주요 채소 작물 대상 작물 모형 모수 추정 및 검증을 지원하기 위한 생육 조사 프로토콜 분석
김광수1,2*⋅김준환3⋅현신우11)
1서울대학교 식물생산과학부, 2서울대학교 농업생명과학연구원, 3농촌진흥청 국립식량과학원 작물재배생리과 (2019(2020년 2월 6일 접수; 2020년 5월 26일 수정; 2020년 6월 11일 수락)
Analysis of Crop Survey Protocols to Support Parameter Calibration and Verification for Crop Models of Major Vegetables
Kwang Soo Kim1,2*, Junhwan Kim3, Shinwoo Hyun1
1Department of Plant Science, Seoul National University, Seoul, Korea
2Research Institute of Agriculture and Life Sciences, Seoul National University, Seoul, Korea
3Division of Crop Physiology and Production, National Institute of Crop Sciences, Rural Development Administration, Hyoksin-ro 181, Iseo-myeon, Wanju-gun, Jeollabuk-do, Republic of Korea
(Rec(Received February 6, 2020; Revised May 26, 2020; Accepted June 11, 2020) ABSTRACT
Crop models have been used to predict vegetable crop yield, which would have a considerable economic impact on consumers as well as producers. A small number of models have been developed to estimate growth and yield of vegetables due to limited availability of growth observation data in high-quality. In this study, we aimed to analyze the protocols designed for collection of the observation data for major vegetable crops including cabbage, radish, garlic, onion and pepper. We also designed the protocols suitable for development and verification of a vegetable crop growth model. In particular, different measures were proposed to improve the existing protocol used by Statistics Korea (KOSTAT) and Rural Development Administration (RDA), which would enhance reliability of parameter estimation for the crop model. It would be advantageous to select sampling sites in areas where reliable weather observation data can be obtained because crop models quantify the response of crop growth to given weather conditions. It is recommended to choose multiple sampling sites where climate conditions would differ. It is crucial to collect time series data for comparison between observed and simulated crop growth and yield. A crop model can be developed to predict actual yield rather than attainable yield using data for crop damage caused by diseases and pests as well as weather anomalies. A bigdata platform where the observation data are to be shared would facilitate the development of crop models for vegetable crops.
Key words: Major vegetables, Crop survey, Protocol, Crop model, Observation data
* Corresponding Author : Kwang-Soo Kim ([email protected])
ⓒ Author(s) 2020. CC Attribution 3.0 License.
I. 서 언
채소의 작황은 생산, 유통, 및 소비 영역에서 상당한 경제적인 파급 효과를 가지고 있다(Shim et al., 2018, Wi et al., 2018). 특히, 국내 주요 채소인 배추, 무, 마늘, 양파 및 고추는 주로 노지에서 재배되고 있기 때문에, 기상조건에 따라 생산성의 변동이 식량작물에 비해 상대적으로 크다(Bae et al., 2018, Choi and Baek, 2016). 이에 따라, 특정 년도의 기상조건에 따라 가격이 급등하거나 급락하는 현상들이 발생할 수 있 어, 생산자와 소비자 모두에게 미치는 영향을 최소화 할 수 있는 안정적인 수급 정책을 수립하고 이행하는 것이 중요하다(Song et al., 2018). 특히, 정책적 대응 수단을 마련하기 위해 사전에 작황을 예측할 수 있는 작물 모형의 개발과 보급이 필요하나, 작물의 생육 및 작황을 예측할 수 있는 작물 모형들은 대부분 식량작 물에 국한되어 있으며, 채소작물에 대해서는 일부 개 발되어 있다(Kim et al., 2019; Kim et al., 2018a).
작물 모형은 주어진 기상과 토양조건에서 파종 또 는 정식부터 수확기까지 작물의 생육량을 매일 정량적 으로 예측한다. 작물생육모형은 생육 과정을 수치적으
로 표현하기 위해 여러 수식들로 구성되어 있으며, 특 정 작물 또는 품종의 반응을 모의하기 위해 특정한 모수들이 사용된다. 작물 모형 개발을 위해 이러한 모 수들을 추정하고, 생육 추정값들이 실제 상황에 관측 된 작물 생육 양상을 어느 정도 반영할 수 있는 가를 검토하는 검증 과정을 거친다. 이를 위해, 다양한 조건 에서 얻어진 작물 생육 조사 자료가 요구된다. 이는, 작물 모형들을 개발하기 위해서는 상당한 수준의 생육 관측 자료가 축적되어야 한다는 것을 의미한다(Hyun and Kim, 2019).
국내에서는 채소작물의 생육 예측 모형을 개발하기 위한 관측 자료가 양적 질적인 모든 면에서 부족한 상황이며 특히 생육모형 개발에 필요한 양질의 생육 관측자료를 확보하기 위해서는 생육 조사에 대한 공통 적인 프로토콜이 필요하다. 물론 현재에도 생육 조사 를 위한 프로토콜들이 존재하기는 한다. 예를 들어, 통계청과 농촌진흥청에서는 5대 채소에 대한 작황 정 보를 생산하기 위해 일정한 생육 관측 프로토콜에 따 라 조사가 시행되고 있다. 그러나, 통계청에서 사용되 는 프로토콜들은 수확기 시점에서 작황 정보를 생산하 기 위해 설정되었기 때문에 작물 모형의 모수추정에
Fig. 1. The number of sampling plots surveyed by Statistics Korea (2019).
