Differential Climate Sensitivity of Maize and Wheat in Nepal: Evidence from Panel Econometrics and Machine Learning

기술 요약: 네팔의 옥수수와 밀의 차별적 기후 민감도

문제 제기
기후 변동성은 노동력의 65%를 부양하고 GDP의 약 27%를 기여하는 네팔의 소농 곡물 농업에 있어 고조되는 위협이 되고 있다. 기온 상승과 강수량 변화가 곡물 수확량을 감소시킨다는 점은 글로벌 문헌을 통해 확립되어 있으나, 네팔의 두 주요 작물인 옥수수(Zea mays)와 밀(Triticum aestivum) 사이에서 이러한 영향이 어떻게 다르게 나타나는지에 대한 엄격하고 비교적인 정량화 연구는 부족한 실정이다. 기존의 네팔 관련 연구들은 단일 작물을 분석하거나, 구역별 고정 효과(district-level fixed effects)가 결여된 단순 시계열 회귀 분석에 의존하거나, 희소한 데이터로 보정된 작물 시뮬레이션 모델을 사용하는 경향이 있다. 또한, 머신러닝과 패널 계량경제학을 통합하여 네팔의 다양한 농업 생태 구역 전반에 걸친 두 작물의 차별적 기후 민감도를 비교한 선행 연구는 존재하지 않는다.

연구 방법론
본 연구는 농업 및 축산 개발부(MoALD)의 수확량 데이터와 NASA POWER(MERRA-2 재분석 자료)의 기후 데이터를 활용하여, 77개 구역을 포괄하는 균형 잡힌 30년 단위 구역별 패널(1993~2022)을 구축하였다. 분석에는 이중 프레임워크 접근법이 적용되었다:

1. 패널 계량경제학: 시간 불변적 구역 이질성(예: 토양 질, 인프라)과 횡단면 의존성을 통제하기 위해 클러스터 강건(cluster-robust) 및 드리스콜-크라이(Driscoll-Kraay) 표준 오차를 적용한 고정 효과(Fixed Effects, FE) 회귀 분석을 실시하였다. 모델은 로그 변환된 수확량에 대한 생육기 평균 기온, 총 강수량, 표준화 강수 증발산 지수(SPEI), 열 스트레스 일수, 그리고 계절 내 강수 변동성의 한계 효과를 추정한다. 강건성 검증은 시차 변수, 차분 모델, 그리고 시차 SPEI 이상치를 이용한 도구 변수(IV) 추정을 통해 수행되었다.
2. 머신러닝(ML): XGBoost와 랜덤 포레스트(Random Forest) 모델을 훈련시켰으며, 10겹 교차 검증(10-fold cross-validation)을 통해 하이퍼파라미터를 최적화하였다. 모델 성능은 $R^2$, RMSE, MAE, MAPE를 사용하여 시간적 홀드아웃 테스트 세트(2018~2022)에서 평가되었다. SHAP(Shapley Additive Explanations) 값을 활용하여 전역적 및 국지적 변수 중요도를 결정하고, 기후-수확량 관계의 비선형 임계치를 식별하였다.

주요 기여
본 연구는 패널 계량경제학과 머신러닝을 통합하여 네팔의 옥수수와 밀의 기후 민감도를 비교한 최초의 사례로서 다음과 같은 구체적인 기여를 한다:

• 비교 정량화: 두 작물의 기후 탄력성에 대한 구역별 추정치를 동시에 제공함으로써 차별적인 취약성 프로파일을 밝혀냈다.
• 통합 프레임워크: 복잡한 수분-온도 상호작용을 포착하기 위해 단일 계량경제 모델 내에 SPEI 가뭄 지수를 기온 및 강수 지표와 함께 통합하였다.
• 비선형 벤치마킹: XGBoost와 SHAP 분석을 활용하여 파라메트릭 모델이 놓칠 수 있는 비선형 기후-수확량 관계를 포착하고 생리적 임계치를 식별하였다.
• 생리학적 검증: 통계적 발견을 C3(밀) 대 C4(옥수수) 광합성 생리학에 근거하여 설명함으로써 차별적 민감도를 규명하였다.

결과
분석 결과 세 가지 주요 결과가 도출되었다:

1. 차별적 열 민감도: 밀은 옥수수보다 기온 상승에 훨씬 더 민감하다. 생육기 기온이 1°C 상승할 때 밀 수확량은 8.7%($p < 0.001$) 감소하는 반면, 옥수수는 4.2% 감소한다. 이러한 차이는 모든 강건성 검증에서도 통계적으로 유의미하게 나타났다.
2. 가뭄 및 변동성 영향: SPEI의 1단위 감소는 옥수수의 경우 3.8% 감소하는 데 비해 밀 수확량은 6.1% 감소시킨다. 마찬가지로, 열 스트레스 일수와 계절 내 강수 변동성은 밀에 더 큰 부정적 영향을 미친다. 밀 수확량은 옥수수(CV = 0.19)에 비해 더 높은 연간 변동성(CV = 0.23)을 보인다.
3. 예측 성능 및 동인: XGBoost 모델은 홀드아웃 테스트 세트에서 높은 예측 정확도($R^2 = 0.84$ (밀); $R^2 = 0.79$ (옥수수))를 달 기록했다. SHAP 분석은 밀의 취약성이 기온과 가뭄 지표에 집중되어 있는 반면, 옥수수의 취약성은 강수량과 열 스트레스에 더 분산되어 있음을 확인해 준다. SHAP을 통해 식별된 비선형 임계치는 밀 수확량이 약 22°C 이상에서 급격히 감소하며, 옥수수는 시즌당 약 600mm 이상의 강수량이 있을 때 혜택을 받는다는 것을 보여준다.

의의 및 주장
본 논문은 밀의 C3 생리학, 낮은 임계 온도, 그리고 고온 지역인 테라이(Terai) 평원 집중 현상에 근거하여, 밀이 옥수수보다 기후에 훨씬 더 민감하다는 점을 주장한다. 본 연구는 이러한 차별적 민감도가 획일적인 농업 전략이 아닌 타겟팅된 정책 개입을 필요로 한다는 점을 강조한다.

구체적으로 저자들은 다음과 같이 주장한다:

• 정책 우선순위: 적응 노력은 기후 탄력적 밀 품종(예: CIMML의 내열성 계통)과 열적 페널티가 가장 심각한 테라이 지역에 대한 표적 관개 투자를 우선시해야 한다.
• 운영적 예측: 머신러닝 모델의 높은 예측 정확도는 계절적 기후 입력을 활용한 운영 가능한 구역 단위 수확량 예측의 기술적 타당성을 입증하며, 이는 조기 경보 시스템을 지원한다.
• 리스크 관리: 추정된 기후-수확량 탄력성은 SPEI 또는 온도 임계치에 의해 트리거되는 지수 기반 작물 보험 상품을 설계하기 위한 보험 계리적으로 신뢰할 수 있는 입력값을 제공한다.
• 기후 금융: 식량 안보 리스크의 집중은 네팔의 국가 결정 기여(NDC) 및 녹색기후기금(GCF) 할당 내에서 전용 적응 금융 스트림을 위한 밀 분야의 헌신적인 자금 지원을 정당화한다.

본 연구는 결론적으로 두 작물 모두 기후 리스크에 직면해 있으나, 테라이 지역의 밀 생산성 감소는 즉각적이고 증거 기반의 개입이 필요한 중대한 국가적 취약점이라고 밝히고 있다.