I. 서 론
우리나라 농업과 농촌을 둘러싼 환경은 크게 변화하 고 있다. 특히 우리나라 농업과 농촌 인구 고령화의 빠 른 진행과 농업 생산자의 두드러진 고령화 및 영농 후계 자 부족 문제가 심각하게 대두되고 있다. 자유 무역 협 정(Free Trade Agreement, FTA) 등에 따른 농산물 가격 변동 및 국제화, 음식의 세계화, 국내 농산물 가격의 불 안정, 기후변동과 이상기후에 따른 품질 저하는 농업 생 산자의 생산 의욕을 떨어트리고 있다. 또한 경작포기 및 간척지 등에 대한 개발 농지의 활용 문제 등 농업과 농 촌에 관련된 많은 문제가 표면화되고 있다. 이와 같은
Corresponding Author : Park, Jong-Hwa Tel : 043-261-2577
E-Mail : [email protected]
요인의 작용으로 농업 생산 및 농업 경영을 둘러싼 환경 은 점점 복잡해지고 있으며 어려워지고 있다.
이러한 문제들을 포함하여 국립농산물품질관리원 (National Agricultural Products Quality Management Service, NAQS)은 맞춤형농정, 정책자금 적정 집행을 위 한 농업경영체 등록제를 2007년 시범사업을 거쳐 2008 년부터 본 사업을 시행하고 있다(NAQS, 2016). 농업경영 체 등록제는 농가 및 농업법인을 하나의 경영체로 식별 하는 시스템을 만들어, 농민의 자발적인 신고를 기초로 기본정보를 확보하는 제도이다(Kim and Choi, 2015). 농 림축산식품부는 이를 기초로 농업경영체에 적합하고 효 율적인 정책 기반을 마련하고자 하고 있다. 또한 정부는 농업경영체의 경영 자료를 통합적으로 관리함으로써 개 별 정책사업 신청에서 중복과 분산을 최소화하여 행정의 효율화를 꾀하고 있다. 따라서 농업경영체 정보는 농업 경영체의 효율적인 운영과 농촌지역 자원의 분석과 관리
무인항공기 영상과 현장 조사를 통한 농업경영체 데이터베이스 정확도 분석
박진기
∙
박종화*✝충북대학교 농업생명환경대학 지역건설공학과
Accuracy Analysis of Farm Business Management Database Using Unmanned Aerial Vehicle and Field Survey
Park, Jin-Ki
∙
Park, Jong-Hwa*✝Dept. of Agricultural and Rural Engineering, Chungbuk National University
ABSTRACT : The purpose of this study is to analyze the accuracy of cultivated crop database in agricultural farm business using UAV(Unmanned Aerial Vehicle) and field survey over Daesso-myeon, Umsung-gun, Chungbuk. When comparing with agricultural farm business and cadastral maps, Daeso-myeon crop field shows 29.8%(2,030 parcels out of 6,822 parcels) is either mismatched or missing. It covers almost 19.3%(3.4
㎢of 17.6
㎢) of total farmland. In order to solve these problems, it is necessary to prepare a multifaceted plan including cadastral map. Comparative analysis of the cultivated crop registered in the agricultural farm business and the field survey agreed only in 3,622 parcels in total 6,822 parcels whereas 3200 parcels disagree. Among these disagreed parcels 2,030(29.8%) have been confirmed as unregistered farm business entity. Accuracy of cultivated crop registered in agricultural farm business agreed in 75.6% cases. Especially the paddy field registration is more accurate that other crops. These discrepancies can lead to false payment in agricultural farm business. For exploration and analysis of regional resources, UAV images can be used together with farm business management database and cadastral map to get a clearer grasp over on-site resources and conditions.
Key words : Farm Business, Database, Field Survey, Cadastral Map, Unmaned Aerial Vehicle
1)등 각종 농림사업의 기초자료로 활용되면서 농업 농촌 활성화에도 중요한 자료이다. 농업경영체는 재배 품목을 최소 단위로 농업경영체 등록번호, 농업인 정보, 농지 소 재지, 지목, 농지 면적, 보조금 신청, 가축 사육 정보 등 93개의 등록정보를 담고 있다. 또한 정부는 직접지불제 등 63개의 연계 농림사업의 기초 자료로 활용하고 있다 (Kim et. al., 2013).
2009년에는 「농어업경영체 육성 및 지원에 관한 법 률」을 제정하여 농업보조금을 지원받고자 하는 농업경 영체는 의무적으로 농업경영체 정보를 등록하도록 강제 하였다. 따라서 농업경영체 정보는 사실상 농가에 대한 전수조사를 실시하여 구축된 농업 관련 전문 데이터베이 스(Database, DB)라 할 수 있다. 농업경영체 정보는 전수 조사에 가까운 정보이기 때문에 정보의 정확성만 보장된 다면 표본의 한계를 갖는 기존의 농업 통계보다 신뢰도 가 높은 자료 생산이 가능하다. 또한 이에 대한 활용은 농업 통계 예산을 절감할 수 있는 장점을 가지고 있다 (Min et. al., 2015; Kim and Choi, 2015).
