초록 ▼

Ⅳ. 연구개발결과
1. 미래 농업 생산성 및 농업 환경 변동 예측에 대한 국내 문헌 및 연구 보고서 분석
● 식량작물의 경우, 벼를 중심으로 기후변화에 따른 생산성 변동 및 기후변화 대응 재배관리를 위한 기초연구가 주로 진행되었으나 벼 이외의 작물에 대한 연구는 기상조건에 따른 생리적 및 생태적 변화에 대한 연구조차 미흡한 실정임.
● 주요 원예작물에 대한 연구는 포도와 사과 등의 과수를 중심으로 개화 및 품질을 예측하기 위한 모형 개발에 많은 연구가 이루어져 왔으나 기후변화 조건에서 노지 채소의 생산성 예측 및 재

Ⅳ. 연구개발결과
1. 미래 농업 생산성 및 농업 환경 변동 예측에 대한 국내 문헌 및 연구 보고서 분석
● 식량작물의 경우, 벼를 중심으로 기후변화에 따른 생산성 변동 및 기후변화 대응 재배관리를 위한 기초연구가 주로 진행되었으나 벼 이외의 작물에 대한 연구는 기상조건에 따른 생리적 및 생태적 변화에 대한 연구조차 미흡한 실정임.
● 주요 원예작물에 대한 연구는 포도와 사과 등의 과수를 중심으로 개화 및 품질을 예측하기 위한 모형 개발에 많은 연구가 이루어져 왔으나 기후변화 조건에서 노지 채소의 생산성 예측 및 재배적지 예측을 위한 연구는 미흡한 실정이었음.
● 주요해충에 대한 연구는 온도발육모형이나 계절발생모형의 개발에 집중되어 왔으며, 일부 종을 제외하면 개체군 변동을 이해하기 위해 필요한 산란모형, 발육 모형, 공간적 분포 예측 모형, 발생가능성 예측 모형 등의 개발은 미흡한 실정임.
● 기후변화와 관련한 농생물(천적, 양봉, 화분 매개곤충, 논수서생물 및 토양생물)의 경우 국내의 연구는 사례를 찾기 어려울 정도로 부족한 실정임.
● 기후변화 조건에서 여름철의 고온조건이 발생할 경우 가축들의 고온 스트레스로 인해 생산성이 감소될 것으로 예상되나 정량적인 연구결과는 미흡하였음.
● 기후변화에 따른 농업환경의 변동에 대한 연구는 치수, 이수, 토양유실, 토양비옥도 및 수질 등의 분야에서 연구가 수행되었으나 농업 생산성과 농업 생태계를 연계한 연구는 미흡한 실정임.
● 시설재배에서는 농자재와 환경제어 시스템에 따른 에너지의 효율성 증대방안, 소각장과 발전소 폐열을 이용하는 온실가스 감축 관련 연구가 진행되었으나 기후변화에 따른 시설 내 미기상의 변화 및 자재 사용에 따른 피해감소 관련 연구들은 미미하였음.
● 기존의 연구결과들은 대체로 10년 내지 평년 단위의 평균적인 변화에 대한 시계열적 추이를 분석하는데 그치고 있어, 기후적 극치조건에서의 변화를 파악하기 위한 연구가 필요할 것으로 분석되었음.
2. 농업 환경 및 작물 생산성 변동 예측에 필요한 기존 자료 및 모형 비교 분석
● 시공간을 기준으로 기후변화 영향평가를 위한 모형들을 분류하기 위해 다음과 같은 체계를 활용할 수 있을 것으로 분석되었음.
