APEX-Paddy 모델을 이용한 기후변화에 따른 논벼 생산량 및 증발산량 변화 예측
Estimation of Crop Yield and Evapotranspiration in Paddy Rice with Climate Change Using APEX-Paddy Model
최순군
*･ 김민경
*,†･ 정재학
**･ 최동호
*･ 허승오
*Choi, Soon-Kun ･ Kim, Min-Kyeong ･ Jeong, Jaehak ･ Choi, Dongho ･ Hur, Seung-Oh
Abstract
The global rise in atmospheric CO2 concentration and its associated climate change have significant effects on agricultural productivity and hydrological cycle. For food security and agricultural water resources planning, it is critical to investigate the impact of climate change on changes in agricultural productivity and water consumption. APEX-Paddy model, which is the modified version of APEX (Agricultural Policy/Environmental eXtender) model for paddy ecosystem, was used to evaluate rice productivity and evapotranspiration based on climate change scenario. Two study areas (Gimjae, Icheon) were selected and the input dataset was obtained from the literature. RCP (Representitive Concentration Pathways) based climate change scenarios were provided by KMA (Korean Meteorological Administration). Rice yield data from 1997 to 2015 were used to validate APEX-Paddy model. The effects of climate change were evaluated at a 30-year interval, such as the 1990s (historical, 1976~2005), the 2025s (2011~2040), the 2055s (2041~2070), and the 2085s (2071~2100). Climate change scenarios showed that the overall evapotranspiration in the 2085s reduced from 10.5 % to 16.3 %. The evaporations were reduced from 15.6 % to 21.7 % due to shortend growth period, the transpirations were reduced from 0.0% to 24.2 % due to increased CO2 concentration and shortend growth period. In case of rice yield, in the 2085s were reduced from 6.0% to 25.0 % compared with the ones in the 1990s.
The findings of this study would play a significant role as the basics for evaluating the vulnerability of paddy rice productivity and water management plan against climate change.
Keywords: APEX-paddy model, Climate change, Evapotranspiration, Rice yield
*
Climate Change and Agroecology Division, National Institute of Agricultural Science
**
Texas A&M AgriLife Research, Texas A&M University
† Corresponding author
Tel.: +82-63-238-2502 Fax: +82-63-238-3823 E-mail: [email protected]
Received: August 23, 2016 Revised: June 9, 2017 Accepted: June 19, 2017
Ⅰ. 서 론
산업혁명 이후 화석연료 사용에 따른 대기중 이산화탄소 의 증가는 기후시스템의 복사강제력을 높이는 주요 원인인 것으로 나타났으며 이로인한 전지구적 기온상승은 인간계와 자연계에 광범위하게 영향을 주고 있다 (IPCC, 2014). 대기 중 이산화탄소 농도의 증가에 의한 기온상승, 강수량 및 강수 특성의 변화는 농업생산성과 농경지 증발산량 변화에 따른 수문순환 변화에 영향을 줄 것으로 예상된다 (Kim et al., 2004; Chung, 2010; Lee et al., 2012; Jang et al., 2015). 따라 서 미래 식량 생산량 변화 대응과 농업수자원 계획 수립을 위 하여 기후변화에 따른 농업생산성 및 소비수량 변화에 관한 연구가 필요하다.
대기중 이산화탄소 증가와 기온상승이 농업생산성 및 소비 수량에 미치는 영향에 대한 많은 실험연구와 모델연구가 수행 되어왔다. 실험을 통한 연구는 통제된 조건에서의 환경인자들 의 영향을 볼 수 있다는 장점이 있으나 환경 설정을 위해 많은 비용과 시간이 소요되어 다양한 환경조건에 대한 분석이 불가 능하다는 한계를 지닌다. 따라서 CROPGRO-Soybean (콩), CERES-Barley (보리), ORYZA (벼) 등 다양한 작물생육 모 형을 이용한 연구가 수행되었다 (Stooksbury, 2003; Vaghefi et al., 2011, Kim et al., 2013a). 최근에는 모델간 추정의 불확 실성을 줄이기 위하여 여러 모델의 결과를 이용하는 멀티모 델앙상블 (multi model ensemble) 기술이 각광을 받고 있다 (Ruaner et al., 2016).
기후변화 영향에 대한 실험연구로서 Jones and Mansfield (1970)는 이산화탄소 농도의 증가가 잎의 공변세포를 부분적 으로 닫게 하기 때문에 증산량을 줄이는 결과를 가져온다고 하였으며 Kimball (1983)과 Kimball and Idso (1983)는 이산 화탄소 농도를 2배로 하는 환경을 조성하였을 때 C3 식물의 생장속도가 빨랐으며 생산량이 33 % 증가하고 증산량이 34
% 감소하였다고 밝혔다. Allen et al. (2003)은 콩에 대해 기온 상승조건과 이산화탄소 농도 배증 조건을 구성하여 분석한
Fig. 1 Study area
결과 이산화탄소 농도 배증 조건에서 증발산량이 감소하나기온상승 조건에서는 증발산량이 증가하였으며 두 조건을 모 두 적용한 조건에서는 결국 증발산량이 증가하였다고 보고하 였다.
