ksia- 5 t 1.jpg304.3KB

• 기존연구
• 재료 및 방법
• 작물재배적지 인자 수집
• 작물추천모델 흐름도 및 대상작물 선정
• 작물추천모델의 인자결정
• 작물추천모델 예시작물
• 작물추천모델 배점기준 설정
• 결과 및 고찰
• 작물추천모델 시뮬레이션
• 지식기반형 작물추천시스템

우리나라 농업은 1990년대 UR협상과 2000년대 FTA를 거치면서 농업목적과 방식에 큰 변화가 있었다. 과거에는 생산량 증산을 목표로 단순농업의 형태였으나 근래에는 친환경농산물생산과 국토관리와 같은 공익적 효과를 제고하는 방향으로 변환되고 있다(박 등, 2006). 기후변화 등으로 환경에 대한 관심이 증가하면서 꾸준한 식량수요의 증가에도 불구하고 친환경농업면적이 크게 증가하는 등 가격과 양 중심에서 건강과 안전성 중심으로 가치가 변화하고 있다. 선진국의 농정방향도 대량생산 보다는 지속가능한 농촌 활성화를 위해 적정한 생산과 자연자원 관리로 변화하고 있다. 

이러한 경제적, 사회적 배경에 따라 정밀농업의 필요성이 증가하고 있다. 정밀농업은 토양과 기후 같은 자연조건과 작물의 생육특성과 수확량 등을 종합적으로 고려하여 경영하는 방식으로 유럽과 미국 등에서 확대되고 있는 과학영농이다(박 등, 2006). 미국에서는 1990년대부터 정밀농업에 대한 연구가 진행되고 있으며 정밀농업을 통해 작물별 수익성 등을 예측하고 있다(이 등. 2005). 정밀농업에서는 지식기반 농업의사결정 시스템을 활용하는데 토양과 기후조건, 작물재배비용과 가격, 환경조건 등을 고려한 농작물추천(Severin, 1998; Iftikhar, 2009)과 추천된 농작물과 재배여건을 고려한 재배방법과 비료사용량 제시(FAO, 2007) 등이 활용되고 있다. 

이러한 정밀농업은 농업에서 사용되는 모든 인자를 통계적인 접근방식에서 변량적인 접근방식으로 변화하는 것으로, 농업시스템 전체를 하나의 시스템으로 바꿔야 구현할 수 있다(박, 2002). 정밀농업에서 사용되는 인자는 경작지의 특성과 작물의 생육상태, 기후 등의 농작물이 성장하는 주변 환경 정보의 위치별 획득이 필요하며 획득한 정보를 전산으로 변환하여 변량형 제어시스템을 구동하는 의사결정이 있어야만 구현이 가능하다(조 등, 2002).

지식기반이란 기존의 정돈된 정보를 사용자의 조건을 고려하여 제공하는 것으로서, 환경피해를 최소화 하면서도 적정한 소득을 보장할 수 있는 작물선정 및 맞춤형 재배기술을 위해서는 기존의 정보시스템을 지식기반형으로 수정해갈 필요가 있다. 

본 연구에서는 토양, 기후와 같은 환경조건과 토양의 배수 및 이화학성과 같은 토양특성을 취합하여 정밀농업을 위한 지식기반형 작물추천모델을 개발하고자 한다. 

기존연구

국내에서도 정밀농업의 필요성이 부각되면서 정밀농업에 대한 연구가 이루어졌으나 정밀농업 관련 국내 연구는 주로 토양특성, 작물별재배기술, 농축산물소득표 등 정보제공에 그치고 있다. 정밀농업 구현가능성을 구명하고자 포장 내에서의 토양 속성 및 작물생육상태 및 지도화에 관한 연구와 이를 위한 장치개발 등이 있다(박, 2001). 그러나 현재에는 이러한 토양 및 작물상태측정 장치 등이 발전하였고 농업에 관련된 많은 자료가 데이터화되어 농촌진흥청을 중심으로 Table 1과 같이 실시간으로 정보가 제공되고 있다. 이중에서도 흙토람은 위치정보를 기반으로 각 필지 토양의 화학성과 물리성에 대해서 상세데이터를 가지고 있어 작물별 토양의 시비 및 추천작물선정시에 기본적인 자료로 활용가능성이 높다. 기후요인은 기상청에서 누적데이터를 보관하고 있으며 실시간으로도 현재 기상 상태 등을 인터넷 등으로 제공하고 있다. 

