서 론

최근 홍수, 가뭄, 이상고온 등의 기상이변 발생 빈도 증가, 강수 및 온도 패턴의 급격한 변화는 농산물 생산 및 시장 가격의 변화를 가져왔고, 국가 식량안보 차원에서 우려가 되고 있다. 농업 생산성은 기상 변동성과 기후변화의 직접적인 영향을 받으며, 특히 노지 작물의 경우 환경 조건의 불확실성이 작황에 큰 영향을 미친다. Lesk 등(2016)의 연구에 따르면, 1964－2007년 기간 동안 가뭄과 이상고온으로 전 세계 국가별 곡물 생산량이 9－10% 감소한 것으로 나타났다. 이에 많은 연구에서 작황 모니터링의 필요성을 강조하고 있고, 신속하고 객관적인 작황 현황 파악은 농업 정책 수립과 농업 경영 의사결정에 중요한 기반이 된다(Yeo 등, 2016; Tuğaç 등, 2022).

작황 모니터링을 위해 다양한 접근법이 개발되어 왔다. 기상 자료를 활용한 생육 환경 평가, 위성 원격탐사를 통한 식생지수 기반 작황 추정(Lee 등, 2017), 그리고 작물모형을 활용한 생산량 예측은 각각 활발히 연구되어 온 대표적인 방법론이다. 원격탐사 기반 식생지수(NDVI, EVI 등)는 넓은 공간 범위에서 작물 생육 상태를 정량적으로 파악하는 데 유용하다. 데이터기반의 농업기술 개발을 위하여 괴산 노지스마트농업 시범사업단 부지에서 3년간 콩 생육을 원격탐사 기반 정규화 식생지수(NDVI, GNDVI), 단순비 식생지수(RRVI, GRVI) 등을 활용하여 평가한 바 있다(Jang 등, 2021). 드론을 활용한 원격탐사 자료 기반으로 저렴한 비용으로 생산성을 평가하였다(Jang 등, 2024; Na 등, 2021). 위성영상을 활용하여 대규모 지역을 평가한 사례도 다수 보고되고 있다. 우리나라 천리안 위성(GK2A)과 국외 위성을 비교하여 전국단위로 식생을 평가 적용하여(Lee 등, 2022), 2026년 발사예정인 농업위성은 식생 평가에 특화된 위성영상으로 앞으로의 활용이 기대된다. 작물모형(APSIM, DSSAT 등)은 작물의 생리적, 생태적 과정을 기반으로 잠재 수량을 추정할 수 있는 장점이 있다. 겨울밀의 생산성 향상을 위하여 작물모형 기반으로 의사지원서비스를 제안하였다(Kim 등, 2023).

최근 기상 자료와 작물 모형을 결합하거나 기상 자료와 위성영상을 통합하는 하이브리드 모델링 연구가 증가하고 있다. 이러한 결합 접근법은 단일 자료원의 한계를 일부 극복하며 작황 예측 정확도를 향상시키는 성과를 보여왔다. 그러나 기상, 위성영상, 작물모형이라는 세 가지 핵심 요소를 동시에 통합하고 유의미한 결과를 보고할 수 있도록 체계를 구축하여 활용하는 사례는 찾아보기 힘들다. 기상 자료는 작물이 자라는 환경을 설명할 뿐, 실제 작물의 생육 반응을 충분히 반영하지 못한다(Zhao 등, 2019). 위성 기반 식생지수는 기상 조건 및 위성의 시공간적 해상도에 영향을 받아 식생이 무성하게 자라나는 여름철에는 구름 영향으로 분석하기 어려운 경우가 많다(Motohka 등, 2011; Park 등, 2023; Zeng 등, 2021). 작물모형은 입력자료와 매개변수 설정의 불확실성으로 인해 단독으로 활용될 경우 정확도에 한계가 있다(Lamboni 등, 2009; Ran 등, 2022). 이러한 개별 한계들은 상호 보완적 통합을 통해 극복할 수 있다. 예를 들어, 작물모형은 기상 조건을 생육 반응으로 변환할 수 있고, 위성영상은 실제 생육 상태를 관측하여 모형으로 검증할 수 있으며, 기상 자료는 구름으로 인한 위성 관측 공백을 보완할 수 있다. 따라서 기상 자료, 위성영상 및 작물모형 등 세 가지 접근법의 장점을 동시에 통합적으로 활용하여 각 방법의 한계를 상호 보완하고, 작황 현황을 보다 신속하고 정확하게 제공할 수 있는 체계적인 방법론의 필요성이 제기된다.

