[논문]물-에너지-식량 넥서스 분석을 위한 시설재배지의 기준작물증발산량과 난방 에너지 부하 관계 분석

김귀훈; 윤푸른; 이윤희; 이상현; 허승오; 최진용

doi:10.5389/ksae.2019.61.4.023

물-에너지-식량 넥서스 분석을 위한 시설재배지의 기준작물증발산량과 난방 에너지 부하 관계 분석
Relationship Analysis of Reference Evapotranspiration and Heating Load for Water-Energy-Food Nexus in Greenhouse 원문보기

한국농공학회논문집 = Journal of the Korean Society of Agricultural Engineers, v.61 no.4, 2019년, pp.23 - 32

김귀훈 (Department of Rural Systems Engineering, Seoul National University) , 윤푸른 (Department of Rural Systems Engineering, Seoul National University) , 이윤희 (Department of Rural Systems Engineering, Seoul National University) , 이상현 (Research Institute for Humanity and Nature) , 허승오 (Division of Climate Change and Agroecology, Department of Agricultural Environment, National Institute of Agricultural Sciences (NAS), Rural Development Administration (RDA)) , 최진용 (Department of Rural Systems Engineering, Research Institute of Agriculture and Life Sciences, Institute of Green Bio Science and Technology, Seoul National University)

Abstract ▼ AI-Helper

Increasing crop production with the same amount of resources is essential for enhancing the economy in agriculture. The first prerequisite is to understand relationships between the resources. The concept of WEF (Water-Energy-Food) nexus analysis was first introduced in 2011, which helps to interpret inter-linkages among the resources and stakeholders. The objective of this study was to analyze energy-water nexus in greenhouse cultivation by estimating reference evapotranspiration and heating load. For the estimation, this study used the physical model to simulate the inside temperature of the agricultural greenhouse using heating, solar radiation, ventilated and transferred heat losses as input variables. For estimating reference evapotranspiration and heating load, Penman-Monteith equation and seasonal heating load equation with HDH (Heating Degree-Hour) was applied. For calibration and validation of simulated inside temperature, used were hourly data observed from 2011 to 2012 in multi-span greenhouse. Results of the simulation were evaluated using $R^2$, MAE and RMSE, which showed 0.75, 2.22, 3.08 for calibration and 0.71, 2.39, 3.35 for validation respectively. When minimum setting temperature was $12^{\circ}C$ from 2013 to 2017, mean values of evapotranspiration and heating load were 687 mm/year and 2,147 GJ/year. For $18^{\circ}C$, Mean values of evapotranspiration and heating load were 707 mm/year and 5,616 GJ/year. From the estimation, the relationship between water and heat energy was estimated as 1.0~2.6 GJ/ton. Though additional calibrations with different types of greenhouses are necessary, the results of this study imply that they are applicable when evaluating resource relationship in the greenhouse cultivation complex.

주제어

표/그림 (16)

그림 Fig. 1 Diagram of the energy-water-food nexus in greenhouse cultivation
표 Table 1 Comparison of parameter specifications between van Henten (1994) and this study
표 Table 2 Adjust coefficient (kc) depending on the duration of sunshine
그림 Fig. 2 Location map of experimental site and weather stations (Hong et al., 2013)
그림 Fig. 3 Scatter plots of the observed and simulated temperature for calibration in 2011
표 Table 3 Specification of the greenhouse and AWS in the experimental site
표 Table 4 Evaluation results of temperature simulation model calibration (2011) and validation (2012)
그림 Fig. 4 Scatter plots of the observed and simulated temperature for validation in 2012
그림 Fig. 5 Comparison of observed and simulated inside temperature for model calibration in 2011
그림 Fig. 6 Comparison of observed and simulated inside temperature for model validation in 2012
그림 Fig. 7 Sum of reference evapotranspiration and seasonal heat load from 2013 to 2017 depending on the minimum temperature settings (12, 14, 16, 18℃)
그림 Fig. 8 Comparison of yearly reference evapotranspiration on different temperature settings
그림 Fig. 9 Comparison of yearly seasonal heat load on different temperature settings
표 Table 5 Yearly reference evapotranspiration (mm/year) and increment rate on different temperature settings
표 Table 6 Yearly seasonal heat load (GJ/year) and increment rate on different temperature settings
표 Table 7 Average resource demands and resource relationship on different setting temperatures