Table. 1. Availabe RDA information.

Table. 2. Deployed resources for crop recommendation system.

정밀농업을 위해서 선행되어야 하는 작업은 농업을 영위할 필지에 어떠한 작물이 적합한가를 결정하는 것이다. 외국의 경우에는 필지별로 작물의 형태와 재배특성 그리고 농산물의 활용을 정보수요자가 입력하면 해당 필지에 적합한 작물을 추천하는 시스템이 존재하고 있으며 그 대표적인 예로는 ECOCROP(http://ecocrop.fao.org/ecocrop/srv/en/cropSearchForm)이 있다. 

외국에서는 이러한 정밀농업이 발전하고 있으나 우리나라는 현재까지 필지별 추천작물을 제공하지는 못하고 필지별 작물의 적합성을 검증하는 수준에서 정보를 제공하고 있다. 그러나 상기 Table 1과 같이 많은 정보를 체계적으로 취합하여 활용하면 외국과 같은 선진정밀농업 시스템을 구축할 수 있다고 판단된다. 

재료 및 방법

작물재배적지 인자 수집

작물추천모델을 구성하기 위하여 필요한 인자는 토양과 기후 그리고 위치특성 3가지 요소로 설정하였다. 토양특성은 농촌진흥청에서 현재 제공되고 있는 흙토람에서 제공받아 분석하였다. 적합도를 산정하는 인자가 작물별로 다르게 사용되고 있어 전체작물을 대상으로 80% 이상 활용되는 인자인 침식등급, 경사, 토성, 배수등급, pH, 자갈함량 등을 시스템에서 고려한 토양요소로 고려하였다. 

기후요소에서는 각 작물의 생육특성에 필요한 생육적온, 강수량, 일조량을 설정하였으며, 기후정보는 5년간 평균기후특성을 기상청에서 제공받아 평균치로 환산하였다. 위치정보는 한국토지정보시스템(KLIS)과 수치지형도를 활용하여 지형정보시스템인 ArgGIS 9.3을 활용하여 수자원 및 도로인접거리를 필지별로 계산하여 시스템에 적용하였다. 

작물추천모델 흐름도 및 대상작물 선정

수집된 토양과 기상자료 및 위치정보를 작물재배 예정지에 적용하여 최적지와 재배가능지 그리고 부적합지역으로 나누었다. 이를 다시 각 구간별로 배점을 달리하여 최고점수를 득하여 작물을 해당지역에 추천하는 최고점수제로 추천모델을 구성하였으며 그 개요는 아래 Fig. 1과 같다. 

Fig. 1. Flow overview of crop recommendation system.

재배작물 선정은 작물적합도를 검정하기 위하여 농촌진흥청에서 미래 유망작물을 추천받아 고구마, 감자, 양파, 유채, 수박, 구기자, 갈대, 고추, 옥수수, 토마토 등 10개 작물을 선정하였으며, 향후 작물추천 수요가 증가할 것으로 예상되는 제천, 무안, 원주, 함안의 4지구를 대상으로 시뮬레이션을 실시하였다. 

작물추천모델의 인자결정

각 토양과 기후요인들을 시뮬레이션하기 위해서는 각 요인별 정보를 응용하여 체계적인 연산 시스템을 구현해야 한다. 특히 본 연구에서는 위치정보와 비위치정보를 수집하여 데이터베이스를 구축하고 이를 수치화하여 작물별 생육조건의 범위 내에서 최고점수를 득하는 방식으로 의사결정지원시스템의 활용가능성을 검증하였다. 

정밀농업 실현의 가장 기초가 되는 자료는 토양정보로 변량 처방을 위한 필수적인 의사결정 요인이지만 토양분석은 많은 시간과 노력을 필요로 하여 정밀농업 실현에 제약이 되고 있다(Kim et al., 2009). 그래서 본 연구에서는 기존에 농촌진흥청에서 제공하는 흙토람 자료의 토양 물리성과 화학성 등의 자료를 이용하였는데, 본 연구에서 추구하는 재배작물추천모델은 전국에 걸쳐 일반적으로 적용될 수 있어야 하므로 Table 3과 같이 흙토람에서 해당토지에 대해 작물의 적합도를 산정하는데 80% 이상 사용되는 인자(토성, 배수등급, 경사, 자갈함량 등)를 포함하였고, 환경의 중요성을 감안하여 침식등급을 포함하였다.

