02 SNAK(Smart Nexus for Agriculture in Korea)을 위한 생물물리학적 (Biophysical) 통합 모델 개발 및 기후 변화 연계기술 개발
1. 들어가며
SNAK (Smart Nexus for Agriculture in Korea)은 우리나라 농업분야 에 관련하여 식량과 에너지, 물 넥서스를 분석하기 위한 프로젝트이며 이를 구축하고 분석하기 위해서는 식량(농엽생산물)-에너지-물 관련 상호관계 와 상쇄관계를 파악하는 것이 기본이다. 이중 생물물리학적(Biophysical) 통합 모델 개발 및 기후변화 연계기술 개발은 작물의 생산성과 물과의 관계 를 분석하게 되고, 이 때 사용되는 에너지를 통합하여 해석하게 되는데, 이 를 위하여 생물물리학적 모델을 도입하게 되고 기후변화에 관련하여 그 영 향을 분석해야 하므로 기후변화 연계 기술을 도입하게 되었다.
본 세부 연구에서는 생물물리학적 통합 모델 개발 및 적용성 평가는 아 래의 그림과 같이 1) 생물물리학적 모델 개발, 2) 생물물리학적 모델 연계 기술 개발, 3) 기후변화의 물-식량-에너지에 대한 상호별/부문별 요소 기 술 적용 및 평가의 3단계로 구분하여 수행하게 되어 있으며, 총 2년차 계 획중에서 1년차를 수행하였다. 특히 1년차에서는 생물물리학적 모델로서 AquaCrop(FAO) 모형을 선정하여 운영하였다. AquaCrop 모형은 작물의 소비수량을 계산하고 대상작물의 바이오매스와 농산물의 생산량을 계산할 수 있으며, 산정과정에 기상, 관개조건 및 토양의 비옥도 그리고 포장 상태 등을 고려할 수 있어 SNAK 연구의 생물물리학적 통합 모델 개발 및 적용 성 평가에 적합한 모형이라고 판단되어 선정되었다.
최 진 용 서울대학교 / 교수 [email protected]
이 윤 희
서울대학교 / 대학원생 [email protected]
윤 푸 른
서울대학교 / 대학원생 [email protected]
김 귀 훈
서울대학교 / 대학원생 [email protected]
본 연구에서는 앞서 제안한 생물물리학적 통합 모델을 시범지구에 적용해보고 이를 바탕으로 기 후변화 적용성 평가를 실시하려고 한다. 시범지구 는 넥서스 접근을 통한 분석의 결과가 잘 나타날 수 있도록 농업생산에 필요한 에너지와 물의 투입 구조가 기존 관개농업보다 비용이 높을 것으로 예 상되거나 자원 투입의 단계가 여러 단계로 이루어 져 직관적으로 파악이 어려운 농업구조를 가진 곳 으로 먼저 선정하였다.
대형 양수장 논 농업지역, 지하수와 수막재배 가 포함된 시설원예 농업지역, 하수재처리 및 기 수 담수화 시설을 통한 대체 용수를 이용하고 있 는 농업 지역으로 선정하여, 이들 기상자료 등을 포함하여 시범지역의 기초 자료를 수집하고 모델 에 적용가능한 자료로 데이터베이스를 구축한다.
이렇게 수집된 자료는 데이터베이스로 구축된다.
구축된 데이터를 기반으로 연구 범위인 해당 시 범지구의 농업 생산 구조의 데이터로서 활용되고 농업 생산 구조와 작물, 기상자료 등을 넥서스 접 근을 통한 생물물리학적 모델에 기초 자료를 입력 되게 되며, 지속적으로 분석 대상 작물과 작물 생 육의 기초자료, 영농 방법에 관련한 자료 등이 계 속 수집되어 데이터베이스로 구축되어 넥서스에 서 활용되도록 한다. 추가로 필요한 원단위 자료 등은 기존의 참고 문헌 등을 통해 검증된 자료를 수집하여 적용한다.