정부는 농업경영체 등록 정보시스템에 등록된 농지에 한하여 유기질비료를 공급하는 등 다각적인 활성화 대책 을 실시하고 있다. 이러한 시도는 농업 보조금의 비정상 적 수급을 근절하고 ‘농업 보조금 정상화’를 유도하는 것은 물론 농업과 농촌 관련 기초 정보 확보에 목적이 있다고 할 수 있다. 실제 경작 면적을 정확하게 등록한 농업경영체가 정부 지원 혜택을 받게 함으로써 보조금 누수 방지는 물론, 보조사업 집행이 보다 투명하고 예측 가능하게 될 것이다.
정부는 시장개방에 따른 농가의 경영 불안정을 완화 하고 농가소득 보전을 위해 다양한 형태의 직접지불제를 운용하고 있다. 그러나 농업부문의 직불제는 농업정책의 중심으로 농가소득 안정화의 중요한 역할을 수행하는 핵 심적인 정책수단으로 자리 잡고 많은 예산이 지출됨에도 불구하고 직불금 수급실태와 소득안정 기여도 등 정책효 과는 미흡한 실정이다(Park, 2014).
현재의 농업경영체 등록 정보는 전체 정보를 농업인 이 직접 입력하는 방식이다. 따라서 농업경영체의 소득 이나 판매액과 같은 민감한 정보는 정확한 응답을 하지 않고 있다. 또한 정부는 2010년 1월부터 상시 관리체계 로 전환하였지만, 사업신청 기간이 2월 1일부터 4월 29 일로 되어 있다(NAQS, 2016). 이 시기는 농업경영체에서 현재 재배되는 작물 등록이 아닌 앞으로 재배할 작물 재 배 의향을 등록하기 때문에 실제 재배 상황과 다른 문제 점이 발생한다.
따라서 농업경영체 정보에서 나타날 수 있는 문제점 을 분석하고 정보를 고도화 및 과학화하는 방법은 절대
적으로 필요하다. 농업경영체 정보의 고도화 및 과학화 방법 마련은 농촌 지역의 고령화, 인구 감소, 황폐화, 무 분별한 개발로 인한 경관 훼손 문제에 대한 대안 마련과 해결을 위해서도 매우 중요하다(Kinoshita et. al., 2015).
컴퓨터 기술 및 Information Technology(IT), Information &
Communication Technology(ICT) 기술의 발전과 함께 부 각되고 있는 공간정보 활용기술은 이에 대한 중요한 대 안 중 하나가 될 것이다(Marte et. al., 2011). 지적도를 비롯한 지역의 농업정보를 담고 있는 스마트팜맵(Smart Farm Map)1) 등 위성영상 활용 기술과 최근에 부각되고 있는 무인항공기(Unmanned Aerial Vehicle, UAV) 영상 활용 기술 등의 적용 가능성을 검토하여 그 방법을 찾는 것도 매우 중요할 것이다(Park and Park, 2016).
유럽연합(European Union, EU)은 공동 농업정책 중 직 접지불제도에서 위성영상 등을 이용한 재배 여부 확인을 1993년부터 시작하여 현재는 EU 전역에서 운용하고 있 다 (Park et. al., 2015). 이 중 네덜란드는 독자적으로 보 유한 위성은 없지만 각국 위성영상을 구입하여 위성 원 격탐사의 상업적 이용과 비즈니스 모델 구축에 주력해오 고 있다. 예를 들어 네덜란드 우주국(Netherlands Space Office, NSO) 은 정부 자금으로 구입 한 각국 위성영상 을 100개 이상의 부처, 기업, 단체 등에 무상 제공하고 있다(NSO, 2015). 이 결과 상업적 이용이 진행되고 있으 며 그 중 농업 분야에서 가장 활발하게 이용되고 있다.
일례로 eleaf(e-leaves)는 지구 관측 영상을 이용한 농업 및 수자원 관리 지원을 실시하고 있다(eleaf, 2016). 날씨 와 온도 등의 현장 데이터와 위성 데이터를 결합, 농업 법인에 대해 시비 및 수확 시기 등의 정보를 제공하는 소프트웨어와 관개관리 지원 시스템을 개발하여 네덜란 드만이 아닌 중남미와 아프리카 등 세계 30 개국에 배포 하고 있다.