국내 논벼에 대한 모델 연구로서 Chung (2010)은 AquaCrop 모델을 이용하여 생산량 변화를 모의한 결과 기후변화에 따 라 생산량이 98 %까지 증가한다고 하였고 Shim et al. (2010) 은 CERES-Rice 모델을 이용한 결과 등숙 기간의 단축과 고 온에서의 임실율 저하 등으로 인해 생산량이 14.9 % 감소한 다는 결과를 도출하였다. Lee et al. (2012)은 CERES-Rice 모 델에 SRES (Special Report on Emissions Scenarios) 기후변 화 시나리오의 기온, 이산화탄소 농도 변화를 적용한 결과 생 산량은 기준년도 대비 -1.1 %~12 %가 증가한 반면 소비수량 은 6.6 %~19.1 %가 감소하는 것으로 분석하였다.
모델의 특성에 따라 예측결과가 달라지며 같은 모델을 사 용하더라도 어떠한 자료를 사용하였는지, 어떠한 인자가 고 려되었는지에 따라 결과가 달라진다. 따라서, 멀티모델 앙상 블을 위해서는 평가모형을 다양화할 필요가 있으며 이에 앞
서 개별 모형에 대한 특성을 이해하고 기후변화 시나리오 적 용 결과를 평가할 필요가 있다.
본 연구에서는 농촌진흥청과 Taxas A&M의 공동연구를 통해 개발한 새로운 논 모델인 APEX-Paddy 모델의 기온, 이 산화탄소 반응을 분석하고 기후변화가 논벼의 증발산량과 생 산량에 미치는 영향을 평가하고자 하였다.
Ⅱ. 재료 및 방법
1. 연구대상지역
기후변화 영향 분석을 위한 연구대상지역은 기후특성을 고려하여 중부내륙에 위치한 이천과 서부해안 평야지대에 위 치한 김제로 선정하였다 (Fig. 1). 이천의 연평균기온은 11.0
°C이며 1월 평균 기온 -4.9 °C, 8월 평균기온 24.8 °C이다. 연 평균 강수량은 1323 mm이다. 김제의 연평균 기온은 약 12.8
°C이며 1월 평균 기온 약 -4.6 °C, 8월 평균 기온 약 32.2 °C이 다. 연평균 강수량은 1284 mm이다.
APEX-Paddy 모델의 검정을 위하여 28개 시군을 대상지 역으로 선정하였다. 연구 대상지역의 목록은 Fig. 1과 같다.
선정기준은 2015년 논벼 재배면적 통계자료를 바탕으로 각 도별로 논벼 재배면적의 50 % 이상이 되도록 하는 3~4개 시 군으로 정하였다. 선정된 시군은 경기도 김포시, 양평군, 화성 시, 이천시, 강원도 원주군, 강릉시, 고성군, 충청북도 보은군 진천군, 괴산군, 충청남도 서산시, 부여군, 보령군, 전라북도 군산시, 남원시, 임실군, 김제시, 전라남도 고흥군, 장흥군, 나 주시, 강진군, 경상북도 의성군, 구미시, 경주시, 경상남도 합 천군, 진주시, 밀양시, 울산광역시이다.
2. APEX-Paddy 모델의 특성
본 연구에서는 논벼의 생산량, 증발 및 증산량 추정 모델로 서 APEX-Paddy 모델을 사용하였다. APEX-Paddy 모델은 논 환경조건을 모의하기 위하여 기존의 APEX (Agricultural Policy/Environmental eXtender) 모델에 담수조건의 알고리 즘을 추가한 모델로서 농촌진흥청과 Taxas A&M의 공동연 구를 통해 개발된 모델이다. 낙수기와 비영농기 등의 비담수 조건에서는 기존 밭작물에 대한 알고리즘을, 담수 조건에서 는 논 알고리즘을 따르며 벼는 통기스트레스를 받지 않는다.
APEX-Paddy 모델은 작물의 생육 및 소비수량 뿐만 아니라 관개량, 배수량 등 농경지의 물 순환요소를 분석할 수 있으며 농경지 최적관리 (BMP, Best Management Practices)의 효과 도 분석 가능하다 (Steglich and Williams, 2013).
가. APEX 모델의 작물생육, 증발량 및 증산량 산정 APEX 모델의 세부모델은 토양침식이 생산성에 미치는 영향을 평가하기 위해 개발된 EPIC (Environmental Policy Integrated Climate) 모델 (Williams et al., 1984)에서 유래되 었다 (Williams and Izaurralde, 2006). 증발산량은 Penman (Penman, 1948), Penman-Monteith (Monteith, 1964), Priestley- Taylor (Priestley and Taylor, 1972), Hargreves (Hargreaves and Samani, 1985), Baier-Roberton (Baier and Roberton, 1965) 공식으로 산정되며 5가지 증발산모델 중 하나를 선택 하여 사용할 수 있다. 모델이 요구하는 기후자료가 부족한 경 우에는 APEX 모델에 내장되어있는 날씨생성기 (Weather generator)가 만들어내는 자료를 사용한다.
APEX 모델은 대기중 이산화탄소 농도 변화와 이에 따른 기후변화가 작물생육 및 증발산량에 미치는 영향을 모의할 수 있다. APEX 모델은 광합성기작을 모의하지 않지만 복사 에너지 사용효율 (radiation use efficiency)에 따라 바이오매 스의 증가량을 계산하고 이는 최종적인 작물생산량에 영향을 준다 (Stockle et al., 1992). 바이오매스의 잠재적인 증가량은
다음의 식으로 산정된다 (Monteith, 1977).
×
× max
(1) ′ ×
(2)
(3)
(4)여기서,
과 ′
은 각각 일 단위 바이오매스의 잠 재적인 증가량과 실재 일 단위 바이오매스 증가량 (t･ha-1
･d-1
),
는 복사에너지 사용효율 (kg･ha-1
/ MJ･m-1
),
은 광합성 활성 복사선 (MJ･m-2
･d-1
),
는 증기압차 (kPa),
는
와
와 관련된 작물매개변수,
는 작 물의 스트레스인자이다.
