한국농림기상학회지, 제 16권 제2호(2014) (pISSN 1229-5671, eISSN 2288-1859)
Korean Journal of Agricultural and Forest Meteorology, Vol. 16, No. 2, (2014), pp. 103~113
DOI: 10.5532/KJAFM.2014.16.2.103
ⓒ Author(s) 2014. CC Attribution 3.0 License.


공간분포모델을 활용한 사료작물 이탈리안 라이그라스
(Lolium multiflorum L.)의 재배적지 변동예측연구

김현애, 현신우, 김광수
서울대학교 농업생명과학대학 식물생산과학부

(2014년 05월 29일 접수; 2014년 06월 16일 수정; 2014년 06월 21일 수락)

A Study on the Prediction of Suitability Change of Forage Crop Italian
Ryegrass (Lolium multiflorum L.) using Spatial Distribution Model

Hyunae Kim, Shinwoo Hyun, Kwang Soo Kim
Department of Plant Science, College of Agriculture and Life Science, Seoul National University,
Gwanakro 1, Gwanakgu, Seoul 151-921, Korea

(Received May 29, 2014; Revised June 16, 2014; Accepted June 21, 2014)

ABSTRACT
Under climate change, it is likely that the suitable area for forage crop cultivation would change in Korea. The potential cultivation areas for italian ryegrass (Lolium multiflorum L.), which has been considered one of an important forage crop in Korea, were identified using the EcoCrop model. To minimize the uncertainty associated with future projection under climate change, an ensemble approach was attempted using five climate change scenarios as inputs to the EcoCrop model. Our results indicated that most districts had relatively high suitability, e.g., >80, for italian ryegrass in South Korea. Still, suitability of the crop was considerably low in mountainous areas because it was assumed that a given variety of italian ryegrass had limited cold tolerance. It was predicted that suitability of italian ryegrass would increase until 2050s but decrease in 2080s in a relatively large number of regions due to high temperature. In North Korea, suitability of italian ryegrass was considerably low, e.g., 28 on average. Under climate change, however, it was projected that suitability of italian ryegrass would increase until 2080s. For example, suitability of italian ryegrass was more than 80 in 10 districts out of 14 by 2080s. Because cold tolerance of italian ryegrass varieties has been improved, it would be preferable to optimize parameters of the EcoCrop model for those varieties. In addition, it would be possible to grow italian ryegrass as the second crop following rice in Korea in the future. Thus, it merits further study to identify suitable areas for italian ryegrass cultivation after rice using new varieties of italian ryegrass.

Keyword: Climate change, EcoCrop model, Forage, Italian ryegrass, Suitability

MAIN

I. 서론

기후변화로 인해 전 세계적인 작물 생산량 변화가 예상되는 가운데(IPCC, 2007), 사료작물의 공급을 해외에 의존하고 있는 우리나라의 실정에서 사료작물의 생산성 감소는 국내 축산업의 피해를 가중시킬 것으로 보인다. IPCC 4차 평가보고서에 따르면, 기후변화로 인해 평균기온이 3°C이상 증가할 경우, 세계 모든 지역에서 작물 수량이 감소하며, 특히 조사료의 생산량은 25% 이상 감소할 것으로 예상하였다. 우리나라에서 조사료의 생산량과 생산 면적은 매우 제한적이기 때문에, 국제적인 사료공급 축소는 축산농가에 부담을 주는 큰 요인으로 작용할 수 있다. 예를 들어, 국제 곡물가격 상승에 따른 국내 낙농용 배합사료 가격의 상승으로 원유 1리터당 생산비용이 2000년부터 2008년까지 38% 상승하였다(Seo et al., 2011). 따라서, 미래 기후변화 조건에서 국내 사료 생산 및 공급 능력을 증대하여 기후변화에 대한 피해에 대비할 필요가 있다.

최근 국내에서 생산 가능한 사료작물로 이탈리안 라이그라스에 대한 관심이 높아지고 있다(Kim et al., 2012). 이탈리안 라이그라스는 가축 기호성이 우수하고 조단백질 함량이 높으며 가소화양분함량이 높아 배합사료 대체 사료로써 가치가 매우 높다. 또한 당분함량이 높아 사일리지의 품질이 매우 좋은 것으로 알려져 있다(Kim et al., 2011). 예를 들어, 젖소의 경우 볏짚을 급여했을 때에 비해 산유량 증가와 함께 유지방과 유단백질이 증가하여 우유의 품질 또한 향상되었다(Kim et al., 2007).