· 1단계 (Level 1): 월별 자료와 기후 적합도 평가 모형을 활용한 공간적 예측
· 2단계 (Level 2): 일별 자료와 개별 분야별 모형을 이용한 지점별 예측
· 3단계 (Level 3): 일별 자료와 개별 분야별 모형을 이용한 공간적 예측
· 4단계 (Level 4): 3단계의 분야별 예측자료의 지역 및 국가 단위 통합예측
· 0단계 (Level 0): 전망 위주의 통계모형을 활용한 예측
● 주요 식량작물을 대상으로 DSSAT, APSIM, ORYZA 2000, 및 WOFOST 모형 등 Level 2 수준의 모형들이 사용되었음. 또한, 모형들의 모수를 추정하기 위해 Simplex 알고리즘이 사용되고 있음. 주요 과수와 채소를 대상으로 하는 모형들은 Level 2 수준의 모형은 거의 사용되지 못하고 있었으며 대체적으로 Level 0 내지 Level 1 수준의 모형이 사용되었음.
● 가축생산성을 평가하기 위한 모형들 역시, 온습도 지수(Temperature Humdity Index; THI)를 활용하는 Level 2 수준의 모형이 주로 개발되었음.
● 병해충과 주요 농생물의 개체군을 예측하기 위한 모형들은 Level 0 수준의 모형들이 개발되었으나 최근 개체단위모형 (Individual Based Model; IBM)의 개발 및 활용이 증가하는 추세에 있었음.
● 주요 농생물의 발생 최적지를 예측하기 위해 해외에서는 BIOCLIM, GARP, MaxEnt, Climex 등 여러 공간분포 모형들이 주로 사용되었으나, 국내의 적용 사례는 미미하였음. 또한, 해외에서는 종다양성 연구를 위한 GBIF와 같은 종 분포 DB가 구축되어 있음.
● 농업환경 변화를 예측하기 위한 수자원 및 토양관련 모형들은 SWAT, WASP, QUAL2K와 같은 Level 2 수준의 모형들이 널리 사용되고 있었음.
● 토양 비옥도 및 토양 환경을 예측하기 위해 DNDC, DAYCENT 와 같은 Level 2 수준의 모형이 개발되어 활용되고 있음.
● Level 1 수준의 모형을 활용하여 얻어진 피의 최적 분포 가능지역과 벼멸구의 월동가능지역 예측 결과들이 제시되었음.
3. 농업 환경 및 생산 모형과 농업부문 경제 모형의 통합 활용 전략 수립
● FASOM, FASOMGHG, REAP과 같은 농업부문 모형의 구조와 장단점을 분석하였음.
● 국내 농업 환경과 정책 환경을 반영한 농업부문 경제모델을 구축하기 위해 실제 관측되는 자료를 완전히 복원하는 실증적 수리계획법(PMP, Positive Mathematical Programming)이 필요하며, 이를 적용하기 위한 모형 구축 방안과 자료 반영 방안을 수립하였음.
● 모형 구축에 필요한 자료원 확보 방안이 제시되었음.
● 농업 환경 및 생산 모형과 농업부문 경제 모형을 연계하기 위해 온톨로지에 기반한 생산성 예측 모형들을 주요 모듈로 구성하고 이들을 연계할 수 있는 플랫폼이 제시되었음.
● 통합적인 플랫폼의 인터페이스 모듈을 통해 농업 생태계 내에서 에너지 흐름과 물질 순환을 모의하기 위한 개별 모듈이 연계되고 격자 수준의 물질과 에너지 값이 수계단위에서 모아지며, 이들 값들이 수계 사이에서 교환됨.
● 수계 사이에서의 물질교환의 단위로 통화적 가치가 포함되어 지역간 교역에 따른 경제효과가 모의 될 수 있음.
4. 농업부문의 기후변화 선제적 대응 및 적응 대책 기술개발을 위한 과제제안서
● 농업부문의 선제적 기후변화 대응 및 적응을 위해 핵심기술 및 요소기술들이 후보로 선정되었음. 이들 기술들로는 농업생태계 감시체계, 농산물 생산성 모형과 농업생태계 모형의 연계기술, 기후변화 대응 농작물 생산 최적화 모의기술, 농업 생산성 평가를 위한 원격탐사 기술 등이 선정되었음.