는 외기복사량 (MJ･m-2
･d-1
),
는 엽면적지수이며
는 일 평균기온에 대한 포화수증기압 (kPa),
는 대기 중 수증기압 (kPa) 이다.증발산량 산정 시 Penman-Monteith 공식을 사용할 경우
와
의 영향을 고려하여 증발량 및 증산량을 산정 할 수 있다. Stockle et al. (1992)은 Penman-Monteith 공식이 공기동역학적 저항 (aerodynamic resistance)과 캐노피저항 (canopy resistance)를 고려하기 때문에 이 공식을 선정하여
와
의 영향을 고려하도록 수정하였다. 수정된 Penman- Monteith 공식은 EPIC 모델과 APEX 모델에 적용 되었으며 그 식은 다음과 같다 (Williams et al., 2012).
(5)
여기서,
는 잠재증발량 (mm/d),
는 포화수증기압 곡 선의 기울기 (kPa･°C-1
),
은 순복사량 (MJ･m-2
･d-1
),
는 공기밀도 (kg･m-3
),
는 증기압차 (kPa),
은 지상 10 m 지점에서의 평균풍속 (m･s-1
),
는 기화잠열 (MJ･kg-1
),
는 습도계 상수 (kPa･°C-1
)이다.식물에 의한 증산량 (
, mm/d)은 다음과 같이 산정된다.
(6)
여기서,
는 열과 증기이동에 대한 공기동역학적 저항 (s･m-1
),
는 증기이동에 대한 캐노피저항 (s･m-1
)이다. 캐노피저항은 증기압차 (
)와 대기중 이산화탄소 농도 (
) 의 함수로서 낮은 증기압차와 높은 이산화탄소 농도는 기공 유통성 (stomatal conductance)을 낮추게 되므로 캐노피저항 을 높이는 결과를 가져온다 (Stockle et al., 1992).
(7)
은 1.0~2.0 사이의 값을 갖는 매개변수이며,
는 작물 의 엽면적지수,
은 잎의 공기유통성 (m･s-1
)으로서 증기압 차의 함수이며 작물에 따라 다른 값을 가진다.엽면적지수는 출현으로부터 잎의 쇄락 전까지 다음의 식 을 따른다 (Williams et al., 2012).
∆ ∙ ∙
∙
(8) ∙
(9)
max min
(10)
는 작물의 일 초기 엽면적지수이며
는 작물 최 대 엽면적지수,
는 생장기간 중 총 엽면적지수,∆
는 열단위의 일 변화량이다.
는 작물의 열단위지수 (heat unit index),
는 작물의 열단위 (heat unit factor)이며
와
는 작물의 생육특성에 따른 계수이다.
는 재배일 (day),
는 열단위, max
는 일 최고기온 (°C), min
는 일 최저기 온 (°C),
는 생육기저온도 (°C),
는 작물이 출현하여 생리적 성숙에 도달하기까지의 열단위의 총량이다.잎의 노화가 시작하여 생장시기가 끝날 때까지
는 다 음의 식으로 산출된다.
(11)여기서,
는
가 감소하기 시작할 때의
이며
는
감소율을 제어하는 작물매개변수이다.나. APEX-Paddy 모델의 증발량 및 증산량 산정 방법 APEX-Paddy 모델은 논에서 증발산량 산정의 정확도를 높이기 위하여 담수조건의 경우 작물에 의한 차단과 논의 담
수 및 배수조건을 고려할 수 있는 Sakaguchi et al. (2014)의 방법을 사용한다. 논 담수조건에서의 수면증발량은 다음 식 으로 산정된다.
i f
(12)
(13)여기서,
는 일 증발량 (mm),
는 일 증발산량 (mm),
는 엽면적지수,
는 수면에서의 증발이 일어나지 않을 때의 엽면적지수이다.
는 수면증발계수로서 SWAT (Soil and Water Assessment Tool) 모델의 저수지 모듈에 적 용된 수면증발계수 0.6을 적용한다 (Neitsch et al., 2011).
는 Miyazaki et al. (2005)의 연구 결과에 따라 4.0으 로 설정되어있다.3. APEX-Paddy 모델 데이터 구축 및 모델 보･검정
가. 기후자료기후변화 시나리오 작성의 기준년도인 1976년~2005년 (Historical)에 대한 기후자료는 각 지역 기상청 종관기상관 측시스템 (ASOS: Automated Synoptic Observing System) 의 실측자료를 사용하였다. 김제의 경우 해당지역에 ASOS 자료가 없기 때문에 가장 인접한 부안측후소의 자료를 사용 하였다.
2011년~2100년 기간에 대한 자료는 기상청 (KMA, Korea Meteorological Administration) 기후변화정보센터 (CCIC, Climate Change Information Center)로 부터 제공받은 제어 적분 400년, 1 km 해상도의 기후변화시나리오자료를 사용하 였다. 해당 시나리오는 HadGEM3-RA (Atmospheric Regional climate model of Hadley Centre Global Environment Model version 3)로서 영국 기상청 해들리센터의 기후변화예측모델 인 HadGEM2-AO GCM (General Circulation Model)을 기 반으로 지역기후모형 (RCM, Regional Climate Model)과 통 계적 상세화 기법 (MK-PRISM: Modified Korean Parameter- elevation Regressions and Independent Slopes Model)으로 1 km 해상도로 상세화 (downscaling)한 결과이다 (Kim et al., 2012; Kim et al., 2013b).
