강원도 춘천지역의 산불 조심기간 산림 연료 수분함량과 기상인자의 관계 분석

Relationship between Forest Fuel Moisture Contents and Weather Factors During the Forest Fires Danger Season in Chuncheon, Gangwon

Article information

J. Korean Soc. Hazard Mitig. 2022;22(2):109-115
Publication date (electronic) : 2022 April 30
doi : https://doi.org/10.9798/KOSHAM.2022.22.2.109
한송희*, 채희문**
* 정회원, 강원대학교 산림환경시스템학과 석사과정(E-mail: hsh3273@kangwon.ac.kr)
* Member, Master’s Course, Department of Forestry and Environmental Systems, Kangwon National University
** 정회원, 강원대학교 산림과학부 교수
** Member, Professor, Department of Forest Science, Kangwon National University
** 교신저자, 정회원, 강원대학교 산림과학부 교수(Tel: +82-33-250-8367, Fax: +82-33-257-5918, E-mail: cheemun@kangwon.ac.kr)
** Corresponding Author, Member, Professor, Department of Forest Science, Kangwon National University
Received 2022 February 21; Revised 2022 February 23; Accepted 2022 March 10.

Abstract

산림 연료수분함량은 산불 발화와 확산에 밀접한 연관이 있어 산불 예보 시스템에서 중요한 기본 요소이며, 연료의 수분함량 분석은 산불관리에 있어 매우 중요하다. 본 연구는 2018년부터 2020년 봄⋅가을철 산불 조심기간 동안 임지 내 연료 수분함량과 임내 설치된 기상측정장비(HOBO data Logger)의 기상 자료의 관계 분석을 하였다. 산림 연료 수분함량은 사면별(남사면,북사면)을 나눈 뒤 지피물 채취하였고 수종별로는 활엽수(벚나무, 떡갈나무), 침엽수(소나무, 잣나무)를 대상으로 낙하한 낙엽을 사용하였다. 임내 설치된 기상측정장비의 온도(평균,최저,최고)와 상대습도(평균,최저)를 이용하여 기상인자와 연료수분함량의 상관관계를 분석하였다. 봄철 산불조심기간에는 사면별, 수종별에서 온도(평균,최저,최고)와 상대습도(평균,최저) 모든 인자들이 연료수분함량과 유의성이 있었으며, 가을철엔 평균온도와 평균 상대습도가 높은 유의성을 나타냈다. 연료수분함량과 기상의 상관 분석 결과를 통해 유의성이 높은 인자들을 뽑아 사면별, 수종별 다중회귀분석을 하였으며 1% 수준에서 유의한 것으로 분석되었다. 산림 내의 기상인자와 산림 연료 수분함량 간의 관계 분석을 통하여 향후 우리나라 산불위험예보시스템의 연료 지수를 산정하는데 본 연구는 기초자료로 활용될 수 있다.

Trans Abstract

The amount of moisture contained in fallen leaves in the forest is closely related to the possibility of the ignition and spread of a forest fire. This moisture content is an important fundamental component of the forest fire danger rating system, as well as an essential parameter in forest fire management. This study examined the relationship between the moisture content of fuel in the forests and weather information obtained from HOBO data loggers installed in forests during the forest fire seasons of 2018 and 2020. The moisture content of the forest fuel was divided into two slopes (south and north), and the fallen leaves used were broad-leaved (Prunus serrulate and Quercus dentata) and coniferous (Pinus densiflora and Pinus koraiensis). The temperature (mean, minimum, and maximum) and relative humidity (mean and minimum) data obtained from the weather measuring devices installed in the forests were used to correlate weather factors with fuel moisture content. During the spring forest fire period, the temperature (mean, minimum, and maximum) and relative humidity (mean and minimum) of each slope and tree species were significant, while the average temperature and relative humidity were significant during the autumn. According to the correlations between the fuel moisture content and weather, factors with high significance were selected, and multiple regression analyses of the slope and species were found to be significant at 1 percent. The results of this study are expected to be used as primary data for calculating the fuel index of the forest fire forecasting system by accounting for the effects of weather factors on the moisture content of the fuel.

1. 서 론

최근 경험해보지 못한 극도의 폭염 및 가뭄으로 인해 대규모의 산불 피해와 동시 다발성 산불이 급증하면서 산불 발생과 확산을 예측하여 산림 피해 저감에 효과적인 해결책 제시가 필요한 실정이다.

