and current controversies. Journal of experimental botany, Vol. 54, No. 392, pp. 2403-2417.
crossref
13. Brunekreef, B, and Holgate, S.T (2002) Air pollution and health. The lancet, Vol. 360, No. 9341, pp. 1233-1242.
crossref
14. Davidson, K, Hallberg, A, McCubbin, D, and Hubbell, B (2007) Analysis of PM2. 5 using the environmental benefits mapping and analysis program (BenMAP). Journal of Toxicology and Environmental Health, Part A, Vol. 70, No. 3-4, pp. 332-346.
crossref
15. Dessler, A, and Theater, L.S.C (2002) The science of climate change.

16. Dodman, D (2009) Blaming cities for climate change?An analysis of urban greenhouse gas emissions inventories. Environment and urbanization, Vol. 21, No. 1, pp. 185-201.
crossref pdf
17. Eggleston, H.S, Buendia, L, Miwa, K, Ngara, T, and Tanabe, K (2006) 2006 IPCC guidelines for national greenhouse gas inventories.

18. Endreny, T, Santagata, R, Perna, A, De Stefano, C, Rallo, R.F, and Ulgiati, S (2017) Implementing and managing urban forests:A much needed conservation strategy to increase ecosystem services and urban wellbeing. Ecological Modelling, Vol. 360, pp. 328-335.
crossref
19. Farrell, T (2015) Valuing London's Urban Forest:Treeconomics London.

20. Fusaro, L, Marando, F, Sebastiani, A, Capotorti, G, Blasi, C, Copiz, R, et al (2017) Mapping and assessment of PM10 and O3 removal by woody vegetation at urban and regional level. Remote sensing, Vol. 9, No. 8, pp. 791.
crossref
21. Hardwick, S.R, Toumi, R, Pfeifer, M, Turner, E.C, Nilus, R, and Ewers, R.M (2015) The relationship between leaf area index and microclimate in tropical forest and oil palm plantation:Forest disturbance drives changes in microclimate. Agricultural and Forest Meteorology, Vol. 201, pp. 187-195.
crossref
22. Hirabayashi, S, Kroll, C.N, and Nowak, D.J (2011) Component-based development and sensitivity analyses of an air pollutant dry deposition model. Environmental Modelling &Software, Vol. 26, No. 6, pp. 804-816.
crossref
23. Hirabayashi, S, Kroll, C.N, and Nowak, D.J (2012) i-Tree eco dry deposition model descriptions. Citeseer.

24. Hong, B, Lin, B, and Qin, H (2017) Numerical investigation on the coupled effects of building-tree arrangements on fine particulate matter (PM2. 5) dispersion in housing blocks. Sustainable cities and society, Vol. 34, pp. 358-370.
crossref
25. Kampa, M, and Castanas, E (2008) Human health effects of air pollution. Environmental pollution, Vol. 151, No. 2, pp. 362-367.
crossref
26. Klingberg, J, Konarska, J, Lindberg, F, Johansson, L, and Thorsson, S (2017) Mapping leaf area of urban greenery using aerial LiDAR and ground-based measurements in Gothenburg, Sweden. Urban Forestry &Urban Greening, Vol. 26, pp. 31-40.
crossref
27. KRX (2021). Emissions trading scheme (ETS) market information platform. Retrieved September 24, 2021, from https://ets.krx.co.kr/contents/ETS/03/03010000/ETS03010000.jsp.

28. Kwon, Y, Kim, S, Park, C, and Han, S (2015) A comparison of the standard and instruction for grade and quality of Landscape Plants in foreign countries and Korea. Practice Agriculture &Fishing Research, Vol. 17, No. 1, pp. 73-84.

29. Kwon, Y.J, Lee, D.K, and Ahn, S (2019) Urban Street Planting Scenarios Simulation for Micro-scale Urban Heat Island Effect Mitigation in Seoul. Journal of Environmental Impact Assessment, Vol. 28, No. 1, pp. 23-34.

30. Larkin, A, van Donkelaar, A, Geddes, J.A, Martin, R.V, and Hystad, P (2016) Relationships between changes in urban characteristics and air quality in East Asia from 2000 to 2010. Environmental science &technology, Vol. 50, No. 17, pp. 9142-9149.
crossref
31. Lovett, G.M (1994) Atmospheric deposition of nutrients and pollutants in north america:An ecological perspective. Ecological Applications, Vol. 4, No. 4, pp. 629-650.
crossref
32. Lutz, J.A, Larson, A.J, Freund, J.A, Swanson, M.E, and Bible, K.J (2013) The importance of large-diameter trees to forest structural heterogeneity. PLoS One, Vol. 8, No. 12, pp. e82784.
crossref
33. Manabe, S (2019) Role of greenhouse gas in climate change. Tellus A:Dynamic Meteorology and Oceanography, Vol. 71, No. 1, pp. 1620078.
crossref pdf
34. McPherson, E.G (1994) Chicago's urban forest ecosystem:results of the Chicago Urban Forest Climate Project. US Department of Agriculture, Forest Service, Northeastern Forest Experiment Station, Vol. 186.
crossref
35. Mikhaylov, A, Moiseev, N, Aleshin, K, and Burkhardt, T (2020) Global climate change and greenhouse effect. Entrepreneurship and Sustainability Issues, Vol. 7, No. 4, pp. 2897.
crossref
36. Ministry of Environment (2019) Annual Report of Air Quality in Korea 2018.

