Reliable estimation of the forest soil nitrogen spatial distribution is necessary for effective forest ecosystem management. This study aimed to develop high-resolution digital soil maps of forest soil nitrogen across South Korea using three powerful machine learning methods to better understand the spatial variations of forest soil nitrogen and its environmental drivers. To achieve this, the study used national-level forest soil nitrogen data and environmental data to construct various geographic and environmental variables including geological, topographic, and vegetation factors for digital soil mapping. The results show that of the machine learning methods, the random forest model had the best performance at predicting total soil nitrogen in the A and B horizons, closely followed by the extreme gradient-boosting model. The most critical predictors were found to be geographic variables, quantitatively confirming the significant role of spatial autocorrelation in predicting soil nitrogen. The digital soil maps revealed that areas with high elevation, concave slopes, and deciduous forests had high nitrogen contents. This finding highlights the potential usefulness of digital soil maps in supporting forest management decision-making and identifying the environmental drivers of forest soil nitrogen distribution.

Inland wetlands store disproportionate soil organic carbon (SOC), yet spatially explicit information is scarce for temperate monsoon riverine wetlands, where recurrent erosive flooding shapes carbon accumulation. To map depth-resolved SOC stocks (kg C m⁻²) and evaluate satellite covariates, we combined stocks measured at 494 sites in the Han, Geum, and Yeongsan–Seomjin river basins, South Korea, with multi-temporal Sentinel-2 and terrain covariates in random forest models at 20 m for the organic layer, 0–30 cm, and 0–100 cm. Cross-validated R² (squared correlation) was low (0.21, 0.18, and 0.15, respectively) but within the range reported for wetland SOC mapping. Satellite covariates raised R² by 0.02–0.07 and reduced the root mean square error (RMSE) relative to a non-satellite baseline; dormant-season reflectance added no information. The April normalized difference vegetation index (NDVI) ranked highest for both mineral-soil layers, while hydrology and parent material gained importance at 0–100 cm. NDVI showed a threshold-type partial-dependence response despite weak rank correlations; one plausible interpretation is that vegetation cover indicates the geomorphic stability of the ground surface. The model-based regional stocks are 3.11 and 6.08 Mt C at 0–30 and 0–100 cm (27.7 and 54.1 t C ha⁻¹), at the low end of published values for Asian monsoon riverine wetlands. The maps provide a baseline for carbon assessment.

본 논문은 KCI에 등재된 지역학 학술지의 논문 중 변수중심의 양적방법론을 이용한 기존 연구를 정리하여 데이터와 방법론의 특징과 동향, 한계를 파악하고, 이를 바탕으로 새로운 양적방법론적 접근의 가능성을 타진하는 것을 목적으로 한다. 이를 위해 등재 학술지를 중심으로 지역 혹은 국가를 분석한 연구들의 키워드와 활용 데이터, 방법론 등을 추출하고 지역별 · 시계열별 분석과 비교 대상이 된 지역 간의 관계 동향을 분석하였다. 그 결과, 2000년대 이후 지역학 학술지의 발간이 크게 늘었으며 특히 아시아를 대상지역으로 하는 학술지가 크게 증가하였다. 하위 지역별로 보면 한국과 지리적으로 인접한 동아시아와 동남아시아를 대상으로 한 학술지의 발간이 증가하였다. 국가를 대상으로 한 연구가 지역을 대상으로 한 연구에 비해 더 많이 나타났고, 이를 지역별로 살펴보면 아시아와 유럽을 대상으로 한 연구가 많은 것을 확인하였다. 또한 연구에 활용한 데이터의 출처는 국제기구 혹은 정부 통계가 주를 이루고 있어 한정된 기구의 데이터를 의존하는 경향과 그에 따른 한계를 볼 수 있다. 그러나 스케일 의존도가 낮아 지역 · 국가 · 지방 비교에 모두 활용할 수 있고 경계에 구속받지 않는 공간자료의 활용은 드물게 나타나, 여러 형태의 데이터를 포괄적으로 고려하는 방법론의 개발과 적용을 통한 새로운 데이터 중심 연구방법의 가능성을 확인할 수 있었다.