이탈리안 라이그라스는 사료로써 가치가 높을 뿐만 아니라 습해 및 병해에 강하며 건물 수량이 높아 우리나라에서 재배에 유리하다(Kim et al., 1991; Yang, 1992). 이탈리안 라이그라스의 재배 면적은 2007년 21,700 ha에서 2011년 60,000 ha로 꾸준히 증가하고 있으며 남한에서 재배되는 월동사료작물 중 재배면적과 생산량이 40%에 달하고 있다(MIFAFF, 2011). 우리나라 중부지역의 논에서 월동작물로써 이탈리안 라이그라스의 파종 한계기는 10월 5일이며 파종 적기는 9월 25일에서 30일이다. 파종기에 비가 많이 오거나 날씨가 급격하게 추워진 경우, 혹은 월동이 어려운 중북부지역의 밭에서 재배할 수 있도록 봄 파종 재배기술이 개발되고 있다(Kim et al., 2010).

우리나라에서는 사료작물을 재배하는 면적이 제한적이기 때문에, 미래의 기후조건에서 최적 재배 가능지역을 파악하여 기후변화에 적응할 수 있는 생산 체계를 설계하는 것이 필요하다. 이를 위해 작물에 대한 재배적합도 예측 모델이 유용하게 사용될 수 있다. 예를 들어, Ramirez-Villegas et al.(2013)는 수수를 대상으로 EcoCrop 모델을 이용하여 현재기후와 2030년대 기후조건에서 아프리카와 인도 지역의 재배적합도를 평가하였다. Kim et al.(2012)는 강원도에서 기후요인 및 토양요인을 활용하여 이탈리안 라이그라스의 재배적합도를 보고하였다.

본 연구의 목표는 (1) 이탈리안 라이그라스의 재배 가능지역을 공간 분포 모델의 일종인 EcoCrop 모델을 사용하여 분석하는 것이었으며, (2) 예측의 불확실도를 낮추기 위해 다수의 전지구기후모델의 미래기후자료를 활용한 재배적지 예측기법을 시도하는 것이었다. 또한, 미래의 기후변화에 따라 북한에서의 농작물의 생산성 확대가 가능할 수 있으므로 남한뿐만 아니라 북한에서의 재배 가능지역을 파악하고 생산된 사료작물의 도입 용이성에 대한 분석을 시도하였다. 이러한 작물의 재배적합도 예측을 통해 이탈리안 라이그라스의 수급 전략을 수립할 수 있을 것이다.

II. 재료 및 방법

2.1. 기후자료

기후정보에 기반한 재배적지 예측을 위해 WorldClim 전자기후도자료를 사용하였다(http://worldclim.com/download/). WorldClim자료는 전세계를 대상으로 생산된 과거, 현재 및 미래기후 자료를 포함한다(Hijmans et al., 2005). 현재 자료의 경우, 기상 관측소별 자료를 SRTM(Shuttle Radar Topography Mission) 해발고도자료와 ANUSPLIN 알고리즘으로 공간내삽하여 생산된 1km의 공간해상도를 가진 전자기후를 사용하였고, 미래 기후자료는 IPCC 4차 평가보고서에 활용된 CMIP3(Coupled Model Intercomparison Project Phase 3; WCRP CMIP3 multi-model dataset) 자료를 약 1km의 공간해상도 수준으로 규모 축소된 자료를 사용하였다. 본 연구에서는 CCCMA-CGM3.1 (Canadian Centre for Climate Modeling and Analysis; Canada)와 UKMO-HadCM3, UKMO-HadGEM1 (Hadley Centre for Climate Prediction and Research; UK), NCAR-CCSM3.0 (National Center for Atmospheric Research; USA) 그리고 CSIRO-MK3.0 (Commonwealth Scientific and Industrial Research Organization; Australia) 등 5종의 전지구 기후모델로부터 얻어진 WorldClim전자기후자료를 사용하였다. 또한, 현재(1950 ~ 2000), 2020년대(2010 ~ 2039), 2050년대(2040 ~ 2069), 2080년대(2070 ~ 2099)를 대표하는 전자기후도를 활용하였다.

2.2. 앙상블 재배적합도 예측

1미래기후에 대한 재배적지 변화 예측은 관측값을 이용하여 검증할 수 없다. 또한, 미래 기후 예측 자료에 기반하여 재배적지 변화가 예측되기 때문에 예측 값들의 불확실성이 크다(Suh et al., 2012). 이러한 불확실성을 감소시키기 위해 개별 기후모델에서 생산된 기후자료를 사용하여 얻어진 재배적지 예측 값들을 통합하는 앙상블 방법을 사용하였다. 다수의 기후모델을 활용하면 하나의 모델을 사용할 때보다 더 나은 결과를 도출할 수 있으며(Krishnamurti et al., 1999, 2000; Yun et al., 2003) 각각 기후모델의 결과를 통합하여 모델마다 가지고 있는 초기 조건에 의한 불확실성을 감소시킬 수 있다(Feng et al., 2011). 본 연구에서는 재배적합도에 대한 각 기후자료의 불확실성 기여 정도를 편향 없이 동등한 것으로 가정하였다(Weigel et al. 2010). 즉, 모델 각각으로부터 얻어진 재배적합도 결과값을 격자단위에서 평균값을 계산하여 최종 재배적합도 지도를 생성하였다.