37. Nowak, D.J (2002) Brooklyn's urban forest. USDA Forest Service, Vol. 290.

38. Nowak, D.J (2010) Assessing urban forest effects and values:Chicago's urban forest. US Department of Agriculture, Forest Service, Northern Research Station, Vol. 37.
crossref
39. Nowak, D.J, and Crane, D.E (2000). The urban forest effects (UFORE) model:Quantifying urban forest structure and functions. In: Hansen M, Burk T, eds. Integrated tools for natural resources inventories in the 21st century. Vol. 212: p 714-720 Gen. Tech. Rep. NC-212. St. Paul, MN: US Dept. of Agriculture, Forest Service, North Central Forest Experiment Station.

40. Nowak, D.J, and Greenfield, E.J (2007) Tree and impervious cover change in US cities. Urabn Forestry &Urban Greening, Vol. 11, No. 1, pp. 21-30.
crossref
41. Nowak, D.J, Hirabayashi, S, Bodine, A, and Greenfield, E (2014) Tree and forest effects on air quality and human health in the United States. Environmental pollution, Vol. 193, pp. 119-129.
crossref
42. Nowak, D.J, Robert III, E, Bodine, A.R, Crane, D.E, Dwyer, J.F, Bonnewell, V, and Watson, G (2013) Urban trees and forests of the Chicago region. Northern Research Station, Vol. 84, pp. 1-106.
crossref
43. Perry, J, and LeVan, M.D (2003) Air purification in closed environments:overview of spacecraft systems. Army Natrick Soldier Center.

44. Ren, Z, Du, Y, He, X, Pu, R, Zheng, H, and Hu, H (2018) Spatiotemporal pattern of urban forest leaf area index in response to rapid urbanization and urban greening. Journal of Forestry Research, Vol. 29, No. 3, pp. 785-796.
crossref pdf
45. Russo, A, Escobedo, F.J, and Zerbe, S (2016) Quantifying the local-scale ecosystem services provided by urban treed streetscapes in Bolzano, Italy (2372-0344).

46. Seaton, A, Godden, D, MacNee, W, and Donaldson, K (1995) Particulate air pollution and acute health effects. The lancet, Vol. 345, No. 8943, pp. 176-178.
crossref
47. Sung, H.-C, and Min, S.-H (2003) An empirical study on the function and effect of urban openspace. Journal of Korean institute of landscape architecture, Vol. 31, No. 2, pp. 48-57.

48. Suwon City (2021). Current statistics of Suwon, Korea. Retrieved September 24, 2021, from https://www.suwon.go.kr/stat/stats/statsView.do?categorySeqNo=11.

49. Vieira, J, Matos, P, Mexia, T, Silva, P, Lopes, N, Freitas, C, et al (2018) Green spaces are not all the same for the provision of air purification and climate regulation services:The case of urban parks. Environmental Research, Vol. 160, pp. 306-313.
crossref
50. Von Arx, G, Graf Pannatier, E, Thimonier, A, and Rebetez, M (2013) Microclimate in forests with varying leaf area index and soil moisture:potential implications for seedling establishment in a changing climate. Journal of ecology, Vol. 101, No. 5, pp. 1201-1213.

51. Wang, S, Gao, S, Li, S, and Feng, K (2020) Strategizing the relation between urbanization and air pollution:empirical evidence from global countries. Journal of Cleaner Production, Vol. 243, pp. 118615.
crossref
52. Watson, D.J (1947) Comparative physiological studies on the growth of field crops:I. Variation in net assimilation rate and leaf area between species and varieties, and within and between years. Annals of botany, Vol. 11, No. 41, pp. 41-76.
crossref


ABOUT
ARTICLE CATEGORY

Browse all articles >

BROWSE ARTICLES
AUTHOR INFORMATION
Editorial Office
1010 New Bldg., The Korea Science Technology Center, 22 Teheran-ro 7-gil(635-4 Yeoksam-dong), Gangnam-gu, Seoul 06130, Korea
Tel: +82-2-567-6311    Fax: +82-2-567-6313    E-mail: master@kosham.or.kr                

Copyright © 2022 by The Korean Society of Hazard Mitigation.

Developed in M2PI

Close layer
prev next