진주시 소나무재선충병 발생 예측 모형 구축 및의사결정나무 기반 구조적 해석 = Development of a Pine Wilt Disease Occurrence Prediction Model and Decision-Tree-Based Structural Interpretation in Jinju-si, Korea

국문 초록 (Abstract)

본 연구는 경상남도 진주시의 예찰 및 방제 이력 자료를 활용하여 소나무재선충병 발생 예측 모형을 구축하고, 의사결정나무 분석을 통해 발생의 구조적 규칙을 규명하고자 하였다. 이를 위해 2017∼2022년 예찰 자료와 2020∼2022년 방제사업 자료를 공간 정보로 변환하여 감염 지점 66,317개 와 비감염 지점 66,317개로 구성된 총 132,634개의 데이터셋을 구축하였다. 6종의 분류모형(의사결정나무, 베이지언 네트워크, 인공신경망, 로지스틱 회귀, 배깅, 랜덤포레스트)을 적용하여 예측 성능을 비교한 결과, 랜덤포레스트 모형이 88.9%로 가장 높은 분류 정확도를 나타냈다. 발생 요인의 해석 가능성과 관리 의사결정 지원을 위해 의사결정나무 모형을 중심으로 발생 규칙을 도출하였다. 분석 결과, 소나무재선충병 발생에 영향을 미치는 주요 변수는 고도, 화목보일러 접근성, 주거지역 접근성, 방위, 경사 순으로 나타났다. 특히 저고도(150 m 이하), 남향, 주거지역 인접 산림에서 발생 확률이 높게 나타났으며, 화목보일러 접근성 3.3 km 이상 또는 고도 179 m 이상의 지역에서는 비발생 확률이 상대적으로 높았다. 본 연구는 지역 단위의 실제 방제 이력 자료를 기반으로 소나무재선충병 발생의 공간적 특성과 주요 영향 요인을 규명하였다. 또한 해석 가능한 규칙 기반 예측 결과를 통해 방제 자원의 공간적 우선순위 설정에 활용 가능한 관리 기준을 제시하였다는 점에서 정책적·실무적 의의를 가진다.

다국어 초록 (Multilingual Abstract)

This study aimed to develop a predictive model for pine wilt disease occurrence in Jinju-si, Gyeongsangnam-do, Korea, and to identify structural rules governing disease occurrence using a decision tree approach. Surveillance records from 2017 to 2022 and control project records from 2020 to 2022 were converted into spatial data to construct a dataset consisting of 132,634 points, including 66,317 infected and 66,317 non-infected locations. Six classification models (decision tree, Bayesian network, artificial neural network, logistic regression, bagging, and random forest) were applied to compare predictive performance. Among them, the random forest model showed the highest classification accuracy of 88.9%. To obtain interpretable rules and support management decision-making, occurrence rules were derived using the decision tree model. The results showed that elevation, proximity to firewood boilers, proximity to residential areas, aspect, and slope were the major variables associated with pine wilt disease occurrence. A higher probability of occurrence was observed in low-elevation areas (≤150 m), south-facing slopes, and forests adjacent to residential areas. In contrast, areas located more than 3.3 km from firewood boilers or above 179 m in elevation showed a relatively higher probability of non-occurrence. By using actual local surveillance and control records, this study identified the spatial characteristics and key influencing factors of pine wilt disease occurrence. The rule-based results derived from the decision tree provide interpretable criteria for prioritizing control resources and establishing spatially differentiated management strategies.