이렇게 지역별, 작물별, 영농방법의 구별 등으 로 나눠진 시범지구의 기초 자료와 생물물리학적 모델에 입력한 결과는 인벤토리 형식으로 정리될 것으로 예상한다. 현재 본 연구에서는 온실에서의 작물 생육 조건, 특히 생육 기간 동안의 실질적 온
도 변화 등을 고려한 모델을 고려하였지만, 국내 에서 행해지는 영농방식에 대한 조건 등을 순차적 으로 계속 구축할 필요가 있다. 그리고 마지막으 로 시범지구에 기후변화 시나리오를 선정하고 미 래 기상 자료를 생성하여 기후변화에 의한 영향 을 분석하고 평가할 것이다. 이는 넥서스 분석 방 법을 구성하는 부분과는 별개로 기후 변화 예상에 따른 농업 생산과 자원 수급의 상호 영향 등을 분 석하는 것으로, 해당 시범지구의 지속가능한 농업 생산 정책 방향에 관한 의사결정에 고려될 수 있 도록 지속가능성 지표 등으로 산정하려고 한다.
2. 시설재배지에서의 물-에너지-식량 넥서스 연계 분석
SNKA 연구의 생물물리학적 통합 모델 개발 및 적용성 평가 세부 연구 1년차에서 한국의 시설재배 지, 양수장지구 등을 대상으로 자료 포트폴리오 구 축과 모델링을 실시하였는데, 본 절에서는 그 중 시설재배지에서의 물-에너지-식량 넥서스 연계 분석 중에서 온실 내 온도와 에너지 관계 평가 및 물과 식량과의 관계 분석 예를 소개하고자 한다.
이는 한국에서의 밭 농업은 크게 노지에서 이뤄
지는 농업과 시설재배지에서 이뤄지는 농업으로
나누어 볼 수 있으며, 노지 재배의 경우 외부 환
경에 노출되어 있어 에너지가 식량 생산에 미치는
영향이 매우 적은 반면 시설재배지는 외부 환경을
내부 환경으로부터 최대한 차단하여 작물을 재배
하므로 넥서스 연구 대상으로 적합할 것으로 판단
되었다. 또한 인공적인 환경 조성을 위해 에너지
소비량이 노지재배에 비해 상당히 많은 편으로 에
너지와 식량의 관계를 분석함에 있어 SNAK의 분
석대상으로 선정되었다. 그림 1은 시설재배에 대
한 물-에너지-식량 관계를 시스템 다이나믹스 형 태로 도식화 한 것이다.
2.1 온실 내 온도와 에너지 관계 평가 : 표준온 도모델을 이용한 온실 내부온도 모의 및 난방 부하량 산정
온실의 에너지는 동절기에 온실 내부의 온도를 작물재배를 위한 적정온도로 유지하기 위하여 상 당한 양이 사용된다. 따라서 표준온도모델을 이용 한 온실 내부온도 모의 및 난방 부하량 산정이 필 요하다.
따라서 온실 내부온도 모의와 난방 부하량 산 정을 위해서 네덜란드 와겐닝겐 대학의 E.J. Van Henten and J. Bontsema가 2009년에 소개한 물리적 온도모델을 이용하였다. 모델에서는 시설 재배지의 실내 공간에서 모든 온도는 동일하다는 가정으로 계산하였고, 이 때문에 계산이 매우 단 순하다는 장점이 있다.
식 (1)에서 C
g는 단위면적당 공기 비열, T
i는 실 내 온도, T
o는 실외 온도, C
ca는 단위부피당 공기
비열, C
ai는 열관류율, S
r는 단위면적당 태양복사, u
q는 단위면적당 난방율을 의미한다.