Table. 3. Analysis results of in Heuktoram of RDA.

작물의 생육에 가장 중요한 기후요인은 기온이다. 모든 작물들은 생육하기에 적합한 생육적온과 생리장애가 유발되는 최고기온과 최저기온의 특징을 가지고 있으므로 각 작물의 생육시기에 따른 적합한 기온을 조사하였다. 

기후요인 조사는 기존의 문헌연구로 알려진 내용을 토대로하여 각 작물별 주산지의 5년간 기상청 자료를 이용하여 평균으로 환산한 후에 각 작물의 생육에 적합한 평균기온과 장애요인으로 나타날 수 있는 최고기온 그리고 최저기온의 기준을 설정하였다. 일조시간은 작물의 생산성과 직접적인 영향이 높으므로 기후특성에 포함시켜 기온과 방식으로 조사하여 작물재배기준을 설정하였다. 

위치특성은 생산물의 부피와 무게를 고려하여 차량이나 농기계의 접근성을 고려하였고 이에 따른 포장도로와의 인접성을 재배적지산정에 활용하였다. 작물별로 농업용수의 이용량이 다르므로 작물의 생육특성을 고려하여 인접수자원의 용수확보에 변별력을 두었다. 

토양요인과 기후요인을 요인별로 최적지와 재배가능지 부적합지역으로 나누어 점수로 환산하여 최고점수를 득하는 작물을 해당지역에 추천작물로 선정하는 시스템으로 구성하였고, 10개 작물별 생육특성을 문헌연구로 조사하여 토양과 기후범위를 설정하였다. 

작물추천모델 예시작물

작물추천모델에서 비교할 작물은 농촌진흥청에서 선정한 미래 유망 작물과 국내의 소비량과 생육환경을 고려하여 10개의 작물을 정하였다. 고구마, 감자 등 서류작물은 저장의 문제로 있어 수입이 어려워 국내소비량을 자급해야 하므로 공시작물로 선정했다. 옥수수는 환경적응력이 높아 우리나라 전 지역에서 재배가 가능하며 최근에는 국제곡물가격이 상승하고 있는 시점에서 국내의 사료자급측면에서도 재배의 필요성이 점차적으로 부각되고 있는 작물이라 추천시스템 예시작물로 설정하였다. 채소작물 등은 우리나라에서 많이 소비하는 작물로 기호성과 생산량 등을 고려하여 선정했으며, 유채는 우리나라에서 월동의 한계로 제주도지역에서만 재배하였으나 월동한계지역을 재조사 할 필요성이 대두되어 추가하였고, 갈대는 자연 상태 군락지의 경우 다른 작물 생육하기에는 곤란한 습지 등에서 생육하고 있으며 갈대의 생육이 가능한 온도는 범위가 넓으며 환경적응력이 높은 작물로 알려져 있어 공시작물로 추가하였다(Kim et al., 2009). 갈대는 바이오에너지의 개발 필요성이 대두되고 있는 시점에서 유휴지 등에 재배하여 바이오에너지 원료로 활용가능성 등이 높은 것으로 판단된다.

작물추천모델 배점기준 설정

선정된 요인에 대하여 작물별 등급기준과 배점기준은 작물별과 지역별로 다양하게 설정될 수 있으며, 그 하나하나가 중요한 연구일 것으로 판단되나, 본 연구에서는 흙토람의 작물적합도, 채소원예총론(1991), 작물별 시비처방기준(농촌진흥청, 2006), 표준영농교본(농촌진흥청, 2001)과 그 외의 문헌들을 종합하여 Table 4와 같이 결정하였다. 

Table 4. Factors and grades of crop recommendation model.

Table 4. Continued.

결과 및 고찰

작물추천모델 시뮬레이션

상기의 Table 4과 같이 설정된 토양과 기후요인을 행정구역 별 평균으로 환산한 후 작물재배모델을 이용하여 10개 작물을 대상으로 제천, 무안, 원주, 함안의 4개 지역에 시뮬레이션을 실시한 결과는 Table 5와 같다. 

Table. 5. First crop simulation results.

