본 연구에서는 농가 수준의 적응 수단인 작부체계 전환의 경제적 가치를 추정하고자 한다. 이는 앞서 언급하였듯이 현재 기후변화 대응 기술개발에 대한 농가 혹은 지역 수준의 자료는 구하기가 불가능하며, 기술개발 역시 현재 진행 중이기 때문이다. 특히, 본 연구에서는 작부체계 변경에 대한 구 조적 모형을 적용하여 기후변화에 대한 농업생산기술의 취약성을 분석하 고, 이에 대응하는 적응기술 개발방향에 대한 시사점을 제공하고자 한다.
축산 부문의 경우, 영향 평가 방법을 바탕으로 기후변화의 영향과 적응의 경제적 가치를 분석하고자 한다. 분석 대상 기술은 농가 수준의 기후변화 적응 기제인 축종 및 축종별 사육 규모 변경이다.
4.1. 분석 자료
4.1.1. 기상자료 및 기후변화 시나리오
2001년부터 2015년까지의 기상자료는 APCC(APEC Climate Center)에 서 제공한 고해상도 격자(raster) 기후자료를 이용하였다(정여민·음형일 2015). 이 자료는 전국을 3km×3km 격자로 나누고 각 격자에 해당하는 일 별 최고기온, 최저기온 그리고 강수량을 계측하였다. 본 연구에서는 격자 면적 중 각 시·군·구가 차지하는 면적을 가중치로 사용하여 정여민·음형일 (2015)의 자료를 시·군·구별 최고기온, 최저기온, 그리고 강수량으로 변환 하였다.
일별 기온분포를 추정하기 위해 Schlenker & Robert(2009)의 방법을 이 용하였다. 이 방법은 일별 최고기온과 최저기온을 이용하여 일별 온도 분 포를 사인 곡선(sinusodial curve)을 바탕으로 근사(approximation)하는 것 이다. 본 연구 역시 Eccel(2010)의 방법을 참조하여 일별 기온 분포를 사인
104 기후변화 완화 및 적응 수단의 경제적 효과분석
42
구체적으로 분석에 사용된 GCM은 CMCC-CM, CMCC-CMS, CCSM4, CESMI-BGC,
CESM1-CAM5, CNRM-CM5, HadGEM2-CC, HadGEM2-ES, INM-CM4,
MPI-ESM-LR, MPI-ESM-MR, IPSL-CM5A-MR, BCC-CSM1-1, MIROC5,
MRI-CGCM3이다.
기후변화 완화 및 적응 수단의 경제적 효과분석 105
면적 중 각 시·군·구가 차지하는 면적을 가중치로 이용하여 격자 단위 자 료를 시군별 기후자료로 변환하였다.
4.1.2. 농축산업 관련자료
경종 부문은 통계청의 시군별 단수와 재배면적 자료를 이용하였다. 쌀의 재배면적은 2001년부터 2015까지의 자료를 이용하였다. 시군별 작부체계 자료는 시군별 통계연보에 있는 재배면적 자료를 이용하였다. 일부 작부체 계자료의 신뢰도가 떨어지는 시군은 제외하고 분석을 진행하였다. 또한 광 역시의 경우 작부체계와 농지의 전환이 비환경적 요소에 영향을 더 많이 받는 것으로 가정하고 분석에서 제외하였다. 섬이라는 지역적 특수성을 가 진 제주도와 울릉도 역시 분석에서 제외하였다. 작부체계변경에 이용된 가 격자료는 통계청의 생산자 판매가격지수와 농업물품에 대한 생산자 구입 가격지수를 이용하였다. 축산부문의 경우 농업총조사의 각 연도 자료를 이 용하였다.
4.2. 작부체계변경을 통한 취약성 분석 4.2.1. 분석 모형 및 자료
농가수준의 적응 수단 중 작부체계 변경은 가장 광범위하게 사용되고 있 으며, 농민의 이윤뿐만 아니라 농업생산의 지역적 패턴에 영향을 주는 매 우 중요한 적응 수단이다. 농지의 이용은 농업경제학에서 오랫동안 연구되 어 왔지만, 적응 수단으로 농지이용을 해석하는 것은 최근의 일이다. 작부 체계 변경을 분석하는 구체적인 방법으로는 농가의 효용함수를 바탕으로 한 구조적 모형(stuctural model)을 이용하는 방법과 축약형 모형을 이용하 는 방법이 있다. 작부체계변경과 연관된 축약형 모형은 기후조건과 경지이 용 간의 인과관계를 추정하기 위한 방법으로 모형의 구성에 특별한 가정을
106 기후변화 완화 및 적응 수단의 경제적 효과분석
두지 않아 기후조건이 경지이용에 미치는 직접적인 영향을 추정한다(Wu 1999; Lubowski, Plantinga, and Stavins 2006; Hendricks et al. 2014).