2.3. EcoCrop모델을 이용한 재배적합도 예측

농작물 재배적합도에 대한 기후변화의 영향을 평가하기 위해 개발된 EcoCrop 모델을 사용하여, 한반도를 대상으로 이탈리안 라이그라스의 재배적합도를 예측하였다. EcoCrop 모델은 작물 생육에 요구되는 기후조건을 모수로 사용하여 해당지역의 기후조건에 따른 재배적합도 지수를 계산한다(Hijmans et al., 2001; Ramirez-Villegas et al., 2013). EcoCrop 모델은 초기에 공개용 지리정보시스템인 DIVA-GIS의 모듈로 구현되었으며(Hijmans et al., 2001) Ramirez-Villegas et al.(2013)는 통계 분석 소프트웨어인 R의 스크립트 형태로 EcoCrop 모델을 구현하였다(https://code.google.com/p/dapa-climate-change/). 본 연구에서는 R로 구현된 EcoCrop 모델 코드를 사용하여 재배적합도 지도를 생산하였다.
EcoCrop 모델은 온도와 강수량에 따른 재배적합도를 계산하기 위해 작물별로 특이적인 모수값들이 사용된다. 이 모수들은 최소 및 최대 생장기간 관련 모수인GMIN와 GMAX, 식물체가 동사하는 온도(KTmp; 0°C), 식물이 생장하는 최소 및 최고 온도(TMIN; TMAX), 최적 생장의 최저 및 최대 온도(TOPMIN; TOPMAX), 생장 가능한 최소 및 최대 강수량(RMIN; RMAX), 최적 생장의 최저 및 최대 강수량(ROPMIN; ROPMAX) 등이 포함된다. Food and Agriculture Organization(FAO)에서 개발한 EcoCrop 데이터베이스에 여러 작물에 대한 기본 자료가 수록되어 있으므로 이를 모수로 사용할 수 있다(http://ecocrop.fao.org/). 본 연구에서도 EcoCrop 데이터베이스에 수록된 이탈리안 라이그라스의 모수값을 사용하였다(Fig. 1).
특정 지점의 작물 재배적합도는 온도와 강수량 조건을 동시에 만족하는 정도에 의해 결정된다. 온도와 강수량의 재배적합도는 각각 월별 온도 및 강수량 자료를 입력자료로 사용하여 계산된다. 공간적인 재배적합도 예측을 위해 사전에 재배시기에 대한 정보가 사용되지 못하므로, 매월 작물 재배가 시작될 수 있다고 가정하여 재배적합도가 월별로 12번 계산된다. 해당 지점에서 이탈리안 라이그라스의 최적재배지는 파종기에 상관없이 재배 가능하여야 한다는 가정하에 계산된 재배적합도 값들 중 최소값으로 해당지점의 재배적합도 값이 결정되었다. 온도 재배적합도 인덱스(TSUIT)와 강수량에 대한 재배적합도(RSUIT)를 동시에 만족하는 값을 결정하기 위해 다음과 같이 최종 재배적합도 값이 계산된다(Ramirez-Villegas et al., 2013).
2최종 재배적합도 값이 개별적인 격자단위로 계산되어 재배적합도 지도가 생산되었다. 생성된 재배적합도 지도는 ArcGIS(ESRI, USA) 호환 격자자료로 각 격자별로 0부터 100 사이의 재배적합도 값이 저장되었다. 행정구역별로 재배적합도 값을 얻기 위해 ArcGIS의 zonal statistics 기능을 사용하였다. 각 행정구역단위에서 최저 및 최대 재배적합도 값과 평균 재배적합도 값을 정리하여 분석하였다.

2.4. 이탈리안 라이그라스 재배적합도 예측 자료의 검증

EcoCrop모델의 이탈리안 라이그라스 재배적합도 검증을 위하여 러시아 및 인근 국가의 이탈리안 라이그라스 분포(AgroAtlas; Dzyubenko et al., 2004)를 활용하였다. AgroAtlas는 러시아와 인근 국가의 식량안보 개선을 위해 개발되었으며, 작물의 적지적작에 활용할 수 있다. AgroAtlas는 기존 문헌을 분석하고 식물 표본 채집 장소를 확인하여 행정구역 단위의 분포지도를 작성하였으며, 인터넷을 통해 GIS 자료를 배포하고 있다(http://www.agroatlas.ru/). 이탈리안 라이그라스의 분포 지도(Dzyubenko et al., 2004)를 수집하여 현재기후에서 EcoCrop으로 모의한 러시아 및 인근 국가의 재배적합도 지도와 비교하였다.
우리나라에서의 이탈리안 라이그라스 재배적합 분포 분석을 위해 강원도 지역을 대상으로 보고된 재배 적지 전자지도와 비교하였다(Kim et al., 2012). 이전 연구에서는 기후자료뿐만 아니라 토양자료를 사용하여 이탈리안 라이그라스의 재배적지 분포지도가 작성되었다. 본 연구에서는 기후자료만을 가지고 토양조건까지 고려한 예측자료와 비교를 통해 기후정보에 기초한 재배적지 예측 자료의 활용성에 대해 분석하였다.
34

