Ⅰ. 서 론
2018년 기준 전국에 걸쳐 약 81,195 ha에서 시설재배가 이루어지고 있다. 시설재배면적에 대한 통계조사가 시작된 1990년엔 약 44,613 ha였지만 2000년에 이르러 약 105,758 ha에 달할 정도로 급격히 증가하였다. 이후 조금씩 감소하는 추세를 보였으나, 정부의 논밭전용 사업 강화와 시설재배의 면적대비 경제적 수익 증가 등의 이유로 향후 다시 증가할 것으로 전망된다. 특히, 경남은 시설재배면적이 전국 최대로 (2018년 기준 전국 18%)이며 1990년부터 2018년까지 매년 평균 1.7% 증가하였고 최근 2016년, 2017년, 2018년 증가율은 각 5.6%, 3.0%, 1.7%로 평균증가율을 웃돌고 있다 (MAFRA, 2019). 중앙정부에서 지원하는 스마트팜 사업이 본격적으로 추진되고 있으며, 토경재배보다는 초기시설비용이 많이 들지만, 자동화, 생력화가 가능한 양액재배 비중이 늘고 있다. 농민과 지방자치단체에서도 첨단 ICT를 활용해 농업소득을 높일 수 시설재배면적의 확산에 적극적으로 나서고 있다. 한편, 시설재배면적의 증가에 따라 전통적인 농촌경관이 바뀌고 물부족과 수질 문제 또한 커지고 있다.
연중재배와 고품질, 다수확 품종의 재배 증가에 따라 양질의 용수 수요가 커지고 있지만, 기존 수리시스템의 공급능력이 충분하지 않고 지하수 취수도 갈수록 어려워지는 실정이다. 재배용수 외에도 시설환경조절을 위한 수막용수의 증가와 재배면적의 밀집화로 인해 농가간 지역간 물분쟁도 가중되고 있다. 1984년에 국내에 도입된 수막재배기술은 겨울철 지하수를 열원으로 이용하여 시설 내 온도를 일정하게 유지하기 위해 온실 및 비닐하우스 시설 내에 설치된 다른 비닐막 혹은 시설 내 수로에 지하수를 살수하는 방법이다 (Kwon et al., 2017). 겨울철 야간에 보온 및 단열 효과를 높일 수 있기 때문에 건조기인 겨울에도 오히려 우기인 여름보다 물수요가 높게 나타난다. 또한, 시설재배 증가로 불투수층이 증가함에 따라 강우의 자연적인 침투와 지하수 함양을 막고 있어 유한자원인 지하수의 고갈이 심각하게 대두되었다. 경남 내 주요 재배지역인 밀양의 경우, 시설재배의 수익성 증가로 면적이 증가하면서 지하수 취수공과 이용량 또한 증가하는 추세다. 밀양시에 따르면, 인허가된 전체 지하수 시설 5,830공 중 시설재배지역 인근에 설치된 지하수는 약 1,350공으로 23.2%에 해당하였다 (Miryang, 2019). 그리고 생육용수보다 수막재배를 위한 용수를 주로 사용하기 때문에 강우가 적어도 수막재배 수요가 큰 동절기에 지하수 고갈위험이 더 심각한 실정이다 (Miryang, 2017). 그뿐만 아니라 폐양액 배출에 따른 농촌토양과 주변 하천수 오염, 낙동가 하굿둑 개방에 따른 염류 희석 문제, 본류 환경용수 수요를 맞추기 위한 상류 저수지 운영 문제도 커지고 있다.
늘어나는 농업용수 수요에 대응하고 농촌다움을 유지하기 위한 지하수, 하천 등 수리시설 및 지하수 등 물관리를 위해서는 농업용수의 사용량을 시공간적으로 파악하고 환경에 미치는 영향의 정도를 평가하여 이에 대응할 수 있는 유역 상하류 수질 및 유량 관리 방안을 계획하고 사후 영향을 평가할 수 있어야 한다. 대상지역을 포함한 주변의 복합적인 요인을 고려하고 수리, 수질, 수문의 연계와 다양한 시나리오를 검토할 수 있는 기법의 개발이 필요하고, 이를 위해서는 정확한 현장자료에 기반한 학문적 연구와 현장 검증이 수반되어야 한다 (ME, 2016; Lee et al., 2019). 그러나 시설재배와 관련하여 작목과 시설재배형식, 시설재배면적 등 기초자료를 제대로 구축하지 못하고 있다. 농림축산식품부는 시설채소 재배통계를 매년 전수조사해서 국가농식품통계서비스 (Korea Agricultural Statistics Service; KASS)와 국가통계포털 (Korean Statistical Information Service; KOSIS)을 통해 시도단위 농가수와 재배면적을 공개하고 있다. 그러나 통계작성의 신뢰성 문제 때문에 시군이나 읍면단위의 상세 자료는 공표하지 못하고 있고, 현장조사를 담당하는 지방자치단체도 제대로 업무를 이해하거나 조사자료 관리를 체계적으로 다루지 못하는 경우가 많다. 통계청에서 5년마다 실시하는 농림어업총조사의 경우도 주요 시설채소에 한하여 시군단위의 수확면적과 농가수만을 배포하고 있다.
