혼농임업 의사결정 지원 시스템

혼농임업 시스템(AFSs)은 생물다양성, 생산성 및 기후 회복력을 증진하지만, 그 복잡성으로 인해 기존 모델링 방식으로는 분석이 어렵습니다. 본 연구는 이러한 한계를 극복하고자 과정 기반 모델링(PBM), 머신러닝, 전과정 평가(LCA)를 통합한 사용자 친화적인 의사결정 지원 시스템(DSS) 프레임워크를 제시합니다. 연구팀은 Hi-sAFe를 활용하여 옥수수-포플러 시스템에 대한 다중 시나리오(16개 구성) 시뮬레이션을 수행했습니다. 이를 통해 토지등가비(LER 최대 1.29), 작물 수확량(4.3~8.1 t ha−1), N2O 배출량(1.6~9.4 kg N ha−1) 등 상세한 결과를 얻었습니다. PBM 진단, 미기후, 설계 변수를 기반으로 랜덤 포레스트 모델을 훈련했으며, SHAP 분석 결과 최대 기온, 나무 줄까지의 거리, 광합성 유효 방사선(PAR)이 수확량과 LER의 주요 예측 변수임을 확인했습니다. 또한, 데이터 부족 문제를 해결하기 위해 LSTM 및 TrAdaBoost-LSTM 모델을 사용하여 미기후를 예측했으며, 시간별 온도 및 습도 경향을 높은 정확도(R2 = 0.88)로 포착했습니다. 이러한 결과는 LCA 워크플로우에 통합되어 CO2 등가 및 질소 발자국 지표를 산출했으며, 이는 웹 기반 DSS로 연동되었습니다. 이 플랫폼은 이해관계자들이 실시간 시나리오 탐색과 과학적 근거에 기반한 의사결정을 할 수 있도록 지원하며, 견고하고 투명하며 확장 가능한 AFS 평가를 가능하게 합니다. 본 프레임워크는 모델링된 토양 유기탄소 역학 및 N2O 배출량을 통합하여 AFS의 온실가스(GHG) 회계를 가능하게 합니다. 독일 전역에 걸친 평가를 통해 AFS의 대규모 구현이 상당한 온실가스 감축 잠재력을 가짐을 입증했습니다.