활용하기 어려운 단점이 있다(Hyun and Kim, 2019;
Kim et al., 2018b). 농촌진흥청에서는 법제화되어 있 는 농작물의 생육조사 규정에 따라, 관측 자료들이 수 집되고 있다. 그러나, 이러한 프로토콜 역시 작물 모형 개발에 활용될 수 있는가에 대해서는 검토가 필요하다.
따라서 본 연구에서는 배추, 무, 마늘, 양파 및 고추 등 국내 5대 채소들을 대상으로 관측 자료 수집에 사 용되는 프로토콜들을 작물 모형 개발의 관점에서 분석 하고 개선사항들을 파악하고자 하였다. 또한, 이러한 분석 결과를 바탕으로 작물 모형 개발을 위한 생육 자료 수집 프로토콜을 제안하고자 하였다. 개선된 생 육 조사 프로토콜이 확립될 경우, 보다 균일한 품질을 가진 작물 생육자료를 확보할 수 있다. 그리고, 이러한 자료의 축적을 통해, 신뢰도 높은 작물 생육 모형을 개발하여 작황 예측에 활용할 수 있을 것이다.
II. 통계청과 농촌진흥청의 채소작물 관측 프로토콜 비교
2.1. 생육조사 장소
작황 및 생육 관측 자료를 수집하기 위한 조사지점 은 조사 기관에 따라 공간적으로 상이한 분포를 가졌 다. 통계청에서는 원격탐사 자료를 활용하여 얻어진 경지 모집단으로부터 표본추출 집단을 선정하고 있다 (Statistics Korea, 2019). 이들 집단은 해당 작물의 주 산지가 아니라 영상자료를 사용하여 선정되었기 때문 에 표본추출 격자에 포함된 필지의 수가 연차별로 차 이가 있었다(Fig. 1). 이러한 표본조사 장소 설정 방식 은 매년 작물이 재배된 필지를 대상으로 관측을 수행 할 수 있어 작황 조사를 위해 유리하다. 반면, 농촌진
Fig. 2. Administrative division assigned for field survey to monitor growth of major vegetable by the Rural Development Administration Instruction 845, which is the rule to monitor crop growth. Each map represents the administrative division for (A) Autumn radish, (B) Autumn cabbage, (C) Highland cabbage, (D) Garlic, (E) Onion, and (F) Pepper, respectively.
흥청 훈령 제845호 "농작물 생육조사에 관한 규정"에 따르면, 주요 채소의 작황 관측은 주산지를 중심으로 이루어지도록 되어 있다(Fig. 2). 예를 들어, 가을 배추 와 가을 무의 작황은 각각 29개 및 27개 시군에서 표본 조사를 수행하도록 설정되어 있다. 양파의 경우, 무와 배추보다 적은 23개 시군이 표본 조사 대상 지역으로 지정되어 있다.
2.2. 조사 시기와 항목
기존에 사용되는 프로토콜들은 작물 모형 개발과 검증을 위한 것이 아니기 때문에 작황 및 생육 조사 시기 측면에서 자료에 한계가 있었다. 통계청에서 사 용되는 프로토콜은 생육 과정보다는 최종 생산량을 추 정하는 것이 목적이기 때문에, 작물 모형 개발을 위해 필요한 시계열적 자료가 충분하지 않다는 단점이 있다 (Table 1). 예를 들어, 통계청에서는 양파의 작황 조사 를 위해 수확기 시점인 5월에서 6월 사이에 한차례 관측자료를 수집한다. 반면, 농촌진흥청의 프로토콜에 따르면 작물의 생육 양상을 파악하기 위해 대략 2주 간격으로 생육 조사를 수행하는 것으로 설정되어 있 다. 양파의 경우, 3월 초부터 5월 중순까지 총 6회에 걸쳐 생육 조사가 수행된다. 그럼에도 불구하고, 생육 조사가 파종이나 정식시기가 상당히 지난 시점인 월동 이후부터 시작되기 때문에 생육 초기의 관측자료를 얻 을 수 없는 단점이 있다.
개별 작물별로 통계청과 농촌진흥청에서 조사되는 항목들에도 차이가 있었다(Table 1). 예를 들어, 지하 부가 수확되는 양파의 경우, 농촌진흥청의 관측 프로 토콜에는 구직경, 주수, 엽수 및 초장이 측정되는 것으 로 설정되어 있다. 반면, 통계청 프로토콜에는 단위면 적당 주수, 구근의 생중량뿐만 아니라 정상적인 양파 와 추대가 된 양파를 구분하여 포기수가 측정된다. 농
촌진흥청의 프로토콜의 경우, 정량적인 생육 특성을 반영하기 위한 조사 항목들로 구성되어 있으나, 품종 정보와 양파의 추대조건과 같은 정성적인 관측 항목이 제외되어 있어, 작물 생육 모형 개발을 위한 관측 자료 수집에 한계가 있었다. 통계청의 프로토콜 역시 수확 부위에 해당하는 구근에 대한 생중량을 측정하지만 생 산성에 영향을 주는 잎과 줄기와 같은 지상부 건물중 에 대한 항목이 제외되어 있었다.