이처럼 EU에서 위성 원격탐사(Remote Sensing, RS) 활 용 기술이 진행되는 배경에는 농업을 21세기의 사회 문 제로 인식하고 농업기술 고도화를 지원하여 시장을 글로 벌로 확장하는 전략적 이니셔티브 결과라 할 수 있다.
국내에서도 이러한 공간정보 기술이 농업 분야에 활용되 어 실용화되고 있는 사업들이 점점 늘어나고 있는 실정 이다(Park and Park, 2015).
본 연구에서는 충청북도 음성군 대소면을 대상으로 무인항공기 영상과 현장 조사를 통해 농업경영체 재배 작물 DB의 정확도를 분석하고자 하였다. 또한 분석 결 과에 기초하여 농업경영체 정보를 활용한 농업 면적 통 계, 농업 생산 통계 등 농업 통계의 활용 가능성을 검토 하고자 하였다.
II. 연구 방법
1. 연구 대상 지역
본 연구의 대상 지역은 Figure 1과 같이 농촌지역 면 단위 자원분포를 조사하기 위하여 충청북도 음성군 대소 면을 선정하였다. 음성군 대소면의 전체 면적은 38.2㎢
로 음성군의 7.2%를 차지하며 오산리 등 12개 법정리로 구성되어 있다. 이 중 경지면적은 17.6㎢가 분포하며 논 10.8㎢(28.3%), 밭 6.8㎢(17.8%), 임야 8.6㎢(22.5%)로 구 성되어 있다(KOSTAT, 2016).
음성군은 수도권과 가까운 지리적 여건 때문에 최근 들어 산업단지를 비롯한 공업 및 근린생활시설 등의 비 중이 지속적으로 늘어나고 있는 지역 중 하나이다. 특히 대소면의 임야는 100m 내외의 낮은 구릉성 산지를 이루 고 있고, 미호천, 소석천, 부윤천 유역에는 넓은 평야지 로 되어 있다.
따라서 대소면은 이러한 지형적 조건을 이용하여 개 발이 지속적으로 이루어지고 있는 지역으로 농업지역이 산업지역으로 바뀌어가고 있는 지역에 속한다. 2016년도 대소면 농업경영체는 7,895개이며, 평균 농작물 재배 면 적은 2,145㎡이다(NAQS, 2016).
Figure 1. Location of the study site: Daeso-myon located in the Yeumsong-gun, Chungbuk, South Korea
2. 무인항공기 및 항공 촬영
무인항공기는 조종사를 태우지 않고 공기역학적 힘에 의해 부양하여 자율적 또는 원격 조종으로 비행하는 비 행체를 말한다. 최근 일반적으로 사용되고 있는 무인항 공기는 회전익(Rotary-wing) 형태로 무인항공기 조종, 동 영상 및 경관 촬영 위주로 사용되고 있다. 그러나 본 연
구에서는 위성영상이나 항공영상과 같은 정사영상 (Ortho-image) 촬영을 통한 지역자원 분석이 목적이다.
따라서 정사영상, 항공측량 및 3차원 지형도 작성이 주 목적인 고정익(Fixed-wing) 자율비행 무인항공기를 사용 하였다.
본 연구에서 사용한 무인항공기는 Figure 2와 같이 스 위스 Sensefly사의 고정익 자율비행 무인항공기 eBee이다.
촬영 센서는 Sony Cybershot WX RGB 광학렌즈로 해상 도는 1,820만 화소이다. 연구 대상 지역의 자원분석을 위 한 영상 촬영 시스템은 Figure 2와 같이 구성하였다.
Figure 2. Configuration diagram of image acquisition system of the Unmanned Aerial Vehicle(UAV)
농업경영체 분석 결과(NAQS, 2016), 대소면의 주요 작물은 벼, 들깨, 콩, 고추, 고구마, 참깨, 인삼 등이다.
대소면의 농경지 면적은 17.6㎢로 대소면 전체 면적의 46.1%에 해당한다. 그러나 무인항공기 촬영은 농작물 재 배 지역이 대소면 전체 지역에 고르게 분포하기 때문에 Figure 3과 같이 대소면 전체인 38.2㎢로 계획하였다.
무인항공기 촬영계획은 eMotion 프로그램(Sensefly, 스 위스)을 이용하여 1회 비행에 약 3㎢ 면적을 촬영하도록 하였다. 비행시간은 배터리 용량을 고려하여 35분 이내 로 설정하였다. Figure 3에서 각 구역의 숫자는 임의로 넘버링을 하였으며, 괄호 안 숫자는 예상 비행시간을 나 타낸 것이다. 또한 빨간색 원은 이착륙 지점을 표시한 것으로 4개 지점이다. 그리고 오른쪽 빨간색 원 옆 숫자 는 이착륙 지점에서 비행한 비행 구역을 나타낸 것이다.
그리고 개수는 비행 여건 차이에 따라 다르게 나타났다.