III. 결과 및 고찰

3.1. 현재 기후조건에서의 재배적합도 예측자료의 검증

현재 기후조건에서의 이탈리안 라이그라스 분포지도와 러시아 및 인근지역의 5이탈리안 라이그라스 분포와 EcoCrop 모델의 예측 재배적합도 분포가 유사한 것으로 나타났다(Fig. 2). 예를 들어, 이탈리안 라이그라스가 분포하는 것으로 나타난 조지아 인근 지역에서의 재배적합도가 90 이상 인 지역이 10.5% 였다(Fig. 2B). 그러나, 이탈리안 라이그라스가 분포하고 있는 행정구역의 일부 지역에서 0% 의 재배적합도가 90% 이상 예측된 지역도 있었다. 특히, 블라디보스톡 및 사할린 인근 지역에서는 해변가를 중심으로 51 이상의 재배적합도가 예측되었으나 내륙지역에서는 0에 가까운 재배적합도를 보였다(Fig. 2D). 이러한 결과는 월동조건을 결정하는 KTmp 파라미터 값이 0으로 비교적 높은 온도로 설정되었기 때문으로 사료되었다.
국내의 조건에서 Kim et al.(2012)이 보고한 이탈리안 라이그라스의 재배적합도 예측 결과와 EcoCrop 모델의 재배적합도 분포가 유사하였다(Fig. 3). 이전 연구에서는 강원도에서 영동지방의 해안을 중심으로 이탈리안 라이그라스의 재배가 가능할 것으로 제시하였으나, 강원도의 60.7%는 경사도, 토양의 배수문제, 강 및 호수 지역으로 재배불가지로 분류되었다. EcoCrop 모델을 이용한 예측 결과는 이전의 결과와 매우 유사한 분포를 나타내는 것을 확인되었다. 따라서, EcoCrop 모델을 사용하여 이탈리안 라이그라스의 재배적지 분포 예측자료가 국내 환경에서 적용될 수 있을 것으로 판단되었다.

3.2. 기후변화 시나리오 자료별 재배적합도 예측자료의 비교

다양한 기후변화 시나리오 자료를 입력 자료로 사용하였을 때, EcoCrop 모델이 6예측한 재배적지 분포는 서로 다른 양상을 보였다. 예를 들어, 남한지역을 대상으로 2080년대의 5개의 기후 시나리오를 입력자료로 사용하여 얻어진 개별적인 예측자료 중 NCAR 자료를 사용하여 얻어진 자료가 대부분의 시•도에서 재배적합도를 가장 높게 평가하였다(Fig. 4C). 반면, HadCM3 자료를 사용하여 얻어진 자료는 전반적으로 재배적합도를 낮게 예측하였다(Fig. 4A). 기후변화 시나리오 자료에 따른 재배적합도의 시•도별 최소값과 최대값의 차이가 큰 지역은 경기도, 서울, 인천이었으며 차이가 적은 지역은 부산, 울산, 경상남도였다(Fig. 5). 예를 들어, 경기도의 경우 CCCMA, CSIRO, NCAR 및 HadGEM1 시나리오 자료를 사용하여 예측된 재배적합도는 98.82 이상인 반면에 HadCM3 자료를 사용하였을 경우에는 84.08으로 다소 낮게 예측되었다. 이러한 결과를 고려해 볼 때, 앙상블 기법으로 재배적합도를 예측할 경우가 단일 시나리오만 사용할 때보다 불확실도를 감소시켜 신뢰도 높은 결과를 도출할 수 있을 것으로 판단되었다. 본 연구에서는 미래기후에 대해 앙상블 기법으로 예측한 재배적합도 결과를 분석에 활용하였다.