산림 연료수분함량은 산불 행동에 있어서 큰 영향을 미치며 산불 위험 평가에 중요한 기본 요소이다. 특히 사연료 수분함량 예측은 산불의 발화 및 확산과 밀접한 관련이 있기 때문에 산불 위험 평가에 중요한 변수이다(Aguado et al., 2007; Vejmelka et al., 2016).

미국의 산불위험예보시스템(National Fire Danger Rating System, NFDRS)에서는 기상(기온, 상대습도, 풍속) 등의 자료와 연료의 유형별로 생연료(live Fuel), 사연료(dead fuel) 수분을 구분한 뒤 산출해서 연료수분함량을 예측하고 있다. 캐나다의 산불위험예보시스템은 발화위험 지수와 산불 발생 환경(연료, 지형, 기상)에 따른 산불위험도를 나타내준다. 기상에는 온도, 강수량, 상대습도, 풍속으로 구성되어있고 연료의 유형에서는 3가지로 나눠서 미세연료수분지수(Fine Fuel Moisture Code), 더프연료지수(Duff Moisture Code), 가뭄지수(Drought Code)로 구성되어있다(Wotton, 2009; Mölders, 2010). 호주의 산불위험지수(Fire Danger Indices)는 기온, 상대습도, 풍속, 가뭄지수와 연료 수분에 대한 방정식을 사용하여 값을 산출한다(Finkele et al., 2006).

우리나라의 산불위험시스템에서는 기상모형지수(Daily Weather Index), 임상모형지수(Fuel Model Index), 지형모형지수(Topography Model Index) 등 총 3개의 지수로 구성되어있는데, 기상에서는 실효 습도, 최고온도, 평균풍속 자료들로 구성되어있고, 임상위험지수와 지형위험지수는 산불 발생 지점의 임상과 방위에 대한 분석에 의해서 지수화된다(Korea Forest Service, 2005). 우리나라에서 효과적으로 산불 발생 위험도를 예측하기 위해서는 기상, 지형, 연료의 종류 및 습도가 산불 연소 동태와 어떤 관련성을 지니고 있는지에 대한 과학적 규명을 통한 지형, 기상 임상 등의 해석이 필요하다(Lee et al., 2009).

산림 연료 수분함량은 연료의 입자 및 연료 층의 특성에 따라서 달라지는데 낙엽의 수분함량은 상대습도, 온도 및 증기압에 의하여 조절되며 연료의 반응은 잎의 크기와 모양 밀도와 같은 특성에서도 달라진다.

국외의 산림 연료 수분 관련된 연구 사례를 보면 센서를 이용한 수분함량을 측정한 바 있다(Schunk et al., 2016). 그리고 산불위험예보시스템의 연료 수분 함량을 추정 할 때 중요한 요소는 식생의 구조와 지형 기상요소 그리고 토양수분을 기반으로 한 모델로 보고 한 바 있다(Aguado et al., 2007; Matthews et al., 2010). 호주에서는 기후에 따른 연료 수분 분석을 하였는데, 연료의 건조로 인해 전 지구적으로 산불 활동이 증가하고 대형산불이 증가하는 추세를 나타냈다(Boer et al., 2020; Ellis et al., 2021). 또한 미국 산림청에선 기후변화에 따른 산림 연료 수분에 대한 연구도 진행 되고 있는데, 기후변화에 따른 온도 상승으로 인해 1,000시간의 연료 수분 감소량 보다 1시간 감소가 통계적 유의성이 크게 나타났고 이를 통해 연료수분 변화로 산불의 빈도나 연소면적 강도가 증가할 것을 나타냈다(Liu, 2016).

국내의 연료 수분 측정에 대한 연구로 Yeom et al. (2020) 산불위험도의 변화를 예측하기 위한 연료습도 자동화 측정센서 개발에 관한 연구, Lee et al. (2008) 영동지역의 봄철 산불기간 소나무림 지표연료의 연료습도 변화 분석 연구가 있었다.

본 연구는 산림내의 기상인자가 연료의 수분함량 변화에 미치는 영향을 분석하여 우리나라 산불예보시스템의 연료 지수를 산정하는데 기초자료로 구축하고자 한다.