본 연구는 기상자료, 위성 원격탐사 기반 식생지수, 그리고 작물모형의 결과를 통합하여, 지역 단위 작황 현황을 자동으로 보고하는 서비스 체계를 제안하고자 한다. 제안된 체계는 데이터의 자동 수집, 처리, 분석을 거쳐 정기적인 보고서를 생성함으로써, 기존의 분절적 분석을 넘어선 종합적이고 지속적인 작황 모니터링을 가능하게 한다. 이를 통해 농업 정책입안자 및 영농관계자의 농업 생산 관리, 재해 대응, 정책 수립 등 다양한 수준의 의사결정을 지원할 수 있다.

재료 및 방법

1. 다중출처 데이터 수집 및 분석

본 연구에서는 작황 현황을 종합적으로 파악하기 위하여 기상자료, 위성 원격탐사 자료, 그리고 작물모형 결과를 함께 활용하였다. 이러한 다중출처 데이터는 각각 상호 보완적인 성격을 지니며, 통합적으로 분석할 경우 개별 자료의 한계를 보완하고 보다 신뢰성 있는 결과를 도출할 수 있다.

기상자료는 기상청에서 제공하는 일단위 지상기상관측(Automated Synoptic Observing System, ASOS)자료를 수집하였다. 이를 기반으로 작물 생육환경의 기초자료로 활용할 수 있도록 기술통계 뿐만 아니라, 다양한 환경 지표를 발굴하였다. 주요 변수로는 일평균기온, 최고 및 최저기온, 강수량, 일사량, 상대습도 등을 포함하였으며, 이를 바탕으로 생육기 평균기온, 누적강수량, 고온일수(≥ 33℃), 저온일수(≤ 12℃)와 같은 환경 지표를 산출하였다. 최적 생육 일수(평균기온 20－28℃, 일조시간 4시간 이상, 강수량 50mm 미만), 생육도일(Growing Degree Days(GDD), 기준온도 5℃ 이상에서의 누적 열량)과 같은 지표를 계산하여 작물 생육 적합성을 평가하였다. 이러한 임계값 기반 지표들은 사용자 설정에 따라 재계산하여 시각화 할 수 있도록 하여, 특정 시기와 지역의 기상환경 스트레스 요인을 정량적으로 표현하였다.

위성 원격탐사 자료는 Google Earth Engine(GEE) 플랫폼을 이용하여 수집하였다. GEE는 대용량 위성영상 및 기상자료를 클라우드 환경에서 효율적으로 처리할 수 있는 오픈소스 기반의 지리공간 분석 플랫폼이다. 본 연구에서는 30m 공간해상도와 8일 주기 시간해상도를 갖는 Landsat Collection 2 Tier 1 Level 2 8-Day NDVI Composite, NDWI Composite, EVI Composite 자료를 수집하고 작물의 생육 상태를 시공간적으로 모니터링하는 데 활용하였다. 우선적으로 NDVI (Normalized Difference Vegetation Index)를 적용하였다. NDVI는 근적외선(NIR)과 적색(Red) 파장대의 반사도를 이용하여 계산되며, 값이 높을수록 활발한 광합성과 생육을 의미한다(Running, 1990; Myneni 등, 1995). 이와 함께 NDWI (Normalized Difference Water Index)를 적용하여 작물의 수분 상태를 평가하였다. NDWI는 NIR과 단파적외선(SWIR) 반사도를 활용하여 산출되며, 값이 높을수록 식생 내 수분이 풍부함을 의미한다(Gao, 1996; McFeeters, 1996; Xu, 2006). 이를 통해 가뭄이나 과습 상태와 같은 수분 스트레스를 진단할 수 있다. 또한 NDVI의 포화 문제를 보완하기 위하여 EVI(Enhanced Vegetation Index)를 추가적으로 활용하였다. EVI는 NIR, Red, Blue 파장을 함께 사용하여 대기 산란 및 토양 배경 효과를 보정할 수 있으며, 조밀한 식생 조건에서도 상대적으로 안정된 값을 제공한다(Bolton과 Friedl, 2013; Liang 등, 2004; Matsushita 등, 2007). NDVI, NDWI, EVI를 병행 활용함으로써 작물 생육 활력, 수분 상태, 식생 밀도를 종합적으로 모니터링할 수 있다. 특히 NDVI 시계열 분석을 통해 파종 이후 출현기, 최고생육기, 성숙기 등의 주요 생육 단계를 추적하고, 평년 자료와 비교하여 생육 지연이나 부진과 같은 작황 이상 징후를 탐지할 수 있다. 각 식생지수의 계산식은 다음과 같다.