3.3. 한반도에서의 이탈리안 라이그라스 재배적합도 예측

현재 기후조건에서 남한 평야지역을 중심으로 이탈리안 라이그라스의 재배적합도가 높을 것으로 예측되었다(Fig. 6A). 예를 들어, 전라도와 경상도의 평야지역, 그리고 충청남도와 경기도 서부지역에서 재배적합도가 90 이상으로 예측되었으며, 동해안과 서해안을 따라 90 이상의 높은 재배적합도가 예측되었다. 반면 산간지역에서는 재배적합도가 0의 값으로 예측되었다. 시•도별 평균적인 재배적합도는 부산(99.94), 전라남도(99.12), 광주(99.07), 울산(99.03)이 높을 것으로 예측되었다(Table 1). 반면에, 충청북도(76.75)와 강원도(44,77) 에서는 평균적인 재배적합도가 85 이하로 낮았으며 이는 산간지역의 면적 비율이 상대적으로 높았기 때문으로 사료되었다.

t1

7
미래 기후조건에서 앙상블 기법을 적용하여 재배적합도를 예측한 결과, 현재에 비해 대부분의 지역에서 재배적합도가 증가하였다(Figs. 6B-D). 예를 들어, 2020년대에는 충청북도와 강원도의 재배적합도가 각각 16.2% 및 46.1% 증가하였다. 2050년대에도 재배적합도가 전 지역에 걸쳐 상승하며 강원도의 경우 재배적합도가 87.3으로 현재대비 95.0% 상승할 것으로 예측되었다. 반면, 2080년대에는 남한 대부분의 지역에서 이탈리안 라이그라스의 재배적합도가 2050년대에 비해 감소할 것으로 예측되었다. 예를 들어, 16개 시•도 중 11개의 지역에서 감소가 예측되었으며, 광주와 서울 지역에서는 2050년대 대비 평균적인 재배적합도의 감소 폭이 5% 이상이었다. 특히, 이 두 지역은 평균적인 재배적합도가 현재 기후조건보다 더 감소할 것으로 예측되었다. 이러한 재배적합도의 감소는 온도의 변화에 기인하였다. 예를 들어, 광주 지역에서 현재와 2080년대의 평균적인 온도 적합도가 99.07%에서 94.29%로 감소하였다. 또한, 광주와 서울에서 온도 적합도가 95% 이상인 면적비율 역시 현재조건에서 각각 93.8%와 78.3% 이었으나 2080년대에는 각각 28.7%와 32.4%로 감소할 것으로 예측되었다. 본 연구에서는, 기후시나리오 SRES A1B를 사용하였으므로 온도 상승이 급격할 것으로 예상되는 기후변화 시나리오를 적용하였을 경우 많은 지역에서 재배적합도가 감소할 것을 암시했다.
미래의 조사료 생산기지 조성을 위해 본 연구 결과와 접근 방식이 활용될 수 있을 것으로 기대된다. 조사료 재배지 조성을 위해 상당한 시일이 소요되므로, 기후변화에 따른 재배적합도의 변화가 적은 지역에 이탈리안 라이그라스를 생산하는 것이 유리할 것이다. 또한, 기후변화 조건에서 벼와 같은 주요 작물들의 생산성이 감소할 것으로 예상되어왔다(Lee et al. 1991; Sin et al. 2000). 따라서, 효율적인 토지이용을 위해 국내 조사료의 생산지역은 주요 곡물 작물을 재배하기 어려운 지역에 한정하는 것이 유리할 것이다. 본 연구에서 활용된 자료가 1km 의 고해상도 자료이기 때문에, 토지이용을 고려한 상세한 재배 대상지역 탐색을 가능하게 할 것이다. 한편, 국내의 재배 지역만으로는 축산농가들에게서 요구되는 조사료를 공급하는 것에는 한계가 있기 때문에, 정치사회적 조건이 조성되어 북한지역에서 이탈리안 라이그라스를 공급받는 것이 유리할 것으로 예상된다.
북한지역을 대상으로 현재 기후조건에서 예측된 이탈리안 라이그라스의 재배적합도는 남한에 비해 상당히 낮았다. 예를 들어, 북한 지역에서의 평균적인 재배적합도는 28.4로 예측되었다. 주로 서해안 평야와 동해안 지역에서 재배적합도가 높을 것으로 예측되었다(Fig. 6A). 가장 높은 값을 나타내는 지역은 황해남도(91.95)였고, 개성(91.14)이 뒤를 이었으며 신의주와 평양도 각각 80.30, 75.47으로 비교적 높은 편으로 예측되었다(Table 2). 그러나, 함경북도(10.12), 금강산(14.09) 및 나선(17.89)에서는 재배적합도가 낮을 것으로 예측되었으며, 산지가 집중적으로 분포되어있는 자강도와 양강도에서는 재배적합도 값이 0으로 예측되었다.
미래 기후변화 조건에서 북한지역을 대상으로 예측된 재배적합도는 전반적으로 증가할 것으로 예측되었다(Figs. 6B-D). 예를 들어, 2020년대에는 황해북도(83.52)에서 재배적합도의 평균값이 80이상으로 증가하였다. 재배적합도가 현재기후에서 20 이하로 예측되었던 함경북도, 금강산 및 나선 지역에서는 2020년대에 각각 100.1%, 162.9%, 181.1% 증가하였다.
