The Study of MP-MAS Utilization to Support Decision-Making for Climate-Smart Agriculture in Rice Farming

벼농사의 기후스마트농업을 위한 의사결정지원시스템 MP-MAS 활용 연구

김학영

¹

ㆍ김 준

^1,2,3*

^ㆍ최성원

¹

ㆍ요하나 마리아 인드리와티

³

¹⁾

¹국가농림기상센터,

²

서울대학교 생태조경지역시스템공학부/그린바이오과학기술원

3

서울대학교 협동과정 농림기상학전공

(2016년 11월 7일 접수; 2016년 11월 22일 수정; 2016년 12월 1일 수락)

The Study of MP-MAS Utilization to Support Decision-Making for Climate-Smart Agriculture in Rice Farming

Hakyoung Kim

¹

, Joon Kim

^1,2,3*

, Sung-Won Choi

¹

and Yohana Maria Indrawati

³

1 National Center for AgroMeteorology

2 Department of Landscape Architecture and Rural Systems Engineering/

Institute of Green Bio Science and Technology, Seoul National University

3 Interdisciplinary Program in Agricultural & Forest Meteorology, Seoul National University

(Received November 7, 2016; Revised November 22, 2016; Accepted December 1, 2016)

ABSTRACT

International societies are currently working together to achieve the Climate-Smart Agriculture (CSA) initiative which aims the triple wins: (1) sustainably increasing agricultural productivity and incomes; (2) adapting and building resilience to climate change; and (3) mitigating greenhouse gases emissions. In terms of its scope and context, CSA follows the ‘3Nong (三農)’ vision cast about 200 years ago by Dasan Jeong Yak-Yong who emphasized the triad of governance, management and monitoring towards comfortable, profitable and noble agriculture. Yet, the CSA provides the practical aims that facilitate the development of holistic indicators for quantitative evaluation and monitoring, on which decision-making support system is based. In this study, we introduce an agent-based model, i.e. Mathematical Programming Multi-Agent Systems (MP-MAS), as a tool for supporting the decision-making toward CSA. We have established the initial version of MP-MAS adapted for domestic use and present the preliminary results from an application to the rice farming case in Haenam, Korea. MP-MAS can support both farmers and policy-makers to consider diverse management options from multiple perspectives. When the modules for system resilience and carbon footprint are added, MP-MAS will serve as a robust tool that fulfills not only CSA but also Dasan’s

‘3Nong’ vision of sustainable agricultural-societal systems.

Key words: Agent-based model, Climate-smart agriculture, Sustainability, Rice farming, Decision-making

I. 서 론

유엔의 국제식량농업기구(Food and Agriculture Organization, FAO)에서는 식량안보를 위한 3대 전략으

로 1) 지속가능한 생산력 및 소득의 증대, 2) 기후변화에 적응하는 탄력(resilience) 구축, 3) 온실기체 방출의 감 축을 추구하는 기후스마트농업(climate-smart agriculture, CSA)의 비전을 제시하여 추진하고 있다. 이는 200여 년

* Corresponding Author : Joon Kim (joon@snu.ac.kr)

DOI: 10.5532/KJAFM.2016.18.4.378

ⓒ Author(s) 2016. CC Attribution 3.0 License.

전 다산 정약용이 강조한 후농(厚農), 편농(便農), 상농 (上農)의 ‘3농’의 비전과 맥락을 같이 할 뿐 아니라, 성과 를 정량적으로 평가하고 관리할 총체적 지수의 개발과 이를 기반으로 한 의사결정을 지원하는 실용적 목표를 제시하고 있다(FAO, 2013). CSA는 농부, 정책입안자 및 이해당사자 모두가 지속가능한 농업을 위한 영농 및 정책에 관련된 의사결정을 할 수 있도록 지원한다. 미국 의 경우, 농업뿐 아니라 산림을 포함한 “Building Blocks for Climate Smart Agriculture and Forestry” 프로젝트 가 시작되어 지난 5월에 보고서가 발간되었다. 우리 또 한 이러한 국제 사회의 요구에 대응하는 적극적인 자세 가 필요하다.

문제는 나라마다 농업이 처한 상황이 다르고, 직면하 고 있는 위기도 다양하다는 점이다. 국내 농업의 경우, 기 후⋅환경 변화(온난화, 가뭄과 홍수의 증가 등)와 더불 어, 경제 구조의 변화(노동 인구 감소, 쌀 수요 감소, 가격 하락, FTA 등)에 따른 심각한 위협을 받고 있다. 그렇기 에 모든 상황에 보편적으로 적용이 가능하고 다양한 관 점에서 현황을 평가⋅관리할 수 있는 정량적인 CSA 지 수(indicator)의 개발과 통합적인 생태-경제 모델링이 필 요하다.

이러한 농업-사회시스템이 안고 있는 다양하고 복잡 한 문제를 근본적으로 해결하기보다는 부분적이고 한시 적인 해결책을 구하는 정책과 연구들이 주로 진행되어 왔다. 그러나 이제는 학제간(interdisciplinary) 및 횡단 학문적(transdisciplinary) 협력이 필요한 때이다(Kim et

al., 2015b). 이에 최근 복잡계 관점에서 농업-사회시스

템의 문제를 해결하고자 하는 새로운 방법이 시도되고 있는데, 바로 행위자 기반 모형(agent-based model, ABM)을 활용하는 방법이다.