APEX-Paddy 모델의 입력항목으로서 최고･최저기온, 강 수량의 측후소지점 자료를 사용하였다. 미래기후자료 중 상 대습도, 일사량, 풍속은 12.5 km 해상도로 제공되는 기후시 나리오자료가 편의보정이 되지 않았기 때문에 본 연구에서는 최고･최저기온, 강수량으로 입력항목을 제한하였다. 상대습
Table 1 CO
2concentration input for APEX-Paddy model
PeriodScenario Historical
(ppm) 2025s
(ppm) 2055s
(ppm) 2085s
(ppm)
RCP 4.5 363.09 424.88 497.47 532.43 RCP 8.5 363.09 435.65 578.07 807.17
Table 2 Properties of representative paddy soil of study area
No. Location Representative soil series Soil taxonomy of top soil Hydraulic group
1 Gimpo-si MANGYEONG Silty loam A
2 Yangpyeong-gun WEOLGOG Silty loam B
3 Hwaseong-si SACHON Loam C
4 Icheon-si SACHON Loam C
5 Goseong-gun HAMCHANG Silty loam D
6 Wonju-gun JISAN Loam C
7 Gangneung-si YECHEON Sandy loam D
8 Chungju-si JISAN Loam C
9 Boeun-gun SACHON Loam C
10Goesan-gun SACHON Loam C
11 Seosan-si POSEUNG Loam D
12 Buyeo-gun JISAN Loam C
13 Boryeong-si OGCHEON Loam D
14 Gunsan-si MANGYEONG Silty loam A
15 Namwon-si SACHON Loam C
16 Imsil-gun SACHON Loam C
17 Gimje-si MANGYEONG Silty loam A
18 Goheung-gun MANGYEONG Silty loam A
19 Jangheung-gun IMGOG Loam D
20Naju-si JISAN Loam C
21 Gangjin-gun HOEGOG Loam C
22 Uiseong-gun YANGGOG Loam C
23 Gumi-si YONGJI Silty loam B
24 Gyeongju-si YONGJI Silty loam B
25 Hapcheon-gun YUGA Silty clay loam C
26 Jinju-si YUGA Silty clay loam C
27 Miryang-si PYEONGTAEG Silty loam D
28 Ulsan JISAN Loam C
도, 일사량, 풍속은 APEX 모델의 일 단위 확률적 날씨 발생기 인 WXGN (Sharpley and Williams, 1990) 모델이 기준년도 의 통계값으로부터 추정한 결과를 동일하게 적용하였다.
나. 대기중 이산화탄소 농도
모형의 이산화탄소 농도 입력값은 IPCC 5차보고서의 대 표농도경로 시나리오 (RCP, Representative Concentration
Pathway)별 각 분석기간의 평균값을 사용하였다. APEX- Paddy 모델에 적용된 이산화탄소 농도는 Table 1과 같다.
다. 토양특성자료
대상지역의 토양특성자료는 국립농업과학원에서 제공하 는 흙토람 (National Institute of Agricultural Sciences, 2016) 정보를 이용해 구축하였다. 토양특성자료는 토층 깊이, 토층별 토성, 유기물함량, pH, 포화수리전도도, 포장용수량, 위조점 등의 정보가 포함된다. 대표토양은 논 토양 중 연구대상 시군 에서 가장 큰 면적을 차지하는 토양으로 선정하였다 (Table 2).
라. 영농활동자료
연구대상지역의 영농활동자료는 2008년도 작황시험보고
Table 3 Properties of management schedule (month/day)
Operation type Puddling Transplanting Midsession drainage Harvest Study area
Type A 5/16 5/207/18～8/2 10/15 Gimpo, Yangpyeong, Icheon, Goseong, Wonju, Gangneung, Uiseong, Gumi
Type B 5/21 5/25 7/23～8/7 10/20 Hwaseong, Seosan, Buyeo, Boryeong, Gunsan, Boeun, Goesan, Chungju
Type C 5/26 5/307/28～8/12 10/25 Namwon, Imsil, Gimje, Gyeongju Type D 5/31 6/8 8/2～8/22 10/30 Goheung, Jangheung, Naju, Gangjin, Hapcheon,
Jinju, Miryang, Ulsan
Table 4 Calibrated results of rice crop parameter
in APEX model
Location (Do) Location (sigun) Modified Location (Do) Location (sigun) Modified
Gyunggi
Gimpo-si 1510
Chungbuk
Boeun-gun 1530
Yangpyeong-gun 1680Chungju-si 160 0
Hwaseong-si 1790Goesan-gun 160 0
Icheon-si 1540
Chungnam
Seosan-si 1620
Gangwon
Wonju-gun 1700 Buyeo-gun 1780
Gangneung-si 1560Boryeong-si 1670
Goseong-gun 1400
Jeonbuk
Gunsan-si 1820
Gyungbuk
Uiseong-gun 1650Namwon-si 1720
Gumi-si 1710Imsil-gun 1560
Gyeongju-si 1760Gimje-si 1820
Gyungnam
Hapcheon-gun 1800
Jeonnam
Goheung-gun 1710
Jinju-si 1770Jangheung-gun 1680
Miryang-si 1700 Naju-si 1810
Ulsan 1780Gangjin-gun 1680
Fig. 2 Calibrated
estimation curve using Suwon (South Korea) field data
서 (Rural Development Administrator, 2009)를 참고하여 작 성하였다. 지역의 기후특성에 따라 영농활동 (써레질 시기, 이앙기, 중간낙수기, 수확기, 시비시기 등)이 4개의 유형으로 분류되며 연구대상지역의 영농활동 유형과 모델 입력값은 Table 3에 정리하였다.