2. 재료 및 방법

2.1 조사지 선정

본 연구는 산림 내 기상인자가 연료의 수분함량에 미치는 영향을 분석하기 위해 강원대학교 춘천캠퍼스 내 구내림에서 진행하였다. 임지내 낙하한 연료를 사면별로 북사면, 남사면 수종별로 활엽수종인 벚나무와 떡갈나무 침엽수종인 소나무와 잣나무를 측정하였다(Fig. 1). 산불 확산은 임상이 침엽수림이고, 사면향이 남서 또는 남동사면일 경우 높게 나타났기 때문에 사면과 수종을 구분하여 조사하였다(Ryu et al., 2014). 조사지역은 침엽수와 활엽수가 혼효된 지역이며 북사면의 주요 수종으로는 벚나무(Prunus serrulata)와 소나무(Pinus densiflora), 남사면은 떡갈나무(Quercus dentata)와 잣나무(Pinus Koraiensis)가 우점하고 있다. 조사지역의 일반적 현황은 소나무가 우점한 지역으로 평균 흉고직경 26.58 cm, 평균 수고 13.07 m, 임목밀도 700 trees/ha, 경사 25~30°이다. 춘천 기상대로부터 분석된 춘천의 연평균 기온은 11.4 ℃ 최고, 최저 기온은 각각 17.4, 6.3 ℃이며, 상대습도는 70.9%, 연평균 강수량은 1,341.5 mm로 강우의 약 63%가 여름철에 집중적으로 분포하고 있다.

Fig. 1

Geographic Locations of Study Sites and Sampling Plots; Slope (North, South)

2.2 산림 연료 수분함량 조사

산불 발화 및 확산에 있어 연료수분함량 추정은 중요한 요소이다(Chuvieco et al., 2004). 따라서 본 연구에서는 산림 내 연료 수분함량을 조사하기 위해 2018년부터 2021년 봄철 산불 조심기간인 2월 1일부터 5월 15일까지 가을철 산불 조심 기간인 11월 1일부터 12월 15일까지 매일 15시에 임지 내 낙하한 연료를 수집하였다. 이는 일반적으로 산불이 가장 많이 발생하는 시간대인 15시이며, 초본층, 지표 연료, 목질 연료는 지표화에 영향을 주기 때문이다(Lee and Lee, 2006; Won et al., 2013). 이때 사면은 남사면과 북사면의 경사를 상 중 하를 나눠서 지피물을 채취하였고, 수종은 벚나무, 떡갈나무, 소나무, 잣나무를 대상으로 낙하된 낙엽을 각각 10 g씩 3반복 채취하였다. 낙엽은 건조기 105 ℃에서 48시간 동안 건조하여 건중량을 측정하였으며 Eq. (1)에 의해 연료 수분함량을 산출하였다.

(1)FMC=(WwWd)Wd×100

위 식에서Ww는 연료의 건조 전 무게, Wd는 연료의 건조 후 무게이다.

2.3 산림 내 기상인자 측정

기상인자가 산림 연료 수분함량에 미치는 영향을 파악하기 위해 조사지에 기상측정 장비(HOBO Data Logger, U12-012)를 설치하였으며, 장비 센서를 통해서 온도는 -20 ℃에서 70 ℃ ± 0.35 ℃ 범위에서 측정되고 습도는 5%에서 95% ± 2.5%로 측정된다. 기상측정 장비는 연료 수분함량을 조사한 기간과 동일 기간을 대상으로 1시간 간격 기온(℃)과 상대습도(%)를 측정하였다. 이를 이용하여 계절 및 월별 기온과 상대습도의 평균, 최고, 최저값을 비교하였다. 또한 산림 내의 기상인자와의 비교하기 위해서 춘천 기상대의 기상대 자료(기상청)를 동일 기간 온도, 습도를 분석하여 임지 내의 기상인자와 비교 분석하였다. 이후 산림 연료 수분함량과 일 평균 기온 평균, 최고, 최저, 상대습도 평균 최저의 기상인자 간의 상관관계 분석하였고, 이때, 산림 연료 수분함량과 유의수준 내에서 상관성을 나타내는 기상인자를 예측식의 구성인자로 선정하였으며, 다중 회귀분석을 통해 산림 연료 연료수분함량 예측하였고 단계적 회귀분석을 통해서 산림 연료수분함량 추정식을 예측하였다. 이상의 통계 분석은 SPSS (SPSS Statistics ver. 26)를 활용하였다.