Figure 3. Image acquisition plan and schedule
eMotion 프로그램은 무인항공기 비행 계획 수립 후 각 비행 구역에 대한 경로 저장과 시뮬레이션이 가능하 다. 비행시간은 비행경로 시뮬레이션을 통해 정확하게 예측할 수 있다. 이러한 시뮬레이션 과정은 각 비행구역 에서 누락되는 지역이 발생하지 않도록 검토하였다.
대소면의 무인항공기 촬영은 2016년 8월 5일과 8월 6 일 2일에 걸쳐 수행하였다. 무인항공기 비행은 총 15회 를 실시하였다. 순수 촬영 시간은 7시간 48분이 소요되 었다. 광학센서로 촬영한 낱장 영상은 2,645장이며, 이미 지 용량은 18.0GB이다. 촬영된 낱장 영상은 Figure 2에 표시된 무인항공기 x, y, z의 위치 정보와 χ, ψ, ω의 자세 정보가 로그파일에 기록된다. 이를 기반으로 영상 위치 결정 및 회전 변환, 영상 접합 등은 Figure 4와 같 이 영상처리 과정을 거쳐 정사영상으로 제작하였다.
Figure 4. Image acquisition and image processing diagram using UAV and photoscan
연구대상지역인 대소면에 대한 정사영상 제작시간은 Table 1의 영상 처리 환경(Hardware)에서 46시간이 소요 되었다.
CUP Inter(R) Core i7-4790 CPU @ 3.60 GHz Memory DDR3 32.0GB
OS Windows 8.1 64bit
Graphic NVIDIA Quadro M4000 D5 8GB
Table 1. Hardware system for image merging and processing
3. 농업경영체 정확도 분석을 위한 현장 조사
현장 조사는 농업경영체 DB 정확도 분석을 위해 대 소면 전체 농경지에 대해 실시하였다. 현장 조사는 2016 년 8월 4일부터 8월 16일까지 13일이 소요되었다. 현장 조사 인원은 차량 운전 1명, 재배 작물 기입 1명으로 2 명이 1팀을 이루어 수행하였다. 현장 조사 면적은 17.6
㎢이며, 현장 조사 필지는 6,822필지이다. 현장 조사는 무인항공기로 촬영된 정사영상에 지적도를 중첩하여 Figure 5와 같이 15개 도엽으로 구획한 후 A0 크기로 출 력하였다. 여기서 지적도는 농경지 파악을 위한 기준선 으로 실제 현장 조건과 불일치하는 경우 삭제하였으며, 미구획 농경지는 추가 구획하였다. 100㎡ 이하의 텃밭 등은 현장 조사에서 제외하였다.
Figure 5. Planning and implementation of on-site surveys
한 필지에 여러 작물을 혼작하여 재배하는 경우는 무인항공기 영상에서 경계 구분이 가능하다고 판단되면 재배작물을 구분하여 기입하였다. 현장 조사 자료는 지 리정보시스템(Geographic Information System, GIS) 프로그 램을 이용하여 각 필지에 해당하는 재배 작물을 입력하 였다. 현장조사 자료 입력 기간은 2016년 8월 22일부터 27일까지 6일이 소요되었다.
4. 농업경영체 정확도 분석
농업경영체는 Figure 6과 같은 신청서를 작성하여 해 당 지자체나 국립농산물품질관리원에 신청하고 있다. 농 업경영체 정보는 일반현황, 농지 소재지, 지목, 농지면적, 재배품목, 보조금 신청, 가축 사육 정보 등으로 구성되어 있다. 이 자료는 농림사업 및 직불제도의 기초 자료로 활용되고 있다.
Figure 6. Application form for registration of agricultural farm business
본 연구의 목적인 농업경영체 DB 정확도 분석은 농 지 소재지를 기반으로 재배품목과 농지 구획의 일치 여 부를 판별하는데 범위를 두었다. 농업경영체 정확도 분 석은 농업경영체의 농지 소재지와 지적도의 주소를 연계 하여 Figure 7과 같이 공간자료를 구축하였다.