통계청과 농촌진흥청에서 사용되는 관측 프로토콜 에는 병해충과 기상 재해와 관련된 조사항목에서 확연 한 차이를 보였다. 통계청의 농작물 피해상황과 관련 된 조사 항목에는 병해충 발생에 따른 피해뿐만 아니 라 수해와 한해와 같은 기상재해 관련 항목이 포함되 어 있다. 반면, 농촌진흥청의 관측 프로토콜에는 기상 재해에 관련된 조사항목은 제외되어 있다. 대신, 개별 적인 병해충 피해양상에 대한 조사가 수행되도록 설정되 어 있다. 예를 들어, 양파의 경우, 노균병, 검은무늬병, 잎마름병, 노자리파리에 대한 조사항목이 포함되어 있다.
2.3. 조사 기준 및 방식
조사를 수행하는 기관에 따라, 동일 작물을 대상으 로 조사 방식에 차이가 있었다. 양파의 경우, 통계청에 서는 조사용 재료에서 흙을 제거하고 줄기와 뿌리를 약 1 cm를 남긴 상태에서 생중량을 측정한다. 또한, 표본 구역내 20개의 재료를 샘플링하여 무게를 측정 하여 단위면적당 주수를 고려하여 10a 당 생산량을 계산한다. 반면, 농촌진흥청에서 사용되는 조사 방법 에는 생중량을 대신하여 구직경을 측정하고 이로부터 양파의 모양에 따라 10a 당 예상수량(Y)을 다음과 같 이 추정한다.
(Eq. 1)
KOSTAT1 RDA2
Monitoring period (frequency) May to June March 1∼May 16 (6 times)
Monitoring item
Cultivar,
Number of plant per 3.3 m2, Fresh weight of 20 bulbs, Damage, and
Yield per 10a
Number of plant, Plant height, Number of leaf, Bulb diameter,
Incidence of plant diseases, and Yield per 10a
1. Statistics Korea
2. Rural Development Administration
Table 1. Survey items to monitor onion growth and yield
여기서 D와 Nplant 는 구직경과 3.3 m2 당 주수이다.
wf 는 양파 모양에 따른 생체중 전환 계수로 편구형과 고구형 양파 별로 각각 0.7과 0.8이 기본값으로 설정된 다. dw 는 건구율을 나타내며, 기본값으로 0.8을 사용 하여 예상 수량을 계산한다.
통계청에서 사용되는 프로토콜은 생중량을 측정하 기 때문에 직접적인 관측값을 얻을 수 있는 장점이 있다. 그러나, 포장에서 흙을 모두 제거하고 양파의 수확 부위만을 대상으로 무게를 측정하기 위해 많은 시간과 노력이 소요된다. 농촌진흥청의 조사 방식은 보다 빠르게 다량의 양파 생중량을 추정할 수 있는 장점이 있으나, 구직경으로 생체중을 추정하였을 때 오차가 발생할 수 있다. 특히, 이러한 오차는 10a당 생산량을 예측하는 과정에서 표본에서의 오차값에 의 해 작황 추정값에 편의가 발생할 수 있다.
일부 작물의 경우에는 작황조사를 위해 면접에 의 한 조사값에 의존한다. 통계청에서는 고추의 재배면적 과 생산량은 생산자와의 면접을 통해 수집된다. 그러 나, 이러한 방식으로 자료가 수집될 때에는 낮은 응답 률과 부정확한 응답으로 관측자료의 신뢰도가 낮아질 수 있다. 따라서, 정량적인 생육 예측값을 계산하는 작물 모형을 개발하기 위해서는, 이러한 방식은 가급 적 회피하는 것이 바람직하다. 다만, 면접을 통해 자료 가 얻어지더라도, 충분한 수의 표본 조사로부터 해당 자료가 얻어졌을 경우 작물 모형의 검증자료로 활용될 수 있을 것이다. 반면, 농촌진흥청에서 얻어지는 모든 자료는 샘플링하여 조사자가 직접 측정하는 방식으로 진행된다. 고추의 경우, 주수와 초장뿐만 아니라 주당 착과수를 조사하고, 수확된 고추의 중량을 실측한다.
관측자료의 신뢰도를 높이기 위해 표본조사 필지에 서 다수의 구역을 설정하고, 이로부터 샘플을 채취하 는 것이 유리하다. 예를 들어, 통계청의 경우, 2개의 표본 구역으로부터 동일한 방식으로 샘플을 채취한다.
그러나, 농촌진흥청에서는 3.3 m2의 단위면적에 있는 모든 개체를 대상으로 조사하는 것으로 설정되어 있 다. 그러나, 표본 구역을 반복하여 지정하는 것에 대해 특정되어 있지 않았다. 따라서, 복수의 표본 구역을 설정하고, 반복에 의한 생육 자료 수집이 필요할 것으 로 보인다.