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구는 시ㆍ도 단위로 시설재배 온실에서 에너지와 물의 관계를 분석하기 위해 기준작물증발산량과 난방 에너지 부하를 산정하였고, 이를 위해 온실의 실내온도를 모의하 였다.
본 연구에서는 van Henten (1994)의 온도 모의 물리모델을 이용하여 종관기상관측소 자료와 온실 제원을 입력 변수로 실내온도를 모의하고 이를 활용하여 에너지-물 넥서스 분석에 사용할 수 있도록 시설재배 온실에서 기준작물증발산량과 난방에너지 부하를 산정하고자 한다.

제안 방법

2. 온실의 실내온도 모의를 위한 물리모델에서 입력변수는 최대난방부하를 바탕으로 산정한 난방율, 수원시 종관 기상관측소에서 시간 단위로 측정된 태양복사, 풍속, 실 외기온 네 가지였고, 태양복사에 의한 열 부하계수 C_rad 를 조정하여 적용하였다.
3. 모델은 R² , MAE, RMSE를 통해 적용성을 평가하였다. 모델의 보정을 위해 2011년 1월 27일부터 2011년 5월 31일까지의 자료를 이용하였고, 검정을 위해 2012년 2월 18일부터 2012년 4월 18일까지의 자료를 이용하였다.
1은 본 연구에서 구성한 물-에너지-식량 넥서스의 모식도이다. 넥서스 요소를 들녘단위에서 농업에 직접 쓰이는 자원과 국가 단위의 활용가능한 자원 총량으로 구분하여 자원의 흐름을 나타내었다. 삼각형 밖에 위치한 물과 에너지는 국가적 단위의 통계자료를 바탕으로 구성되고, 내부에 있는 물, 에너지, 식량 요소는 들녘 단위의 온실로 구성되어 시뮬레이션 기반으로 해석한다.
1의 물-에너지-식량 넥서스에서 물-에너지 관계를 분석하기 위하여 실내 온도를 모의할 수 있는 모형을 이용하여 실내 온도를 산정하였다. 모의한 실내온도를 이용하여 기준작물증발산량을 산정한 후, 실내온도와 외부온도의 차이로부터 시설 내의 난방 에너지 부하를 산정하였다. 이후 산정된 값을 시설재배지에서의 물과 에너지 필요량으로 하여 이들의 관계에 대해 분석하였다.
본 연구에서는 2011~2012년과 온실의 조건이 동일하다고 가정한 후, 2013년부터 2017년까지의 기상자료를 이용하여 온실 내에서 기준작물증발산량의 합과 난방 에너지 부하를 산정하였다. Fig.
본 연구에서는 Fig. 1의 물-에너지-식량 넥서스에서 물-에너지 관계를 분석하기 위하여 실내 온도를 모의할 수 있는 모형을 이용하여 실내 온도를 산정하였다. 모의한 실내온도를 이용하여 기준작물증발산량을 산정한 후, 실내온도와 외부온도의 차이로부터 시설 내의 난방 에너지 부하를 산정하였다.
2010). 본 연구에서는 일별 최대ㆍ최소 기온과 평균기온은 실내온도 모의 값을 이용하였고, 일사량은 실험 온실의 평균 투광율인 46%를 고려하여 수원기상관측소의 일사량 값을 적용하였다 (Hong et al., 2013). 또한, 상대습도는 시설재배지 내부에 위치한 AWS (Automated Weather Station)에서의 측정값 과 Lee et al.
위의 기존 연구들은 구축된 통계자료를 통해 도출된 자원 간 관계식과 사용자가 입력한 시나리오를 바탕으로 지속가능성을 평가하였다. 그러나 이러한 접근 방법은 구축된 통계자료의 지역적 범위를 벗어날 경우 적용이 불가능한 경우가 있고, 사용자가 입력하는 시나리오에 국한된 구조로 인해 기후 변화와 같은 외부 조건을 유연하게 모의하지 못하는 단점이 있다.
2013~2017년 기준작물증발산량 합의 평균은 실내 설정 온도에 따라 2,061~2,121 ton으로 산정되었으며 동일한 조건에서 난방 에너지 부하는 2,147~5,616 GJ로 산정되었다. 이로부터 대상 시설재배지에 대해 실내 설정온도 에 따른 단위 기준작물증발산량당 난방 에너지 부하를 1.0~2.6 GJ/ton으로 산정하였다.
Daher and Mohtar (2015)는 사용자가 정한 시나리오 기반의 플랫폼을 통해 물, 에너지 그리고 식량의 상호 의존성을 분석 하였으며, 카타르의 사례를 통해 적용성을 평가하였다. 이외에도 MENA (Middle East and North Africa) 지역, 터키의 게디즈 지역, 텍사스 지역 등에서 자원 간의 상충 작용을 바탕으로 물-에너지-식량 분석을 하였고, 이를 바탕으로 변화하는 자연ㆍ사회적 조건에 대응하기 위한 방안을 시나리오 기반으로 평가하였다 (Daher et al., 2019; Lee et al., 2019; Degirmencioglu et al., 2019).
모의한 실내온도를 이용하여 기준작물증발산량을 산정한 후, 실내온도와 외부온도의 차이로부터 시설 내의 난방 에너지 부하를 산정하였다. 이후 산정된 값을 시설재배지에서의 물과 에너지 필요량으로 하여 이들의 관계에 대해 분석하였다.