3. 연구 결과

3.1 산림 연료 수분함량 분석

2018년부터 2020년 봄⋅가을철 산불 조심기간 동안 산림 내에 낙하한 낙엽을 채집한 뒤 차이를 검증하고자 비모수 분석인 Mann-Whitney U 검정을 통해 사면별, 수종별 유의미한 차이를 분석하였다. 그 결과 사면 별 봄철에는 유의한 차이를 보이지 않았고, 가을철은 (P < 0.017)로 연료 수분함량이 유의한 차이를 보였다(Fig. 2). 북사면과 남사면의 평균 연료 수분함량은 봄철이 가을철보다 상대적으로 낮았다. 봄철에는 강수량이 많지 않고 임분 내 습도가 낮아 건조해지기 때문이다(Lee and Kim, 2011). 수종별로 활엽수종(벚나무, 떡갈나무)에서 봄철(P < 0.009) 가을철(P < 0.01)의 유의한 차이를 보였고, 침엽수종(소나무, 잣나무)에선 유의한 차이를 보이지 않았다(Fig. 3). 이는 활엽수의 수분 저장력이 침엽 수에 비해 높기 때문인것으로 보인다(Lee et al., 2018). 활엽수종과 침엽수종을 계절 별로 각각 비교했을 때 가을철 활엽수종인 벚나무와 침엽수종인 소나무의 연료 수분함량에서 유의한 차이가 나타났다(P < 0.01). 이러한 결과는 잎의 특성(면적 대 두께 비율, 낙하한 잎이 임지에 놓여져 있는 상태 등)을 반영한 결과로 분석 된다(Chae, 2014).

Fig. 2

Comparison of Fuel Moisture Content on Each Slope in Spring and Autumn Forest Fire Danger Season (Slop: North, South)

Fig. 3

Comparison of Fuel Moisture Content on Each Slope in Spring and Autumn Forest Fire Danger Season (Ps: Prunus Serrulata, Qd: Quercus Dentata, Pd: Pinus Densiflora, PK: Pinus Koraiensis)

3.2 산림 내 기상인자 분석

산림 내에 설치된 기상측정장비(HOBO)에서 2018년 2월 01일부터 2021년 5월 15일까지 매일 1시간 간격으로 온도(℃), 상대습도(%)를 측정한 결과(Table 1) 계절별 산림 내의 봄철 기온은 평균 9.90 ℃, 최고 25.33 ℃ 최저 -2.03 ℃, 상대습도 평균 59.79%이었으며, 가을철 기온은 평균 2.14 ℃, 최고 14.86 ℃, 최저 -10.24 ℃, 상대습도 평균 68.99%였다. 춘천 기상대의 봄철 기온은 평균 9.65 ℃, 최고 23.71 ℃, 최저 2.78 ℃ 가을철 기온은 평균 1.98 ℃, 최고 14.85 ℃, 최저 10.98 ℃로 나타나 기상대의 온도는 오히려 임내 보다 낮았다. 상대습도는 봄철 평균 61.44%, 가을철 평균 70.01% 나타나 임내 보다 높았다. 선행연구에서는 기온이 높은 계절에는 임내의 온도가 임외의 온도보다 낮고 기온이 낮은 계절에는 임내의 온도가 임외의 온도 보다 높았다(Lee et al., 2007).

The Comparison of Weather Factors in Study Area (Forest) and Chuncheon Weather Station

3.3 산림 연료의 수분함량과 기상인자 간의 관계 분석

봄⋅가을철 산불 조심기간 낙하한 낙엽의 사면별(남사면, 북사면), 수종별(벚나무, 떡갈나무, 소나무, 잣나무) 수분함량과 산림 내 기상인자(평균온도, 최고온도, 최저온도 평균 상대습도, 최저 상대습도)와 상관관계를 확인하기 위해 피어슨 상관관계를 분석하였다(Table 2). 봄철의 경우 사면과 수종에서 기상인자와 산림 연료수분함량이 모두 유의한 상관관계를 나타냈다(P < 0.01). 하지만 가을철 북사면의 연료 수분함량에서는 최고온도와 최저습도(P < 0.01), 남사면은 최고온도, 평균습도, 최저습도에서 산림 내 연료 수분 함량과 기상인자의 관계에서 유의한 상관관계를 보였다(P < 0.05).