지적도는 모든 토지의 지번 및 경계 등을 표시하고 있으며 소유권을 중심으로 한 지적 업무에 우수한 자료 이다. 그러나 지적도는 일제 강점기인 조선병합(1910년) 직후부터 1918년까지 8년간에 걸쳐 2천만 원의 비용으 로 토지조사사업을 실시하여 만들어졌다. 조사에 직접 참여했던 조선총독부 관료 와다 이치로(和田一郞)는 1920년에 <조선토지지세제도조사보고서(朝鮮土地地稅制 度調査報告書)>를 만들고 이에 대한 복간판을 1967년에 보고하였다(Wada, 1920). 이 보고서에서 토지조사 사업 은 조선에 있어서의 근대적 토지소유권 확립과 지세 부 과 정리를 목표로 실시되었다고 보고하고 있다. 따라서 이렇게 만들어진 지적도는 그 형태는 지도의 범주에 들 지만 그 제작 목적과 쓰임새는 다르다. 지적도는 지도 분류방법으로 분류하면 사용 목적에 따라서 주제도에 속 하나 제작 방법은 실측도이다. 또한 축척은 지도 가운데 가장 큰 최대 축척에 속한다. 측량 목적은 지도와 다르
게 토지에 대한 물권이 미치는 범위와 면적 등을 등록·
공시하기 위한 사법적인 측량이다. 사용 방법 또한 국가 에서 정한 지적제도에 국한되어 있다. 현재의 지적제도 는 국토 전반에 걸친 일정한 사항을 국가 또는 국가로부 터 위임받은 기관이 등록해 비치하는 기록으로 토지의 위치·형태·용도·면적 및 소유관계를 공시하는 제도이다.
따라서 등록된 내용은 실제 토지 내용과 항상 일치해야 하고 토지에 변동사항이 있을 때는 즉시 정리되어야 한 다. 그러나 현실적으로는 이러한 문제가 개선되지 못하 고 있다. 농업경영체에 등록된 지번도 지적도 개념을 도 입하여 활용하기 때문에 지적도와 실제 사용 토지가 다 르게 구획된 경우가 많다.
따라서 농업경영체 정보의 재배품목 일치 여부는 Figure 7과 같이 현장 조사 자료를 기반으로 평가하였다.
한편 농지 구획의 일치 여부는 무인항공기 영상을 기반 으로 평가하였다.
Figure 7. Process of accuracy analysis of farm business
III. 연구 결과 및 고찰
1. 무인항공기 정사 영상 제작 결과
무인항공기를 이용한 촬영은 충청북도 음성군 대소면 지역 38.2㎢를 대상으로 실시하였다. 그러나 대소면 주 변 행정경계 지역과 중첩되는 부분을 고려하여 실제 촬 영한 면적은 46.6㎢이다. 대소면 경계지역은 Figure 8과 같다. 공간해상도는 8cm/화소 이며, 촬영한 2,645장의 사 진을 접합하여 만든 정사영상 용량은 17.7GB이다. 수치 표면모델(Digital Surface Model, DSM), 맵 타일링(Map tiling) 등의 작업 수행 결과물과 처리과정에서 생성된 파 일 용량은 119.0GB로 나타났다.
Figure 8. Orthographic digital image map using UAV image acquisition system at Daeso-myon located in the
Yeumsong-gun, Chungbuk, South Korea
지금까지는 무인항공기를 농업분야에 적용하는데 있 어서 제한적인 배터리 용량으로 넓은 지역 모니터링에 어려움이 있었다. 그러나 본 연구에서 사용한 무인항공 기는 고정익으로 가볍기 때문에 2일 동안 15회 비행으로 46.6㎢의 면적을 촬영할 수 있었다.
이 같은 결과는 그 동안 무인항공기의 한계점인 짧은 비행시간과 좁은 촬영 면적의 문제점 해결 가능성을 확 인한 사례 연구로 평가할 수 있다. 또한 지속적으로 발 전하고 있는 무인항공기 배터리 기술과 촬영 센서의 공 간해상도 향상은 같은 조건에서 촬영 면적의 증가로 이 어져 농업분야의 지역 자원 탐사 활용 가능성을 높여줄 것으로 판단된다. 특히 무인항공기는 자원이 복잡하게 분포되어 있는 군이나 면 단위에서 실시되는 지역 자원 조사에 유용하게 활용될 수 있을 것이다.
2. 재배작물 정확도 분석
충청북도 음성군 대소면은 7,895개의 경영체가 등록되 어 있다. 이 중 재배 작물만 다르고 농지 소재지가 동일 한 경영체는 1,117개로 파악되었다. 따라서 지번이 중복 된 경영체를 제외하고 지적도에 연계한 농업경영체는 6,778개로 조사되었다. 주로 중복하여 등록한 경영체는 고추를 재배한 후 가을배추를 재배하거나 수박을 재배한 후 대파를 심은 경우가 많은 것으로 나타났다.
중복 농지 중에서 가장 많은 재배작물을 등록한 농지 의 소재지는 A번지이다. A번지는 1,000㎡에 가지, 고추, 고구마, 들깨, 매실, 상추, 오이 등 12개 작물을 등록한
경우이다. 이렇게 다양한 작물을 좁은 면적에 등록한 경 우는 일정 시기에 조사를 하였을 경우 일치하지 않는 것 으로 나타나는 경우가 발생하게 된다. 또한 일정 규모 이상의 면적에 1가지 작물만 제시한 경우도 수확 이후 또는 파종 시기에 조사가 될 경우 불일치로 나타나기도 하였다.