대상 데이터

1. 연구대상지는 경기도 용인시 남사면 진목리에 위치한 4연동 1-2W형 온실이고, 실내온도 모의를 위해 사용한 기상자료는 실험 온실에서 약 23 km 떨어진 수원 ASOS 에서 시간 단위로 측정되었다.
또한 온실 내부온도를 모의함에 있어 필요한 기상자료는 수원 종관기상관측소 (ASOS, Automated Synoptic Observing System) (E 37° 16′ 20″, N 126° 59′ 07″)의 시간별 자료를 이용하였다.
모델은 R² , MAE, RMSE를 통해 적용성을 평가하였다. 모델의 보정을 위해 2011년 1월 27일부터 2011년 5월 31일까지의 자료를 이용하였고, 검정을 위해 2012년 2월 18일부터 2012년 4월 18일까지의 자료를 이용하였다. 모의 결과 보정기간에는 R² , MAE, RMSE 각각 0.
본 연구에서는 경기도 용인시 처인구 남사면 진목리 (E 37° 06′ 04″, N 127° 08′ 08″)에 위치한 이동저수지 주변 시설재배지를 연구 대상 지역으로 선정하였고 그 위치는 Fig. 2와 같다.
본 연구에서는 실험 대상지 내에서 2011년 1월 27일부터 5월 31일까지 측정된 온도자료를 통해 온도 모델을 보정하였고, 2012년 2월 18일부터 4월 18일까지 측정된 자료를 통해 검정하였다. 아래 Table 4는 온도 모델의 보정 및 검정 결과를 나타내었으며, 모델의 성능은 R² (결정계수) MAE (평균 절대 오차), RMSE (평균제곱근 오차)를 이용해 평가하였다.
실험 온실에서는 2011년 오이를, 2012년 토마토를 재배하였으며, 토경으로 작물을 재배하였다. 온실은 1-2W형 4연동에 염화비닐 필름으로 이중 피복되었고, 온실의 가로 길이와 세로 길이는 각각 100 m와 30 m이다.
온실 내부에 설 치된 AWS은 Watchdog사의 제품을 사용하였고 성능은 아래 Table 3과 같으며, 온도의 측정 오차는 ± 0.3℃이다.
실험 온실에서는 2011년 오이를, 2012년 토마토를 재배하였으며, 토경으로 작물을 재배하였다. 온실은 1-2W형 4연동에 염화비닐 필름으로 이중 피복되었고, 온실의 가로 길이와 세로 길이는 각각 100 m와 30 m이다. 동고와 측고는 1-2W형 온실의 표준인 4.