III. 작물 모형 개발을 위한 관측 프로토콜 개선
통계청과 농촌진흥청에서 사용되고 있는 주요 채소 의 생육 관측을 위한 프로토콜은 작물 모형 개발을 위한 관측자료 수집에 미흡한 점이 존재한다는 것이 확인되었다. 이러한 생육 조사 프로토콜들은 관측에 근거한 작황 정보를 생산하기 위해 설계되었기 때문 에, 작물 모형의 개발 및 활용에 여러가지 한계점들이 존재한다. 예를 들어, 생육 조사 시점이나 조사 항목에 서 작물 모형의 모수추정을 위해 요구되는 관측자료를 얻기 위한 항목들이 생략되어 있었다. 또한, 조사 항목 에 품종과 같은 정성적인 항목과 정량적인 생육 지표 를 포함시키는 것이 작물 모형 개발을 위한 기초적인 자료 확보에 도움을 줄 것으로 기대된다.
3.1. 생육조사 장소
작물 모형은 기상조건에 따른 작물의 생육 반응을 예측하기 위해 사용되기 때문에, 신뢰도 높은 기상 관 측 자료를 확보할 수 있는 지역에서 표본 필지를 선정 하는 것이 유리하다. 작물의 생산성은 기상과 토양 조 건에 의해 영향을 받는다. 예를 들어, 작물에 대한 토 양수분의 영향은 관개 여부보다 토성에 민감하게 반응 할 수 있다. Sang et al.(2017)은 토성에 따라 동일한 강수조건에서도 수분스트레스에 대한 반응이 다르게 나타난다고 보고하였다. 따라서, 생육조사 장소에 대 한 토성자료 또는 배수등급 경사정도 등의 자료가 수 집되어야 할 것이다. 토양자료와 같은 자료는 고정된 요소이며 연차 간에 변동이 발생하지 않기 때문에 사 전에 조사된 토양도가 존재한다면 장기간 활용이 가능 할 것으로 보인다.
Folberth et al.(2016)은 주로 재배 관리가 충분하게 수행되지 않은 곳에서 토양의 특성에 따라 생산성이 변동하는 경향이 있다는 것을 보고하였다. 국내에서는 채소 작물들이 자가소비가 아닌 환금작물들로 재배되 기 때문에, 충분한 시비조건에서 생육이 관리가 이루 어진다. 따라서 양분과 관련된 스트레스는 제한적이거 나 발생하더라도 연차 간에 차이가 있을 가능성은 적 다. 따라서, 토양조건에 비해 기상 조건이 국내 채소작 물의 생산성에 상당히 영향을 주는 환경 요인이라는 것은 분명하다. 이는 작물 생육 기간 동안의 기상 관측 자료를 확보할 수 있도록 기상센서가 설치되었거나, 인접한 곳에 기상관측소가 위치한 필지를 대상으로 표
본 조사지를 선정하는 것이 작물 모형 개발에 유리하 다는 것을 의미한다.
관심 작물이 재배되고 있는 지역 중에서 기후 특성 이 상이한 지점들을 대상으로 표본 조사 필지들을 선 정하는 것이 효율적이다. 예를 들어, Fleisher et al.(2017)은 감자 생육 모형들의 특성을 비교하기 위해 각 대륙별로 위치한 4개 지점을 활용하였다. 작물 모 형의 모수를 추정하기 위해, 주로 다양한 기상조건에 서 얻어진 생육 관측자료들이 사용된다. 반면, 제한적 인 기후조건에서 얻어진 생육 자료만으로 추정된 모수 들은 이상 기상조건에서 작물 생육을 예측할 때 오차 가 증가할 가능성이 높다. 특히, 표본 조사 필지들의 개수가 많다 하더라도, 동일한 기후지대에 속해 있는 경우에, 작물 모형의 모수추정과 검증에 효과를 기대 하기 어렵다. 예를 들어, 양파의 주산지로 파악되는 고흥과 해남은 같은 남해안 지역의 동일한 기후대로 분류된다. 또다른 주산지인 의성과 안동의 경우에도 내륙에 위치한 기후대로 분류된다. 따라서, 작물 모형 의 개발과 검증에 필요한 자료를 수집하기 위해 고흥 과 해남보다는 고흥과 안동에 위치한 필지들을 표본 조사지로 선정하는 것이 효율적일 것이다.
많은 지점에서 신뢰도 높은 생육 자료를 확보할 수 있다면, 원활한 작물 모형 개발이 가능하다. 그러나, 작물 모형 개발을 위한 자료 수집 과정에 상당한 노력 과 비용이 소요되기 때문에, 다수의 지역에서 작물 생 육 기간 동안 관측 자료를 확보하는 것은 현실적으로 어려움이 따른다. 대신, 최소한의 표본 조사 필지에서 상세한 관측자료를 수집하는 것이 오히려 작물 모형 개발에 비용과 노력을 상당히 절감시킬 수 있다. 특히, 기후적인 변동성이 높은 소수의 표본 필지들을 선정하 여 반복적으로 생육 관측자료를 수집하는 것이 작물 모형의 신뢰도를 향상시킬 수 있다. 예를 들어, 통계청 이나 농촌진흥청의 생육 관측 프로토콜에는 주산지와 같은 재배지역에서 2개의 표본 조사 필지를 선정하도 록 되어 있다. Kim et al.(2016a)는 우리나라 농경지를 6개의 농업기후지대로 분류하였다. 이들 농업기후지 대 중 강원도 지역들이 포함되어 있는 2개의 농업기후 대를 제외한다면, 양파 생육 모형 개발을 위한 표본 조사 지역들을 나머지 4개의 농업기후지대에서 각각 2개의 표본 조사 필지를 선정하는 것이 합리적일 것 이다.
