APEX-Paddy 모델을 이용한 기후변화에 따른 논벼 생산량 및 증발산량 변화 예측 Estimation of Crop Yield and Evapotranspiration in Paddy Rice with Climate Change Using APEX-Paddy Model원문보기
The global rise in atmospheric $CO_2$ concentration and its associated climate change have significant effects on agricultural productivity and hydrological cycle. For food security and agricultural water resources planning, it is critical to investigate the impact of climate change on ch...
The global rise in atmospheric $CO_2$ concentration and its associated climate change have significant effects on agricultural productivity and hydrological cycle. For food security and agricultural water resources planning, it is critical to investigate the impact of climate change on changes in agricultural productivity and water consumption. APEX-Paddy model, which is the modified version of APEX (Agricultural Policy/Environmental eXtender) model for paddy ecosystem, was used to evaluate rice productivity and evapotranspiration based on climate change scenario. Two study areas (Gimjae, Icheon) were selected and the input dataset was obtained from the literature. RCP (Representitive Concentration Pathways) based climate change scenarios were provided by KMA (Korean Meteorological Administration). Rice yield data from 1997 to 2015 were used to validate APEX-Paddy model. The effects of climate change were evaluated at a 30-year interval, such as the 1990s (historical, 1976~2005), the 2025s (2011~2040), the 2055s (2041~2070), and the 2085s (2071~2100). Climate change scenarios showed that the overall evapotranspiration in the 2085s reduced from 10.5 % to 16.3 %. The evaporations were reduced from 15.6 % to 21.7 % due to shortend growth period, the transpirations were reduced from 0.0% to 24.2 % due to increased $CO_2$ concentration and shortend growth period. In case of rice yield, in the 2085s were reduced from 6.0% to 25.0 % compared with the ones in the 1990s. The findings of this study would play a significant role as the basics for evaluating the vulnerability of paddy rice productivity and water management plan against climate change.
The global rise in atmospheric $CO_2$ concentration and its associated climate change have significant effects on agricultural productivity and hydrological cycle. For food security and agricultural water resources planning, it is critical to investigate the impact of climate change on changes in agricultural productivity and water consumption. APEX-Paddy model, which is the modified version of APEX (Agricultural Policy/Environmental eXtender) model for paddy ecosystem, was used to evaluate rice productivity and evapotranspiration based on climate change scenario. Two study areas (Gimjae, Icheon) were selected and the input dataset was obtained from the literature. RCP (Representitive Concentration Pathways) based climate change scenarios were provided by KMA (Korean Meteorological Administration). Rice yield data from 1997 to 2015 were used to validate APEX-Paddy model. The effects of climate change were evaluated at a 30-year interval, such as the 1990s (historical, 1976~2005), the 2025s (2011~2040), the 2055s (2041~2070), and the 2085s (2071~2100). Climate change scenarios showed that the overall evapotranspiration in the 2085s reduced from 10.5 % to 16.3 %. The evaporations were reduced from 15.6 % to 21.7 % due to shortend growth period, the transpirations were reduced from 0.0% to 24.2 % due to increased $CO_2$ concentration and shortend growth period. In case of rice yield, in the 2085s were reduced from 6.0% to 25.0 % compared with the ones in the 1990s. The findings of this study would play a significant role as the basics for evaluating the vulnerability of paddy rice productivity and water management plan against climate change.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
본 연구는 APEX-Paddy 모델의 기온, 이산화탄소 반응의 특성을 분석하고 기후변화가 논벼의 증발산량과 생산량에 미치는 영향을 평가하는 위해 수행되었다. 모델 구동을 위하여 작물, 토양, 영농활동에 대한 자료를 조사하여 입력자료를 구성하였으며 엽면적지수 추정곡선, 잠재적 열단위 (PHU)를이용하여 모델을 보정하였다.
본 연구는 논 재배환경을 대상으로 대기 중 이산화탄소 농도 변화와 기온 상승을 고려하여 논벼의 증발산량과 생산 량의 변화를 분석하였다는 측면에서 의의를 갖는다. 향후 APEX-Paddy 모델은 기후변화를 고려한 물 관리 계획과 논벼 생산성의 취약성평가를 위한 도구로 활용될 수 있을 것으로 판단된다.
본 연구에서는 농촌진흥청과 Taxas A&M의 공동연구를 통해 개발한 새로운 논 모델인 APEX-Paddy 모델의 기온, 이산화탄소 반응을 분석하고 기후변화가 논벼의 증발산량과 생산량에 미치는 영향을 평가하고자 하였다.
제안 방법
본 연구에서는 기후변화 영향형가를 위하여 논벼의 증발산량과 생산량에 대하여 기후변화 시나리오 작성의 기준년도인 1976년~2005년 (1990s, Historical)과 기후예측기간인 2011년~2100년을 30년 단위로 구분하여 논벼의 증발산량 및 생산량을 산정하여 비교하였다. 2011년~2040년을 2025s, 2041년~2070년을 2055s로, 2071년~2100년을 2085s로 표기하였으며 기후변화에 따른 각 시기 증발산량, 증발량, 증산량 및 논벼 생산량의 평년 결과를 연구대상지역별로 도출하였다. 각 요소의 분석결과는 R 패키지프로그램인 ggplot2를 이용하여 박스그래프로 시각화하였다.