데이터처리

본 연구에서는 실험 대상지 내에서 2011년 1월 27일부터 5월 31일까지 측정된 온도자료를 통해 온도 모델을 보정하였고, 2012년 2월 18일부터 4월 18일까지 측정된 자료를 통해 검정하였다. 아래 Table 4는 온도 모델의 보정 및 검정 결과를 나타내었으며, 모델의 성능은 R² (결정계수) MAE (평균 절대 오차), RMSE (평균제곱근 오차)를 이용해 평가하였다. 보정 결과는 평가지표 순서대로 0.

이론/모형

97의 R²값을 얻었다. 이에 따라 본 연구에서는 기준작물증발산량 모의를 위해서 Penman-Monteith 식을 적용하였다. 아래 식 (6)은 사용된 Penman-Monteith식이다.
실제 온실 내 열역학은 에너지 전달과 물질균형의 조합으로 시시각각 변화한다 (Chen, 2018). 하지만 본 연구에서는 향후 시설재배지역의 자원투입량을 광역단위로 산정하고자 하기 때문에 온실 내 열분포의 편차로 인한 오차가 상대적으로 작을 것으로 예상하여, 시설 내부의 공기는 모두 균질하며 같은 온도를 가지고 있다고 가정한 van Henten (1994)의 식을 사용하였다. 실내 온도 모의 모델은 아래 식 (1)과 같고, 내부의 변인과 외부 기상 그리고 실내 고정된 조건들로 구성된다.