행위자 기반 모형에서 행위자란 시스템을 구성하고 있는 요소를 말하며, 서로 상호작용하며 의사결정을 수 행한다. 행위자 기반 모델링이란 이러한 개별 행위자들 이 의사결정에 필요한 정보를 취득하고 행위자 간의 복 잡하고 미시적(microscopic)인 상호작용을 상향식 (bottom-up) 방법으로 종합하여 전체시스템의 거시적 (macroscopic) 행동거지를 파악하는 모델링 기법(Kim, 2010; Kim, 2005; Weiss, 2000)이다. 특히 창발 (emergence) 현상의 모사와 분석이 가능하다는 점이 특 징 중 하나이다(Tesfatsion, 2006). 국내에서는 Kim et

al.(2015a)이 미시적 관점에서 국토와 도시 공간구조의

변화를 모의하기 위해 행위자 기반 모형을 개발하고 적 용한 사례가 있다. 또한, Park et al.(2015)이 가리왕산 지

역에서 기존에 개발된 행위자 기반 모형의 하나인 Land Use DynAmic Simulator (LUDAS)를 이용하여 산림정 책별 토지이용의 변화와 영향을 분석한 바 있다. 그러나 농경지를 대상으로 행위자 기반 모형을 활용한 연구는 이제 시작단계이다.

CSA를 구현하기 위한 최선의 영농활동과 정책입안 을 모색하고, 이에 따른 최적의 의사결정을 지원하는데, 행위자 기반 모델링을 사용할 수 있다. 이를 위해서는 CSA를 평가하고 지속적으로 모니터링하는데 사용할 해당 지수의 개발이 선행되어야 한다. 생산력을 나타내 는 지수에는 곡물 생산량(crop yield), 총일차생산(gross primary productivity), 순일차생산(net ecosystem productivity) 등이 있고, 소득은 일년총소득, 순이익 등 이 있다. 그러나 탄력을 정량적으로 나타내는 지수는 없 는 실정이며, 농업부문의 탄소발자국 산정도 아직 준비 단계이다.

본 연구에서는 CSA의 첫 번째 전략인 지속가능한 생 산력 및 소득의 향상에 먼저 초점을 맞추고, 행위자 기반 모형으로 Mathematical Programming Multi-Agent Systems(MP-MAS)를 선택하였다(Schreinemachers and Berger, 2011). 다른 농업분야 행위자 기반 모형이 주로 토지이용 변화에 초점을 맞추는 반면, MP-MAS는 농업경제와 관련한 신기술의 확산, 시장 변동, 정책 개입 등의 다양한 관점에서 농가의 생산성과 소득을 모의할 수 있다. 실례로, Berger and Troost(2014)은 MP-MAS 를 활용하여 독일 남서부지역의 농가를 대상으로 기후 변화에 따른 토지이용 변화와 농가의 소득을 모의한 바 있다.

본 연구는 국내에서 기후스마트농업을 준비하는데 필요한 의사결정을 지원하기 위해 행위자 기반 모형인 MP-MAS를 활용하는 탐색적 연구이다. 이를 위해 먼저, MP-MAS의 원리와 구성 등의 방법론을 살펴본다. 그리 고 국내 농업 중에서도 벼농사에 활용하기 위한 모형 구 축을 시도하였다. 시범 사례로서, 벼 이앙재배와 직파재 배의 선택에 따른 경제성 분석에 대한 예비 결과를 제시 하였다. 끝으로, 기후스마트농업의 구현을 위한 활용 관 점에서 모형을 검토하고, 벼농사를 포함한 지속가능한 영농을 위한 정책 지원 도구로의 발전 가능성을 제시하 였다.

II. MP-MAS의 개념과 특징

2.1. MP-MAS 개요

MP-MAS에서 MAS는 다행위자 시스템(Multi Agent System, MAS)을 말한다. 여기서 행위자는 농업경제 활동에 대한 의사결정을 수행하는 소규모 농가이며, 이들의 의사결정을 모사하는데 수학적 프로그래밍 (Mathematical Programming, MP) 방법이 사용된다.

MP-MAS의 목적은 농업 기술, 시장 역학, 환경 변화 및 정책 개입이 이질적인 농가 및 이들이 요구하는 농업생 태 자원에 어떻게 영향을 미치는지를 이해하는 데 있다 (Schreinemachers and Berger, 2011).

2.2. 구성요소

일반적으로 행위자 기반 모형은 크게 행위자(agent), 환경(environment), 상호작용(interaction)의 세 가지 구 성요소로 이루어져 있다. MP-MAS에서 행위자와 환경

은 여러 개의 층으로 구성되어 있으며, 각 층은 행위자와 환경의 속성 정보를 갖는다(Table 1).

2.2.1. 행위자

MP-MAS에서 행위자는 농업경제활동에 대한 의사 결정을 수행하는 소규모 농가를 말한다. 이 행위자의 상 태를 나타내는 정보에는 농가 본채와 그들의 경작 위치, 각 농가의 조성(성별, 연령, 노동공급) 정보, 사용 가능한 자원(현금, 가축, 장비 등)이 있다. 또한, 행위자는 3 가지 의 속성 정보를 갖는다. ‘집단(cluster)’은 유사한 자원을 갖는 행위자 그룹이다. ‘네트워크(network/innovation segment)’는 그들 농장에 새로운 신기술 혹은 혁신을 수 용할 때 유사한 커뮤니케이션 행동을 가지는 행위자의 그룹이다. ‘인구(populations)’는 사회 소통의 경계를 반 영하며, 종족으로도 간주할 수 있다.

행위자의 의사결정을 모사하기 위해 다양한 제약조 건 하에 이익이 최대화가 되는, 최적의 해를 찾는 수학적 프로그래밍 방법이 사용되며 아래와 같이 식으로 나타 낼 수 있다.

식 (1)에서 Z는 작물 재배, 가축 생산, 노동 고용, 음식 소비, 혹은 신기술 채택과 같은 농장 활동 (j=1 to n)의 선 형 함수로, MP-MAS에서

Z

는 농장의 ‘기대 순이익’으 로 정의할 수 있다. 