2 °C 간격으로 설정하였으며 기존의 최고・최저기온에 증가분을 더하여 입력자료로 사용하였다. APEX-Paddy 모델의 결과 중 증발산량, 증산량, 증발량, 생산량에 대하여 30년 평균값을 도출하였다.
APEX-Paddy 모델의 기후요소에 대한 민감도를 분석하기 위하여 기온, 이산화탄소 농도 변화에 대한 모델의 반응을 살펴보았다. 민감도 분석을 위한 대표측후소는 이천 측후소로 선정하였으며 1976년~2005년의 평년에 해당하는 30년 기간의 이천 기후자료를 사용하였다.
2011년~2040년을 2025s, 2041년~2070년을 2055s로, 2071년~2100년을 2085s로 표기하였으며 기후변화에 따른 각 시기 증발산량, 증발량, 증산량 및 논벼 생산량의 평년 결과를 연구대상지역별로 도출하였다. 각 요소의 분석결과는 R 패키지프로그램인 ggplot2를 이용하여 박스그래프로 시각화하였다.
본 연구는 APEX-Paddy 모델의 기온, 이산화탄소 반응의 특성을 분석하고 기후변화가 논벼의 증발산량과 생산량에 미치는 영향을 평가하는 위해 수행되었다. 모델 구동을 위하여 작물, 토양, 영농활동에 대한 자료를 조사하여 입력자료를 구성하였으며 엽면적지수 추정곡선, 잠재적 열단위 (PHU)를이용하여 모델을 보정하였다. 모델의 검정은 통계청의 시군별 논벼 생산량 통계자료를 활용하였다.
기후변화연구 대상 지역은 이천, 김제로 선정하였다. 모델의 민감도분석은 이천을 대상으로 수행하였으며 기온, 이산화탄소 농도의 변화에 따른 증발산량, 증발량, 증산량, 생산량의 반응을 살펴보았다. 기후변화 영향평가를 위한 기후변화 시나리오로서 기상청에서 제공하는 HadGEM-RA 기후변화 시나리오를 사용하였다.
APEX-Paddy 모델의 입력항목으로서 최고・최저기온, 강수량의 측후소지점 자료를 사용하였다. 미래기후자료 중 상대습도, 일사량, 풍속은 12.5 km 해상도로 제공되는 기후시나리오자료가 편의보정이 되지 않았기 때문에 본 연구에서는 최고・최저기온, 강수량으로 입력항목을 제한하였다. 상대습도, 일사량, 풍속은 APEX 모델의 일 단위 확률적 날씨 발생기인 WXGN (Sharpley and Williams, 1990) 모델이 기준년도의 통계값으로부터 추정한 결과를 동일하게 적용하였다.
본 연구에서는 기후변화 영향형가를 위하여 논벼의 증발산량과 생산량에 대하여 기후변화 시나리오 작성의 기준년도인 1976년~2005년 (1990s, Historical)과 기후예측기간인 2011년~2100년을 30년 단위로 구분하여 논벼의 증발산량 및 생산량을 산정하여 비교하였다. 2011년~2040년을 2025s, 2041년~2070년을 2055s로, 2071년~2100년을 2085s로 표기하였으며 기후변화에 따른 각 시기 증발산량, 증발량, 증산량 및 논벼 생산량의 평년 결과를 연구대상지역별로 도출하였다.
본 연구에서는 작물재배기간 (이앙~수확)을 고정하여 분석하였다. 증산량 산정공식에 따르면 기온상승이 논의 잠재증발량을 높이는 결과를 가져오나 (식 (5)) 작물의 LAI 또한 빠르게 증가하기 때문에 (식 (11)) 작물에 의한 차단 증가가 기온 상승에 은한 증발량 증가분을 상쇄하게 된다.
1과 같다. 선정기준은 2015년 논벼 재배면적 통계자료를 바탕으로 각 도별로 논벼 재배면적의 50 % 이상이 되도록 하는 3~4개 시군으로 정하였다. 선정된 시군은 경기도 김포시, 양평군, 화성시, 이천시, 강원도 원주군, 강릉시, 고성군, 충청북도 보은군 진천군, 괴산군, 충청남도 서산시, 부여군, 보령군, 전라북도 군산시, 남원시, 임실군, 김제시, 전라남도 고흥군, 장흥군, 나주시, 강진군, 경상북도 의성군, 구미시, 경주시, 경상남도 합천군, 진주시, 밀양시, 울산광역시이다.
최고・최저기온의 증가량은 +0 °C 부터 +5 °C 까지 0.2 °C 간격으로 설정하였으며 기존의 최고・최저기온에 증가분을 더하여 입력자료로 사용하였다.