구조적 모형에는 Chamber and Just(1989)를 기반으로 한 쌍대성을 이용 한 구조적 모형(Dual approach)이 가장 광범위하게 사용된다(Fezzi &
Bateman 2011: Lacroix & Thomas 2011; Arnade & Kelch 2007; Sckokai
& Moro 2005). 하지만 구체적인 생산 기술에 대한 가정 없이는 앞서 언급 한 농업 생산기술의 취약성을 분석하기에 한계가 있다. 따라서 본 연구에 서는 쌍대성을 이용하는 대신 이윤함수에 대한 구체적인 가정을 바탕으로 한 접근법(Primal approach)을 사용하였다(Kaminski and Thomas 2011;
Kaminski, Kan, and Fleischer 2012).
본 연구에서는 Kaminski, Kan, and Fleischer(2012)의 접근법을 이용하여 기후변화 적응의 경제적 가치와 기후변화가 농가의 생산 기술에 미치는 영 향을 추정하였다. 규모수확불변(Constant Return to Scale)하고 위험중립적 인 농가 i를 가정하면, 농가 i의 이윤함수를 아래와 같이 나타낼 수 있다(식 (2) 참조).
식 (2)
max
식 (2)는 규모수확불변 가정에 의해 전체 농경지를 1로 정규화한 농가 i 의 이윤극대화 모형이다. 여기서
는 t 기에 전체 경지 중 j 작물 경작지 비중을 나타내며,
는 t 기의 j 작물의 기대 가격,
는 t 기의 j 작물 의 기대 단수를 나타낸다. 기대 단수는 기대 가격에 영향을 받지 않는다고 가정하였다. 는 재배 기간 동안의 농가의 기대 기상조건을 의미한다. 는 시간에 따라 변화하지 않는 각 농가의 특징과 토질 등을 나타내며, 본 연구에서는 이를 고정효과로 처리하였다.
는 j 작물의 생산을 위해 필요 한 단위면적당 가변 투입재들의 투입 지수를 나타내는 벡터이며,
는기후변화 완화 및 적응 수단의 경제적 효과분석 107
가변 투입재들의 기대 가격 벡터를 나타낸다. 마지막으로
는 전체 농가 운영에 필요한 기대 비용을 뜻한다.Kaminski, Kan, and Fleischer(2012) 접근법의 가장 중요한 가정은 농가 의 운영비용과 생산함수에 대한 가정이다(식 (3)과 식 (4) 참조).
식 (3)
ln식 (4)
여기서
는 농가 운영의 고정비용을 나타내며,
는 j작물 생산을 위 해 필요한 단위면적당 기대 농가 운영 비용을 의미한다. 식 (3)의 마지막 항은 농가의 작부체계 전환에서 발생하는 암묵적인 농장 관리 비용 (shadow cost)으로,
의 엔트로피 함수의 형태를 가진다고 가정하였다.암묵적인 농장 관리 비용은 농가가 자유로운 작부체계 전환 혹은 농지 이 용에 걸림돌이 되는 요인(예를 들어 농지에 관한 규제, 기술적 제약, 수리 시설 미비 등)들에 의해 발생하는 비용을 의미한다. 는
의 엔트로피 함 수를 현금화시키는 일종의 가중치이며 기상조건에 영향을 받지 않는다고 가정하였다.식 (4)는 곡물 j의 생산함수를 나타낸다.
는 잠재 산출량,
는 잠재 산출량을 달성하기 위한 최적 투입재량,
부정확한 투입재 사용에 대한 생산함수의 내성(tolerance)을 나타낸다.43 이러한 파라미터들은 생산기술 의 특징을 대변하는 것이며, 기상조건과 농가의 특징에 영향을 받는다고 가정하였다. 본 연구에서는 t기에 농가 i의 작물 j와 관련된 생산기술과 작 물생산에 필요한 고정비용을 아래 식 (5)와 같이 가정하였다.43
예를 들어 토양의 수분은 작물의 비료흡수를 용이하게 한다. 따라서 토양의 수
분이 충분할 경우, 비료의 양이 부족하더라도 수분이 흡수율을 증가시켜 비료
부족으로 인한 단수 감소를 줄일 수 있다.