3.2. 조사 시기와 항목
작물 생육 모형의 개발 및 검증을 위해서는 일정 시간 간격별로 관측 자료를 수집하여 시계열적으로 얻 어지는 작물 생육 모의값과 비교하는 것이 필수적이 다. 특히, 여러 생육 단계에 걸쳐 얻어진 관측 자료를 사용하는 것이 모수추정과 검증 시 편의가 발생하는 가능성을 줄일 수 있다. 생육조사를 2단계로 구분하여 생산 잠재력에 영향을 미치는 초기 생육 시기과 수확 지수에 영향을 주는 후반부 생육 시기별로 생육 조사 항목을 달리하여 자료를 수집하는 것이 수확량의 정확 한 예측에 도움을 줄 수 있다. 예를 들어, 고추의 경우, 장기간에 걸쳐 수확이 이루어지기 때문에, 수확기 기 간 동안에도 정기적인 조사가 요구된다. 만약, 수확기 초기나 후기와 같은 일시적인 시점에서 관측자료를 수 집하여 모수추정을 수행한다면, 영양생장 기간뿐만 아 니라 수확기 기간 동안의 생육 특성을 고려하지 못한 모수값이 얻어질 수 있다. 반면, 개화기 이전과 이후의 영양생장기와 생식생장기로 구분하여 정기적으로 생 육 자료가 수집된 경우에는 생육 전 기간에 걸쳐 나타 난 생장 및 발육 특성을 반영할 수 있는 모수추정이 가능할 것이다.
작물 모형 개발을 위한 관측 프로토콜에는 기존의 프로토콜보다 생육 초기의 관측값을 확보하는 방향으 로 조사시기를 앞당기는 것이 필요하다. 과정기반 작 물 모형의 경우, 생육 초기값에 일별 광합성량을 누적 하는 방식으로 생육 양상을 모의하기 때문에, 최종 수 확량은 초기 생육값에 민감하다. 예를 들어, 파종일자 와 정식일과 함께 정식 시기의 건물중 및 엽수에 대한 기록이 활용될 수 있다면 생육 예측값의 신뢰도를 향 상시킬 수 있다. 이러한 생육 초기값을 관측을 통해 확보할 경우, 중장기 기상 전망 자료를 활용하여 조기 에 생산량을 예측할 수 있는 장점도 있다. 또한, 시비 시기와 시비량 및 관개 유무와 같은 재배관리 정보 역시 프로토콜에 포함된다면 의사결정 지원을 위한 작 물 모형 개발에도 활용될 수 있을 것이다.
작물 모형들은 주로 개별 작물 보다는 품종 단위로 생육이 모의된다. 따라서, 생태형 수준이라 하더라도 품종관련 정보가 조사 항목에 포함된다면, 품종 특성 에 따른 모수추정을 통해 활용도가 높은 작물 모형을 개발할 수 있다. 특히, 품종별 작황 예측이 가능한 작 물 모형들은 현재 시점에서의 품종 선택과 같은 재배 관련 의사결정뿐만 아니라, 미래 기후조건에서의 적응 대책 수립을 위해 활용될 수 있다.
작물 모형은 실제 생산량을 추정하는 것이 아니라 병해충이 합리적으로 관리되고 기상재해가 발생하지 않았다는 가정하에서 얻어질 수 있는 수확 가능 생산 량을 예측한다(Bouman et al., 2006). 병해충과 기상 재해 양상을 파악하고 이를 반영한 수량 예측을 통해, 작물 모형을 이용한 작황예측의 신뢰도를 높일 수 있 다. 따라서, 생육 조사 프로토콜에 병해충과 기상 재해 와 관련된 조사항목이 포함되어야 보다 정확한 작황 예측이 가능하다. 또한, 병해충 조사항목들과 기상재 해 양상과 관련한 항목들이 작물 모형 개발을 위한 관측 프로토콜에 포함된다면, 작물 모형과 병해충 모 형을 개발하고 이들 모형들을 통합하는 방식으로 실제 수량과 가까운 작황예측이 가능할 것이다.