대상 데이터
2011년~2100년 기간에 대한 자료는 기상청 (KMA, Korea Meteorological Administration) 기후변화정보센터 (CCIC, Climate Change Information Center)로 부터 제공받은 제어 적분 400년, 1 km 해상도의 기후변화시나리오자료를 사용하였다. 해당 시나리오는 HadGEM3-RA (Atmospheric Regional climate model of Hadley Centre Global Environment Model version 3)로서 영국 기상청 해들리센터의 기후변화예측모델인 HadGEM2-AO GCM (General Circulation Model)을 기반으로 지역기후모형 (RCM, Regional Climate Model)과 통계적 상세화 기법 (MK-PRISM: Modified Korean Parameter-elevation Regressions and Independent Slopes Model)으로 1 km 해상도로 상세화 (downscaling)한 결과이다 (Kim et al.
APEX-Paddy 모델의 검정을 위하여 28개 시군을 대상지 역으로 선정하였다. 연구 대상지역의 목록은 Fig.
APEX-Paddy 모델의 입력항목으로서 최고・최저기온, 강수량의 측후소지점 자료를 사용하였다. 미래기후자료 중 상대습도, 일사량, 풍속은 12.
가. 기후자료
기후변화 시나리오 작성의 기준년도인 1976년~2005년 (Historical)에 대한 기후자료는 각 지역 기상청 종관기상관측시스템 (ASOS: Automated Synoptic Observing System) 의 실측자료를 사용하였다. 김제의 경우 해당지역에 ASOS 자료가 없기 때문에 가장 인접한 부안측후소의 자료를 사용하였다.
기후변화 영향 분석을 위한 연구대상지역은 기후특성을 고려하여 중부내륙에 위치한 이천과 서부해안 평야지대에 위치한 김제로 선정하였다 (Fig. 1). 이천의 연평균기온은 11.
모델의 검정은 통계청의 시군별 논벼 생산량 통계자료를 활용하였다. 기후변화연구 대상 지역은 이천, 김제로 선정하였다. 모델의 민감도분석은 이천을 대상으로 수행하였으며 기온, 이산화탄소 농도의 변화에 따른 증발산량, 증발량, 증산량, 생산량의 반응을 살펴보았다.
기후변화 시나리오 작성의 기준년도인 1976년~2005년 (Historical)에 대한 기후자료는 각 지역 기상청 종관기상관측시스템 (ASOS: Automated Synoptic Observing System) 의 실측자료를 사용하였다. 김제의 경우 해당지역에 ASOS 자료가 없기 때문에 가장 인접한 부안측후소의 자료를 사용하였다.
대상지역의 토양특성자료는 국립농업과학원에서 제공하는 흙토람 (National Institute of Agricultural Sciences, 2016) 정보를 이용해 구축하였다. 토양특성자료는 토층 깊이, 토층별 토성, 유기물함량, pH, 포화수리전도도, 포장용수량, 위조점 등의 정보가 포함된다.
토양특성자료는 토층 깊이, 토층별 토성, 유기물함량, pH, 포화수리전도도, 포장용수량, 위조점 등의 정보가 포함된다. 대표토양은 논 토양 중 연구대상 시군에서 가장 큰 면적을 차지하는 토양으로 선정하였다 (Table 2).
모델 구동을 위하여 작물, 토양, 영농활동에 대한 자료를 조사하여 입력자료를 구성하였으며 엽면적지수 추정곡선, 잠재적 열단위 (PHU)를이용하여 모델을 보정하였다. 모델의 검정은 통계청의 시군별 논벼 생산량 통계자료를 활용하였다. 기후변화연구 대상 지역은 이천, 김제로 선정하였다.
APEX-Paddy 모델의 기후요소에 대한 민감도를 분석하기 위하여 기온, 이산화탄소 농도 변화에 대한 모델의 반응을 살펴보았다. 민감도 분석을 위한 대표측후소는 이천 측후소로 선정하였으며 1976년~2005년의 평년에 해당하는 30년 기간의 이천 기후자료를 사용하였다. 대기중 이산화탄소 농도는 300 ppm 부터 900 ppm 까지 20 ppm 간격으로 변화를 주었다.
본 연구에서는 모델 검정을 위한 자료로서 20년 기간 (1996년~2015년)의 시군별 논벼 생산량 통계자료 (Statics Korea, 2016)를 이용하였다. 연도별 생산량 자료의 검정은 이천, 김제 지역을 대상으로 하였으며, 지역별 생산량 자료의 검정은 20년 (1996년~2015년) 평균을 이용하였다.
선정기준은 2015년 논벼 재배면적 통계자료를 바탕으로 각 도별로 논벼 재배면적의 50 % 이상이 되도록 하는 3~4개 시군으로 정하였다. 선정된 시군은 경기도 김포시, 양평군, 화성시, 이천시, 강원도 원주군, 강릉시, 고성군, 충청북도 보은군 진천군, 괴산군, 충청남도 서산시, 부여군, 보령군, 전라북도 군산시, 남원시, 임실군, 김제시, 전라남도 고흥군, 장흥군, 나주시, 강진군, 경상북도 의성군, 구미시, 경주시, 경상남도 합천군, 진주시, 밀양시, 울산광역시이다.