마. 논벼 작물계수
벼의 경우 모판에서 25~30일경 자라다가 본답에 이앙되므 로 APEX 모델의 밭작물이 씨앗을 직파하여 발아부터 생육이 시작되도록 설정된 것과 달리 APEX-Paddy 모델에서는 초기 엽면적지수 (
)값이 0.1로 설정되어있다. 이앙재배 벼의 엽면적지수 추정곡선의 계수는 기존의 APEX 모델과 상당한 차이가 있으므로 국립식량과학원 답작과의 수원시험포장에 서 조사한 자료를 이용하여 보정하였다 (Fig. 2). 이에 따라 최 적 옆면적 발달곡선의 첫 번째 점인
은 30.01에서 28.01로, 최적 옆면적 발달곡선의 두 번째 점인
는 70.95에서 51.95로 보정하였다. 소숫점 앞 숫자는 전체생육 기에 대한 해당 시기의 비율 (%)을 의미하며 소숫점 뒤 숫자는 최대 잠재 옆면적지수 (
, %)이다.잠재적 열단위인
값은 각 시군에 대하여 수확일 평균
가 1.10이 되도록 보정하였다. 보정된
값은 Table 4 에 정리하였다.(a) Icheon (b) Gimje
Fig. 3 Annual statistics of rice yield vs simulated rice yield during valibration periods (1996～2015)
Table 5 Validation results for annual rice crop yield
Location Statistics rice yield Simulated rice yield
RMSE R2
Avg. St. Dev. Avg. St. Dev.
Icheon 6.56 0.33 6.31 0.46 0.32 0.50
Gimje 7.23 0.40 7.09 0.54 0.47 0.28
바. APEX-Paddy 모델 검정
본 연구에서는 모델 검정을 위한 자료로서 20년 기간 (1996 년~2015년)의 시군별 논벼 생산량 통계자료 (Statics Korea, 2016)를 이용하였다. 연도별 생산량 자료의 검정은 이천, 김 제 지역을 대상으로 하였으며, 지역별 생산량 자료의 검정은 20년 (1996년~2015년) 평균을 이용하였다.
4. APEX-Paddy 모델의 기후 민감도 분석
APEX-Paddy 모델의 기후요소에 대한 민감도를 분석하기 위하여 기온, 이산화탄소 농도 변화에 대한 모델의 반응을 살 펴보았다. 민감도 분석을 위한 대표측후소는 이천 측후소로 선정하였으며 1976년~2005년의 평년에 해당하는 30년 기간 의 이천 기후자료를 사용하였다. 대기중 이산화탄소 농도는 300 ppm 부터 900 ppm 까지 20 ppm 간격으로 변화를 주었 다. 최고･최저기온의 증가량은 +0 °C 부터 +5 °C 까지 0.2 °C 간격으로 설정하였으며 기존의 최고･최저기온에 증가분을 더하여 입력자료로 사용하였다. APEX-Paddy 모델의 결과 중 증발산량, 증산량, 증발량, 생산량에 대하여 30년 평균값 을 도출하였다.
5. 기후변화 영향 평가
본 연구에서는 기후변화 영향형가를 위하여 논벼의 증발 산량과 생산량에 대하여 기후변화 시나리오 작성의 기준년
도인 1976년~2005년 (1990s, Historical)과 기후예측기간인 2011년~2100년을 30년 단위로 구분하여 논벼의 증발산량 및 생산량을 산정하여 비교하였다. 2011년~2040년을 2025s, 2041년~2070년을 2055s로, 2071년~2100년을 2085s로 표 기하였으며 기후변화에 따른 각 시기 증발산량, 증발량, 증산 량 및 논벼 생산량의 평년 결과를 연구대상지역별로 도출하 였다. 각 요소의 분석결과는 R 패키지프로그램인 ggplot2를 이용하여 박스그래프로 시각화하였다.
Ⅲ. 결 과
1. APEX-Paddy 모델 검정 결과
이천과 김제의 연도별 생산량 통계자료와 모의결과를 비 교한 결과 (Fig. 3) R
2
는 각각 0.50, 0.28로 낮은 값을 보였고, RMSE는 각각 0.32, 0.47로 시군 생산량 통계자료의 표준 편차인 0.33, 0.40과 비교할 때 다소 높은 것으로 나타났다 (Table 5). 따라서 APEX-Paddy 모델이 연간 생산량 변화를 정확하게 모의하지 못하는 것으로 판단된다. 원인은 첫째, 모 델이 고온피해와 냉해, 수분수트레스, 양분스트레스를 주로 반영하나 저수지 물 부족에 의한 가뭄을 모의할 수 없으며 둘 째, 모델이 태풍, 병충해 등의 재해를 반영하지 못하기 때문이 다. 셋째, 모델은 모의기간인 20년 동안 논벼 품종 변화와 재 배관리의 변화를 모두 고려하지 못한다. 또한 비교대상 자료Fig. 4 Validation result for local rice crop yield
(a) Evaporation (b) Transpiration
(C) Evapotranspiration (d) Yield
Fig. 5 APEX-Paddy model result response to increment of temperature and CO
2concentration
가 실험조건을 통제하는 측정자료가 아닌 국가통계자료이기 때문에 추정에 한계가 있는 것으로 판단된다.
