온난화와 같은 전지구적 변화는 기온과 강수 등 기상요소에 직접적으로 반영되어 곡물 수확량의 변화를 가져온다. 기후변화 시나리오에 기초한 선행연구들에서는 GCM (general circulation model)의 공간해상도 문제로 인하여 상세한 모의가 어려웠고, 시계열통계법을 활용한 연구들에서는 기후요소를 통합하여 수확량을 예측한 사례가 매우 드물었다. 이에 본 연구에서는 상세화된 기후재분석자료의 시계열모델링을 통하여 옥수수와 콩의 수확량 예측실험을 수행하였다. 미국 아이오와 주의 99개 카운티를 대상으로 1960년부터 2009년까지 50년간의 고해상도 기후재분석자료와 정부통계 수확량 DB를 구축하고, 시계열통계법인 VAR (vector autoregression)와 ARIMA (autoregressive integrated moving average)를 이용하여 다음해 수확량 예측실험을 10개 연도에 대해 수행하여 예측력을 평가하였다. VAR는 16-18%, ARIMA는 11-14% 의 오차율로 다음해의 수확량을 예측할 수 있는 것으로 집계되었으며, 옥수수의 경우 표토의 산성도, 심토의 점토와 나트륨 함유량 등의 토양특성 이 실제 수확량 및 예측정확도에 영향을 미치는 것으로 나타났다.

Global warming can bring about changes in crop yield by directly affecting meteorological parameters such as temperature and precipitation. Previous studies based on the climate change scenarios had difficulties in detailed simulation owing to the problem of spatial resolution of GCM (general circulation model). The researches using time-series modeling rarely incorporated climate factors info the crop yield prediction. In this study, we conducted experimental predictions of corn and soybean yields by time-series modeling of downscaled climate reanalysis data. We built a database for the climate dataset and governmental yield statistics for the period of 1960-2009 for the 99 counties in Iowa State. Then we carried out 10 sets of the next-year prediction for corn and soybean yields using VAR (vector autoregression) and ARIMA (autoregressive integrated moving average) methods. The VAR and ARIMA were able to predict the next-year yields with the errors of 16-18% and 11-14%, respectively. In addition, soil properties such as topsoil pH, subsoil clay fraction and subsoil sodicity were closely related to the actual yields and the prediction accuracies.

I. 서론
 II. 자료와 방법
  1. 기후 및 수확량 자료
  2. 시계열모형
  3. 검증방법
 III. 결과 및 고찰
  1. 시계열분석 결과
  2. 수확량 예측정확도 패턴
 IV. 결론
 참고문헌

• 김나리(부경대학교 지구환경시스템과학부 박사과정) | Nari Kim
• 이양원(부경대학교 공간정보시스템공학과 부교수) | Yang-Won Lee