_

는 활동 단위 당 기대 가격이다. 식 (2)는 농장 활동 

_

의 한 단위를 생산하는데 필요한 양

 _

가 사용가능한 자원의 양

 _

을 넘을 수 없음을 의미한 다. 즉, 행위자의 의사결정 기준은 바로 이익의 최대화로, 자원의 활용은 최소화하면서 기대 수익을 최대화하는 농장 활동을 하게 되는데, 농업경제학에서는 이를 ‘수학 적 프로그래밍’이라 한다(Hazell and Norton, 1986).

MP-MAS에서 의사결정은 총 4단계로, 기본 구조는 Fig. 1에 나타나 있다. 그 중 첫 번째 단계는 ‘투자 결정’으 로 장기적인 관점에서 소득을 최대화하는 의사결정이 다. 농기계 구입 혹은 농토 구매 등이 이에 해당한다. 두 번째 단계는 ‘생산 결정’으로 당해 연도의 기대수익을 최 대화하는 의사결정이다. 어떤 작물을 선택할지, 비료와 Components Layers

Environ- ment

Layer 1 Meteorology

Layer 2 Soil hydrology

Layer 3 Soil quality

Layer 4 Landuse/cover

Agent

Layer 5 land and water

markets Layer 6 Ownership

Layer 7 Farmsteads

Layer 8 Human actors/Communi

cation networks

Source: Revised figure based on Berger and Troost(2014)

Table 1. Components of MP-MAS

(1)

(2) (3)

농약은 얼마나 준비를 해야 할지 등이 이에 해당된다. 세 번째 단계는 ‘마케팅 결정’으로 농작물 수확 후 판매 혹 은 저장과 관련한 의사결정 단계이며, 마지막 네 번째는 판매 후 소득에 대한 지출 혹은 저축과 관련된 ‘소비 결 정’ 단계이다. 다양한 농장 자원과 외부환경으로부터 입 력 자료를 생성하여 4단계의 의사결정 과정과 여러 하위 모형을 통해 결과 값을 도출하고, 이는 다음 해의 농업활 동에 영향을 미치게 된다(Schreinemachers and Berger, 2011).

2.2.2. 환경

환경은 행위자가 활동하는 공간으로 행위자의 의사 결정에 영향을 미치거나 행위자의 의사결정의 결과로 그 상태가 변화할 수 있는 공간이다. MP-MAS에서 환경 은 Table 1과 같이 기상, 토양 종류, 수문환경 등 다양한 층으로 구성된다(Berger and Troost, 2014). 이들의 속 성은 각 층, 격자 크기에 따라 고유한 상태 값을 가진다.

이 중 기상자료는 현재 격자 단위로 모형에 입력되지 않 고 월 총 강수량(mm)과 증발산량(mm)이 사용된다. 그 러나 기상 자료를 사용하기 위한 방법은 현재 공개되어 있지 않다. 현재 해상도 0.9 km 이내의 중규모 기상 예측 모형과 해상도 0.1 km 이내의 국지규모 모형의 접합이 개발 중에 있다.

2.2.3. 상호작용

MP-MAS에서 상호작용은 행위자와 행위자 간, 행위 자와 환경 간, 환경과 환경 간의 세 가지 상호작용으로 구 분할 수 있으며, 이는 미리 정의되어 있다.

행위자와 행위자 간의 상호작용으로는 신기술 확산, 토지 시장, 노동 교환, 공동체 기반의 자원 관리 등이 있 다. 이 중 신기술 확산은 두 가지 과정을 따른다. 신기술 에 대한 정보와 신기술을 받아들이는 채택 비용이 타행 위자로 인해 영향을 받게 되고, 이에 따라 신기술의 확산 패턴이 달라진다(Schreinemachers et al., 2009; Berger, 2001).

행위자와 환경 간의 상호작용은 생물리(biophysical) 모듈에 정의되어 있고, 자원 역학과 수확량을 모의할 수 있다. MP-MAS에는 두 가지의 유형의 자원 역학이 현재 포함되어 있다. 하나는 물 흐름에 관한 것이고, 다른 하나 는 토양 침식 및 토양 영양에 관한 것이다.

작물 수확량은 물 공급과 물 수요량 간의 함수로, FAO45 모델에 기반 한다(Clarke et al., 1998; Smith, 1992). 토양 비옥도 변화와 그로 인한 작물 수확량 결과 를 모의할 수 있는 열대 토양 생산성 계산기도 내장되어 있다(Aune and Lal, 1995). 이 외, 외장 소프트웨어 연결 로도 사용이 가능하며, 지면-대기 간 교환 등의 환경과 환 경 간의 상호작용을 고려할 수 있다.

Fig. 1. Basic schematic of MP-MAS.

Note: Adapted from Schreinemachers and Berger(2011). Endowments (shaded grey), and the machinery investment, rice production and selling in decision-making processes are considered in this case study.

2.3 구동방법

MP-MAS는 입력파일을 읽고 처리하는 과정을 통해 구동된다. 입력파일 생성을 위해서는 윈도우 환경의 경 우 MS Office Excel과 IBM OSL이 필요하며, 리눅스 환 경의 경우 관계형 데이터베이스 관리 시스템(Relational Data Base Management System, RDBMS)이 필요하다.

윈도우 환경에서 입력파일은 시나리오를 관리하는 파일 (‘ScenarioManager.xls’), 수학적 프로그래밍용 파일 (‘Matrix.xls’), 그리고 총 13개의 추가 엑셀 파일로부터 생 성된다(Table 2). 이 중 ‘ScenarioManage.xls’, ‘Matrix.xls’,

‘Population.xls’, ‘Map.xls’, ‘Network.xls’, ‘BasicData.xls’,

‘Demography.xls’, ‘Market.xls’은 모형을 구동하기 위해 필수적으로 준비되어야 하는 파일이다.