작물모형으로는 APSIM(Agricultural Production Systems sIMulator)을 활용하였다. APSIM은 기상, 토양, 재배 관리 정보 등을 입력자료로 하여 작물의 생리·생태 과정을 동적으로 모의할 수 있는 과정 기반 모형으로, 광합성, 수분 및 질소 이용 등 생리적 메커니즘을 반영하여 생산량을 추정할 수 있다(Keating 등, 2003). 이러한 특성은 위성 원격탐사 자료만으로는 직접 반영하기 어려운 토양 및 재배 관리 요소를 APSIM을 통해 보완함으로써 보다 신뢰성 있는 생산성 평가가 가능하다(Tan 등, 2024; Wu 등, 2023). 본 연구에서는 APSIM을 이용하여 시도 단위 벼의 잠재 생산량을 모의하여 시스템을 검증하고자 하였다. 입력자료는 환경정보, 품종정보, 농작업 정보 등이 필요하다. 기상환경은 기온, 강수량, 일사량과 같은 항목으로 기상청 일단위 지상기상관측 자료를 활용하여 구축하였다. 토양 수분은 APSIM 내 기본 토양 조건인 silt로 설정하였다(깊이별 용적밀도 1.32－1.42g/cm³, 포장용수량 0.386－0.422mm/mm, pH 6.5－8.5). 작물 품종은 자포니카 계열의 기본 품종인 Riverina을 적용하였고, 농작업 정보는 농사로를 참고하여 표준재배법을 적용하였다. 5월 중순에서 6월 초 사이 이앙을 실시하고, 담수 관리로 담수 시작일 6월 1일, 종료일 9월 20일, 수심 50－150mm을 유지하며, 양분 관리로 질소비료 총 90kg/ha로 시비하되, 밑거름 63kg/ha, 생육단계지수 0.3(분얼 활발기와 최고분얼기 사이의 영양생장기 중반)에 이삭거름 27kg/ha를 시비하는 조건으로 모델링하였다(RDA, 2023). 작물모형을 구동한 결과로 생육 단계별 바이오매스와 최종 수확량을 산출하였으며, 통계청(KOSIS)에서 제공하는 실제 생산량과 비교하여 예측력을 평가하였다.

상술한 바와 같이, 본 연구의 서비스는 기상환경 지표, 위성 기반 생육지수, 작물모형 기반 잠재 생산성 정보를 연계하는 연속적 구조를 형성한다. 이러한 다중출처 데이터를 통합적으로 활용함으로써, 종합적이고 정밀한 지역 단위 작황 현황 보고가 가능하도록 설계하였다.

2. 보고서 서비스 설계

본 연구에서는 다중출처 데이터를 활용한 분석 결과를 정기적으로 제공하기 위하여 자동화된 보고서 서비스 체계를 설계하였다. 데이터의 수집, 처리, 분석, 시각화, 그리고 결과 배포의 일련의 과정을 자동화하여 처리하며, Fig. 1과 같이 데이터를 처리과정을 구성하였다.

Fig. 1.

Workflow of automated crop condition reporting system integrating multi-source data.

우선, 데이터 수집 단계에서는 기상청, 위성 오픈데이터 플랫폼, 그리고 APSIM 실행 결과를 정기적으로 확보할 수 있는 모듈을 구축하였다. 이 과정은 수동적인 다운로드와 가공 과정을 최소화하고, API 호출이나 예약 실행(batch processing) 방식을 통해 자동화될 수 있도록 설계되었다. 이를 통해 기상자료와 위성영상, 모형 출력 결과가 일정한 주기로 갱신될 수 있도록 하였다.

다음으로, 데이터 처리 및 분석 단계에서는 수집된 원천자료를 분석 가능한 형태로 전환하였다. 기상자료는 결측치 보정과 단위 변환을 수행하고, 위성자료는 구름 보정 및 표준화 과정을 거쳐 EVI, NDVI, NDWI 시계열을 산출하였다. 또한, APSIM 모형은 동일한 입력자료 형식에 맞춰 자동으로 실행되며, 잠재 생산량 추정 결과가 표준화된 데이터베이스에 저장된다. 이러한 일련의 과정을 자동화 스크립트로 구현함으로써 데이터의 일관성과 재현성을 확보하였다.