2050년대에도 북한지역에서의 이탈리안 라이그라스 재배적합도가 증가하는 경향을 보였다. 2020년대에 평균적인 재배적합도가 80 이상이었던 지역은 모두 90 이상으로 증가할 것으로 예측되었다. 예를 들어, 강원도(86.77), 평양북도(81.06) 그리고 나선(75.25)과 평안남도(70.80)에서도 이탈리안 라이그라스의 재배적합도가 증가하는 것으로 예측되었다. 그러나, 양강도와 자강도에서는 재배적합도가 여전히 낮은 수준에 머무를 것으로 예측되었다. 금강산과 나선이 크게 증가한 것에 비하여 함경북도는 36.33으로 여전히 낮은 수준에 머물 것으로 예측되었다. 함경북도는 함경남도와 함께 동해안을 따라 부분적으로 재배적합도가 크게 증가한 것을 확인할 수 있으므로, 지역내의 편차가 클 것으로 예상되었다(Fig. 6C).
2080년대에는 평균적인 재배적합도가 80 이상인 지역이 14개 행정구역 중 10곳으로 크게 증가 할 것으로 예측되었다. 그러나, 북한에서도 평균적인 재배적합도가 감소하는 지역이 있었다. 예를 들어, 2050년대 대비 평양은 0.58%, 황해남도의 경우 0.75%, 개성의 경우 3.50% 감소할 것으로 예측되었으며 가장 큰 폭으로 감소하는 개성의 경우 2020년대 대비 1.67% 감소할 것으로 예측되었다.
t2기후변화 조건에서 온도 재배적합도의 변동이 최종 재배적합도의 감소에 더 큰 영향을 미치는 것으로 나타났다. 2050년대와 2080년대의 행정 구역별 강수 및 온도 재배적합도를 비교하였을 때, 북한의 경우 강수 재배적합도가 감소하였더라도 온도 재배적합도가 증가했다면 최종 재배적합도는 증가하였다. 반면에, 강수와 온도의 재배적합도가 동시에 감소했을 경우에 최종 재배적합도가 감소하였다. 남한에서는 일부 지역에 대해 강수 재배적합도가 증가였으나 온도 재배적합도가 감소한 경우에 최종 재배적합도가 감소했다. 따라서, 한반도에서는 이탈리안 라이그라스의 재배적합도는 강수보다는 온도조건에 민감하게 반응할 것으로 사료되었다.
미래에 남북한의 협력관계가 활성화 될 경우, 북한에서 재배된 이탈리안 라이그라스나 축산물이 국내에 공급할 수 있는 기후적인 조건이 형성될 것으로 판단되었다. 2020년대부터, 북한에서도 사료작물인 이탈리안 라이그라스의 재배적합도가 높은 지역이 크게 증가할 것으로 예측되었다. 특히 경제특구로 지정된 나선과 신의주, 개성 인근 지역의 재배적합도가 크게 증가하는 것으로 예측되어 이 지역들을 중심으로 수출을 위한 사료작물 생산단지나 축산단지 조성이 가능할 것으로 사료되었다(Table 2).
이탈리안 라이그라스의 생산 및 수요가 증가함에 따라 내한성이 우수한 신품종이 개발되고 있다. 예를 들어, 기후변화에 대비하여 농촌진흥청에서 이탈리안 라이그라스 12종을 육성하였으며, 국산품종인 ‘코윈어리’의 경우 내한성이 매우 강해 영하 10도에도 견딜 수 있다고 알려져 있다(Choi et al., 2007). 이러한 내한성이 강한 이탈리안 라이그라스 품종들이 북한에서 재배가 된다면, 보다 안정적인 사료작물 생산이 가능할 것으로 사료되었다. 내한성이 강한 신품종은 동계 유휴 농지를 중심으로 이모작에 활용될 수 있다. 또한, 미래 기후변화로 이모작 가능지역이 북쪽으로 확대될 것으로 예상된다. 따라서, 앞으로는 이모작 가능 지역에 대한 재배 적지 분포 분석에 대한 연구가 필요할 것으로 사료되었다.
본 연구에서 사용한 모수는 EcoCrop 데이터베이스에서 제공하는 이탈리안 라이그라스의 평균적인 정보이므로, 앞으로는 우리나라에서 개발한 신품종에 맞는 모수를 적용해야 할 것으로 사료된다. 예를 들어, 한반도 전체를 고려하였을 때, 현재 기후조건에서 1 ~ 40 사이의 비교적 낮은 재배적합도 값들이 나타나지 않았다(Fig. 7). 이는 겨울철의 온도가 KTmp 값 이하로 온도가 내려가면 식물체가 동사한 것으로 간주하여 재배적합도를 0으로 낮추기 때문으로 판단되었다. 따라서, 새로운 품종이 본격적으로 재배될 경우, 현재 0℃로 추정된 이탈리안 라이그라스의 KTmp 값이 현재보다 더 낮아져야 한다는 것을 암시한다. 새로운 품종을 중심으로 KTmp 모수를 조정하여 이모작 가능 시기의 이탈리안 라이그라스 재배 적합분포를 확인하고 조사료 생산 가능 지역의 탐색을 통해 사료 공급 증대를 위한 정책에 활용될 수 있을 것이다.