‘ScenarioManager.xls’는 여러 다른 시나리오를 설 정하고 모형 구동에 필요한 입력파일을 정의하여, 해당 입력파일을 ASCII 파일로 변환하는데 사용된다. 행위 자의 의사결정을 모의하기 위한 핵심파일은 ‘Matrix.xls’

이다. 이 파일은 의사결정에 필요한 모든 행위자들의 활 동과 제약들을 포착할 수 있도록 정의된다. MP-MAS에 서 기본으로 제공하는 활동과 제약을 Table 3에 요약하 였다. 화폐의 흐름과 관련하여 단기 대출, 단기 저축 및 이전 소득(transfer liquidity) 활동이 있고, 이에 해당하 는 제약으로는 행위자들의 현금 유동성과 단기 대출 금 액의 한도가 있다. 노동과 관련하여 일용직 고용과 외부 일용직 활동(hiring out households labor), 노동 전용 (transfer households labor)이 있으며, 제약으로는 행위 자의 자가 노동력(households labor)과 일용직 고용으로 인해 보유하게 되는 노동력이 있다. 생산된 농작물을 기 반으로 농작물 판매 활동이 가능하며, 농작물 생산 활동 자체는 화폐흐름, 노동, 토양, 기기 모두와 연관되어 있 다. 농기계 구매 활동 혹은 농기계 운영 인력 고용을 통해 농기계 보유 역량이 생기며, 농기계 운영 인력 고용 시 행 위자의 현금 유동성은 제약 조건이 된다. 농기계 구매 시 에도 행위자의 현금 유동성이 제약 조건이 될 수 있으나 농기계 구매 활동에 대해서는 MP-MAS 자체적으로 계 산하여 다른 제약조건들을 입력하지 않도록 되어있다. 기본으로 제공하는 활동 외에 연구 목적에 맞추어 다양 한 활동과 그에 해당하는 제약들을 추가하여 매트릭스 를 구성할 수도 있다. 활동과 제약을 기반으로 한 매트릭 스 구성은 농업경제학의 오랜 전통으로 상세한 내용 및 방법은 Hazell and Norton(1986)에서 찾아 볼 수 있다.

추가적인 필수 입력파일에는 행위자의 위치를 포함 한 모든 공간 정보 파일인 ‘Maps.xls’, 가구 구성원/농장

자산 정보를 수집하는 ‘Population.xls’, 기기 구매 및 혁 신 확산 정의에 대한 ‘Network.xls’, 농작물 판매 가격, 농업 이외의 활동에 대한 노동 임금 등 모든 가격 정보를 수집하는 ‘Market.xls’, 행위자 가구 구성원의 연령별 노동 공급, 출생⋅사망률 등의 인구 역학이 정의된

‘Demography.xls’, 모형 내 여러 구성요소에 사용되는 기본 모수 값이 정의된 ‘BasicData.xls’ 있다.

선택 입력파일에는 각 작물의 경작활동에 필요한 월 간 물 요구량과 다양한 관개 방법의 효율성 정보를 수집 하는 ‘CropWat.xls’, 행위자들 간 가용 수자원 분포를 정 의하는 ‘WaterRights.xls’, 모사를 실행하는 동안의 각 연도별 월간 관개용수의 양과 강수량 정보를 수집하는

‘Routing.xls’, 다년생 작물의 연간 수확량 및 그와 관련 된 자본 요구량을 수집하는 ‘Perennials.xls’, 농장 가축 의 연간 수확량 및 그와 관련된 자본 요구량을 수집하는

‘Livestock.xls’, 토양 영양분에 대한 작물 수확량 반응 및 토양 비옥도와 관련된 ‘Soils.xls’, 그 지역의 관개시 기와 유역의 유출 정보를 담은 ‘Region.xls’ 등이 있다.

리눅스 환경에서는 ‘ScenarioManager.xls’와 ‘Matrix.xls’

의 경우 C++ 언어로 작성되어 각각 ‘mpmas.cfg’,

‘mpmas.cll’에 저장되고, 추가 입력파일은 RDBMS 내 에 해당 테이블을 생성하고 수집된 자료를 불러오게 된 다. 입력파일에 대한 상세 내용은 MP-MAS 매뉴얼에서 확인할 수 있다(Berger and Schreinemachers, 2012).

File type Excel File Essential Scenario Manage ScenarioManage.xls V

Mathematical

Programming Matrix.xls V

Other workbook

initial condition

Population.xls V Map.xls V Network.xls V contain

parameter

BasicData.xls V CropWat.xls

WaterRight.xls

simulate dynamics

Demography.xls V Perennials.xls

Livestock.xls

Market.xls V Soil.xls

Routing.xls Region.xls

Source: MP-MAS Technical model documentation (Berger and Schreinmemachers, 2012)

Table 2. MP-MAS Input Files on Window OS

2.4. 장점 및 한계

MP-MAS는 복잡 사회 또는 시스템을 모델링함에 있 어서 비선형적이고 복잡성이 높은 행위자와 환경, 그 상 호작용을 보다 유연하게 모형화가 가능한 모델의 기본 틀을 제공할 수 있다. 또한, 수학적 프로그래밍을 이용한 농가의 의사결정 모의는 농경제 혹은 농장 경영 이론에 서의 강력한 발판을 삼고 있다. 그리고 다양한 추가 모듈 옵션들, 그리고 외부 소프트웨어와의 연계가능성은 MP-MAS의 확장성이 매우 유연하며, 이를 기반으로 MP-MAS를 이용하여 다양한 연구를 할 수 있도록 한다.

그러나 사용에 있어서 몇 가지 주의할 필요가 있다. 우 선 행위자의 범위가 농가로 한정되어 있다는 점이다. 농 가가 아닌 사람(예: 물 사용협회, 동사무소 등)에게는 적 합하지 않다. 그리고 현재 버전은 행위자들이 명확하게 정의된 땅에서만 모의가 이루어지며, 새로운 땅이 생성 되지는 못한다는 점이다. 그러나 추후 버전에서는 이러 한 한계를 해결할 수 있을 것으로 기대한다. 무엇보다도, 모델링 과정에서 많은 요소들이 정량화되어 입력되어야 하고, 시스템 설계 단계에서 많은 노력과 시간이 소요된

다. 또한, 활용에 있어서 일정 수준 이상의 프로그래밍 지 식과 많은 노력을 필요로 한다.