Pearson Correlation between Fuel Moisture Content and Weather Factors

봄철 활엽수종(벚나무, 떡갈나무)과 침엽수종(소나무, 잣나무)에서는 평균온도, 최저온도, 최고온도, 평균습도, 최저습도 모든 기상인자에서 상관관계를 보였다(P < 0.01). 한편 가을철 활엽수종인 벚나무에서는 평균습도, 최저습도에서만 유의성이 나타났고(P < 0.01), 떡갈나무에서는 평균온도, 평균습도는 (P < 0.05), 최고온도, 최저습도에서 유의한 상관관계가 나타났다(P < 0.01). 침엽수종에서 소나무는 평균온도, 최고온도, 최저습도, 잣나무는 평균온도 최저온도 최고온도 최저습도에서 유의한 상관관계를 나타냈다(P < 0.01). 본 연구에서 산림 내 연료수분함량과 유의성이 높은 기상인자는 최고온도와 최저습도로 나타났는데, 선행연구에서도 연료의 수분함량 변화와 기상 데이터를 분석한 결과 기상인자 중 최고온도와 상대습도가 유의성이 있는 것으로 분석되었다(Chae, 2014).

3.4 산림 연료의 수분함량과 기상인자 간의 추정식

기상인자들이 산림 내 연료 수분 함량에서 유의수준 내에서 상관성을 나타내는 기상인자를 구성인자로 설정하여 다중 회귀분석(Multiple linear regression analysis)을 실시하였다(Table 2). 사면별(남사면, 북사면), 수종별(떡갈나무, 벚나무, 소나무, 잣나무)의 수분함량을 종속변수로 하고 각각 기상인자(평균온도, 최고온도, 최저온도, 평균 상대습도, 최저 상대습도)를 독립변수로 하여 연료수분함량 추정식을 개발한 결과는 다음과 같다(Table 3).

The Results of Multiple Regression Analysis by Stepwise Regression Method and Multiple Regression Equations (Fuel Moisture Content of Slope and Species by Weather Factors in Spring and Autumn)

봄철 사면의 추정식에서 북사면의 유의성이 높은 기상인자는 최고온도와 평균 상대습도로 나타났고, 남사면은 평균 상대습도였다. 가을철엔 북사면, 남사면에서 최고온도와 평균 상대습도가 유의한 영향을 미치는 것으로 나타났다(P < 0.01).

수종에서의 계절별 유의성 검증 결과 봄철은 활엽수종과 침엽수종에서 동일하게 상대습도가 유의한 영향을 미치는 것으로 나타났고(P < 0.01), 가을철 수종에서는 최고온도와 평균 상대습도가 유의한 영향을 나타냈다(P < 0.01). 이는 상대습도가 높을 때 연료 내로 수분이 바로 유입되나 상대습도가 낮을 때는 연료 내 수분은 공기 중으로 유출되기 때문이다(Lee et. al., 2021).

4. 결 론

산림 내 기상인자가 연료수분함량에 미치는 영향을 분석하기 위해서 2018년부터 2021년 봄철 산불 조심기간인 2월 1일부터 5월 15일까지 가을철 산불 조심 기간인 11월 1일부터 12월 15일까지 강원대 산림 내에 낙하한 낙엽을 채집한 뒤 건중량을 측정하였고, 연구지역 내의 기상인자를 측정하여 기상인자와 연료 수분과의 상관관계를 분석하였다.

산림 내 연료수분함량 자료를 분석한 결과 북사면과 남사면을 비교해보았을 때 북사면이 남사면보다 수분함량이 평균 2.84% 높게 나타났다. 일사량 분포가 남향이 가장 높고 북향이 가장 낮기 때문이라고 판단된다. 따라서 같은 산림이라도 사면에 따라 수분함량이 다르게 나타났다. 수종별로는 활엽수종인 벚나무와 떡갈나무잎이 봄⋅가을철 모두 유의한 결과 값을 나타냈고, 침엽수종인 소나무와 잣나무에서는 봄⋅가을철 유의한 결과 값은 나타나지 않았고, 소나무 32.33%와 잣나무 33.34%의 평균 수분함량도 크게 다르지 않았다.