● 농촌진흥청에서 도출한 기후변화 대응 농업기술 개발 2단계 (2014~2023년) 중장기 계획에서 제시된 개별 분야별 기술 개발을 지양하고, 이들 기술 간의 통합을 통해 복잡한 농업 생태계의 변화와 이에 따른 피해양상을 예측하기 위한 기술 개발을 중심으로 과제가 제안되었음.
● 농업 부문의 기후변화 적응을 위한 통합모형의 개발과 활용을 지원하는 기술개발 전략을 수립하였음. 농업생산 적응 전략을 도출하기 위한 6개의 주요 과제와 도출된 적응 전략의 경제적인 평가를 위한 1개의 지원과제로 다음과 같이 구성됨.
· 기후변화 적응을 위한 노지채소의 피해예측 기술 개발
· 기후변화에 따른 병해충 위험도 시나리오 개발
· 기후변화 적응을 위한 모형기반 시설관리 기술 개발
· 농업생태계 물질순환 분석을 통한 기후변화 피해예측 및 대응전략 수립
· 지속가능한 기후변화 적응을 위한 과수 재배적지 분석
· 기후변화 적응을 위한 모형기반 작물 생산체계 분석
· 기후변화 적응 농업 생산체계 분석
● 개별 과제들은 연구개발의 우선순위에 따라 각각의 주요과제와 지원과제 내에서 구성되었음. 다음 그림은 21세기 중반에 기후변화에 대한 농업 생산 적응 전략 개발을 위해 기술적인 문제를 해결함으로써 궁극적인 목적을 달성할 수 있도록 구성된 연구과제들을 나타냄.

Abstract ▼

IV. Results
Section 1. Analysis of domestic literatures on projection of agricultural productivity and environment in the future
● For food crops, studies on variability of productivity and management options under climate change conditions have been focused mostly on rice. Still, studies on p

IV. Results
Section 1. Analysis of domestic literatures on projection of agricultural productivity and environment in the future
● For food crops, studies on variability of productivity and management options under climate change conditions have been focused mostly on rice. Still, studies on physiological or ecological changes of other food crops under climate conditions are lacking.
● Studies on major horticultural crops were focused on application of models to predict phenology and quality of fruit trees including grapes and apples. For field vegetable crops, few studies have been conducted to predict productivity and suitable cultivation areas under climate change.
● Studies on major pests were focused on development of temperature-growth models and phenological occurrence models. Except for small number of species, Models for understanding variability of pest population, which include hatch models, development rate model, spatial distribution model, and occurrence probability prediction model, were rarely developed.
● Agricultural organisms including predators, bees, pollinators, aquatic organisms in paddy fields, and soil organisms were rarely studied In Korea.
● It has been projected that livestock productivity would decrease due to -xiiiheat stress caused by high temperature conditions during summer under climate change. Still, more studies would be merited to obtain quantitative results.
● Changes in agricultural environment under climate change have been studied in terms of flood control, water use, soil erosion, soil fertility, and water quality. Still, there were little efforts to integrate models of agricultural production and agricultural ecosystems.
● In greenhouse cultivation, studies have been conducted to improve energy use efficiency by agricultural materials and environment control systems, and to reduce greenhouse gas emission using heat recovery technology from incineration plants and power plants. Still, changes in microclimate under climate change and mitigation of loss depending on materials in greenhouses were studied occasionally.
● In most of studies, time series of average changes in decadal or normal periods were analyzed, which merits studies for analysis of changes under extreme climatic conditions.
Section 2. Comparison of data and models needed for projection of agricultural productivity and environment
● To classify models available for the impact assessment of climate change, classification criteria were designed by spatial and temporal scale as follows:
· Level 1: Spatial prediction using models to evaluate climate suitability with monthly data
· Level 2: Site specific prediction using models for individual sector with daily data.
· Level 3. Spatial prediction using models for individual sector with daily data
· Level 4: Integrated prediction at regional and national scale combining outputs from models at Level 3 in different sectors.