108 기후변화 완화 및 적응 수단의 경제적 효과분석
기후변화 완화 및 적응 수단의 경제적 효과분석 109
고 생산함수의 내성에 미치는 영향을 추정함으로써 기후변화에 대한 농가 생산구조의 취약성을 구체적으로 분석할 수 있다. 이는 향후 기후변화 적 응 정책의 방향설정에 중요한 정보로 사용될 수 있을 것으로 생각된다.
Kaminski, Kan, and Fleischer(2012)는 재배기간 동안 농민들의 예상 기 상조건이 고정되어 있다고 가정한 반면, 본 연구에서는 농가들이 정식 이 전에 예상하는 재배기간 동안의 기상조건은 과거 기상조건을 바탕으로 매 년 업데이트된다고 가정하였다. 구체적으로 농가들의 정식 이전의 예상 기 상조건은 이전 20년간의 평균값이라 가정하였다. 또한 농가들이 농작물과 중간재 가격에 대해 근시안적인 전망(myopic expectation)을 가지고 있다 고 가정하였다.
<표 5-16> 품목별 재배면적
단위: ha
품목 관측치 수 평균 표준 편차 최솟값 최댓값
쌀 1,624 5284.28 4653.02 1 21312
두류 1,639 463.49 437.59 0 2687
잡곡 1,639 147.60 250.76 0 1945.7
맥류 1,639 153.42 359.73 0 4956
서류 1,639 209.48 308.18 0 2794
조미채소 1,639 607.55 800.17 0 5894
엽채류 1,639 261.97 387.02 0 4601
근채류 1,639 102.98 182.09 0 2362
과채류 1,639 263.64 474.36 0 4025
과수 1,639 889.95 1218.63 1 7367
특용작물 1,639 176.27 199.84 0 1658
기타 품목 1,624 54933.15 33363.83 2845 174801
자료: 시군별 통계연보 2001~2015.
본 연구에서는 2001년부터 2015년까지 제주도, 울릉도 그리고 광역시 를 제외한 전국의 시군별 미곡, 잡곡, 두류, 맥류, 서류, 엽채류, 근채류, 조
110 기후변화 완화 및 적응 수단의 경제적 효과분석
미채소, 과채류, 과수, 특용작물의 재배면적 변화를 분석하였으며, J번째 땅의 이용에 해당하는 기준 품목 혹은 기타 품목(reference bundle)의 면적 은 시군별 총 면적에서 앞서 언급한 10개 품목을 제외한 면적을 이용하였다
<표 5-16>.
기상변수를 구성하기 위해서 Schlenker & Robert(2009)가 사용한 계단 함수(step function)를 이용하였다. 본 연구에서는 연간 기온을 0℃에서 3 0℃까지 10℃ 간격으로 구분한 후 연간 누적 시간을 계산하여 변수로 이용 하였다. 10℃ 간격의 계단함수를 이용한 이유는 다음과 같다. 우선, 기온 및 강수량과 관련된 변수의 사용은 문헌마다 차이가 있으며, 기상조건을 나타 내는 변수를 어떻게 설정할 것인가에 대한 경제학적 가이드는 없다. 이에 따라 함수 형태에 대한 가정을 피하고, 기온 효과에 대한 비모수적 추정에 가까운 계단 형태의 함수를 선택하였다(Dell, Jones, & Olken 2014). 둘째, Schlenker & Robert(2009)의 경우, 미국의 천수 농업지역을 대상으로 하였 기 때문에 지역별 기온분포의 차이가 매우 다양하게 나타난다. 하지만 우리 나라의 경우, 지역별 기온분포의 차이가 Schlenker & Robert(2009)의 대상 지역에 비해 매우 작다. 따라서 Schlenker & Robert(2009)가 사용한 3℃ 간 격의 계단함수를 이용할 경우, 변수 간의 다중공선성(multicollinearity)으로 인해 35℃ 이상의 기온이 농지 이용에 미치는 영향을 식별하는 데 어려움 이 있다. 마지막으로 최근 기후변화 연구에는 Growing Degree Days(GDD) 혹은 Extreme Heat Degree Days(HDD)와 같은 변수가 자주 사용되고 있다.
하지만 옥수수와 콩을 제외한 다른 작물의 경우, 두 변수의 계측에 사용되 는 일별 최고온도와 일별 최저온도에 대한 논란이 있는 상태이다. 연구가
하지만 옥수수와 콩을 제외한 다른 작물의 경우, 두 변수의 계측에 사용되 는 일별 최고온도와 일별 최저온도에 대한 논란이 있는 상태이다. 연구가