본 연구에서는 모델 검정을 위한 자료로서 20년 기간 (1996년~2015년)의 시군별 논벼 생산량 통계자료 (Statics Korea, 2016)를 이용하였다. 연도별 생산량 자료의 검정은 이천, 김제 지역을 대상으로 하였으며, 지역별 생산량 자료의 검정은 20년 (1996년~2015년) 평균을 이용하였다.
1로 설정되어있다. 이앙재배 벼의엽면적지수 추정곡선의 계수는 기존의 APEX 모델과 상당한차이가 있으므로 국립식량과학원 답작과의 수원시험포장에서 조사한 자료를 이용하여 보정하였다 (Fig. 2). 이에 따라 최적 옆면적 발달곡선의 첫 번째 점인 DLAP1은 30.
데이터처리
모형의 이산화탄소 농도 입력값은 IPCC 5차보고서의 대표농도경로 시나리오 (RCP, Representative Concentration Pathway)별 각 분석기간의 평균값을 사용하였다. APEX-Paddy 모델에 적용된 이산화탄소 농도는 Table 1과 같다.
이론/모형
APEX-Paddy 모델은 논에서 증발산량 산정의 정확도를 높이기 위하여 담수조건의 경우 작물에 의한 차단과 논의 담수 및 배수조건을 고려할 수 있는 Sakaguchi et al. (2014)의 방법을 사용한다. 논 담수조건에서의 수면증발량은 다음 식으로 산정된다.
모델의 민감도분석은 이천을 대상으로 수행하였으며 기온, 이산화탄소 농도의 변화에 따른 증발산량, 증발량, 증산량, 생산량의 반응을 살펴보았다. 기후변화 영향평가를 위한 기후변화 시나리오로서 기상청에서 제공하는 HadGEM-RA 기후변화 시나리오를 사용하였다.
본 연구에서는 논벼의 생산량, 증발 및 증산량 추정 모델로서 APEX-Paddy 모델을 사용하였다. APEX-Paddy 모델은 논 환경조건을 모의하기 위하여 기존의 APEX (Agricultural Policy/Environmental eXtender) 모델에 담수조건의 알고리즘을 추가한 모델로서 농촌진흥청과 Taxas A&M의 공동연구를 통해 개발된 모델이다.
5 km 해상도로 제공되는 기후시나리오자료가 편의보정이 되지 않았기 때문에 본 연구에서는 최고・최저기온, 강수량으로 입력항목을 제한하였다. 상대습도, 일사량, 풍속은 APEX 모델의 일 단위 확률적 날씨 발생기인 WXGN (Sharpley and Williams, 1990) 모델이 기준년도의 통계값으로부터 추정한 결과를 동일하게 적용하였다.
(1992)은 Penman-Monteith 공식이 공기동역학적 저항 (aerodynamic resistance)과 캐노피저항 (canopy resistance)를 고려하기 때문에 이 공식을 선정하여 CO2와 VPD의 영향을 고려하도록 수정하였다. 수정된 Penman-Monteith 공식은 EPIC 모델과 APEX 모델에 적용 되었으며그 식은 다음과 같다 (Williams et al., 2012).
연구대상지역의 영농활동자료는 2008년도 작황시험보고서 (Rural Development Administrator, 2009)를 참고하여 작성하였다. 지역의 기후특성에 따라 영농활동 (써레질 시기, 이앙기, 중간낙수기, 수확기, 시비시기 등)이 4개의 유형으로 분류되며 연구대상지역의 영농활동 유형과 모델 입력값은 Table 3에 정리하였다.
, 1984)에서 유래되었다 (Williams and Izaurralde, 2006). 증발산량은 Penman (Penman, 1948), Penman-Monteith (Monteith, 1964), Priestley-Taylor (Priestley and Taylor, 1972), Hargreves (Hargreaves and Samani, 1985), Baier-Roberton (Baier and Roberton, 1965) 공식으로 산정되며 5가지 증발산모델 중 하나를 선택하여 사용할 수 있다. 모델이 요구하는 기후자료가 부족한 경우에는 APEX 모델에 내장되어있는 날씨생성기 (Weather generator)가 만들어내는 자료를 사용한다.
성능/효과
이산화탄소 농도 400 ppm에서 기온이 0~5 °C 변화하는 동안 증산량은 524.7 mm에서 457.9 mm로 66.8 mm가 감소하였으며 기온을 고정하였을 때 이산화탄소 농도가 300 ppm~900ppm으로 변화하는 동안 증산량은 526.0 mm에서 515.4 mm로 10.6 mm가 감소하는 것으로 나타났다.