본 연구는 대표적 시설재배단지인 경남 밀양시 상남면과 삼랑진읍에 대하여 지역 물순환과 물환경에 영향을 미치는 시설재배면적의 시공간 분포 특성을 분석함으로써 지자체의 시설재배단지 관리뿐만 아니라 효율적인 농업용수 공급과 이용, 지하수 취수와 함양, 오염원 관리, 건전한 하천 보전을 위한 하천관리 등 물관리 계획과 정책 수립에 필요한 기초자료를 제공하고자 하였다. 기존 시설재배 통계의 한계를 극복하기 위해 과거 위성영상과 항공사진으로부터 시설재배면적의 공간분포를 추출하고, 시계열 분석을 통해 변화 유형을 분석하였다.
Ⅱ. 재료 및 방법
1. 대상지구
본 연구의 대상은 경남 밀양시 상남면 (예림리, 기산리, 연금리, 평촌리, 마산리, 동산리, 외산리)과 삼랑진읍 (삼량리, 미전리, 용성리, 임천리, 청학리)에 위치한 시설재배단지로서 밀양강이 가로질러 흐르는 지역이다 (Fig. 1). 수량이 풍부하여서 전통적으로 벼농사에 유리한 지역이지만, 현재는 시설재배 면적이 상당 부분 차지하고 있다. 시설재배 면적이 경남 최대인 밀양시는 경남 시설재배 면적의 약 15% (1,970 ha)를 차지하고, 농가소득 중 시설채소재배의 비중이 약 49%에 달할 정도로 시설재배에 의존하고 있는 농업지역이다. 본 연구의 대상지는 총면적이 약 1,884 ha이고, 주요 시설재배 작물은 고추, 딸기 감자 등이다. 최근 삼랑진 일대가 2019년 스마프팜 혁신밸리 사업구역으로 지정되었기 때문에 향후 시설재배면적의 확대가 가속될 것으로 전망되는 지역이다. 반면에 낙동강 하구둑 개방으로 인한 해수역류 때문에 염해피해의 우려가 높아지고 있어서 하천과 하천 주변지역에 대한 세심한 물순환 및 수질 관측과 영향 평가가 필요한 것으로 알려져 있다.
2. 자료수집과 전처리
연도별, 필지별 시설재배 여부를 파악하기 위해 편집지적도 (국토교통부, 1/5,000)를 기준으로 자료를 구축하였다. 대상지역 내 필지 수는 1,998 개 (2017년 기준)이고, 필지면적의 최대는 22,168 m2, 최소는 0.98 m2, 그리고 평균은 2.82 m2로 나타났다. 대상지역 내 과거 시설재배 현황을 추출하기 위하여 1987년부터 2018년까지 고해상도 위성영상과 항공사진을 수집⋅처리하였다 (Table 1). 위성영상은 2012년부터 2018년까지 촬영된 공간해상도 2 m의 광학영상으로 밀양시로부터 제공받았고, 항공사진은 국토정보지리원으로부터 1987년부터 2008년까지의 흑백사진을 Tiff 파일형태로 수집하였다. 그리고 항공사진의 경우엔 기하보정을 거쳐 공간해상도 0.5 m의 img 형식으로 변환하였다. 모든 영상은 국가표준좌표계를 따라 지구타원체를 GRS80으로 통일하였으며 중부원점 (동경 129/북위 38)로 처리하였다 (Fig. 2).
