|
장기간에 걸쳐 관찰되는 기후데이터와 생태계의 변화를 면밀히 분석해 예측하는 것이 필요하다. 수작업을 통한 통계분석은 시간과 비용이 너무 많이 필요하고 도출된 결과를 검정할 방법도 확실하지 않다.
자연생태계와 비교해 농업생태계는 구성 요소들의 관리가 대부분 인위적으로 이루어지고 있어 인공지능(AI·artificial intelligence)을 통한 모델화가 조금 더 용이하다.
AI 기술을 농업생태계에 적용하기 위해서는 일단 생태계를 구성하는 요소들의 관측값, 특히 비정형데이터들을 수치화하는 작업이 필요하다.
이는 가장 어려운 부분이다. 숫자로 생태계의 상태를 표현해야 하기 때문이다. 이렇게 수치화된 데이터를 적절하게 분석하고, 적용 가능한지 검정해 가는 관리 지침을 만들어야 한다.
여러 가지 요인들을 대상으로 원인과 결과를 따져보는 과정을 프로그램화시켜 기계학습을 통해 그때그때 필요한 조치를 경고하는 플랫폼을 형성시킨다면 상당히 유용할 것으로 보인다.
생태계 모델에 대한 특성분석과 고찰을 통해 알고리즘을 설정해야 한다. AI 기술이 적용될 분야는 매우 다양하다. 동식물 유전자원의 분류와 관리, 적절한 물관리 시점에 관한 판단, 시비량 결정, 병충해 등 재해 예측, 작황 예측 등이 있다.
최근 AI 기술을 적용한 예는 농촌진흥청 농업유전자원 관리 노력에 있다. 농업유전자원 데이터베이스는 산업자원뿐만 아니라 생물자원으로서 식물에 대한 정보를 동시에 포함하고 있다.
건강한 농업생태계는 지속적 영농기반을 확보하고 농업생산의 외부효과도 최상의 상태를 유지하는 것이다.
기후변화에 대한 면역력을 확보하는 것도 중요하다. 기후변화의 특징 중의 하나는 예측 불가하다는 것이다.
올 가을 태풍과 같은 이상기후나 부지불식간에 외래 생물종이 대규모 발생하는 온난화 과정에서 발생할 수 있는 재해 등은 단기간의 노력으로는 극복하기 어려워 보여도 건강한 생태환경을 유지하는 노력을 꾸준히 한다면 원상복구에 걸리는 시간이 짧아지기 마련이다.
약 28조원에 달하는 농업의 다원적 가치(2018년 국립농업과학원), 즉 농업의 작물 생산 이외에 대부분 논의 담수 능력, 홍수조절기능, 복사열의 흡수, 토양유실 방지, 양분공급, 탄소경제적 측면의 가치 등도 고려해야 한다.
AI 기술을 적용해 농업생태계를 건강하게 유지할 수 있다면 우리는 많은 새로운 시행착오를 방지하고, 과거에 인식하지 못했던 더 진보된 방법으로 생태계의 여러 문제점을 다룰 수 있게 될 것이다. AI 기술을 농업생태계의 연구에 활용하는 것은 새로운 가능성의 시대로 나아가는 첫걸음이라고 할 수 있다.