농업경영체에 등록된 재배 작물에 대한 정확도는 전 체 4,792필지 중 3,622필지(75.6%)가 일치하며, 1,170필지 (24.4%)가 불일치하는 것으로 분석되었다. Figure 9 및 Table 2는 대소면을 대상으로 조사한 재배 작물 정확도 분석 결과를 정리한 것이다.
Figure 9. Example of crop disagreement
Farm business Field survey Ratio(%) Area(㎢) Total 4,792 100.0 14.0 Agreement 3,622 75.6 12.0 Disagreement 1,170 24.4 2.0 Table 2. Accuracy of cultivated crops registered in the agricultural farm business database
3. 농지 구획 정확도 분석
농업경영체와 지적도의 지번을 기반으로 연계한 경우 모든 농경지는 일치되는 장점이 있지만, 면적 불일치 및 누락되는 농경지가 다수 발생하는 문제점도 있다. Figure 10과 같이 B번지의 지목은 전(田)으로 되어 있지만 지적 도의 미갱신으로 인해 공장부지로 사용되고 있다. 따라 서 이 지번은 대부분의 농경지 구획이 실제 농경지와 불 일치하는 것으로 조사되었다. 이러한 지번은 지적도와 토지의 실제 생김새 또는 크기 및 사용이 다른 '지적 불 부합지'로 파악되었다.
Figure 10. Usage example when the cadastral map and agricultural farm business information do not agree
현재 농촌 지역의 지적도는 1967년 이후 지적도 미갱 신으로 인한 현장 괴리의 문제점을 가지고 있다. 또한 실 제 농경지를 이용하여 경작은 하고 있지만 농업 외 종합 소득 금액이 3,700만원 이상인 농업인과 밭고정 직불금 지급 상한인 40,000㎡ 이상인 경우 등은 농업경영체 미등 록 조건으로 인해 누락된 경우가 있다.
따라서 이러한 문제점 개선을 위해서는 지적도의 현행 화를 비롯한 새로운 기술 도입 등 다각적인 방안 마련이 요구되고 있다.
농지구획 정확도는 농업경영체에 등록한 농경지와 무 인항공기 영상의 농경지를 비교․분석 하였다. 대소면 전 체 6,822필지 중 4,792필지가 농업경영체에 등록된 주소 와 무인항공기 영상의 농경지가 일치하였다. 이 중 2,030 필지(29.8%)는 미등록 경영체 및 농지 구획 불일치로 확 인되었다. 조사된 결과를 정리하면 Figure 11 및 Table 2 와 같다.
Figure 11. Example of unregistered farm business
Farm business Field survey Ratio(%) Area(㎢) Total 6,822 100.0 14.0 Agreement 4,792 70.2 10.4 Disagreement 2,030 29.8 3.6 Table 2. Accuracy of cultivated crops registered in the agricultural farm business database
4. 농업경영체 정확도 분석
농업경영체 정확도는 재배 작물과 농지 구획에 대한 일치 여부를 비교․분석하였다. 대소면 전체 6,822필지 중 3,622필지는 농업경영체에 등록된 재배 작물과 현장 조 사 자료가 일치하였으며, 3,200필지는 불일치하였다. 불 일치 필지 중 2,030필지 (29.8%)는 미등록 경영체 및 농 지 구획 불일치로 확인되었다. 농업경영체 등록 정보 중 작물 불일치는 1,170(17.2%)필지로 조사되었다. 조사된 결과는 Table 3 및 Figure 12와 같다.
Farm business Field survey Ratio(%) Area(㎢) Total 6,822 100.0 17.6 Agreement 3,622 53.1 12.0 Disagreement 3,200 46.9 5.6 - Cadastre 2,030 29.8 3.6 - Crop 1,170 17.1 2.0 Table 3. Accuracy of matching crops registered in the agricultural farm business database and field survey
Figure 12. Result of accuracy analysis of farm business
Figure 13은 연구대상인 대소면에 분포하는 주요 작물 의 현장 조사 결과와 농업경영체 DB를 비교한 결과이 다. 이 중 재배면적 비율이 가장 높은 벼는 농업경영체 정보와 현장조사 결과가 거의 일치한다. 이 결과는 벼 재배 농가의 경우 쌀직불지불제를 신청하여 보조금을 수 령하기 때문에 현장 조사와 농업경영체 등록 면적 차가 적게 발생한 것으로 해석된다.