3.3. 조사 기준 및 방식
작물 모형의 모수추정을 위한 조사기준과 방식은 통계청과 농촌진흥청 프로토콜들의 미비점을 보완하 는 방식으로 이루어져야 한다(Figs. 3-6). 예를 들어, 양파의 관측값을 얻기 위해 통계청에서 제시한 방식으 로 3.3 m2 당 20개의 샘플에 대해 줄기와 뿌리가 일부 포함된 생중량을 측정한다. 또한, 농촌진흥청에서 설 정된 것과 같이 엽수, 초장 및 구직경을 동시에 측정하 여 양파의 수확부위 성장과정에 대한 자료를 확보하는 것이 필요하다. 이러한 조사 기준은 기존의 프로토콜 보다 추가적인 노력이 요구되나, 작물 모형을 위한 표 본 조사 필지는 작황 조사를 위한 필지보다 상당히 적게 선정되기 때문에, 전체적으로 소요되는 노력이나 비용은 훨씬 더 적을 것이다.
하나의 필지에서 표본이 추출되는 표본 구역을 최 소한 2개 이상으로 설정하여 반복적인 관측자료를 수 집하는 것이 필요하다. 이러한 표본 구역을 설정하기 위해, 통계청에서 제시된 방식이 사용될 수 있다 (Statistics Korea, 2019). 채소작물들은 주로 이랑에 줄뿌림으로 파종되거나 이랑에 직접 정식된다. 대개 이랑의 너비가 일정하지 않기 때문에 총 10개 이랑 너비의 평균값을 계산한다. 표본 구역이 선정된 이랑 의 포기 중앙부분으로부터 좌우로 각각 5이랑이 선택 된다. 또한, 광파를 위해 이랑의 너비가 넓게 만들어졌 을 경우, 5이랑으로부터 평균너비를 산출한다. 이보다 이랑의 너비가 넓을 때에는 이랑 선정된 이랑 하나의 너비를 측정하고 3㎡ 이랑길이를 계산한다. 가장자리 의 이랑 폭이 비교적 균일하도록 표본 구역을 설정한 다. 만약, 예외적인 이랑이 존재할 경우에는 이들 이랑
을 제외하고 3 m2 이랑길이를 계산한다. 여기에서 얻 어지는 면적에 포함된 포기들을 표본 구역을 중심으로 샘플로 채취한다. 특히, 이랑의 폭이 넓을 경우에는 이랑의 길이 방향으로 조사용 재료를 채취한다.
IV. 고 찰
본 연구에서는 통계청과 농촌진흥청에서 개별적으 로 사용하던 생육관측 프로토콜들을 통합하여 작물모 델의 개발과 검증에 활용할 수 있도록 제안하였다 (Figs. 3-6). 작물 모형 개발을 지원하기 위한 프로토콜 에는 작물의 생육 특성을 정량적으로 조사하기 위한 항목을 보강하는 방향으로 개선되었다. 작물 생육 특 성 자료의 시계열적 범위를 생육 초기까지 앞당겨 작 물 모형의 초기값을 확보할 수 있는 장점을 가진다.
또한, 작물 모형이 품종 단위에서 생육 모의한다는 점 을 반영하기 위해 각 작물별로 품종과 관련한 정보가 확보될 수 있도록 설정되었다. 이러한 생육 조사 프로 토콜에 따라 얻어진 생육 관측 자료들은 작물 모형의 모수추정과 검증을 위해 최소한의 품질을 유지할 수 있을 것이다. 다만, 정량적으로 측정되는 항목에 대해 외부 조사 요원들의 숙련도가 관측자료의 신뢰도에 영 향을 줄 수 있다. 따라서, 조사 요원의 조사 방식에 대한 추가적인 교육을 통해 고도의 품질관리가 요구되 는 작물의 생육 관측자료를 확보할 수 있을 것이다.
생육 관측 자료의 품질관리를 통해 작물 모형의 개 발뿐만 아니라, 생육 추정값의 검증에 사용될 수 있는 자료들이 확보되어야 한다. 특히, 생육 조사에 사용되 는 프로토콜이 충실히 적용되어 얻어지는 관측 자료들 은 모수추정에 사용될 수 있으나 상당히 많은 관측 자료들은 까다로운 조사 기준에 부합하여 수집되지는 못한다. 예를 들어, 통계청에서 제공되는 자료들은 시 도 단위의 상당히 성긴 공간해상도를 가지고 있기 때 문에, 모수추정에는 적합하지 않다. 통계청 프로토콜 을 적용하여 개별 필지별로 관측된 생육 조사 자료들 이 위치정보와 함께 공개된다 하더라도 수확기 자료만 이 사용될 수 있기 때문에 모수추정에 사용하기 어렵 다. 그러나, 이러한 자료들은 작물 모형 검증에 활용될 수 있을 것이다.
지금까지의 생육 조사들은 주로 조사할 개체를 베 어내어 측정하는 파괴적인 방식을 사용해왔다. 그러나 이러한 방식은 많은 시간과 작업이 요구되며, 동일한 개체에 대한 시계열적 생육을 측정할 수 없다는 단점
Fig. 4. A sample form of crop survey sheet for cabbage
Fig. 3. A sample form of crop survey sheet for onion and garlic.
Fig. 5. A sample form of crop survey sheet for radish.
Fig. 6. A sample form of crop survey sheet for pepper.