III. 사례연구: 벼농사 모의

3.1. 사례 개요

우리나라 벼농사를 살펴보면, 2012년 이후 경지면적 과 농가 인구가 지속적으로 감소함에도, 생산량이 계속 증가하고 있다. 2016년 9월 기준 전국 쌀 재고량은 175 만t으로 FAO 권장 적정재고량 80만t의 2배가 넘는다.

한국농촌경제연구원에 따르면, 현 재고량 기준 연간 5,500억원 이상의 관리비용이 소모될 것으로 추정된다 (Special Economy, 2016). 즉, CSA의 첫 번째 목표인 지 속가능한 생산력 측면에서 국내 쌀 생산은 이미 최고의 수준에 와 있다. 그러나 소득은 그렇지 못하다. 과잉 공급 으로 인한 쌀 가격은 지속적으로 감소하고 있어, 농민들 은 매우 힘들어 하고 있다. 설상가상으로, 가속화되는 기 후변화에 적응하기 위한 탄력 구축과 온실기체 배출 저 감 부문은 더욱 심각한 실정이다. Choi et al.(2016)에 따

Class standards labor crops machinery

Short-term credit

Short-term deposits

Transfer Liquidity

Hiring in temporary labor

Hiring out household labor

(temporary)

Transfer household

labor

sell Production

_on_soil invest hiring

constraint unit won won won person days persons persons t ha piece ha

standards

Liquidity

endowment won 1 1 0.8*c c

Year 1 liquidity won -1

Pre-harvest

liquidity won -1 -1

Short-term

credit limit won 1 -0.8*c

labor

Household labor

person

year 1 1

Labor capacity person

days -1 c

soil Area of soil ha 1

crops product_balance t 1 -1

machinery capacity ha c -1 -1

Note: Number(‘1’, ‘-1’, ‘0.8’, ‘-0.8) means the relationship between activities and constraints (e.g. short-term credit = - Pre-harvest liquidity + short-term credit limit).’c’ means coefficient derived from data survey.

Table 3. Basic activities and constraints of default matrix in MP-MAS

르면, 국내 논의 경우 생산량은 높으나 권장량보다 많은 물을 사용하고 있으며, 주요 온실기체 방출량 또한 매우 높은 것으로 보고되어, 기후스마트농업 측면에서 시급 한 개선이 필요하다.

최근 농촌진흥청에서는 농가의 생산성과 소득을 증 대시키면서 동시에 탄소배출량은 저감시키는 무논점파 라는 새로운 벼 농법을 개발하였다. 무논점파는 기존의 건답직파와 담수직파의 단점을 보완한 기술로서 이앙재 배와 비교하여 노동력은 25∼30%, ha당 생산비 8∼

10% 절감 가능한 것으로 보고되어 있다(RDA, 2013).

그러나 2012년도부터 시작된 무논점파 홍보 활동 및 보 조금 정책에도 불구하고 전체 벼 재배면적 중 무논점파 재배면적은 2015년도 기준 1.5%로, 기술의 전파 속도 가 매우 느리다(NICS, 2016). 농가들이 이 기술을 쉽게 받아들이지 못하고 있는데, Yang et al.(2015)이 농가들 을 대상으로 설문조사를 실시한 결과 무논점파가 잡초 방제, 정지와 물 관리에 있어서 어려움이 있다고 보고 하였다. Shon et al.(2013)도 무논점파 재배가 이앙 재 배보다 잡초성벼가 증가한다고 보고하였다. 그러나 무 논점파의 느린 확산은 잡초성벼의 문제 외에도 신기술 에 대한 농가들의 혁신 정도 혹은 농기계를 구매하기 힘 든 소규모 농가와 농기계 구매가 쉬운 대규모 농가의 차 이, 국가의 보조금 지원 여부 등 다양한 원인들이 혼재 되어 있다.

본 연구에서는 MP-MAS를 이용하여 농가들이 벼농 사를 함에 있어서 어떠한 벼농법을 선택을 할지, 그로 인

한 생산성 및 소득은 어떻게 될지 모의하는 모형 구축을 시도하였다. 아직 국내 벼농사에 적용할 수 있는 단계는 아니며, 이와 같은 시도 과정을 통해 궁극적으로 향후 농 가 입장에서는 생산성 및 소득 향상 측면에서 어떤 농법 을 선택해야 할지 의사결정을 지원해주며, 정책입안자 입장에서는 무논점파의 확산에 제약이 되는 잠재적인 요인들을 파악하여 기후스마트농업을 위해 어떤 정책을 해야 효과가 있는지 의사결정을 지원하는데 도움이 될 것으로 기대한다.

3.2. 모형 설계

현재 무논점파가 활발히 진행되고 있는 지역을 대상 으로 모형 설계를 시도하였다. 전라남도 해남군 화산면 관동리에 위치한 관동마을은 무논점파를 전국에서 가장 처음 도입한 농부의 영향으로 무논점파가 현재 활발히 진행되고 있는 지역이다(Fig. 2). 이 지역의 벼 재배 농가 는 약 50가구로 전체 재배면적의 약 60%가 무논점파를 시행하고 있다. 연구 대상지에서 4 가구에 대한 인터뷰 조사를 실시하였다. 이 중 세 가구는 무논점파를 시행하 고 있었으며, 한 가구는 이앙 재배를 시행하고 있었다.