고추가 75.5점으로 4개 지역에서 가장 높게 나타났고 옥수수, 유채, 토마토, 갈대 등이 평균(69.1점)보다 높은 점수를 얻었다. 수박, 감자, 고구마, 구기자들이 평균보다 낮은 점수를 나타냈다. 고추의 경우에는 우리나라 전 지역에서 재배가 가능하며 기후요인에서도 생육적온이 25℃로 우리나라 평균기온과 생육적온이 비슷하여 높은 점수를 득한 것으로 판단된다. 고추 다음으로 높은 점수를 득한 작물은 유채다. 유채는 평균기온이 높은 남부지방에서 높은 점수를 얻었는데 무안의 경우에는 77.8점으로 제천 71점보다 6.8점 높게 나타났다.

가장 낮은 점수를 보인 고구마, 감자, 수박의 경우에는 일조시간 생육기간 중 일조시간이 800시간 정도로 작물의 생육에 최적지요건의 필요일조시간보다 10-20%정도 낮게 나타났다. 이는 일조시간부분에서 점수가 낮아져 다른 작물보다 낮은 점수를 보였기 때문으로 판단된다. 

1차 시뮬레이션의 경우는 행정구역별 단위로 최고점수를 얻은 작물을 나타낸 결과, 실제 농업에 이용하기 위해서는 이를 세분화하여 정보수요자가 원하는 특정필지별 재배작물추천은 별도로 진행하여야 한다. 그래서 작물별 최대 7만 필지를 한계로 하여 시뮬레이션을 실시하였으며, 경남 함안시의 일부 필지를 랜덤샘플링 방식으로 표본을 추출하여 정돈한 결과는 Fig. 2와 같다. 그 결과는 1차 시뮬레이션과는 다르게 나타나고 있는데 1차 시뮬레이션에서 가장 낮은 점수가 나타난 고구마가 39,190필지로 가장 많은 필지수를 나타내고 있다. 특히 논에서 고구마의 적합필지 비율이 높게 나타났다. 이러한 이유는 고구마의 경우에는 토양적응성이 높아 필지별 비율이 높게 나타났기 때문으로 판단된다. 1차 시뮬레이션에서 가장 높은 점수를 얻은 유채의 경우에는 4번째로 많은 필지를 나타내고 있다. 필지별 면적도 고구마가 27.014 km²로 가장 많았으며 옥수수가 0.348 km²로 가장 적은 면적을 나타내고 있다. 

Fig. 2. Haman, Gyeongnam crop recommendation results.

지식기반형 작물추천시스템

지식기반형 작물추천시스템을 개발하기 위해서는 먼저 행위자의 속성과 행동규칙을 파악하여 이를 연산 처리할 수 있는 하드웨어를 통하여 의사결정과정으로 변환하여야 한다. 본 연구에서 개발된 작물추천모델을 기반으로 하여 Fig. 3과 같은 지식기반형 작물추천시스템을 개발하였다. 

Fig. 3. First stage of KCRM.

작물추천시스템은 토지행위자가 자신이 원하는 농업특성을 시스템에 입력하면 농업결과를 예측하여 최적의 결과 및 특정작물의 재배시 발생할 수 있는 결과를 예측한다. 작물재배 적지가 결정되면, Fig. 3과 같이 대상지역을 선택하게 되고, 설계된 시스템에 따라서 토지에 알맞은 작물을 선정하여 Fig. 4 와 같은 결과물을 출력한다. 또한 투입량(비료, 물, 농약)에 따른 생산량 및 소득도 예측될 수 있도록 하였다. 

Fig. 4. Second stage of KCRM.

상기와 같은 지식기반형 작물추천시스템은 농업인들이 특정지역 내에서 재배특성이 좋은 작물을 예상할 수 있으며 이를 재배하였을 시 발생되는 경비와 소득 등을 손쉽게 알 수 있는 장점이 있다. 

현재까지 개발된 지식기반형 작물추천시스템은 데이터로 구축된 자료를 연산하여 출력하는 수준이나, 향후에는 농산물유통부분도 보완하여 매년 재배현황 및 농자재 시세에 따른 생산비 산출과, 출하시 현재시세를 기준으로 정확한 수익률 등을 정보수요자에게 실시간으로 제공하는 시스템으로 발전시킬 필요가 있다.