아래 그림 2는 종관기상관측소에서 관측된 2017년 시간별 기상자료를 이용하여 모의한 실내 온도 모의 결과이다. 강원도 춘천시, 경기도 수원 시, 대구광역시 그리고 광주광역시를 대상으로 모 의하였다. 실내 설정 최저온도를 13℃로 모의하 였고, 열관류율을 6.1W/㎡으로 특정하였다. 외기 온도가 매우 낮은 경우 설정 최저온도 아래로 떨 어지기도 하는 모습을 보이지만, 강한 추위에서 온도가 영하권까지 떨어지는 점은 난방에 충분히 큰 값을 안 넣어줬기 때문인 것으로 판단된다.
그림 1. 시설재배의 물-식량-에너지 넥서스 분석 다이어그램(예시)
식 (1)
그림 2. 국내 지역별 모의 결과
본 연구에서는 대상지 4곳을 선택하여 단동형 온실로 모의하였으며, 온실의 세부적인 조건은 국 립농업과학원에서 2015년에 발간한 온실 환경설 계기준을 참고하였다.
위와 같은 조건으로 모의한 결과 아래 표 1과 같이 계산되었다.
2.2 시설재배지에서의 물-식량-에너지 넥서스 연계 분석 : 물과 식량 관계 평가
SNAK에서 시범 대상으로 선정한 시설재배 에 대하여 물과 식량과의 관계를 파악하였다. 이 를 위하여 대상 작물 선정하고 시설재배지에서의 물-식량-에너지 넥서스 중 물과 식량 간의 관계 를 평가해보고자 하였다. 시설재배는 자원 집약 적 농업으로 생산성이 높고, 시공간적 제약이 적 어 작물의 연중 생산을 가능하게 한다. 또한 온도, 습도, 풍속 등의 환경 조건을 조절할 수 있기 때문 에, 환경 조건에 따른 여러 시나리오를 기반으로 한 분석이 가능하다는 장점을 가지며, 작물에 적 절한 생육환경을 제공하기 위하여 물과 에너지 자 원이 투입되므로 자원에 따른 시나리오를 적용할 수 있다.
대상 지역은 진주 단목리에 위치한 시설재배지 이며, 토마토를 대상으로 하였다. 이 때, 작물생육 모형으로 FAO에서 개발한 AquaCrop 모형을 이 용하여 기상자료, 수분환경, 비료, 관개방법 등이 작물의 생산량, 증발산량, 관개량 등에 미치는 영 향을 분석하고자 하였다. 또한 시설재배 작물의
물에 대한 반응을 모의하였고, 물과 식량 자원 간 의 관계를 평가하고자 하였다. 먼저, 시설 내의 온 도 조건(Case 1-Case 14)에 따른 1년 총 생산량, 관개량, 물 생산성을 모의하였고, 그 결과는 다음 과 같다. Case 1은 최저기온 13℃, 최고기온 17℃
이며, Case 14는 최저기온 26℃, 최고기온 30℃
로 Case별로 최저, 최고기온을 1℃씩 증가시켜 시 나리오를 구성하였다.
지역 춘천 수원 대구 광주
난방 에너지
(MJ) 250,700 256,401 230,307 233,311 표 1. 물리적 온도모델로 계산된 난방부하량
그림 3. 시설 내 온도 조건에 따른 1년 총 작물 생산량, 관개량, 물 생산성 결과 예시
그 결과, 시설 내의 온도가 증가함에 따라 작물 생산량과 관개량은 모두 증가하는 결과를 나타내 었다. 그러나 증가하는 기울기는 작물 생산량은 고온 조건으로 갈수록 감소하는 반면, 관개량은 지속적으로 증가하였는데, 이는 고온 조건에서의 고온 스트레스, 고온장해 등으로 생산량이 크게 증가하지 않은 것으로 보인다. 마지막으로 물 생 산성은 작물 생산량을 관개량으로 나눈 값으로 농 업용수 사용 효율을 나타내는 지표이다. 이를 활 용하여 목표 생산량에 따른 최소 관개량 혹은 관 개 제한 조건에 따른 최대 작물 생산량 등의 시나 리오를 구성하여 최적의 환경 조건을 설정할 수 있다. 또한 이를 에너지 사용량, 즉, 비용과 연결 시켜 물-식량-에너지 넥서스를 구성한다면, 정책
평가나 의사결정에 활용될 것으로 판단된다.