이 있다(Kim et al., 2016b). 이러한 단점을 극복하기 위해 비파괴적인 방식으로 생육을 측정하는 방법들이 개발되어왔다. 예를 들어, Lee and Kim (2018)은 3D 센서를 사용하여 배추의 생체중을 추정하는 기법을 개 발하였다. 이러한 원격탐사 기법을 활용하여 생육 조 사를 수행할 수 있다면, 지속적인 생육 감시가 가능하 다. 그러나, 아직까지는 이러한 기술들이 절대적인 수 확량을 추정하기 보다는 수확량의 변동을 설명하는 수 준에 머물러 있어, 앞으로 이와 관련한 추가적인 연구 들이 진행되어야 할 것이다.
작물 모형은 정확성과 활용성을 개선시키기 위해 지속적으로 연구되고 있으며, 새로운 모형들이 개발되 고 있다. 예를 들어, 기존의 작물모형은 대부분 수치적 인 값을 사용하여 군락 단위의 작물의 생육을 나타냈 으나, 개체 수준의 생육을 반영하여 3D 형태의 구조로 나타내는 구조기능모형(Functional Structural Plant Model)을 사용한 연구가 진행되고 있다. 이러한 구조 기능모형들은 식물체의 형태를 모사하기 때문에, 실제 식물체의 형태에 대한 자료가 수집된다면 모형에서의 식물체 형태 구성에 도움이 될 것이다. 또한, 모형의 개선을 위하여 관측자료의 품질에 대한 평가가 이루어 져야 하지만(Boote et al., 2016), 아직까지 수집된 자 료에 대한 평가는 거의 이루어져 있지 않다. 따라서 자료를 수집하는 것뿐만이 아니라 자료의 품질에 대하 여 평가가 지속적으로 이루어져야 할 것이다.
작물 모형 개발 및 개선을 위해서는 생육 조사 프로 토콜을 개선한 것과 함께, 이를 활용하여 얻어지는 신 뢰도 높은 관측 자료들을 일정한 데이터베이스에서 관 리하는 것이 요구된다. Consultative Group for International Agricultural Research (CGIAR)의 경우, 작물 생육 자료를 수집, 관리 및 공유하기 위한 빅데이 터 플랫폼을 개발하여 운영 중이다(https://gardian.
bigdata.cgiar.org/). 농촌진흥청의 경우, 식량작물을 대상으로 매년 신품종보고서와 같은 방식으로 작물 모 형의 모수를 추정할 수 있는 자료들이 제공되고 있다.
특히, 농촌진흥청에서 채소작물들을 대상으로 수집된 관측자료는 주산지를 중심으로 얻어지기 때문에, 비교 적 공간적인 특성이 반영된 자료들을 확보할 수 있다.
그러나, 이러한 자료들에 대한 접근이 아직까지는 어렵 기 때문에, 채소 작물에 대한 작물 모형 개발을 지원하 는 것에 한계가 있다. 생육 관측자료를 외부 기관 연구 자들과 공유할 수 있는 시스템이 개발되어 운영될 경우, 국내에서도 작물 모형 개발이 활성화될 수 있을 것이다.
적 요
생산자뿐만 아니라 소비자에게 상당한 경제적인 영 향을 줄 수 있는 채소 작황 정보를 사전에 예측하기 위해 작물 모형들이 사용될 수 있다. 채소의 생육과 수확량을 추정하기 위한 모형들은 대다수 작물에 대해 개발되어 있지 못하며 이는 고품질의 생육 관측 자료 들이 축적되지 않았기 때문이다. 본 연구에서는 배추, 무, 마늘, 양파 및 고추의 5대 채소들을 대상으로 작물 모형 개발과 검증을 위한 생육 자료를 수집할 때 사용 되는 프로토콜을 분석하고 이를 개선하고자 하였다.
작물 모형의 모수추정을 위해 사용되는 관측 프로토콜 은 통계청과 농촌진흥청 프로토콜들의 단점을 보완하 는 방식으로 개선될 수 있다. 작물모형은 기상조건에 따른 작물의 생육 반응을 예측하기 위해 사용되기 때 문에 신뢰도 높은 기상 관측 자료를 확보할 수 있는 지역에서 표본 필지를 선정하는 것이 유리할 것이다.
또한, 최소한의 표본 조사 필지에서 상세한 관측자료 수집하기 위해 관심 작물이 재배되고 있는 지역 중에 서 기후 특성이 상이한 지점들을 대상으로 표본 조사 필지들을 선정하는 것이 권장된다. 작물 생육 모형의 개발 및 검증을 위해서는 시계열적으로 얻어지는 작물 생육 모의값과 비교하기 위해 일정 시간 간격별로 관 측 자료를 수집하는 것이 필수적이며, 기존의 프로토 콜에 제시되지 않았던 생육 초기의 관측값을 확보하는 방향으로 개선되어야 할 것이다. 병해충 조사항목들과 기상재해 양상과 관련한 항목들이 작물모형 개발을 위 한 관측 프로토콜에 포함된다면, 작물모형과 병해충 모형을 개발하고 이들 모형들을 통합하는 방식으로 실 제 수량과 가까운 작황예측이 가능할 것이다. 또한, 표본조사 필지에서 다수의 구역을 설정하고, 이로부터 샘플을 채취하는 것이 관측자료의 신뢰도를 높일 수 있다. 본 연구에서 제안된 프로토콜을 사용하여 얻어 진 관측자료들이 자료 공유 플랫폼을 통해 제공된다면 채소 작물의 작황 예측을 위한 작물 모형 개발이 활성 화될 것이다.