5 °C의 기온상승과 600 ppm의이산화탄소 농도 상승을 고려할 경우 증발량은 222.9 mm에서 267.3 mm로 44.4 mm가 증가하는 것으로 나타났으며 증산량은 526.0 mm에서 449.1 mm로 76.9 mm가 감소하는 것으로 나타났다.
8). RCP4.5 시나리오에 대하여 이천의 경우 기준년도, 2025s, 2055s, 2085s의 증산량은 각각 523 mm, 471 mm, 443 mm, 441 mm로 2085s는 기준년도에 비하여 15.7 %가 감소하는 것으로 나타났다. 김제의 논벼 증산량은 609 mm, 584 mm, 517 mm, 514 mm로 2085s는 기준년도에 비하여 15.
RCP4.5, RCP8.5 시나리오에 대하여 논벼 증발산량을 예측한 결과 미래 논벼의 증발산량이 기준년대 (1990s, 1976~2005)에 비해 줄어드는 것으로 나타났다 (Fig. 6). 이천의 경우 증발 산량이 기준년대에 비해 2085s가 RCP4.
RCP8.5 시나리오에 대하여 기준년도, 2025s, 2055s, 2085s의 생산량은 이천의 경우 각각 6.42, 5.94, 5.84, 6.00 t/ha로 2055s는 기준년도에 비하여 9.0 %가 감소하는 것으로 나타 났으며 2085s에는 2055s에 비하여 생산량이 다시 증가하는 것으로 나타났다. 김제의 생산량은 7.
RCP8.5 시나리오에 대하여 이천의 경우 기준년도, 2025s, 2055s, 2085s의 증산량은 각각 523 mm, 470 mm, 438 mm, 415 mm로 2085s는 기준년도에 비하여 20.7 %가 감소하는 것으로 나타났다. 김제의 논벼 증산량은 609 mm, 561 mm, 516 mm, 480 mm로 2085s는 기준년도에 비하여 21.
기후변화 영향평가결과 증산량은 RCP 시나리오에 따른 이산화탄소 농도 증가와 기온상승에 따른 생육기간 단축으로 인해 15.6~21.7 %가 감소하는 것으로 예측되었으며 증발량의 경우 기온상승에 따라 0.0~24.2 %가 증가하는 것으로 나타났다. 증발산량은 10.
7 %가 감소하는 것으로 나타났다. 김제의 논벼 증산량은 609 mm, 561 mm, 516 mm, 480 mm로 2085s는 기준년도에 비하여 21.2 %가감소하는 것으로 나타났다.
논벼 생산량에 대하여 기후 민감도를 분석한 결과 기온상승은 논벼 생산량에 부정적인 영향을 주는 것으로 나타났으나 이산화탄소 농도의 증가는 논벼 생산량을 높이는 것으로 나타났다 (Fig. 5(d)).
증산량의 경우 이산화탄소 농도와 기온상승이 모두 영향을 주는 것으로 나타났으나 기온상승의 영향이 큰것으로 분석되엇다. 논벼 생산량에 대하여 기후 민감도를 분석한 결과 기온상승은 논벼 생산량에 부정적인 영향을 주는 것으로 나타났으나 이산화탄소의 증가는 논벼 생산량을 높이는 것으로 나타났다.
12) 영농 후기에 차단효과를 감소시킨다 (식 (11)). 또한 RCP4.5 시나리오에 비하여 온도 증가가 증발량에 미치는 영향이 커 결과적으로 온도상승이 증발량 증가에 영향을 준 것으로 판단된다.
모델의 민감도 분석결과 이산화탄소 농도 증가가 증발량에 미치는 영향은 미미하였으며 기온증가의 영향이 큰 것으로 나타났다. 증산량의 경우 이산화탄소 농도와 기온상승이 모두 영향을 주는 것으로 나타났으나 기온상승의 영향이 큰것으로 분석되엇다.
본 연구에서 APEX-Paddy 모델에 기후변화 시나리오를 적용한 결과 증발산량이 감소하는 결과가 도출되었다. 한편, Allen et al.
(1998)은 대기중 이산화 탄소의 증가가 작물의 증발산량을 줄이기 때문에 쌀 생산에 긍정적인 영향을 미친다고 보고하였다. 본 연구에서도 RCP8.5 시나리오의 높은 이산화탄소 농도변화가가 작물 증산량 감소에 영향을 미친 것으로 판단된다. 특히, 기온상승에 따른 생육기간 단축이 증산량 감소에 큰 영향을 준 것으로 판단된다.
3 %가 감소하는 것으로 예측되었다. 생산량은 대기중 이산화탄소의 증가가 복사에너지 사용효율에 긍정적인 영향을 주는 것으로 나타났으나 기온상승에 따른 생육기간 단축과 기온스트레스에 의한 Biomass 축적량 감소의 영향이 커, 생산량이 6.0~25.0 % 감소하는 것으로 나타났다.