적요

우리나라에서의 사료작물 생산면적이 제한적이기 때문에 미래의 기후조건에서 최적 재배 가능 지역을 중심으로 이탈리안 라이그라스와 같은 사료작물의 생산체계를 설계하는 것이 필요하다. 특히, 한반도를 대상으로 이탈리안 라이그라스의 재배 가능지역을 파악하는 것이 미래를 대비한 정책 결정에 도움을 줄 수 있다. 이번 연구에서는 기후자료를 기반으로 작물의 재배적합도를 예측하는 EcoCrop 모델을 사용하여 현재(1950~2000), 2020년대(2010~2039), 2050년대(2040~2069), 2080년대(2070~2099)의 이탈리안 라이그라스의 재배 가능지역을 분석하였다. 또한, 전구 기후모델인 CCCMA, CSIRO, UKMO-HadCM3, UKMO-HadGEM1, 그리고 NCAR 모델 등으로부터 얻어진 규모축소 기후자료를 활용한 앙상블 예측기법을 재배적합도 예측에 적용하여 미래 기후변화 조건에서의 불확실도를 낮추는 것을 시도하였다. 2050년대까지 이탈리안 라이그라스의 재배적합도는 남한과 북한 모두 크게 상승할 것으로 예측되었다. 예를 들어, 현재 기후조건에서 충청북도와 강원도에서 평균적인 재배적합도가 76.75와 44.77으로 낮게 예측되었지만 2020년대에 각각 16.2% 및 46.1% 증가하여 2080년대에는 모든 행정구역에서 평균적인 재배적합도가 90이상으로 나타날 것으로 예측되었다. 반면, 2080년대에 16개의 시 도 중 11개의 지역에서 재배적합도가 감소할 것으로 예측되었다. 북한의 경우 현재 기후조건에서 평균적인 재배적합도는 28.40으로 평균적인 재배적합도가 낮았다. 그러나 기후변화가 진행되면서 재배적합도가 크게 증가하여 2080년대에는 14개 행정구역 중 10곳에서 평균적인 재배적합도가 80 이상일 것으로 예측되었다. 특히 나선, 신의주 및 개성 인근 지역의 재배적합도가 크게 증가할 것으로 예측되어 이를 중심으로 수출을 위한 사료 생산단지 및 축산단지 조성이 가능할 것으로 예상되었다. 현재, 내한성 향상을 중심으로 이탈리안 라이그라스의 새로운 품종들이 개발 및 보급되고 있어 이러한 신품종을 대상으로 한 이모작 가능지를 구분하기 위해 품종별로 최적화된 모수를 활용한 재배적합도 예측지도를 작성연구가 연구가 필요할 것으로 사료되었다.

감사의 글


본 연구는 농촌진흥청 공동연구사업(과제번호: PJ009860)의 지원에 의해 수행되었습니다.

REFERENCES

Choi, G. J., Y. C. Lim, K. Y. Kim, B. R. Sung, J. K. Lee, H. C. Ji, H. S. Park, D. K. Kim, J. S. Moon, and S. Seo, 2007: A ultra cold-tolerant and early-maturing italian ryegrass (Lolium multiflorum Lam.) new variety, ‘Kowinearly’. Proceedings of the Korean Society of Grassland and Forage Science conference 45, 192-193. (in Korean with English abstract)

Dzyubenko, N. I., E. A. Dzyubenko, and A. N. Dzyubenko, 2004: Interactive agricultural ecological atlas of Russia and neighboring countries. Economic Plants and Their Diseases, Pests and Weeds [Online]. Available at: http://www.agroatlas.ru/en/content/related/Loniceraedulis/.

Feng, J., D. K. Lee, C. Fu, J. Tang, Y. Sato, H. Kato, J. L. Megregor, and K. Mabuchi, 2011: Comparison of four ensemble methods combining regional climate simulations over Asia. Meteorology and Atmospheric Physics 111, 41-53.crossref(new window)

Hijmans, R. J., L. Guarino, M. Cruz, and E. Rojas, 2001: Computer tools for spatial analysis of plant genetic resources data. 1. DIVA-GIS. Plant Genetic Resources Newsletter 127, 15-19.