성능/효과

4. 실내온도 모의 결과를 이용하여 온실 내에서 기준작물 증발산량의 합과 기간난방부하를 산정하였고, 최저 설정온도를 12℃로 하였을 경우 2013년~2017년 평균 687 mm/year와 2,147 GJ/year 의 값을 얻었다. 최저 설정온도를 18℃로 하였을 경우 2013년~2017년 평균 707 mm/year 와 5,616 GJ/year의 값을 얻었다.
5. 2013~2017년 기준작물증발산량 합의 평균은 실내 설정 온도에 따라 2,061~2,121 ton으로 산정되었으며 동일한 조건에서 난방 에너지 부하는 2,147~5,616 GJ로 산정되었다. 이로부터 대상 시설재배지에 대해 실내 설정온도 에 따른 단위 기준작물증발산량당 난방 에너지 부하를 1.
9는 연도별 난방 에너지 부하를 최저 설정온도에 따라 비교한 그래프이고, Table 6은 그 값을 나타낸 것으로 매년 1월 1일부터 12월 31일까지 산정한 난방 에너지 부하의 합을 나타낸 표이다. 그래프를 통해 최저 설정온도가 높아질수록 난방 에너지 부하가 증가하는 것을 확인할 수 있으며, 평균적으로는 최저 설정온도 12℃에서 2,147 GJ/year, 18℃에서는 5,616 GJ/year까지 변화하는 것으로 나타났다. 최저 설정온도 가 12℃일 때 난방 에너지 부하의 경우 가장 적은 2014년과 가장 큰 2013년을 비교했을 때 2013년이 약 1.
모델의 보정을 위해 2011년 1월 27일부터 2011년 5월 31일까지의 자료를 이용하였고, 검정을 위해 2012년 2월 18일부터 2012년 4월 18일까지의 자료를 이용하였다. 모의 결과 보정기간에는 R² , MAE, RMSE 각각 0.75, 2.22, 3.08의 값을 얻었고, 검정기간에는 각각 0.71, 2.39, 3.35 의 값을 얻었다.
아래 Table 4는 온도 모델의 보정 및 검정 결과를 나타내었으며, 모델의 성능은 R² (결정계수) MAE (평균 절대 오차), RMSE (평균제곱근 오차)를 이용해 평가하였다. 보정 결과는 평가지표 순서대로 0.75, 2.22, 3.08을, 검정 결과는0.71, 2.39, 3.35를 보였다. 이때, 보정 시 내부 설정온도는 최저 14℃, 최대 30℃로, 검정 시는 최저 12℃, 최대 30℃로 설정했고, 이는 온실 실측자료를 기반으로 정하였다.
이때, 보정 시 내부 설정온도는 최저 14℃, 최대 30℃로, 검정 시는 최저 12℃, 최대 30℃로 설정했고, 이는 온실 실측자료를 기반으로 정하였다. 보정 기간 결정 계수가 0.75, 평균제곱근 오차가 3.08로 모델이 실측 값을 모의하는 데에 충분히 적합하였다고 판단하였고, 이로부터 검정을 한 결과 결정계수와 평균 제곱근 오차가 0.71, 3.35로 보정 기간의 평가지표와 큰 차이를 보이지 않았다.
7은 온실 내부 최대 설정온도를 30℃로 고정하고, 최저 설정온도를 12, 14, 16, 18℃로 바꿔가며 산정한 값을 나타내고 있다. 연도별 난방에너지 부하의 경우 최저 설정온도를 높이면 난방에너지 부하가 큰 차이를 보였으며, 연도별 기준작물증발산량의 합은 최저 설정온도의 증가에 따라 소폭 증가하는 것으로 나타났다.
Table 7은 기준작물증발산량으로부터 작물계수를 고려하지 않고 시설 온실의 면적을 곱하여 산정한 총 기준작물증발 산량과 난방 에너지 부하와의 관계를 나타낸다. 최저 설정온 도가 12℃일 때 단위 필요수량 당 소요된 난방 에너지 부하가 1.0 GJ/ton이고, 실내 설정온도가 18℃일 때 소요 난방 에너지 부하는 2.6 GJ/ton의 값을 보였다. 이로부터 최저 설정온도에 따른 총 기준작물증발산량과 난방 에너지 부하의 변화로부터 시설재배지에서 물과 에너지는 서로 상승 (synergy)의 관계를 가지고 있음을 알 수 있으며, 향후 본 실험의 대상지 외에 다른 시설 온실을 대상으로 물과 에너지 사이의 관계를 분석하고 비교하여 해당 조건에서의 농업이 지속가능한 구조인지 평가 해볼 수 있을 것으로 판단된다.
그래프를 통해 최저 설정온도가 높아질수록 난방 에너지 부하가 증가하는 것을 확인할 수 있으며, 평균적으로는 최저 설정온도 12℃에서 2,147 GJ/year, 18℃에서는 5,616 GJ/year까지 변화하는 것으로 나타났다. 최저 설정온도 가 12℃일 때 난방 에너지 부하의 경우 가장 적은 2014년과 가장 큰 2013년을 비교했을 때 2013년이 약 1.4배 정도 더 큰 값을 보였다. 또한 최저 설정온도를 12℃에서 18℃로 높였을 때 2013~2017년 평균 약 2.
8을 통해 살펴보면, 최저 설정온도가 높아 질수록 기준작물증발산량의 합이 전반적으로 증가하는 경향을 확인할 수 있다. 하지만 설정온도에 따른 차이보다 연도에 따른 차이가 더 크게 나타나는 것으로 보아 기준작물증발산량의 합은 설정온도보다 기상에 더 많은 영향을 받는 것으로 분석되었다.