그러나 밭작물인 고구마, 인삼, 들깨, 옥수수, 참깨는 현장 조사 면적이 농업경영체 등록 면적 보다 많은 것으 로 확인되었다. 이와 같은 결과는 농업경영체 정보에 등 록할 때는 A 작물로 등록을 하였으나 이후 농산물 가격 변동 및 기상 상황 악화에 따라 다른 작물로 바꾸어 재 배한 경우로 해석된다. 즉, 재배작물은 의향 작물과 다른 작물로 바뀌었지만 농업경영체 정보에는 변경 사실을 등 록하지 않아서 나타난 결과로 판단된다. 또한 밭고정 직 불금은 2016년부터 재배작물에 상관없이 보조금 대상 품 목에만 해당되면 작물에 상관없이 똑같이 적용되는 보조 금 제도의 영향으로 정확도가 낮아진 것으로 해석된다.
2015년까지 밭작물은 변동 직불금 제도로 운영되어 왔다. 그러나 2016년부터는 밭고정 직불금으로 일원화되 면서 실제 재배 작물을 등록하지 않더라도 보조 대상 밭 작물이 재배되고 있으면 보조금을 지급 받게 된다. 이러 한 원인 때문에 농업경영체 정보와 현장 조사 결과가 불 일치하는 경우가 더욱 증가한 것으로 해석된다. 이와 함 께 2016년 이후는 농업경영체 등록 작물 재배 불일치 면적 또한 증가할 것으로 예상되어 관련 정책의 보완이 필요한 것으로 조사되었다.
이러한 문제점 보완 방법 중 하나는 무인항공기를 이 용해 주기적으로 대상지를 촬영하여 얻어진 모니터링 데 이터를 분석하여 해당 농가에 서비스하는 방법도 있을 것이다.
Figure 13. Comparative analysis of field survey results and cultivated crops registered in the agricultural farm
business database
IV. 결 론
농업 경영은 농업 생산을 실제로 실시하는 존재이며, 생산 관리와 경영 본연의 자세가 생산되는 식량의 양, 품질, 안전성을 결정하게 된다. 또한 농촌의 경관과 환경 보전, 농촌 지역의 자원 관리 및 일자리 창출에도 농업 경영의 규모와 내용이 크게 영향을 미친다. 이것은 농업 경영 방법에 따라 식량 공급이 불안정 해지고 환경이 오 염되기도 하고 안전성에 문제가 있는 식품이 공급 될 수 있음을 의미한다. 또한 농업 경영의 지속적 발전이 없으 면 농촌의 고용 창출과 소득 향상도 기대할 수 없게 된 다. 이와 같이 농업경영은 식량의 안정 공급과 안전 확 보, 환경오염 방지와 농촌지역의 생물 다양성 향상 등의 주요 문제와 밀접하게 관련을 갖고 있다. 따라서 농업경 영체 정보 활용은 농촌 활성화를 위해서도 매우 중요한 의미를 갖는다.
본 연구에서는 충청북도 음성군 대소면을 대상으로 무인항공기 영상을 이용하여 농업경영체 재배 작물 DB 의 정확도를 분석하였다.
농업경영체와 지적도 연계 시 대소면은 면적 불일치 및 누락되는 농경지 발생 필지수가 6,822개 중 2,030개 (29.8%)로 파악되었다. 이러한 결과는 전체 농경지 17.6
㎢ 중 19.3%에 해당하는 3.4㎢이다. 따라서 이러한 문제 점 개선을 위해서는 지적도의 현행화를 비롯한 다각적인 방안 마련이 필요한 것으로 분석되었다. 농업경영체에 등록한 재배 작물과 현장 조사 결과를 비교․분석한 정확 도는 대소면 전체 4,792필지 중 3,622필지(75.6%)가 농업 경영체에 등록된 재배 작물과 현장 조사 자료가 일치하 였으며, 1,170필지(24.4%)는 불일치하였다. 특히 작물 중 벼에 관한 등록 정보는 매우 정확하게 일치하였으나 밭 작물은 작물에 따라 차이가 많은 것으로 조사되었다. 이 같은 결과는 농업경영체 정보에 기초한 직불금 지급 제 도의 조건 및 변화에 따라 차이가 발생하는 것으로 해석 된다.
농업경영체는 농업인이 직접 작성하는 전수조사에 가 까운 정보이기 때문에 농업 정책 수립 및 집행에 있어서 가치가 높은 자료이다. 농업경영체 DB의 현행화는 농업 면적 통계, 농업 생산 통계 등 농업 통계 자료의 신뢰도 를 높일 수 있다. 또한 이 DB는 주요 작물의 수급 동향 및 예측 신뢰도를 높이는 기초 자료로 활용이 가능하기 때문에 농산물 가격 안정화에 기여할 수 있다.