원인은 첫째, 모델이 고온피해와 냉해, 수분수트레스, 양분스트레스를 주로 반영하나 저수지 물 부족에 의한 가뭄을 모의할 수 없으며 둘째, 모델이 태풍, 병충해 등의 재해를 반영하지 못하기 때문이다. 셋째, 모델은 모의기간인 20년 동안 논벼 품종 변화와 재배관리의 변화를 모두 고려하지 못한다. 또한 비교대상 자료가 실험조건을 통제하는 측정자료가 아닌 국가통계자료이기 때문에 추정에 한계가 있는 것으로 판단된다.
이산화탄소 농도를 고정하고, 5 °C의 기온상 승만을 고려할 경우 증발산량은 15.6 mm가 감소하나 이산화 탄소 농도 상승을 고려한다면 32.5 mm가 감소하는 것으로 나타났다.
이산화탄소농도 400 ppm에서 기온이 0~5 °C 변화하는 동안 증발량은 222.3 mm에서 271.8 mm로 49.5 mm가 증가하였으며 기온을 고정하였을 때 이산화탄소농도가 300 ppm~900 ppm으로 변화하는 동안 증발량은 222.9 mm에서 221.6 mm로 1.3 mm가 감소하는 것으로 나타났다.
이천과 김제의 연도별 생산량 통계자료와 모의결과를 비교한 결과 (Fig. 3) R2는 각각 0.50, 0.28로 낮은 값을 보였고, RMSE는 각각 0.32, 0.47로 시군 생산량 통계자료의 표준편차인 0.33, 0.40과 비교할 때 다소 높은 것으로 나타났다 (Table 5). 따라서 APEX-Paddy 모델이 연간 생산량 변화를 정확하게 모의하지 못하는 것으로 판단된다.
6). 이천의 경우 증발 산량이 기준년대에 비해 2085s가 RCP4.5 시나리오는 11.0 %, RCP8.5 시나리오는 10.5 % 감소하는 것으로 예측되었으며 김제의 경우 RCP4.5 시나리오는 15.3 %, RCP8.5 시나리오는 16.3 % 감소하는 것으로 나타났다.
증발량의 경우 이산화탄소 농도 변화가 미치는 영향이 미미 하였으며 기온상승에 따라 증발량이 증가하는 경향이 나타났다 (Fig.
증산량의 경우 기온상승과 이산화탄소 농도의 증가 모두가 증산량 감소에 영향을 주는 것으로 나타났다 (Fig. 5(b)).
증산량의 변화는 두 지역 모두 RCP4.5 시나리오와 RCP8.5시나리오에 대하여 뚜렷한 감소세를 보이는 것으로 나타났다(Fig. 8). RCP4.
후속연구
, 2015). 따라서 미래 식량 생산량 변화 대응과 농업수자원 계획 수립을 위하여 기후변화에 따른 농업생산성 및 소비수량 변화에 관한 연구가 필요하다.
한편 본 연구는 일사량, 상대습도, 풍속데이터가 누락된 기상청 기후변화시나리오 만을 사용하였다. 따라서 최고・최저 기온, 강수량만을 사용한 추정결과의 신뢰도가 떨어지고, 기후변화시나리오에 대한 불확실성의 범위를 판별할 수 없다는 한계가 있다. 따라서 향후 다양한 기후변화시나리오에 대한 모델 재현성 평가와 모든 기후요소를 적용한 평가가 필요할 것으로 판단된다.
따라서 최고・최저 기온, 강수량만을 사용한 추정결과의 신뢰도가 떨어지고, 기후변화시나리오에 대한 불확실성의 범위를 판별할 수 없다는 한계가 있다. 따라서 향후 다양한 기후변화시나리오에 대한 모델 재현성 평가와 모든 기후요소를 적용한 평가가 필요할 것으로 판단된다. 또한 기후변화시나리오에 대한 불확실성 평가가 이루어져야 할 것이다.
모델의 특성에 따라 예측결과가 달라지며 같은 모델을 사용하더라도 어떠한 자료를 사용하였는지, 어떠한 인자가 고려되었는지에 따라 결과가 달라진다. 따라서, 멀티모델 앙상블을 위해서는 평가모형을 다양화할 필요가 있으며 이에 앞서 개별 모형에 대한 특성을 이해하고 기후변화 시나리오 적용 결과를 평가할 필요가 있다.
따라서 향후 다양한 기후변화시나리오에 대한 모델 재현성 평가와 모든 기후요소를 적용한 평가가 필요할 것으로 판단된다. 또한 기후변화시나리오에 대한 불확실성 평가가 이루어져야 할 것이다.
향후 APEX-Paddy 모델은 기후변화를 고려한 물 관리 계획과 논벼 생산성의 취약성평가를 위한 도구로 활용될 수 있을 것으로 판단된다. 또한, APEX-Paddy 모델을 이용하면 기후변화 적응 대책으로서의 재배시기 변화, 품종 변화 등에 따른 효과와 논 소비수량 및 필요수량 분석 등 다양한 분석이 가능할 것을 판단된다.