기상인자가 산림 연료수분함량에 미치는 영향을 분석하기 위해 산림 내 기상인자를 측정했을 때 봄철 기온은 평균 9.90 ℃, 최고 25.33 ℃ 최저 -2.03 ℃, 상대습도 평균 59.79%이었으며, 가을철 기온은 평균 2.14 ℃, 최고 14.86 ℃, 최저 -10.24 ℃, 상대습도 평균 68.99%였다. 춘천 기상대의 봄철 기온은 평균 9.65 ℃, 최고 23.71 ℃, 최저 2.78 ℃, 상대습도 평균 61.44% 가을철 기온은 평균 1.98 ℃, 최고 14.85 ℃, 최저 10.98 ℃, 상대습도 평균 70.01%로 나타났다. 계절별로 봄(3월~5월), 여름(6월~8월), 가을(9월~11월), 겨울(12월~2월) 분석해보았을 때 여름과 가을에는 산림 내의 기온이 약간 낮은 경향을 보이고 있었으며, 상대습도도 4% 높은 것으로 나타났다. 하지만 봄, 겨울의 경우 산림 내의 온도가 약간 높은 경향을 보였고, 상대습도의 경우에는 봄철에는 산림 내의 습도가 높았지만, 겨울엔 기상대의 상대습도가 평균 2% 더 높은 것으로 나타났다. 이는 산림 내와 기상대의 설치되어있는 장소의 환경이 다르기 때문에 식생이 분포하고 있는 산림 내부와의 차이가 있을 것으로 판단된다.

연료의 수분함량이 기상인자 중 유의수준이 높은 기상인자를 활용하여 연료의 수분함량 회귀식을 분석한 결과 봄⋅가을철 사면별 유의성을 보았을 때 봄철 남사면은 상대습도가 유의한 정의 상관관계를 보였고, 봄철 북사면, 가을철 북사면과 남사면에서는 최고온도와 평균 상대습도에서 유의성을 나타냈다. 수종별로는 봄철의 활엽수(벚나무, 떡갈나무), 침엽수(소나무, 잣나무)에서는 평균 상대습도, 가을철엔 최고온도와 평균 상대습도가 유의한 정의 영향을 미치는 것으로 나타났다. 연료수분함량과 기상의 회귀식 분석 중에서 가을철 남사면의 최고온도, 상대습도의 설명력이 약 42.2%로 나타났다.

본 연구에서는 기상인자에 따른 산림 연료수분함량 간의 관계 분석을 진행하였다. 이를 통해 지역별 산림 연료수분함량 변화를 예측할 수 있는 기초자료 구축에 활용될 것을 기대한다. 본 연구는 3년 동안 봄⋅가을철 산불 조심 기간의 자료를 분석하였으나 계절별, 시기별 분석을 위해서 추후 장기간 모니터링을 통한 체계적이고 효과적인 분석을 할 필요가 있다.

감사의 글

본 연구는 2020년 강원대학교 대학회계의 지원을 받아 수행한 연구입니다.