한편, Fig. 4는 모델 검정을 위한 28개 시군을 대상으로 논 벼 생산량의 지역별 통계자료 (1996~2015, 20년 평균)와 APEX- Paddy 모델을 이용한 모의결과를 비교한 결과이다. 결정계수 는 0.62로, 모의결과가 통계자료와 같은 경향을 보이는 것으 로 나타났다. 따라서 APEX-Paddy 모델은 연간 기상조건의 변화에 따른 생산량 변동을 정확히 모의하지 못하는 한계가 있지만 지역별 기후, 토양, 영농 조건의 차이를 반영할 수 있 는 것으로 판단된다.
2. 모델의 기후 민감도 분석 결과
APEX-Paddy 모델의 기후 민감도 분석결과 Fig. 5와 같다.
증발량의 경우 이산화탄소 농도 변화가 미치는 영향이 미미
Fig. 6 Trends of evapotranspiration according to RCP scenarios
하였으며 기온상승에 따라 증발량이 증가하는 경향이 나타났다 (Fig. 5(a)). 이산화탄소농도 400 ppm에서 기온이 0~5 °C 변화하는 동안 증발량은 222.3 mm에서 271.8 mm로 49.5 mm가 증가하였으며 기온을 고정하였을 때 이산화탄소농도 가 300 ppm~900 ppm으로 변화하는 동안 증발량은 222.9 mm에서 221.6 mm로 1.3 mm가 감소하는 것으로 나타났다.
증산량의 경우 기온상승과 이산화탄소 농도의 증가 모두 가 증산량 감소에 영향을 주는 것으로 나타났다 (Fig. 5(b)).
이산화탄소 농도 400 ppm에서 기온이 0~5 °C 변화하는 동안 증산량은 524.7 mm에서 457.9 mm로 66.8 mm가 감소하였 으며 기온을 고정하였을 때 이산화탄소 농도가 300 ppm~900 ppm으로 변화하는 동안 증산량은 526.0 mm에서 515.4 mm 로 10.6 mm가 감소하는 것으로 나타났다. 이산화탄소 농도 에 따른 변화는 이산화탄소 농도 상승에 따라 높아진 캐노피 저항 (
) 값이 작물 증산량 결과에 영향을 미친 것으로 판단된다. 또한, 기온상승은 식 (10)에 따라
(열단위 총량이 작물이 생리적 성숙에 도달하기까지의 열단위)를 빠른 기간 안에 채우게 함으로써 작물의 생육기간을 단축시킨다. 따라 서 기온상승에 따른 생육기간 단축이 증산량 감소에 영향을 준 것으로 판단된다.증산량과 증발량의 합인 증발산량에 대하여 기후 민감도 분석결과는 Fig. 5(c)와 같다. 5 °C의 기온상승과 600 ppm의 이산화탄소 농도 상승을 고려할 경우 증발량은 222.9 mm에 서 267.3 mm로 44.4 mm가 증가하는 것으로 나타났으며 증 산량은 526.0 mm에서 449.1 mm로 76.9 mm가 감소하는 것 으로 나타났다. 이산화탄소 농도를 고정하고, 5 °C의 기온상 승만을 고려할 경우 증발산량은 15.6 mm가 감소하나 이산화 탄소 농도 상승을 고려한다면 32.5 mm가 감소하는 것으로 나 타났다.
논벼 생산량에 대하여 기후 민감도를 분석한 결과 기온상
Fig. 7 Trends of evaporation according to RCP scenarios
승은 논벼 생산량에 부정적인 영향을 주는 것으로 나타났으나 이산화탄소 농도의 증가는 논벼 생산량을 높이는 것으로 나타났다 (Fig. 5(d)). 기온을 고정하였을 때 이산화탄소 농도 가 300 ppm~900 ppm으로 변화하는 동안 생산량은 5.9 t/ha 에서 8.1 t/ha로 2.2 t/ha가 증가하였으며 반대로 이산화탄소 농도를 400 ppm으로 고정하였을 때 기온이 0~5 °C 변화하는 동안 생산량은 6.7 t/ha에서 5.1 t/ha로 1.6 t/ha가 감소하였다.
따라서 기후변화 시나리오가 어떠한 이산화탄소 농도 경로를 선택하며 이에 따른 재배기간의 기온상승이 어느 정도인지에 따라 생산량 추정의 결과가 달라질 것으로 판단된다.
3. 기후변화 영향 평가 결과
가. 증발산량RCP4.5, RCP8.5 시나리오에 대하여 논벼 증발산량을 예측
한 결과 미래 논벼의 증발산량이 기준년대 (1990s, 1976~2005) 에 비해 줄어드는 것으로 나타났다 (Fig. 6). 이천의 경우 증발 산량이 기준년대에 비해 2085s가 RCP4.5 시나리오는 11.0
%, RCP8.5 시나리오는 10.5 % 감소하는 것으로 예측되었으 며 김제의 경우 RCP4.5 시나리오는 15.3 %, RCP8.5 시나리 오는 16.3 % 감소하는 것으로 나타났다.
나. 증발량
RCP4.5 시나리오에서, 이천의 경우 기준년도, 2025s, 2055s, 2085s의 증발량은 각각 223 mm, 225 mm, 213 mm, 223 mm 로 뚜렷한 경향이 보이지 않은 것으로 나타났다 (Fig. 7). 김제 는 211 mm, 222 mm, 226 mm, 233 mm로 증발량이 다소 증 가하는 추세를 보였다.
