기후변화를 고려한 쌀 토지생산성 모형의 예측력 평가

Abstract

본 연구는 다양한 시계열 모형으로 추정한 쌀 토지생산성 모형의 예측력을 비교 분석하였다. 기후변화를 반영하기 위하여 CO2, 기온, 강수량 등의 변수를 고려하였고, ARIMA, ARIMAX, ARDL, GARCH-M 그리고 Just and Pope(1978) 등의 모형을 이용하여 추정하였다. 분석결과 CO2는 쌀 토지생산성에 장기적으로는 영향을 미치지만, 단기적으로는 영향을 미치지 않았다. 반면, 기온은 단기에서 쌀 토지생산성에 영향을 미치는 주요 변수로 분석되었다. 쌀 토지생산성의 변동성은 시간에 따라 변하지 않는 것으로 분석되었으며, 기상변수의 변동에 안정적인 것으로 나타났다. 쌀 토지생산성 모형의 예측력 평가에서는 기상변수를 반영한 ARIMAX 모형 (3)이 장단기 모두 예측력이 가장 높은 것으로 분석되었다. 쌀 토지생산성과 CO2간 의 장기균형관계를 반영한 ARIMAX 모형과 ARDL-ECM 모형은 단기보다 장기에서 예측력이 향상되는 것 으로 분석되었다. 향후 쌀 토지생산성의 불확실성을 잘 반영하기 위해서는 기상 실험자료나 IPCC 장기예측자료 등과 같은 사전정보를 활용한 베이지안 분석을 활용할 필요가 있다. [핵심주제어] 쌀 토지생산성, CO2, 기후변화, 예측

This study compares the dynamic forecasting performance of rice yield models under climate change. Based on time series methodologies, we estimate rice yield models considering climate change factors, such as CO2, average temperature, and precipitation. To evaluate the forecasting performance, ARIMA, ARIMAX, ARDL, GARCH-M, and the Just and Pope (1978) model are used. The results show that CO2 has a long-term influence on rice yield but no short-term effect. Temperature is the main factor in determining rice yield in the short run. The variance of rice yield does not change over time, and the meteorological variables do not affect the yield variance. The ARIMAX model shows the best forecasting performance in the short and long run. The ARIMAX model and the ARDL-ECM model show better forecasting performance because they consider the long-run equilibrium relationship between rice yield and CO2. To reflect future rice yield uncertainties, it is necessary to use the Bayesian estimation method with prior information, such as experimental weather data and IPCC long-term forecasting data. [Key Words] Rice Yield, CO2, Climate Change, Forecasting