따라서 농업경영체 재배 작물의 정확도는 작물 생육 시기를 고려하여 농업경영체 등록 시기를 변경하는 방법 이 있을 것이다. 예를 들어 6월부터 8월까지는 작물 파
종 및 정식, 수확시기에 포함되기 때문에 농업경영체 재 배 작물 등록을 이 시기에 실시하여 농업경영체 정확도 를 높이는 방법도 있을 것이다. 또한 농지 구획 정확도 는 무인항공기를 활용하여 농촌 지역의 지적도를 개선 또는 현행화 하는 방법이 있을 것이다. 이러한 대안은 농업경영체 정보 정확도 향상 문제와 지적도 개선 사업 에 소용되는 비용, 시간, 인력의 절감 효과에 크게 기여 할 수 있을 것이다.
농업경영체와 지적도를 같이 활용할 경우 지적도는 경지의 속성과 경지 정보는 물론 논과 밭 경계지점이 현 장과 일치하지 않는 문제점이 발생하였다. 이러한 문제 점 개선과 지역 자원 탐사와 분석을 위해서는 무인항공 기 촬영 영상을 같이 활용할 경우 현장 자원을 좀 더 정 확하게 파악할 수 있을 것이다.
또한 무인항공기 영상은 RS와 GIS 기술의 융합으로 21세기 농업과 식량 문제에 대처하는 기초 도구로 활용 성이 매우 기대되고 있다. 특히 무인항공기 촬영 영상은 농촌의 공간정보 등 다양한 농업 관련 정보와 접목한다 면 빅데이터를 활용한 정확한 농업 통계, 지역 자원 관 리 및 분석 등에 매우 유용하게 활용될 수 있을 것이다.
주1) 스마트팜맵은 지적도의 문제점 해소를 위해 현 농경지에 대한 정확한 면적 및 속성 정보를 고해상도 위성과 항공 영상을 이 용하여 디지털 맵으로 제작한 것이다. 따라서 지적도, 수치지형 도보다 농경지에 대한 정확한 정보를 획득할 수 있는 장점이 있다. 스마트팜맵은 전국 농경지를 전자지도화하기 위하여 2013년에 세부계획을 수립하여 2014년에 충남북과 전북 3개도 에 대한 구축을 시작으로 2016년에 제주도를 포함한 전국에 대 한 맵 구축을 완료하였다. 여기서 사용한 위성영상은 아리랑위 성 2호와 3호의 0.7~1.0m의 공간해상도를 갖으며 미 촬영 지점 은 항공영상을 활용하였다. 이 공간정보에 Agrix 행정자료, 각 종 농업관련 지도와 통계자료를 GIS기술과 연계한 현장 데이터 중심의 농업정보 시스템이다.
References
1. eleaf, 2016. http://www.eleaf.com/.
2. Kim, J.H. and Choi, U.A., 2015. Improvement plan of agricultural management system, KREI Research Report R744-1.
3. Kim, S.S., Kim, J.S. and Kim, A.R., 2013. Improving the farm manager registration program for its efficient application, Ministry of Agriculture, Food and Rural Affairs (MAFRA).
4. Kinoshita, Y., O’Keefe S. and Kimura, N., 2015. A
case study on farm business management styles: A survey of rice farm businesses in New South Wales, Australia, applied to the Japanese context, The Japanese Journal of Rural Economics 17：52-57.
5. KOSTAT (Korea Statistics), 2016. http://kostat.go.kr/.
6. Marte, W.E., Nanseki, T. and Bienvenido, F., 2011.
The role of education, institutional settings and ICT on the integrated production development in Almeria, Spain, Agricultural Information Research 20（2）:
66-73.
7. Min, S.H, Kim, K.S, Park, J.K. and An, D.W., 2015.
An evaluation of the effects of rice income compensation payment program on farm income by farm type, Korean Journal of Agricultural Economics 56(4): 51-70.
8. National Agricultural Products Quality Management Service(NAQS), 2016. http://www.naqs.go.kr/
9. Netherlands Space Office (NSO), 2015. Satellite data portal, http://www.spaceoffice.nl/nl/Satellietdataportaal /Deelnemendepartijen/.
10. Park. J.K., 2014. A status and policy issues on farm management stabilization support system operating status, Korea Rural Economic Institute.
11. Park, J.K., Amrita, D. and Park, J.H., 2015.
Application trend of unmanned aerial vehicle (UAV) image in agricultural sector: Review and proposal.
CNU Journal of Agricultural Science 42(3): 269-276.
12. Park J.K. and Park, J.H., 2015. Crops classification using imagery of unmanned aerial vehicle (UAV).
Journal of the Korean Society of Agricultural Engineers 57(6): 91-97.
13. Park J.K. and Park, J.H., 2016. Applicability evaluation of agricultural subsidies inspection using unmanned aerial vehicle. Journal of the Korean Society of Agricultural Engineers 58(5): 29-37.
14. Wada, I., 1920. Survey Report on the Choson land district taxation system No. 356-357, Korea Governor's Office.