대기중 이산화탄소 증가와 기온상승이 농업생산성 및 소비수량에 미치는 영향에 대한 많은 실험연구와 모델연구가 수행 되어왔다. 실험을 통한 연구는 통제된 조건에서의 환경인자들의 영향을 볼 수 있다는 장점이 있으나 환경 설정을 위해 많은 비용과 시간이 소요되어 다양한 환경조건에 대한 분석이 불가능하다는 한계를 지닌다. 따라서 CROPGRO-Soybean (콩), CERES-Barley (보리), ORYZA (벼) 등 다양한 작물생육 모형을 이용한 연구가 수행되었다 (Stooksbury, 2003; Vaghefi et al.
본 연구는 논 재배환경을 대상으로 대기 중 이산화탄소 농도 변화와 기온 상승을 고려하여 논벼의 증발산량과 생산 량의 변화를 분석하였다는 측면에서 의의를 갖는다. 향후 APEX-Paddy 모델은 기후변화를 고려한 물 관리 계획과 논벼 생산성의 취약성평가를 위한 도구로 활용될 수 있을 것으로 판단된다. 또한, APEX-Paddy 모델을 이용하면 기후변화 적응 대책으로서의 재배시기 변화, 품종 변화 등에 따른 효과와 논 소비수량 및 필요수량 분석 등 다양한 분석이 가능할 것을 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
대기 중 이산화탄소 농도의 증가는 어떠한 영향을 주는가?
산업혁명 이후 화석연료 사용에 따른 대기중 이산화탄소의 증가는 기후시스템의 복사강제력을 높이는 주요 원인인 것으로 나타났으며 이로인한 전지구적 기온상승은 인간계와 자연계에 광범위하게 영향을 주고 있다 (IPCC, 2014). 대기중 이산화탄소 농도의 증가에 의한 기온상승, 강수량 및 강수 특성의 변화는 농업생산성과 농경지 증발산량 변화에 따른 수문순환 변화에 영향을 줄 것으로 예상된다 (Kim et al., 2004; Chung, 2010; Lee et al.
화석연료 사용은 지구에 어떠한 영향을 주는가?
산업혁명 이후 화석연료 사용에 따른 대기중 이산화탄소의 증가는 기후시스템의 복사강제력을 높이는 주요 원인인 것으로 나타났으며 이로인한 전지구적 기온상승은 인간계와 자연계에 광범위하게 영향을 주고 있다 (IPCC, 2014). 대기중 이산화탄소 농도의 증가에 의한 기온상승, 강수량 및 강수 특성의 변화는 농업생산성과 농경지 증발산량 변화에 따른 수문순환 변화에 영향을 줄 것으로 예상된다 (Kim et al.
미래 식량 생산량 변화 대응과 농업수자원 계획 수립이 필요한 이유는?
산업혁명 이후 화석연료 사용에 따른 대기중 이산화탄소의 증가는 기후시스템의 복사강제력을 높이는 주요 원인인 것으로 나타났으며 이로인한 전지구적 기온상승은 인간계와 자연계에 광범위하게 영향을 주고 있다 (IPCC, 2014). 대기중 이산화탄소 농도의 증가에 의한 기온상승, 강수량 및 강수 특성의 변화는 농업생산성과 농경지 증발산량 변화에 따른 수문순환 변화에 영향을 줄 것으로 예상된다 (Kim et al., 2004; Chung, 2010; Lee et al.
참고문헌 (36)
Allen, L. H., D. Pan, K. J. Boote, N. B. Pickering, and J. W. Jones, 2003. Carbon dioxide and temperature effects on evapotranspiration and water use efficiency of soybean. Agronomy Journal 95(4): 1071-1081.
Baier, W. and G. W. Robertson, 1965. Estimation of latent evaporation from simple weather observations. Canadian Journal of Plant Science 45(3): 276-284.
Chung, S.O., 2010. Simulating Evapotranspiration and Yield Response of Rice to Climate Change using FAO-AquaCrop. Journal of the Korean Society of Agricultural Engineers 52(3): 57-64 (in Korean).
Hargreaves, G. H. and Z. A. Samani, 1985. Reference crop evapotranspiration from temperature. American Society of Agricultural Engineers 1(2):96-99.
IPCC, 2014. Climate Change 2014: Synthesis Report. Contribution of Working Groups I, II and III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. IPCC, Geneva, Switzerland.
Jang, S. S., S. R. Ahn, H. K. Joh, and S. J. Kim, 2015. Assessment of climate change impact on Imha-dam watershed hydrologic cycle under RCP scenarios. Journal of the Korean Association of Geographic Information Studies 18(1): 156-169 (in Korean).
Jones, C. A. and J. R. Kiniry, 1986. CERES-Maize: a simulation model of maize growth and development. Texas A&M Univirsity Press, Collage Station, Texax, USA.
Jones, R. J. and T. A. Mansfield. 1970. Increases in the diffusion resistances of leaves in a carbon dioxide-enriched atmosphere. J. Expt. Bot. 21: 951-958.