RCP8.5 시나리오는 증산량의 변화가 RCP4.5시나리오에
Fig. 8 Trends of transpiration according to RCP scenarios
비하여 뚜렷하였다. 이천의 경우 기준년도, 2025s, 2055s, 2085s의 증발량은 각각 223 mm, 237 mm, 252 mm, 254 mm로, 김 제의 경우 211 mm, 222 mm, 251 mm, 262 mm로 증가하는 추세를 보였다.
다. 증산량
증산량의 변화는 두 지역 모두 RCP4.5 시나리오와 RCP8.5 시나리오에 대하여 뚜렷한 감소세를 보이는 것으로 나타났다 (Fig. 8). RCP4.5 시나리오에 대하여 이천의 경우 기준년도, 2025s, 2055s, 2085s의 증산량은 각각 523 mm, 471 mm, 443 mm, 441 mm로 2085s는 기준년도에 비하여 15.7 %가 감소 하는 것으로 나타났다. 김제의 논벼 증산량은 609 mm, 584 mm, 517 mm, 514 mm로 2085s는 기준년도에 비하여 15.6 % 가 감소하는 것으로 나타났다.
RCP8.5 시나리오에 대하여 이천의 경우 기준년도, 2025s, 2055s, 2085s의 증산량은 각각 523 mm, 470 mm, 438 mm, 415 mm로 2085s는 기준년도에 비하여 20.7 %가 감소하는 것으로 나타났다. 김제의 논벼 증산량은 609 mm, 561 mm, 516 mm, 480 mm로 2085s는 기준년도에 비하여 21.2 %가 감소하는 것으로 나타났다.
라. 논벼 생산량
Fig. 9에 따르면, RCP4.5 시나리오에 대하여 기준년도, 2025s, 2055s, 2085s의 생산량은 이천의 경우 각각 6.42, 6.11, 6.02, 6.13 t/ha로 2055s는 기준년도에 비하여 6.0 %가 감소하는 것 으로 나타났으며 2085s에는 2055s에 비하여 생산량이 다시 증가하는 것으로 나타났다. 김제의 생산량은 7.07, 5.89, 5.67, 5.66 t/ha로 2085s는 기준년도에 비하여 20.0 %가 감소하는
Fig. 9 Trends of rice yield according to RCP scenarios
것으로 나타났다.
RCP8.5 시나리오에 대하여 기준년도, 2025s, 2055s, 2085s 의 생산량은 이천의 경우 각각 6.42, 5.94, 5.84, 6.00 t/ha로 2055s는 기준년도에 비하여 9.0 %가 감소하는 것으로 나타 났으며 2085s에는 2055s에 비하여 생산량이 다시 증가하는 것으로 나타났다. 김제의 생산량은 7.07, 5.80, 5.33, 5.31 t/ha 로 2085s는 기준년도에 비하여 25.0 %가 감소하는 것으로 나 타났다.
4. 고찰
본 연구에서 APEX-Paddy 모델에 기후변화 시나리오를 적용한 결과 증발산량이 감소하는 결과가 도출되었다. 한편, Allen et al. (2003)은 기온, 이산화탄소 농도 상승조건에서 증 발산량이 증가한다고 보고하였다. Allen et al. (2003)의 실험
연구 역시 Panman-Monteith 공식을 기반으로 기온, 이산화 탄소 농도 상승에 따른 LAI, 캐노피 저항 변화를 다루고 있다.
그러나 본 연구에서는 기온상승에 따른 재배기간 단축 (Fig.
10)이 반영된 결과로서 모든 시험구의 재배기간이 동일한 Allen et al. (2003) 연구와는 차이가 있다. 또한, Allen et al. (2003) 연구의 대상작물은 콩이며 대기온도를 18~28 °C와 34~44 °C 로 12 °C 차이를 두고 제어하였고, 대기중 이산화탄소 농도는 350 ppm과 700 ppm으로 제어한 연구이다. 이는 본 연구의 RCP8.5 시나리오에 비해 기온변화가 2배 이상 크며 이산화 탄소 농도 변화는 약 100 ppm이 적다.
연구대상지역의 재배기간의 기온변화는 Fig. 11과 같다.
김제의 기온상승폭은 이천에 비해 RCP4.5 시나리오의 경우 0.7 °C, RCP8.5 시나리오의 경우 0.9 °C가 크다. 따라서 김제 의 증발산량과 생산량 감소폭이 이천보다 큰 것은 온도의 영
Fig. 11 Trends of temperature changes in rice cultivation period according to RCP scenarios Fig. 10 Shortened growth period due to temperature rise resulting
from climate change
향이 큰 것으로 판단된다.본 연구에서는 작물재배기간 (이앙~수확)을 고정하여 분 석하였다. 증산량 산정공식에 따르면 기온상승이 논의 잠재
증발량을 높이는 결과를 가져오나 (식 (5)) 작물의
또한 빠르게 증가하기 때문에 (식 (11)) 작물에 의한 차단 증가가 기온 상승에 은한 증발량 증가분을 상쇄하게 된다. 따라서 RCP4.5의 경우 증발량 변화가 뚜렷하지 않은 것으로 판단된 다. 그러나 RCP8.5 수준의 기온상승은
가 감소하기 시 작하는 시기를 상당히 앞당기기 때문에 (식 (10), Fig. 12) 영 농 후기에 차단효과를 감소시킨다 (식 (11)). 또한 RCP4.5 시 나리오에 비하여 온도 증가가 증발량에 미치는 영향이 커 결 과적으로 온도상승이 증발량 증가에 영향을 준 것으로 판단 된다.Lai et al. (1998)은 대기중 이산화 탄소의 증가가 작물의 증 발산량을 줄이기 때문에 쌀 생산에 긍정적인 영향을 미친다 고 보고하였다. 본 연구에서도 RCP8.5 시나리오의 높은 이산 화탄소 농도변화가가 작물 증산량 감소에 영향을 미친 것으 로 판단된다. 특히, 기온상승에 따른 생육기간 단축이 증산량
Fig. 12 Biomass growth curve according to RCP 8.5 scenario
감소에 큰 영향을 준 것으로 판단된다.