감사의 글
본 연구는 환경부(한국환경산업기술원)의 ‘기후변 화 영향 및 취약성 통합평가 모형 요소 기술 개발: 산 림, 농업 부문(2014001310008)’의 지원에 의해 수행 되었습니다.
REFERENCES
BAE, K.-H., G.-W. HAM, and J.-M. LEE, 2018: A study on estimating the vegetable cultivation complex area using aerial photogrammetry. Journal of the Korean Association of Geographic Information Studies 21(4), 108-118.
Boote, K., C. Porter, J. Jones, P. Thorburn, K.
Kersebaum, G. Hoogenboom, J. White, and J.
Hatfield, 2016: Sentinel site data for model improvement–definition and characterization.
Advances in Agricultural Systems Modeling 7, 125-158.
Bouman, B., H. Van Keulen, H. Van Laar, and R.
Rabbinge, 1996: The ‘School of de Wit’ crop growth simulation models: a pedigree and historical overview. Agricultural systems 52(2-3), 171-198.
Choi, S., and J. Baek, 2016: Onion yield estimation using spatial panel regression model. Korean Journal of Applied Statistics 29(5), 873-885.
Fleisher, D. H., B. Condori, R. Quiroz, A. Alva, S.
Asseng, C. Barreda, M. Bindi, K. J. Boote, R.
Ferrise, and A. C. Franke, 2017: A potato model intercomparison across varying climates and productivity levels. Global change biology 23(3), 1258-1281.
Folberth, C., R. Skalský, E. Moltchanova, J.
Balkovič, L. B. Azevedo, M. Obersteiner, and M.
Van Der Velde, 2016: Uncertainty in soil data can outweigh climate impact signals in global crop yield simulations. Nature communications 7(1), 1-13.
Hyun, S., and K. S. Kim, 2019: Calibration of cultivar parameters for cv. Shindongjin for a rice growth model using the observation data in a low quality. Korean Journal of Agricultural and Forest Meteorology 21(1), 42-54.
Kim, J., W. Sang, P. Shin, J. Baek, C. Cho, and M.
Seo, 2019: History and future direction for the development of rice growth models in Korea.
Korean Journal of Agricultural and Forest Meteorology 21(3), 167-174.
Kim, K. S., S.-O. Kim, J. H. Kim, K. H. Moon, J.
H. Shin, and J. Cho, 2018a: Development and application of crop models in Korea. Korean Journal of Agricultural and Forest Meteorology
20(2), 145-148.
Kim, J., W. Sang, P. Shin, H. Cho, and M. Seo, 2018b: Calibration of crop growth model CERES-MAIZE with yield trial data. Korean Journal of Agricultural and Forest Meteorology 20(4), 277-283.
Kim, Y., K.-M. Shim, M.-P. Jung, I.-T. Choi, and K.-K. Kang, 2016a: Classification of agroclimatic zones considering the topography characteristics in South Korea. Journal of Climate Change Research 7(4), 507-512.
Kim, J., W. Kang, T. Ahn, J. Shin, and J. Son, 2016b: Precise, real-time measurement of the fresh weight of lettuce with growth stage in a plant factory using a nutrient film technique. Korean Journal of Horticultural Science & Technology 34(1), 77-83.
Lee, S., and K. S. Kim, 2018: Estimation of fresh weight for chinese cabbage using the Kinect sensor. Korean Journal of Agricultural and Forest Meteorology 20(2), 205-213.
Sang, W.-G., J.-H. Kim, P. Shin, H.-S. Cho, M.-C.
Seo, and G.-H. Lee, 2017: A study on grain yield response and limitations of CERES-barley model according to soil types. Journal of Korean Society of Soil Science and Fertilizer 50(6), 509-519.
Shim, K.-M., Y. Kim, M.-P. Jung, J.-W. Kim, and K.-K. Kang, 2018: Influence of El Niño on the production of spring Kimchi Cabbage in South Korea. Korean Journal of Agricultural and Forest Meteorology 20(4), 330-336.
Song, E. Y., K. H. Moon, S. H. Wi, and S. Oh, 2018: Growth and bulb characteristics of extremely Early-Maturing onion by air temperature variation at different altitudes. Korean Journal of Agricultural and Forest Meteorology 20(4), 321-329.
Statistics Korea, 2019: 2019 Crop Survey. https://kostat.
go.kr(accessed on 2020-01-25; Written in Korean) Wi, S. H., E. Y. Song, S. J. Oh, I. C. Son, S. G.
Lee, H. J. Lee, B. Mun, and Y. Y. Cho, 2018:
Estimation of optimum period for spring cultivation of ‘Chunkwang’ Chinese Cabbage based on growing degree days in Korea. Korean Journal of Agricultural and Forest Meteorology 20(2), 175-182.