보고서 생성 단계에서는 분석 결과를 다양한 형식으로 시각화하여 사용자 친화적인 형태로 제시하였다. 주요 산출물은 (1) 도 단위의 기상환경 지표 지도, (2) 식생 지수 시계열 그래프, (3) APSIM 기반 잠재 생산량의 공간 분포와 통계자료 비교 결과 등을 포함한다. 각 결과물은 표와 그림으로 정리되어 보고서 형태로 구성되며, 연구 목적에 따라 PDF 문서 또는 웹 기반 대시보드 형태로 제공될 수 있다. 이러한 보고서는 정해진 주기(예: 월별, 분기별)로 자동 생성되며, 새로운 데이터가 입력될 때마다 최신 정보로 갱신된다.

마지막으로, 보고서 서비스는 향후 확장 가능성을 고려하여 설계하였다. 현재는 기상자료, NDVI, APSIM 기반 잠재 생산량에 한정되어 있으나, 토양수분 자료, 고해상도 위성영상, 또는 센서 네트워크 자료와 같은 추가 데이터 소스를 쉽게 통합할 수 있도록 모듈화 구조를 채택하였다. 이를 통해 다양한 농업 환경과 작물에 대응할 수 있는 범용적 보고 체계로 발전시킬 수 있다.

결과 및 고찰

1. 지역별 작황 현황 보고 서비스

본 연구에서는 시도 단위의 기상 관측 자료, 위성 기반 식생지수, 그리고 통계 및 작물모형 기반 생산량을 통합적으로 분석할 수 있는 현황 보고 서비스를 개발하였다. 제안한 작황 보고 서비스는 특정 지역과 시기를 선택하여 기상 요인과 식생 변화를 비교 및 분석할 수 있도록 지원한다. 분석 결과를 시각화 된 그래프와 자동화된 보고서 형태로 제공함으로써 정량적 근거에 기반한 해석을 가능하게 한다. 이는 단순한 데이터 제공을 넘어, 정책 결정자와 농업 현장 사용자에게 작황 현황을 직관적이고 체계적으로 전달할 수 있는 플랫폼을 제공한다는 점에서 의의가 있다.

보고서 요약(Narrative Summary)에는 사용자가 지정한 기준 기간과 비교연도의 분석 결과가 포함되며, 식생지수(NDVI, EVI, NDWI), 주요 기상 지표(온도, 강수량 등), 그리고 작물 생산성 지표가 종합적으로 제시된다(Fig. 2a).

Fig. 2.

Screenshot of the automated web-based reporting system for Jeonbuk Province. The dashboard integrates multi-source indicators for crop monitoring: (a) narrative summary of vegetation and weather metrics, (b) vegetation time-series (NDVI, EVI, NDWI), (c) weather-derived indices including temperature and precipitation, and (d) productivity analysis of yield-related indicators.

서비스의 사용자 인터페이스는 시공간적 범위를 유연하게 설정할 수 있도록 설계하였다. 지역 선택 기능은 행정구역 단위에서 분석 대상을 지정할 수 있으며, 연도 설정 기능은 기준 기간(baseline period), 과거 연도(past year), 현재 연도(current year)를 병행하여 장기 추세와 단기 변동을 동시에 해석할 수 있도록 하였다. 또한 생육기간 설정은 연중 특정 DOY(Day of Year) 구간을 지정함으로써 파종기－출현기－성숙기에 이르는 생육 단계를 중심으로 분석을 수행할 수 있도록 하였다. 나아가, 분석 매개변수는 사용자 정의가 가능하도록 하여, 최적 생육일수 산출을 위한 온도, 일조, 강수량 임계값이나 생육도일(GDD) 계산을 위한 기준온도, 고온, 저온일수 산출을 위한 극한 기온 임계값 등을 직접 설정할 수 있게 하였다. 이를 통해 사용자는 지역적, 계절적 특성에 맞는 맞춤형 분석을 수행할 수 있으며, 분석 결과의 유연성과 적용 가능성을 확대하였다.