· Level 0: prediction model using statistical approach usually focused on projection
● Models at level 2 including DSSAT, APSIM, ORYZA 2000, WOFOST, and other models have been used to predict productivity of major food crops. Simplex algorithm has also been used to calibrate parameters for models. Only small number of models developed for major fruit trees and vegetables were at level 2. In general, models at Levels 0 and 1 have been widely used.
● Models for assessment of livestock productivity have been developed mostly at level 2 using Temperature Humidity Index (THI).
● Models at level 0 have been developed to predict population dynamics of pests and diseases, and major agricultural organisms. Still, development and application of individual based model (IBM) have been increasing recently.
● Although spatial distribution models including BIOCLIM, GARP, MaxEnt, and CLIMEX have been widely used in other countries, few studies have been conducted to predict the potential occurrence areas of major agricultural organisms using these models in Korea. In addition, databases for biodiversity studies, e.g., GBIF, have been constructed in other countries.
● Models at level 2, which include SWAT, WASP, and QUAL2K have been used widely to predict the changes in agricultural environment for water resources and soil.
● Models at level 2 including DNDC and DAYCENT have been developed and used to predict soil fertility and soil environment.
● Using models at Level 1, potential occurrence areas of barnyard grass and probable overwintering areas of brown plant hopper were predicted.
Section 3. Development of strategies to develop an integrated approach using agricultural sector models and models for agricultural environment and production
● Structure of agricultural sector models including FASOM, FASOMGHG, and REAP, and advantages and disadvantages of these models were analyzed.
● Approaches were devised for construction of models and assimilation of data to apply positive mathematical programming (PMP), which restores actual observation data for construction of agricultural sector models taking into account domestic environments associated with agricultural production and policy making.
● Additional approaches were proposed to obtain data required for those -xvmodel development.
● A platform such that productivity prediction models based on ontology are used as its modules and interactions between models were facilitated relating agricultural environment and production models, and agricultural sector models was proposed.
● The integrated platform is used to connect individual modules that simulate energy flows and matter cycles in agricultural ecosystems, to amass energy and matter simulated at each grid cell by water shed, and to exchange pooled matter between water sheds.
● In the event of matter exchange between watersheds, monetary values are used as a unit to simulate economic effect on trade between regions.
Section 4. Request for proposals to develop models with unmet needs and technologies for adaptation measures by individual sector
● For preemptive response and adaptation to climate change in agricultural sectors, core and element technology were chosen for further review. Those selected ones include agricultural ecosystem monitoring technologies, interface technologies between agricultural productivity models and agricultural ecosystem models, simulation technologies for optimization of agricultural production, remote sensing technologies for assessment of agricultural productivity.
● Technologies listed in the second phase midterm plan for agricultural technology development in response to climate change (2014~2023) by Rural Development Administration had lower priority. Instead, higher priority was given to research and development of technologies for prediction of losses in agricultural production following prediction of changes in complex agricultural ecosystem through integration of those technologies in individual sectors.
● Technology development strategies that support development and application of an integrated system to support climate change adaptation in agricultural sectors was identified. As a result, six main thrusts for identification of adaptation strategies in agricultural production along with another thrust for economical assessment of these strategies were selected as follows:
· Development of technologies to predict loss of field vegetable crops for identification of adaptation measures under climate change Development of risk scenarios for pests and diseases under climate change
· Development of technologies for agricultural facility managements for climate change adaptation based on models
· Prediction of losses under climate change and establishment of response strategy through analysis of biogeochemical cycles in agricultural ecosystems
· Analysis of suitable cultivation areas for fruit trees for sustainable climate change adaptation
· Analysis of crop production system based on models for climate change adaptation
· Analysis of agricultural production system for climate change adaptation
● individual projects are organized within each research thrust by research and development priority. The figures on the next page shows how these research thrusts and priorities are aligned to achieve the goals by addressing technical challenges in order to develop adaptation strategies in agricultural production under climate change in the middle of 21stcentury.