MP-MAS에서 요구하는 최소 샘플링은 전체 대상의 5%

이며, 내장된 기능(몬테카를로 시뮬레이션)을 통해 전체 행 위자 자료를 생성할 수 있다(Berger and Schreinemachers, 2006). 그러나 해당 기능은 리눅스 환경에서 제공되는 관계로 본 연구에서는 사용할 수 없었다.

본 연구에서는 앞서 Fig. 1에 명시 했듯이, 4단계 의사

Fig. 2. Study site.

결정 중 1단계에서는 기기투자만을 고려하였으며, 2단 계에서는 벼 생산만을, 3단계에서는 쌀 판매만을 고려 하였다. 의사결정을 시뮬레이션하기 위한 핵심 파일인

‘Matrix.xls’의 매트릭스 구성은 기본적으로 제공하는 활동과 제약을 기반으로 구성하였으며, 농작물 재배활 동을 벼 이앙 재배와 무논점파 재배로, 기기의 경우 이앙 기, 무논점파기, 트랙터, 콤바인 4가지로 구성하였다. 연 구에 사용된 파일 및 자료는 현재 국가 R&D 소프트웨어 성과물로 등록(C-2016-023818)되어 있으며, 해당 소프 트웨어를 통해 확인 및 구동해 볼 수 있다.

보다 실질적인 벼농사 모사를 위해 추가되어야 하는 것들을 예로 들면, 이앙 재배의 경우 상토와 상자 지원 등 준비 단계에서의 실시되고 있는 생산비 지원 정책이 있 고, 무논점파 재배의 경우에는 기기 구입 시 50%를 지원 하는 정책이 있다. 현재의 모형에는 이렇게 농가가 국가 로부터 받는 보조금 활동이 고려되어 있지 않다. 또한, 농 작물 재배의 경우에도, 단순히 이앙 재배나 무논점파 재 배의 두 가지 활동으로만 설계 되어있으나, 이를 농약 살 포 활동, 비료 살포 활동 등으로 세분화하는 모형 설계가 필요하며, 이에 따른 다양한 입력 자료가 함께 보완되어 야 할 것이다.

3.3. 모형 적용 결과 및 시사점

구축된 모형의 모의 결과를 Fig. 3에 나타냈다. 2015 년을 시작으로 하여 3년간 벼농사를 모사하였다. 실제 로 가구1, 가구2, 그리고 가구4의 경우 무논점파를 시행 하고 가구3의 경우 이앙재배를 실시하고 있었음에도 불

구하고, 모델링 결과는 4 가구 모두 아예 벼농사를 하지 않는 것으로 모사하였다(Fig. 3(a)). 그러나 각 농가의 소 득을 살펴보면(Fig. 3(b)), 농가들 모두 벼농사를 하지 않 음에도 불구하고 모든 농가에서 3년간 소득의 변화가 있 음을 확인할 수 있다. 이러한 결과는 농가의 소득이 벼농 사가 아닌 다른 경제 활동에 의한 것임을 시사한다. 즉, 농가 입장에서는 소득 증대를 위해서는 벼농사가 아닌 다른 경제 활동을 해야 한다는 것을 이야기 해주고, 정부 입장에서는 농가들이 무논점파를 하지 않은 원인을 벼 재배활동 자체가 소득 증대에 효과 없는 것으로 보고 적 절한 정책을 마련 및 그에 해당하는 활동을 추가하여 모 의해 볼 수 있을 것이다.

그러나 앞서 언급했듯이, 현 단계의 모형은 국내 벼농 사에 보편적으로 적용할 수 없는 초기단계이다. 그럼에 도 불구하고 이러한 시도로부터, 국내 벼농사의 기후스 마트농업, 그 중에서도 지속가능한 생산력과 소득 향상 을 위한 의사결정을 지원하는데 MP-MAS를 활용할 수 있음을 확인하였고, 다음과 같이 향후 보완해야 할 점들 을 찾을 수 있었다. 첫째, 모형 설계에 있어서 특정 한 학 문분야에서의 시도가 아닌, 경제학자, 농업학자, 환경학 자 등 다양한 학문의 전문가와 더불어 정책 입안자, 농민 과의 충분한 검토와 의견 교환이 시작 단계에서부터 이 루어져야 한다는 점이다. 둘째, 결과의 원인을 파악하는 것이 쉽지 않다는 점이다. 이번에 시도한 모형의 경우, 가 구3을 제외한 나머지 농가들의 소득이 3년간 높아지는 것으로 나타난 반면, 가구3의 경우는 급격한 소득 하락 을 보였는데, 문제는 소득이 증가하거나 감소하는 원인

Income Simulation

Period

t+1 t+2 t+3

In com e (thousa nd w on)

30000 40000 50000 60000 70000 80000

id 1 id 2 id 3 id 4

(a) rice farming current status and simulation results (b) individual income simulation results

Fig. 3. Rice farming and income simulation results.

을 파악할 수 없었다. 소득 증가의 원인은 저축활동 혹은 농장 외 활동, 소득 감소의 원인은 노동력 감소에 의한 것 으로 추정되나, 이에 대한 확인을 위해 중간 과정의 결과 를 확인할 수 있도록 모형을 개선할 필요가 있다.

IV. 요약 및 향후 과제

지속가능한 농업-사회시스템을 위한 기후스마트농 업의 세 가지 목표 달성은 이제 더 이상 선택이 아닌 필수 로서 우리를 점점 압박해 오고 있다. 본 연구에서는 지속 가능한 생산력과 소득 향상을 위한 농가의 의사결정을 지원하기 위해 행위자 기반 모형인 MP-MAS를 소개하 였다. MP-MAS는 다양한 농업 활동과 제약 하에서 농가 의 생산력과 소득을 모의할 수 있다. 또한, 다른 소프트웨 어와의 연계가 가능하여, 추후 CSA의 나머지 두 전략인 기후변화 대비 탄력성 구축과 온실기체 감축 부분을 함 께 고려하도록 확장 및 개선이 가능하다. 이를 위해서는 모형 설계, 지표 개발 및 인력 양성과 기반 구축 관련 연구 가 우선되어야 한다.