일 단위 시계열 분석에서는 식생지수와 기상자료를 기준 기간 평균과 과거 및 현재 연도 자료와 함께 비교할 수 있도록 시각화하였다(Fig. 2b－c). 이를 통해 계절적 패턴과 연도 간 차이를 명확히 파악할 수 있으며, 특정 연도의 기상 및 생육 조건 변화를 세밀하게 추적할 수 있다. 결과는 기상 이변과 같은 환경적 요인이 작물 생육에 미치는 영향을 해석하는 데 기여할 뿐만 아니라, 향후 작황 이상 발생에 대한 조기 진단 도구로도 활용 가능성이 있다.

연도 단위 분석 결과에서는 식생지수, 평균기온, 강수량, 최적 생육일수, 생육도일(GDD) 등이 시계열로 제시되었다(Fig. 2d). 특히 생산량은 국가 통계(KOSIS)와 작물모형(APSIM)의 시뮬레이션 결과를 병렬적으로 제공하여 관측치와 예측치 간 차이를 직관적으로 파악할 수 있었다. 고온일수 및 저온일수의 연도별 변화는 막대그래프로 나타내어, 이상기후 발생 빈도와 그에 따른 작황 변동 가능성을 함께 확인할 수 있다.

보고서 생성 기능은 이러한 설정값을 기반으로 PDF 및 DOCX 형식의 문서를 자동으로 생성하여 결과를 제공한다. 단순한 지표 나열을 넘어 서술적 해석이 포함되어, 사용자가 데이터의 맥락적 의미를 이해할 수 있도록 돕는다. 웹 기반 서비스가 상호작용적(interactive) 시각화 도구를 중심으로 구성된 반면, 보고서 요약은 출판물 형식을 전제로 설계되어 결과를 구조화된 형태로 저장하고, 활용할 수 있도록 하였다.

보고서의 첫 부분에는 요약과 주요 지표 해석 결과가 제시된다(Fig. 3a). 여기에는 NDVI, EVI, NDWI와 같은 식생지수의 평균값과 기준 기간 대비 변화가 정리되어 있으며, 이러한 정보를 통해 해당 연도의 작황 상태가 평년과 비교하여 어떤 차이를 보였는지를 빠르게 파악할 수 있다. 생육기 평균기온, 누적강수량, 고온일수, 저온일수 등 기상 기반 지표가 함께 제공되어, 기상환경이 작물 생육에 미친 영향을 종합적으로 이해할 수 있도록 하였다.

Fig. 3.

Automated PDF report for Jeonbuk Province showing (a) vegetation and weather summary, (b) ground weather and crop growth indicators, (c) time-series analyses with APSIM yield insights, and (d) rice production comparison with statistical summaries.

두 번째 부분에서는 시계열 분석과 관측 기상자료가 상세히 제시된다(Fig. 3b－c). 일별 및 연별 단위의 기상과 식생지수 변화를 동시에 확인할 수 있으며, 이를 통해 특정 연도의 이상기후 발생 여부나 그에 따른 작물 생육 반응을 시각적으로 검증할 수 있다. 특히 일별 시계열 분석은 계절적 패턴과 연도 간 변동성을 직관적으로 보여주어, 정책적 대응이나 농업 현장 관리에 활용 가능한 근거 자료를 제공한다.

마지막으로, 생산량 분석과 통계 요약은 보고서의 핵심 결과로 제시된다(Fig. 3d). 국가 통계청(KOSIS)에서 제공하는 생산량 자료와 APSIM 모형의 예측 결과를 나란히 비교하여 제시함으로써, 모형 기반 잠재 생산량 추정의 신뢰성을 평가할 수 있다. 또한 통계 요약표에는 각 지표의 값이 구조화된 형태로 정리되어 있어, 연구자와 정책 담당자가 결과를 빠르게 해석하고 의사결정에 반영할 수 있도록 돕는다.

개발한 작황 현황 보고 서비스는 데이터의 수집부터 분석, 결과 보고까지 전 과정을 자동화하여, 객관적이고 시의성 있는 작황 정보를 제공하는 것을 목표로 한다. 이러한 자동 보고 체계는 정책결정자, 연구자, 농업인과 같은 이해관계자들이 신속하게 농업 현장의 환경 및 작물 상황을 파악할 수 있게 됨으로써, 농업 정책, 생산 관리, 기후 리스크 대응 등 다양한 분야에서 실질적인 활용 가능성을 기대한다.