References

1. Aguado I, Chuvieco E, Borén R, Nieto H. 2007;Estimation of dead fuel moisture content from meteorological data in mediterranean areas. Applications in fire danger assessment. International Journal of Wildland Fire 16(4):390–397.
2. Boer M.M, Resco de Dios V, Bradstock R.A. 2020;Unprecedented burn area of Australian mega forest fires. Nature Climate Change 10(3):171–172.
3. Chae H.M. 2014;The analysis on moisture contents of forest fuel using weather factors in forest land and weather station. J. Korean Soc. Hazard Mitig 14(5):205–212.
4. Chuvieco E, Cocero D, Riano D, Martin P, Martınez-Vega J, De La Riva J, Pérez F. 2004;Combining NDVI and surface temperature for the estimation of live fuel moisture content in forest fire danger rating. Remote Sensing of Environment 92(3):322–331.
5. Ellis T.M, Bowman D.M, Jain P, Flannigan M.D, Williamson G.J. 2021;Global increase in wildfire risk due to climate-driven declines in fuel moisture. Global change biology
6. Finkele K, Mills G.A, Beard G, Jones D.A. 2006;National gridded drought factors and comparison of two soil moisture deficit formulations used in prediction of forest fire danger index in australia. Australian Meteorological Magazine 55(3):183–197.
7. Korea Forest Service. 2005;Global forest fire danger rating system
8. Lee C.H, Suh B.S, Park J.M, Hong S.S. 2007;Study on variation of temperature and humidity inside and outside of forest. Korean Institute of Forest Recreation and Welfare :79–83.
9. Lee H.P, Lee S.Y, Park Y.J. 2009;Combustion characteristics of the 5 herb species in youngdong areas. Journal of Korean Society of Forest Science 98(3):290–296.
10. Lee S.J, Kim S.Y, Han S.H, Lee Y.E, Seo K.W, Kwon C.G. 2021;Effect of climate factors on fuel moisture contents in forest. Crisisonomy 17(6):89–97.
11. Lee S.Y, Kim J.E. 2011;A study on meteorological elements effecting on large-scale forest fire during spring time in gangwon young-dong region. J. Korean Soc. Hazard Mitig 11:37–44.
12. Lee S.Y, Lee H.P. 2006;Analysis of forest fire occurrence in Korea. Fire Science and Engineering 20(2):54–63.
13. Lee S.-Y, Lee M.-W, Kwon C.-G, Yeom C.-H, Lee H.-P. 2008;The model development and verification for surface branch wood fuels moisture prediction after precipitation during spring period at the east coast region. Fire Science and Engineering :434–437.
14. Lee Y.S, Park S.H, Jung H.S, Baek W.K. 2018;Classification of natural and artificial forests from KOMPSAT-3/3A/5 images using artificial neural network. Korean Journal of Remote Sensing 34(63):1399–1414.
15. Liu Y. 2016;Responses of dead forest fuel moisture to climate change. Ecohydrology 10(2):1760.
16. Matthews S, Gould J, McCaw L. 2010;Simple models for predicting dead fuel moisture in eucalyptus forests. International Journal of Wildland Fire 19(4):459–467.
17. Mölders N. 2010;Comparison of Canadian forest fire danger rating system and national fire danger rating system fire indices derived from weather research and forecasting (WRF) model data for the June 2005 Interior Alaska wildfires. Atmospheric Research 95(2-3):290–306.
18. Ryu G.S, Lee B.D, Won M.S, Kim K.H. 2014;Development of crown fire propagation probability equation using logistic regression model. Journal of the Korean Association of Geographic Information Studies 17(1):1–12.
19. Schunk C, Ruth B, Leuchner M, Wastl C, Menzel A. 2016;Comparison of different methods for the in situ measurement of forest litter moisture content. Natural Hazards and Earth System Sciences 16(2):403–415.
20. Vejmelka M, Kochanski A.K, Mandel J. 2016;Data assimilation of dead fuel moisture observations from remote automated weather stations. International Journal of Wildland Fire 25:558–568.
21. Won M.S, Kim Y.S, Kim K.H. 2013;Spatial distribution of forest fuel load and estimation on potential forest fire hazard in Yeongdong and Yeongseo, Gangwondo. 3. J. Korean Soc. Hazard Mitig 12(1):164.
22. Wotton B.M. 2009;Interpreting and using outputs from the canadian forest fire danger rating system in research applications. Environmental and Ecological Statistics 16(2):107–131.
23. Yeom C.H, Lee S.Y, Park H.S, Won M.S. 2020;A study on a development of automated measurement sensor for forest fire surface fuel moistures. J. Korean Wood Sci. Technol 48(6):917–935.

Article information Continued

Fig. 1

Geographic Locations of Study Sites and Sampling Plots; Slope (North, South)

Fig. 2

Comparison of Fuel Moisture Content on Each Slope in Spring and Autumn Forest Fire Danger Season (Slop: North, South)

Fig. 3

Comparison of Fuel Moisture Content on Each Slope in Spring and Autumn Forest Fire Danger Season (Ps: Prunus Serrulata, Qd: Quercus Dentata, Pd: Pinus Densiflora, PK: Pinus Koraiensis)

Table 1

The Comparison of Weather Factors in Study Area (Forest) and Chuncheon Weather Station