1) 모형 설계: MP-MAS가 모사하고 있는 시스템은 농업 경제로, 행위자 간 및 행위자-환경 간 상호작용의 많 은 요소들이 구체적으로 정량화되고 설계되어야 한다. 그 과정을 농업-사회시스템의 큰 틀에서 이해하고, 그 안 의 세부 요소들과 수식들을 이해하려면 많은 노력과 시 간이 소요된다. 또한, 그 과정은 한 사람, 한 분야의 힘만 으로는 이루어질 수 없다. 우리 농업이 겪고 있는 상황에 맞추어, 우리 농업 시스템에 맞는 모형 설계를 위해서는 초기단계부터 농학, 경제학, 환경학, 대기과학, 지리학 등 관련 학제간/횡단학문간 협업과 관련 지자체⋅정부 의 협력이 필수이다.

2) 지표 개발: CSA의 세 가지 목표 중 첫 번째에 해당 하는 생산력과 소득의 지표는 직관적이다. 그러나 기후 변화대비 탄력은 정의하기도 어려울 뿐만 아니라 그것 을 정량화하는 것은 더욱 어렵다. 그리고 온실기체의 경 우, 메탄과 아산화질소의 농업부문 배출량 산정식은 IPCC 보고서에서 제공하고 있으나, 각 나라에 맞는 배출 량 산정식의 개선이 필요하다. 특히, 우리나라는 몬순의 영향으로 중간낙수로 인한 메탄 배출량 산정의 개선이 필요하며(Kim et al., 2016), 아산화질소 또한 국내에 맞 는 배출량 산정 및 개선 연구가 선행되어야 할 것이다. 또 한, 농업부문에서 일년생 작물의 이산화탄소는 일반적 으로 탄소중립으로 알려져 있고, 해당 배출량 산정식은 제시되어 있지 않다. 그러나 에디 공분산을 이용하여 실

제 농경지에서의 실측한 이산화탄소의 순 교환량에, 경 작 후 수확량의 외부 반출 및 잔사 처리 등을 고려하게 되 면 탄소 중립이 아닐 수 도 있다(Choi et al., 2016). 이러 한 부문을 고려한 농업분야의 탄소발자국 재산정 및 개 선을 위한 연구가 시급하다.

3) 전문 인력양성 및 기반 구축: 국내 적용 가능한 모형 의 설계, 그리고 CSA의 세 가지 목표를 정량적으로 평 가⋅관리할 수 있는 지표의 개발과 더불어, 이들을 구현 하기 위한 전문 인력의 확보와 인프라 구축이 동시에 이 루어져야 한다. 행위자 기반 모형은 아직 모두가 손쉽게 사용할 수 있는 일반화된 소프트웨어가 개발되지 않았 고, MP-MAS 또한 모형 개선 및 확장을 위해서는 일정 수준 이상의 프로그래밍을 요구한다. 따라서 모형 설계 와 개발 단계에서부터 기술 전문가의 참여가 이루어질 필요가 있다. 또한, 현실에 가까운 시스템으로 설계되고 대상 지역이 확장될수록, 모형 실행에 필요한 계산 시간 이 상당할 것으로 예상되므로, 안정적인 모형 구동을 위 한 슈퍼컴퓨팅 기반이 함께 구축되어야 할 것이다.

이러한 과학기술의 개발과 이를 기반으로 한 의사결 정 지원을 통한 인지적 설득도 중요하지만, 그것만으로 는 농업 문화를 바꾸는 데 충분하지 않다. 바람직한 의사 결정을 뒷받침할 수 있는 정책과 제도의 변화가 장기간 에 걸쳐 병행되어야만 그것이 문화적 특성으로 바뀔 수 있다(Kim, 2009). 그때에 비로소, 농민의 위상이 높아지 고, 농사가 편해지고, 농사가 수지를 맞는 지혜로운 정책이 펼쳐지는 다산이 꿈꾼 ‘3농’의 비전이 실현되는 것이다.

적 요

국제사회는 현재 1) 지속가능한 생산력 및 소득의 증 대, 2) 기후변화에 적응하는 탄력 구축, 그리고 3) 온실 기체 방출의 감축을 함께 달성하는 기후스마트농업 (Climate-Smart Agriculture, CSA)의 비전을 제시하고 이를 실현하고자 협력하고 있다. 이는 200여 년 전 다산 정약용이 강조한 후농(厚農), 편농(便農), 상농(上農)의 3농의 비전과 맥락을 같이 할 뿐 아니라, 성과를 정량적 으로 평가하고 관리할 총체적 지수의 개발과 이를 기반 으로 한 의사결정을 지원하는 실용적 목표를 제시하고 있다. 본 연구에서는 기후스마트농업의 의사결정을 지 원할 행위자 기반 모형인 MP-MAS를 소개하고, 국내 적 용을 위해 구축한 초기 모형을 벼농사에 적용하여 도출 한 예비 결과를 제시하였다. MP-MAS는 농민들과 정책 입안자들이 함께 다른 관점에서 다양한 선택 사양을 고

려할 수 있도록 지원할 수 있다. 추후 기후변화에 적응하 는 탄력 구축과 온실기체 방출의 감축을 동시에 고려할 수 있는 시스템으로 확장될 경우, 국제적인 압박으로 다 가오는 기후스마트농업의 목표 달성뿐만 아니라, 다산 의 3농 비전인 지속가능한 농업-사회시스템을 구현하는 중요한 도구로 사용될 것으로 기대된다.

감사의 글

본 연구는 기상청 차세대도시농림융합스마트기상서 비스개발(WISE) 사업의 지원으로 수행되었습니다 (KMIPA-2012-0001-2). 무논점파 개발과 보급에 힘써 주시고 자료 조사에 도움주신 국립식량과학원 한희석 박사님과 농업인 김평국 선생님께 감사드립니다.