Matthews et al. (1997)은 ORYZA 모델과 SIMRIW 모델 을, Lai et al. (1998)은 CERES-Rice 모델을 사용하여 기온상 승과 이산화탄소 농도의 변화에 따른 논벼 생산량 변화를 분 석한 결과 모델 간 반응정도의 차이가 있으나 이산화탄소 농 도 상승은 생산량에 긍정적인 영향을, 기온상승은 생산량에 부정적인 영향을 미치는 것으로 보고하였다. Fig. 12에 따르 면 기온상승은 생육초기 작물의 Biomass 증가에 긍정적인 영 향을 주나 생육기간 단축과 기온스트레스 (식 (2))에 의해 전 체 Biomass 축적량은 적은 것으로 분석되었다. 대기중 이산 화탄소의 증가는 복사에너지 사용효율을 높여 생산량에 긍정 적인 영향을 주지만 (식 (1), Fig. 5) 기온상승에 따른 생육기 간 단축과 기온스트레스에 따른 총 바이오매스 축적량 감소 가 생산량 감소에 미치는 영향이 커 결과적으로 생산량이 감 소한 것으로 판단된다.
Ⅳ. 요약 및 결론
본 연구는 APEX-Paddy 모델의 기온, 이산화탄소 반응의 특성을 분석하고 기후변화가 논벼의 증발산량과 생산량에 미 치는 영향을 평가하는 위해 수행되었다. 모델 구동을 위하여 작물, 토양, 영농활동에 대한 자료를 조사하여 입력자료를 구 성하였으며 엽면적지수 추정곡선, 잠재적 열단위 (PHU)를 이용하여 모델을 보정하였다. 모델의 검정은 통계청의 시군 별 논벼 생산량 통계자료를 활용하였다. 기후변화연구 대상 지역은 이천, 김제로 선정하였다. 모델의 민감도분석은 이천 을 대상으로 수행하였으며 기온, 이산화탄소 농도의 변화에 따른 증발산량, 증발량, 증산량, 생산량의 반응을 살펴보았다.
기후변화 영향평가를 위한 기후변화 시나리오로서 기상청에 서 제공하는 HadGEM-RA 기후변화 시나리오를 사용하였다.
모델의 민감도 분석결과 이산화탄소 농도 증가가 증발량
에 미치는 영향은 미미하였으며 기온증가의 영향이 큰 것으 로 나타났다. 증산량의 경우 이산화탄소 농도와 기온상승이 모두 영향을 주는 것으로 나타났으나 기온상승의 영향이 큰 것으로 분석되엇다. 논벼 생산량에 대하여 기후 민감도를 분 석한 결과 기온상승은 논벼 생산량에 부정적인 영향을 주는 것으로 나타났으나 이산화탄소의 증가는 논벼 생산량을 높이 는 것으로 나타났다.
기후변화 영향평가결과 증산량은 RCP 시나리오에 따른 이산화탄소 농도 증가와 기온상승에 따른 생육기간 단축으로 인해 15.6~21.7 %가 감소하는 것으로 예측되었으며 증발량 의 경우 기온상승에 따라 0.0~24.2 %가 증가하는 것으로 나 타났다. 증발산량은 10.5~16.3 %가 감소하는 것으로 예측되 었다. 생산량은 대기중 이산화탄소의 증가가 복사에너지 사 용효율에 긍정적인 영향을 주는 것으로 나타났으나 기온상승 에 따른 생육기간 단축과 기온스트레스에 의한 Biomass 축적 량 감소의 영향이 커, 생산량이 6.0~25.0 % 감소하는 것으로 나타났다.
본 연구는 논 재배환경을 대상으로 대기 중 이산화탄소 농도 변화와 기온 상승을 고려하여 논벼의 증발산량과 생산 량의 변화를 분석하였다는 측면에서 의의를 갖는다. 향후 APEX-Paddy 모델은 기후변화를 고려한 물 관리 계획과 논 벼 생산성의 취약성평가를 위한 도구로 활용될 수 있을 것으 로 판단된다. 또한, APEX-Paddy 모델을 이용하면 기후변화 적응 대책으로서의 재배시기 변화, 품종 변화 등에 따른 효과 와 논 소비수량 및 필요수량 분석 등 다양한 분석이 가능할 것 을 판단된다.
한편 본 연구는 일사량, 상대습도, 풍속데이터가 누락된 기 상청 기후변화시나리오 만을 사용하였다. 따라서 최고･최저 기온, 강수량만을 사용한 추정결과의 신뢰도가 떨어지고, 기 후변화시나리오에 대한 불확실성의 범위를 판별할 수 없다는 한계가 있다. 따라서 향후 다양한 기후변화시나리오에 대한 모델 재현성 평가와 모든 기후요소를 적용한 평가가 필요할 것으로 판단된다. 또한 기후변화시나리오에 대한 불확실성 평가가 이루어져야 할 것이다.
사 사
본 연구는 농촌진흥청 국립농업과학원 농업과학기술 연구 개발사업 (과제번호: PJ010063)의 지원으로 수행되었습니다.
REFERENCES