또한 수분 스트레스 조건(관개를 하지 않는 경 우, 토양함수량 10%에 도달 시 관개, 토양함수량 50% 도달 시 관개, 최대로 관개하는 경우)에 따른 작물 생산량과 관개량을 모의한 결과 예시는 다음 과 같다. 이와 같이 수분 스트레스 조건에 따른 모 의를 통해, 농업용수 이용 효율이 가장 높은 최적 의 관개량을 도출할 수 있다. 또한 수분 스트레스 조건 이외에도 토양 비옥도 조건 및 다른 환경 조 건을 적용할 수 있으며, 에너지 자원과의 연계를 통하여 다양한 시나리오 조건 간의 비교 및 의사 결정에 활용될 수 있다.
그림 4. 수분 스트레스 조건에 따른 작물 생육 모의 예시
[(a) : 관개를 하지 않은 경우, (b) : 토양함수량 10%에 도달 시 관개, (c) : 토양함수량 50%에 도달 시 관개, (d) : 최대로 관개)]
3. 결언
본 소고에서는 SNAK(Smart Nexus for Agriculture in Korea)을 위한 생물물리학적 (Biophysical) 통합 모델 개발 및 기후변화 연 계기술 개발에 대하여 설명하였다. 본 내용은 SNAK 프로젝트의 일부로서 1년차 진행상황을 소 개하였으며, 향후 대형양수장지구와 해수담수화 지구에 대하여 시범적용을 할 예정이다. 본 연구 가 마무리되면 현재 주로 개념으로 소개되고 있으 나 실제 사례가 많지 않은 물-에너지-식량 넥서 스 연구의 좋은 사례가 될 것으로 판단된다. 본 연 구를 지원하는 농촌진흥청 농업과학원에 사사를 표한다.
참고문헌
1. Chen, Lijun, Shangfeng Du, Yaofeng He, Meihui Liang and Dan Xu, 2018. Robust model predictive control for greenhouse temperature based on particle swarm optimization.
Information Processing in Agriculture 5(3): 329- 338. doi:10.1016/j.inpa.2018.04.003.
2. Shin, H. and S. Nam, 2015. Validation of load calculation method for greenhouse heating design and analysis of the influence of infiltration loss and ground heat exchange. Korean Society of Horticultural Science 33(5): 647-657.
doi: 10.7235/hort.2015.15007. (in Korean) 3. Steduto, Pasquale & Hsiao, Theodore &
Fereres, E & Raes, Dirk, 2012. Crop yield
response to water. FAO.
4. T. Foster, N. Brozovi´c, A.P. Butler, C.M.U.
Neale, D. Raes, P. Steduto, E. Fereres, T.C.
Hsiao, 2017. AquaCrop-OS: An open source version of FAO’s crop water productivity model.
Agricultural Water Management 181: 18-22.
5. Van Beveren, P.J.M., J. Bontsema, G. van Straten and E.J. van Henten, 2015. Optimal control of greenhouse climate using minimal energy and grower defined bounds.
Applied Energy 159: 509-519. doi: 10.1016/
j.apenergy.2015.09.012.
6. Van Henten, E.J. and J. Bontsema, 2009.
Time-scale decomposition of an optimal control problem in greenhouse climate management, Control Engineering Practice 17(1): 88-96. doi:
10.1016/j.conengprac.2008.05.008.
사사 : 본 성과물은 농촌진흥청 공동연구사업(세부과제번 호 : PJ01343502)의 지원을 받아 연구되었음.