Kim D. J., J. H. Roh, and J. I. Yun, 2013a. Grain yield response of CERES-Barley adjusted for domestic cultivars to the simultaneous changes in temperature, precipitation, and CO2 concentration. Korean Society of Agricultural and Forest Meteorology 15(4): 312-319 (in Korean).
Kim, M. K., M. S. Han, D. H. Jang, S. G. Baek, W. S. Lee, Y. H. Kim, and S. Kim, 2012. Production technique of Observation grid data of 1km resolution. Journal of Climate 7(1): 55-68.
Kim, M. K., D. H. Lee, and J. U. Kim, 2013b. Production and validation of daily grid data with 1km resolution in South Korea. Journal of Climate 8(1): 13-25.
Kim, W. T., D. R. Lee, and C. Yoo, 2004. Effects of climate change on the streamflow for the daechung dam watershed. Journal of Korean Water Resources Association 37(4): 305-314 (in Korean).
Lai, M., K. K. Singh, L. S. Rathore, G. Srinivasan, S. A. Saseendran, 1998. Vulnerability of rice and wheat yield in NW India to future changes in climate. Agricultural and Forest Meteorology 89: 101-114.
Lee, T. S., J. Y. Choi, S. H. Yoo, S. H. Lee, and Y. G. Oh, 2012. Analyzing consumptive use of water and yields of paddy rice by climate change. Journal of the Korean Society of Agricultural Engineers 54(1): 47-54 (in Korean).
Matthews, R. B., M. J. Kropff, T. Horie, and D. Bachelet, 1997. Simulation the impact of climate change on rice production in Asia and evaluating options for adaptation. Agricultural Systems 54(3): 399-425.
Miyazaki, N., K. Kamewada, and S. Iwasaki, 2005. Quality changes of agricultural water passing through paddy fields. Bulletin of the Tochigi Prefectural Agricultural Experiment Station 55, 45-55.
Monteith, J. L., 1964. Evaporation and environment. Symposia of the society for experimental biology 19: 205-234.
Monteith, J. L. and C. J. Moss, 1977. Climate and the efficiency of crop production in Britain [and discussion]. Philosophical Transactions of the Royal Society of London B: Biological Sciences 281(980): 277-294.
National Institute of Agricultural Sciences, Http://soil.rda.go.kr. Accessed 7 Jun. 2016.
Neitsch, S. L., J. G. Arnold, J. R. Kiniry, and J. R. Williams, 2011. Soil and water assessment tool theoretical documentation version 2009. Texas Water Resources Institute.
Penman, H. L., 1948. Natural evaporation from open, bare soil and grass. Proceedings of the Royal Society of London A: Mathematical, Physical and Engineering Sciences 193(1032): 120-145.
Priestley, C. H. B. and R. J. Taylor, 1972. On the assessment of surface heat flux and evaporation using large-scale parameters. Monthly weather review 100(2): 81-92.
Ruane, A. C., N. I. Hudson, S. Asseng, D. Camarrano, F. Ewert, P. Martre, and B. Basso, 2016. Multi-wheat-model ensemble responses to interannual climate variability. Environmental Modelling & Software 81: 86-101.
Rural Development Administrator, 2009. 2008 crop test report. 33-34.
Sharpley, A. N. and J. R. Williams, 1990. EPIC, Erosion/productivity impact calculator, I. Model documentation. Technical Bulletin - United States Department of Agriculture 1768.
Shim, K. M., K. A. Roh, K. H. So, G. Y. Kim, H. C. Jeong, and D. B. Lee, 2010. Assessing impacts of global warming on rice growth and production in Korea. Journal of Climate Change Research 1(2): 121-131 (in Korean).
Statistics Korea, Http://kosis.kr. Accessed 11 May 2016.
Steglich, E. M. and J. W. Williams, 2013. Agricultural Policy/Environmental Extender Model User's Manual Version 0806. BREC Report.
Stockle, C. O., J. R. Williams, N. J. Rosenberg, and C. A. Jones, 1992. A method for estimating the direct and climatic effects of rising atmospheric carbon dioxide on growth and yield of crops: Part I - Modification of the EPIC model for climate change analysis. Agricultural Systems 38(3): 225-238.
Vaghefi, N., M. N. Shamsudin, A. Makmom, and M. Bagheri, 2011. The economic impacts of climate change on the rice production in Malaysia. International Journal of Agricultural Research 6(1): 67-74.
Williams, J. R. and R. C. Izaurralde, 2006. The APEX model. Watershed models 437-482.
Williams, J. R., R. C. Izaurralde, and E. M. Steglich, 2012. Agricultural policy/environmental extender model theoretical documentation version 0806. Texas A&M Blackland Research Center Temple.
Williams, J. R., C. A. Jones, and P. Dyke, 1984. A modeling approach to determining the relationship between erosion and soil productivity. Transactions of the ASAE 27(1): 129-144.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.