REFERENCES

Aune, J.B., and R. Lal, 1995: The Tropical Soil Productivity

Calculator : A Model for Assessing Effects of Soil Management on Productivity. CRC Press, Boca Rato,

USA, 499-520.

Berger, T., and C. Troost, 2014: Agent‐based modelling of climate adaptation and mitigation options in agriculture. Journal of Agricultural Economics 65(2), 323-348.

Berger, T., and P. Schreinemachers, 2012: Mathematical

Programming-based Multi-Agent Systems (MPMAS) Technical Model Documentation Version 3.0.

Hohenhiem university, Germany, 17-46.

Berger, T., and P. Schreinemachers, 2006: Creating agents and landscapes for multiagent systems from random samples. Ecology and Society 11(2), 19pp.

Berger, T., 2001: Agent-based models applied to agriculture:

a simulation tool for technology diffusion, resource use changes and policy analysis. Agricultural Economics

25(2-3), 245-260.

Choi, S., M. Kang, Y.M. Indrawati, H. Kim, Y. Kim, and J. Kim, 2016: Carbon footprint of annual crop using long-term flux measurement in Korea: implication for climate-smart agriculture (CSA). Ecosummit 2016

Ecological Sustainability: Engineering Change Conference. 8.29-30.2016. Montpellier, France.

Clarke, D., M. Smith, and K. El-Askari, 1998: CropWat

for Windows: User Guide. Food and Agricultural

Organization of the United Nations, Rome, Italy, 3-43.

FAO (Food and Agriculture Organization), 2013:

CLIMATE-SMART AGRICULTURE Sourcebook. Food

and Agricultural Organization of the United Nations,

Rome, Italy, ix pp.

Hazell, P.B.R., and R.D. Norton, 1986: Mathematical

Programming for Economic Analysis in Agriculture.

Macmillan, New York, USA, 9-53.

Kim, Y., M.S.A. Talucder, M. Kang, K-M. Shim, N.

Kang, and J. Kim, 2016: Interannual variations in methane emission from an irrigated rice paddy caused by rainfalls during the aeration period. Agriculture,

Ecosystems and Environment 223, 67-75.

Kim, D., H. Kim, H. Koo, and E. Kim, 2015a:

Development and application of an agent based urban model. The Korea Spatial Planning Review 86, 17-31.

(in Korean with English abstract)

Kim, H., S-W. Choi, and J. Kim, 2015b: Research trends and future direction for sustainable agricultural and forest management. Korean Journal of Agricultural

and Forest Meteorology 17(3), 236-247. (in Korean

with English abstract)

Kim, J., 2010: A proposition on applying agent-based model for analyzing logistics system. Journal of

Korea Port Economic Association 26(3), 130-142. (in

Korean with English abstract)

Kim, J., 2009: Carbon cycles and green growth. Orbis

Sapientiae 6, Acanet, Seoul, South Korea, 204-218.

Kim, J., 2005: An agent-based model for airline evolution, competition and airport congestion. Ph.D.

Dissertation, Virginia Tech, Virginia.

NICS (National Institute of Crop Science), 2016: 2016

Wet-hill-direct-seeding Field Workshop to Promote Practical Use of New Rice Technology. Rural

Development Administrator, Jeonbuk, South Korea, 127pp.

Park, S., Y. S. An, Y. Shin, S. Lee, W. Sim, J. Moon, G.

Y. Jeong, I. Kim, H. Shin, D. Huh, J. H. Sung, and C.

R. Park, 2015: A multi-agent system to assess land-use and cover changes caused by forest management policy scenarios. Journal of the Korean Geographical

Society 50(3), 255-276. (in Korean with English

abstract)

RDA (Rural Development Administrator), 2013: 2012

Major Research Achievements of Agricultural Science and Technology Development Business. Rural

Development Administrator, Jeonbuk, South Kore, 63pp.

Schreinemachers, P., and T. Berger, 2011: An agent-based simulation model of human–environment interactions in agricultural systems. Environmental Modelling &

Software 26(7), 845-859.

Schreinemachers, P., T. Berger, A. Sirijinda, and S.

Praneetvatakul, 2009: The diffusion of greenhouse agriculture in Northern Thailand: combining

econometrics and agent‐based modeling. Canadian

Journal of Agricultural Economics/Revue canadienne d’agroeconomie 57(4), 513-536.

Shon, J., C-K. Lee, J. Kim, W. Yang, K-J. Choi, H-K.

Park, T-S. Park, C-k. Kim, and Y-H. Yoon, 2013:

Changes of weedy rice occurrence in repeated wet direct seeding and alternate transplanting/wet direct seeding of rice. The Korean Society of Weed Science

and The Turfgrass Society of Korea 2(4), 348-351. (in

Korean with English abstract)

Smith, M., 1992: CROPWAT: A Computer Program for

Irrigation Planning and Management. Food and

Agriculture Organization of the United Nations, Rome, Italy, 46pp.

Special Economy, 2016: Senator Wanyoung Lee, urging rice production and inventory control measures... six

kinds of measures proposed. 13th Oct. Special Economy Press, Korea.

http://www.speconomy.com/news/articleView.html?id xno=73848 (Retrieved 18th/Oct/2016).

Tesfatsion, L., 2006: Agent-based computational economics:

a constructive approach to economic theory.

Handbook of Computational Economics 2, 831-880.

Weiss, G., 2000: Multiagent Systems: a Modern

Approach to Distributed Artificial Intelligence. The

MIT Press, Cambridge, USA.

Yang, W., J. Kim, M. Lee, S. Chen, and H. Han, 2015:

Status and prospect on rice direct seeding technology of farmers. The Korean Society of International

Agriculture 27(3), 342-347. (in Korean with English

abstract)