Year Month Study area Weather station
Temperature (°C) Relative humidity (%) Temperature (°C) Relative humidity (%)
T. (°C) MI.T. (°C) MA.T. (°C) RH. (%) MI.RH. (%) T. (°C) MI.T. (°C) MA.T. (°C) RH. (%) MI.RH. (%)
2018 Mar. 15.8 7.8 27.4 48.4 20.4 14.5 6.5 22.9 57.3 25.0
Apr. 12.5 -0.5 30.6 61.1 11.5 12.4 -1.5 29.0 62.5 9.0
May. 16.9 4.7 29.9 73.3 30.0 17.7 3.4 30.4 69.6 26.0
2019 Feb. 0.1 -11.2 14.5 58.0 20.3 -0.1 -13.1 14.1 59.9 19.0
Mar. 6.1 -3.3 17.1 53.2 15.9 5.4 -4.7 17.3 56.1 13.0
2020 Feb. 1.5 -13.5 15.3 65.7 23.6 1.4 -12.9 14.4 66.7 21.0
Mar. 7.3 -5.2 23.9 53.8 13.4 6.9 -5.6 21.3 55.0 11.0
Apr. 10.9 -2.1 26.3 48.5 10.5 10.5 -2.7 24.2 50.6 11.0
May. 17.5 5.9 31.6 71.2 12.0 18.1 6.1 30.1 68.1 11.0
2021 Feb. 1.6 -11.8 20.1 54.9 13.0 1.2 -13.7 19.8 57.0 8.0
Mar. 10.3 -2.8 30.9 58.0 10.5 7.8 -2.4 23.2 63.6 11.0
Apr. 13.5 0.7 32.7 57.4 13.3 13.1 2.0 29.1 56.5 15.0
May. 14.9 5.0 29.1 73.7 22.8 15.7 4.5 31.1 67.7 20.0

T.: Mean Temperature, MI.T.: Mean Min. temperature, MA.T.: Mean Max. temperature, RH.: Mean Relative humidity, MI.RH.: Mean Min. Relative humidity

Table 2

Pearson Correlation between Fuel Moisture Content and Weather Factors

Season T. (°C) MI.T. (°C) MA.T. (°C) RH. (%) MI.RH. (%)
Spring Slope North 0.903** 0.883** -0.287** 0.535** 0.487**
South 0.861** 0.836** -0.256** 0.546** 0.507**
Species Prunus serrulata 0.903** 0.883** -0.287** 0.535** 0.488**
Quercu dentata 0.861** 0.836** -0.256** 0.546** 0.507**
Pinus densiflora 0.901** 0.892** -0.282** 0.560** 0.510**
Pinus koraiensis 0.851** 0.858** -0.259** 0.541** 0.500**
Autumn Slope North -0.249* -0.106 -0.408** 0.259* 0.336**
South -0.264* -0.107 -0.434** 0.298** 0.400**
Species Prunus serrulata -0.036 0.083 -0.206 0.275** 0.371**
Quercu dentata -0.224* -0.082 -0.386** 0.245* 0.360**
Pinus densiflora -0.300** -0.167 -0.434** 0.182 0.280**
Pinus koraiensis -0.399** -0.283** -0.525** 0.161 0.282**

T.: Temperature, MI.T.: Minimum temperature, MA.T.: Maximum temperature, RH.: Relative humidity, MI.RH.: Minimum humidity * and

**

indicate significant at 5% and 1% levels, respectively.

Table 3

The Results of Multiple Regression Analysis by Stepwise Regression Method and Multiple Regression Equations (Fuel Moisture Content of Slope and Species by Weather Factors in Spring and Autumn)

Regression equations R2 P
Spring Slope North = -12.555 + -0.533 × (MA.T.) + 0.909 × (RH.) 0.295 < 0.01
South = -38.459 + 1.189 × (RH.) 0.294
Species Prunus serrulata = -34.753 + 1.186 × (RH.) 0.310
Quercu dentata = -37.876 + 1.156 × (RH.) 0.289
Pinus densiflora = -11.254 + 0.631 × (RH.) 0.317
Pinus koraiensis = -8.699 + 0.600 × (RH.) 0.288
Autumn Slope North = -2.949 + -4.321 × (MA.T.) + 1.414 × (RH.) 0.350
South = -26.319 + -5.093 × (MA.T.) + 1.727 × (RH.) 0.422
Species Prunus serrulata = 131.146 + -10.442 × (MA.T.) + 10.671 × (RH.) 0.206
Quercu dentata = -10.337 + -4.392 × (MA.T.) + 1.437 × (RH.) 0.311
Pinus densiflora = 13.696 + -2.722 × (MA.T.) + 0.751 × (RH.) 0.311
Pinus koraiensis = 20.956 + -2.777 × (MA.T.) + 0.681 × (RH.) 0.411

MA.T.: Maximum temperature, RH.: Relative humidity