Hijmans, R. J., S. E. Cameron, J. L. Parra, P. G. Jones, and A. Jarvis, 2005: Very high resolution interpolated climate surfaces for global land areas. International Journal of Climatology 25, 1965-1978.crossref(new window)

IPCC, 2007: The AR4 Synthesis Report.

MIFAFF, 2011: Forage production and utilization for animal production. Ministry of Food, Agriculture, Forest and Fisheries. (in Korean)

Kim, K. D., K. I. Sung, Y. S. Jung, H. I. Lee, E. J. Kim, J. G. Nejad, M. H. Jo, and Y. C. Lim, 2012: Suitability classes for italian ryegrass (Lolium multiflorum Lam.) using soil and climate digital database in Gangwon Province. The Korean Society of Grassland and Forage Science 32(4), 437-446. (in Korean with English abstract)crossref(new window)

Kim, K. Y., H. C. Ji, S. H. Lee, K. W. Lee, W. H. Kim, M. W. Jung, S. Seo, and G. J. Choi, 2010: Yield and nutritive value of spring-seeded early and late maturity italian ryegrass (Lolium multiflorum Lam.). The Korean Society of Grassland and Forage Science 30(2), 97-102. (in Korean with English abstract)crossref(new window)

Kim, M. J., J. G. Kim, G. S. Ki, G. J. Choi, S. Seo, and S. H. Yoon, 2007: Feeding effect of TMR using italian ryegrass silage on milk yield and composition in dairy cattle. Proceedings of the Korean Society of Grassland and Forage Science conference 45, 254-255. (in Korean with English abstract)

Kim, W. H., K. Y. Kim, M. W. Jung, H. C. Ji, Y. C. Lim, S. Seo, J. D. Kim, B. K. Yoon, and H. W. Lee, 2011: Dry matter yield and forage quality at mixture of annual legumes and italian ryegrass on paddy field. Journal of the Korean society of grassland and forage science 31, 33-38. (in Korean with English abstract)crossref(new window)

Kim, Y. D., S. K. Suh, H. K. Park, J. S. Chae, M. G. Shin, and J. S. Yang, 1991: Multiple fodder cropping systems of upland fodder crops in southern region. Research Reports of the Rural Development Administration 33, 47-53. (in Korean with English abstract)

Krishnamurti, T. N., C. M. Kishtawal, T. E. LaRow, D. R. Bachiochi, Z. Zhang, E. Williford, S. Gadgil, and S. Surendran, 1999: Improved weather and seasonal climate forecasts from multimodel superensemble. Science 285, 1548-1550.crossref(new window)

Krishnamurti, T. N., C. M. Kishtawal, Z. Zhang, T. LaRow, D. Bachiochi, and E. Williford, 2000: Multimodel ensemble forecasts for weather and seasonal climate. Journal of Climate 13, 4196-4216.crossref(new window)

Lee, B. W., J. C. Shin, and J. H. Bong, 1991: Impact of climate change induced by the increasing atmospheric $CO_{2}$ concentration on agroclimatic resources, net primary productivity and rice yield potential in Korea. Korean Journal of Crop Science 36, 112-126. (in Korean with English abstract)

Ramirez-Villegas, J., A. Jarvis, and P. Laderach, 2013: Empirical Approaches for Assessing Impacts of Climate Change on Agriculture: The EcoCrop model and a case study with grain sorghum. Agricultural and Forest Meteorology 170: 67-78.crossref(new window)

Seo, S., W. H. Kim, K. Y. Kim, G. J. Choi, H. C. Ji, S. H. Lee, K. W. Lee, and M. J. Kim, 2011: Forage productivity and quality of domestic italian ryegrass and barley varieties. The Korean Society of Grassland and Forage Science 31, 261-268. (in Korean with English abstract)crossref(new window)

Shin, J. C., C. G. Lee, Y. H. Yoon, and Y. S. Kang, 2000: Impact of climate variability and change on crop productivity. Korean Journal of Crop Science 45, 12-27. (in Korean with English abstract)

Suh, M. S., S. G. Oh, D. K. Lee, D. H. Cha, S. J. Choi, C. S. Jin, and S. Y. Hong, 2012: Development of new ensemble methods based on the performance skills of regional climate models over South Korea. Journal of Climate 25, 7067-7085.crossref(new window)

Yang, J. S., 1992: Cultivation of forage crops after rice on paddy-land. Journal of Korean Grassland Forage Science 31, 261-268. (in Korean with English abstract)

Yun, W. T., L. Stefanova, and T. N. Krishinamurti, 2003: Improvement of the multimodel superensemble technique for seasonal forecasts. Journal of Climate 16, 3834-3840.crossref(new window)

Weigel, A. P., R. Knutti, M. A. Liniger, and C. Appenzeller, 2010: Risks of model weighting in multimodel climate projections. Journal of Climate 23, 4175-4191.crossref(new window)