2. 작물모형 기반 기후환경에 따른 작물 생산성 평가

본 연구에서는 KOSIS(통계청)에서 제공하는 정곡 생산량 통계와 APSIM 모형을 이용한 생산량 모의 결과를 도 단위 시계열로 비교하였다(Fig. 4). 그림에서 회색 음영 구간은 두 자료 간의 비정상적 패턴이 나타난 연도를 의미한다. 이러한 구간은 (1) 관측값과 예측값의 변화 방향이 상반된 경우(△Yobs×△Ypred<0), 또는 (2) 변화량의 절대 차이가 75백분위수 임계값을 초과한 경우(△Yobs -△Ypred >Q0.75)를 기준으로 정의하였다.

Fig. 4.

Comparison of rice yields (kg/10a) between observed data from KOSIS (Statistics Korea) and APSIM model predictions by province. Gray shaded areas indicate periods with notable discrepancies between observed and predicted yields.

APSIM 기반 잠재 생산량은 연도별 변동 경향을 비교적 잘 재현하였으며, 대부분 지역에서 상대 평균제곱근오차(RRMSE)가 10% 이내로 나타났다. 기상환경 요인만을 고려한 단순 모의임에도 불구하고, 벼 수확량 통계자료와 비교했을 때 유의미한 수준의 정보를 제공할 수 있음을 확인하였다.

한편, 생산량 변화 경향이 불일치한 시기가 있고, 경기, 전북, 전남, 경북, 경남 지역에서는 결정계수(R²)가 0.05 이하로 낮게 나타나기도 했다. 이러한 불일치 구간은 본 연구에서 고려한 기상환경 외에, 태풍이나 집중호우로 인한 도복 피해, 바이러스 및 해충 피해, 농가별 영농 관리 차이, 폼종 등 생산량에 영향을 미치는 다양한 요인에 의한 것으로 향후 모델 정확도 향상을 위해서 보완되어야 할 부분으로 사료된다. 본 연구는 개별 구성요소의 정확도가 일부 부족하더라도 다중출처 데이터를 수집하여 종합하고, 이를 모델을 이용하여 일관된 과학적 기준을 제시함으로써, 작황 현황 파악 및 생산성 전망의 기초 자료로 활용성이 있다고 판단하였다.

3. 고찰

첫째, 데이터 통합의 시너지 효과이다. 기상자료는 작물 생육에 직접적인 영향을 주는 환경 요인을 정량화할 수 있는 반면, 실제 생육 상태를 충분히 설명하지 못하는 한계가 있다. 반대로 NDVI와 같은 식생지수는 작물의 생육 반응을 반영하지만, 기상 조건이나 토양 환경의 영향 요인을 분리하여 해석하기 어렵다. 또한, APSIM과 같은 작물모형은 잠재 생산성을 예측하는 데 강점을 지니지만, 입력자료와 매개변수 설정의 불확실성으로 인해 단독 활용에는 제약이 따른다. 본 연구에서는 이 세 가지 자료원을 통합하여, 기상환경-생육상태-생산성으로 이어지는 연속적 해석 구조를 제시함으로써, 단일 자료에 의존한 기존 연구의 한계를 보완할 수 있음을 확인하였다.

둘째, 지역 단위 작황 현황 제공의 실용성이다. 기존의 작황 모니터링 연구는 국가 단위의 거시적 평가 또는 개별 농장의 미시적 분석에 집중된 경우가 많았다. 그러나 정책적 활용이나 농업 경영 지원 측면에서는 도 단위와 같은 중간 규모의 공간 단위에서 정기적인 현황 제공이 필요하다. 또한, 선행연구에 따르면(Na, 2020), 작황 모니터링의 신뢰도를 높이기 위해서는 농경지 마스크를 시계열로 정밀하게 구축하여 식생지수를 산정하는 과정이 필수적임이 강조된 바 있다. 본 연구에서 구축한 자동 보고 체계는 이러한 한계를 고려하여 단계별로 개선이 가능한 구조로 설계되었으며, 향후 농경지 분류 정확도의 향상이나 보다 정교한 식생지수 계산 절차와 같은 요소들을 추가함으로써 결과의 정밀도를 한층 높일 수 있다.