후속연구

본 연구 결과는 시뮬레이션 기반의 에너지-물 넥서스 분석 에서 시설재배지 작물 생산과 에너지 관계 모의에 적용 가능 할 것으로 판단된다. 모델의 검증을 위해 4연동 1-2W 비닐 온실에서의 실측자료만을 이용하였는데, 해당 온실 이외의 다른 종류의 온실에서 자료를 바탕으로 보정이 필요하다.
모델의 검증을 위해 4연동 1-2W 비닐 온실에서의 실측자료만을 이용하였는데, 해당 온실 이외의 다른 종류의 온실에서 자료를 바탕으로 보정이 필요하다. 본 연구 결과는 향후 시설재배단지에서 투입되는 자원 간의 관계를 파악하고 이로부터 정책 평가에 이용이 가능하고, 나아가 농 업 시설재배 단지 조성을 위한 계획에 적용할 수 있을 것으로 판단된다.
6 GJ/ton의 값을 보였다. 이로부터 최저 설정온도에 따른 총 기준작물증발산량과 난방 에너지 부하의 변화로부터 시설재배지에서 물과 에너지는 서로 상승 (synergy)의 관계를 가지고 있음을 알 수 있으며, 향후 본 실험의 대상지 외에 다른 시설 온실을 대상으로 물과 에너지 사이의 관계를 분석하고 비교하여 해당 조건에서의 농업이 지속가능한 구조인지 평가 해볼 수 있을 것으로 판단된다.
그리고 이는 작물의 종류 및 내부 설정 온도, 지역 그리고 재배시기에 따라 상이하다. 이에 기후변화 등 외부 조건 변화에 적절하게 대처하고, 농업 생산에 투입되 는 자원의 생산성을 평가하기 위해서는 지역별 시설재배지의 작물과 시기에 따른 필요수량과 난방 에너지 부하에 대한 분석이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	물-에너지-식량 넥서스란 무엇인가?	물-에너지-식량 넥서스는 각 자원의 상충관계 (trade-off)와 상승관계 (synergy)를 분석하여 자원을 보다 효율적으로 이용하기 위해 등장한 개념이다 (Choi, 2017). 2011년 세계경제포럼 (World Economic Forum)에서 제시되었으며, 2015년 SDGs (Sustainable Development Goals)가 제안된 이후 이를 달성하기 위해 자원 간 관계를 분석하는 연구가 활발히 이뤄져오고 있다.
	온실 내부의 온도를 모의하는 것이 필요한 이유는 무엇인가?	시설재배 농업에서 기준작물증발산량과 난방에너지 부하를 산정하기 위해서는 온실 내부에서 측정된 온도 자료는 중요한 요소인데 (Fernandez et al., 2010; Nam and Shin, 2015), 광역단위의 모든 시설재배지에서 내부 온도를 측정하는 것은 현실적으로 매우 어렵다. 이 때문에 실측할 수 있는 자료를 바탕으로 온실 내부의 온도를 모의하는 것이 필요하다.
	시설재배의 특징은 무엇인가?	2017년 기준 우리나라 경지면적은 162만 1천 ha이고, 논 면적 86만 4천 ha, 밭 면적 75만 6천 ha로 이뤄져 있으며, 이 중 시설재배면적은 논과 밭에 걸쳐 8만 1천 ha에 이른다 (MAFRA, 2018). 시설재배는 외부환경으로부터 내부를 차단하여 습도, 온도, 빛 등의 환경 조건을 작물 생육에 이상적이도록 만들어 주기 때문에 에너지와 물이 많이 들어가는 자원 집약적 농업 형태이다 (Udink ten Cate, 1983). 특히 한국은 농업 면적 대비 인구가 많아 높은 생산성이 요구되고, 큰 연교차와 비교적 추운 겨울을 가진 특성상 많은 물과 에너지가 시설재배지에 투입된다 (Shin and Nam, 2016).

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증