셋째, 예측력과 활용 가능성의 확장성이다. APSIM 기반 잠재 생산량과 통계 수확량 간의 비교 결과, 전체 데이터의 결정계수(R²)는 0.13으로 낮게 나타났으나, 상대 평균제곱근오차(RRMSE)는 8.86%로 10% 이내를 보여 연도별 수확량의 변동 경향은 비교적 잘 재현되었다(Fig. 5). 이러한 결과는 절대적인 예측 정밀도는 제한적이지만 실질적 활용 가능성은 충분한 것으로 판단된다. 이는 본 연구가 제시한 프레임워크가 초기 단계임에도 불구하고, 작황 모니터링과 생산성 예측의 기초 자료로서 의미 있는 기능을 수행할 수 있음을 보여준다. 특히 본 체계는 데이터 통합과 자동화 구조를 이미 갖추고 있으므로, 향후 입력자료의 정밀화, 모형 파라미터의 고도화, 추가 데이터 소스의 결합을 통해 예측력이 개선될 여지가 크다. 결과적으로 이는 조기 경보 시스템, 기후변화 시나리오 분석, 국제 작황 모니터링 등으로 확장될 수 있는 기반을 제공한다.

Fig. 5.

Comparison between observed rice yield from KOSIS statistics and predicted yield from the APSIM model (kg/10a). The heatmap indicates the density of data points, with the dashed line representing the 1:1 relationship.

마지막으로, 본 연구는 노지 환경을 대상으로 설계되었지만, 온실 및 식물공장과 같은 시설재배 환경에도 간접적으로 기여할 수 있다. 외부 환경 조건에 대한 정량적 파악은 내부 기후 제어 전략을 수립하는 데 중요한 참고자료가 될 수 있으며, 특히 에너지 투입을 최소화하면서 안정적인 생산 환경을 유지하는 데 활용될 수 있다(Han 등, 2024). 이는 본 연구에서 제안한 자동 보고 체계가 시설재배와 노지 농업을 잇는 연결 고리로서 기능할 수 있음을 보여준다.

결 론

본 연구에서는 기상자료, 위성 원격탐사 기반 식생지수, 그리고 작물모형(APSIM)을 통합하여 지역 단위의 작황 현황을 자동으로 보고하는 체계를 제안하였다. 기상자료는 작물 생육에 영향을 미치는 주요 환경 요인을 정량적으로 산출하는 데 활용되었으며, NDVI를 포함한 위성 기반 식생지수는 실제 작물의 생육 반응을 시공간적으로 파악하는 데 기여하였다. 또한, APSIM 모형은 도 단위의 잠재 생산량을 추정함으로써 생산성 전망을 가능하게 하였다.

분석 결과, 제안된 체계는 지역별 기상환경과 식생지수, 잠재 생산성을 종합적으로 제시함으로써 지역 단위 작황 현황을 직관적으로 확인할 수 있도록 하였다. 특히, 보고서 형태로 제공된 지도와 시계열 그래프는 지역 간 작황 차이를 명확히 보여주었으며, 이는 농업 정책과 현장 경영에서 활용 가능한 실질적 자료로 평가된다.

또한, APSIM 기반 잠재 생산량은 통계청의 실제 수확량과 비교했을 때 유의한 예측력을 보였으며, 이는 본 연구에서 제안한 보고 체계가 단순한 현황 보고에 머무르지 않고 생산성 예측 도구로 확장될 수 있음을 보여준다. 이러한 점은 향후 기상 재해나 기후변화에 따른 수량 변동을 사전에 파악하고 대응 전략을 수립하는 데 기여할 수 있다.

종합하면, 본 연구는 다중출처 데이터를 통합한 자동 보고 체계를 구축함으로써, 객관적이고 시의성 있는 작황 정보를 제공할 수 있음을 제시하였다. 본 체계는 현재 노지 환경을 대상으로 하고 있으나, 외부 환경 조건의 정량적 평가는 온실과 식물공장 내부의 환경 조절 전략 및 에너지 관리에도 활용될 수 있다. 향후 연구에서는 이러한 지역 단위 모니터링을 국제적 수준으로 확장하여, 주요 곡물 생산지의 작황 현황을 동시에 비교·분석할 수 있는 글로벌 작황 모니터링 체계로 발전시킬 필요가 있다. 특히, 농업 전용 위성영상을 비롯한 차세대 원격탐사 자료를 적극적으로 활용한다면, 보다 높은 공간적·시간적 정밀도를 갖춘 작황 모니터링과 생산성 예측이 가능할 것이다.