3. 시설재배 필지의 판독
위성영상을 이용한 시설재배, 즉 비닐하우스를 추출 혹은 분류 (classification)는 다양한 연구들에서 시도되었다. 그러나 일반적으로 육안판독보다 분류 정확도가 높지 않은 것으로 알려져 있고, 분광해상도와 공간해상도가 높은 양질의 영상자료나 지표변화를 분석할 수 있는 다시기 영상을 확보했을 때 가능하였다 (Lee & Kim, 2008; Lee et al., 2012; Sung et al., 2012). 대상지구에서 가용한 과거 영상자료는 흑백 항공사진과 RGB 위성영상뿐이기 때문에 본 연구는 영상분류보다는 편집지적도를 바탕으로 각 필지의 시설재배 여부를 육안판독 (interpretation) 하였다. 필지 구분이 연도별로 다르고 동일 필지라도 시설재배와 노지재배 등 다른 피복이 섞인 경우가 있기 때문에 판독과 더불어 필지 폴리곤을 임으로 추가하거나 나누는 등의 편집 작업을 수행하였다. 2012년 이후의 고해상도 RGB 위성영상의 경우는 시설재배 필지의 구분이 용이하였으나, 이전 흑백 항공사진의 경우엔 원 영상의 낮은 품질과 낮은 분광정보 때문에 식별이 분명하지 않았다. 특히 Fig. 3의 사례와 같이 온실의 형식이 다르고 같은 비닐피복이라도 차이가 있다. 더욱이 차광막이나 보온덮개가 덮이면 다른 반사특성을 보이기 때문에 판독에 주의가 필요하였다. 시설재배는 아니지만 멀칭과 고랑재배가 이뤄진 노지재배 필지도 형태적으로 온실과 유사한 사례가 많았고, 특히 단일밴드인 항공사진에서 판별이 어려웠다. 한편, Fig. 4에서 보듯이 비닐 피복을 완전히 제거한 비닐하우스의 경우엔 비닐하우스의 구조상 보이는 규칙적인 프레임 형태의 유무를 판단하여 시설재배지로 분류하였다.
4. 시공간 변화 추세 분석
가. 발생핫스팟 분석 기법
시설재배지의 시공간적 변화와 추세를 분석하기 위해서 Space time cube를 활용한 ESRI (Environmental Systems Research Institute)의 발생핫스팟 (Emerging Hotspots Analysis) 지오프로세싱 (geoprocessing) 도구를 사용하였다 (Fig. 5). Space time cube는 공간을 나타내는 x 및 y 치수와 시간 (date)을 나타내는 t 차수를 가진 빈 (bin)이 한 층씩 결합한 3D 자료구조로서 시공간 패턴을 찾기 위한 시공간 밀도 (density) 분석과 핫스팟 (hotspot) 분석에 사용된다 (Bass, 2017; Kim and Kim, 2019; Kim et al., 2019; Kristensson et al., 2009; Tak, 2013).
Fig. 5
Data processing and analysis workflow for converting polygon data (parcels) into an emerging hot spot map: modified from ESRI
데이터가 있는 모든 개별 빈은 개별적인 독립적인 시계열을 나타내고, 각 단계를 순차적으로 비교함으로써 각 빈의 시간적 추세를 판단한다 (Krishnan et al., 2019; Harris et al., 2017). 데이터셋 (dataset)의 각 사상 (feature)에 대해 Getis-Ord Gi* 통계량을 계산하고 Z값과 P값을 이용하여 높은 값 혹은 낮은 값의 사상이 공간적으로 군집 (cluster)을 이루는지를 탐색한다 (Harris et al., 2017). 즉, Z값이 우연에 의해 얻을 수 있는 값보다 통계적으로 유의미한 수준에서 크거나 작은지 여부를 분석한다 (Tak, 2013). 통계적으로 유의한 양의 Z값일 경우엔 Z값이 클수록 높은 속성 값의 군집 경향 (hot spot)이 크며, 통계적으로 유의한 음의 Z값의 경우는 Z값이 작을수록 낮은 속성 값의 군집 경향 (cold spot)이 큰 것으로 해석한다 (Harris et al., 2017). Z값이 1.96보다 크거나 1.96보다 작다는 것은 유의수준 P<0.05에서 통계적으로 유의미한 핫스팟 (hot spot) 또는 콜드스팟 (cold spot)이 있다는 것을 의미한다. 반대로 거의 0에 가까운 Z값은 명백한 공간 군집이 없음을 나타낸다 (Krishnan et al., 2019; Tak, 2013). Getis-Ord Gi* 통계량은 식 (1)로 계산한다.
여기서, i와 j는 개별 feature, xj는 feature j에 대한 속성값, wi,j는 feature i와 j사이의 공간가중치, n은 전체 feature 개수, X는 feature 속성값의 평균이다.
본 연구에선 10개년 영상자료에서 추출한 시설재배 필지의 위치정보를 사용하였고, 모든 개별 빈에 대해 Getis-Ord Gi* 통계량으로부터 특정 빈의 시설재배지 변화가 통계적으로 군집되는지 여부를 분석하였다. Z값이 양 (+)이고 통계적으로 유의미한 수준에서 크다면 시설재배 필지가 많고 또한 주변도 비슷하게 시설재배 필지 분포가 둘러싸여 있다는 것을 의미한다. 반면 Z값이 음 (-)이며 통계적으로 유의한 수준이라면 시설재배 필지 밀도가 낮고 주변도 비슷한 수준으로 분포된 것으로 해석하였다. 이를 구현하기 위해 Fig. 5의 단계를 따라, Ⓐ 필지 폴리곤 (polygon)별로 각 연도의 시설재배여부를 속성으로 입력하고, Ⓑ 폴리곤 중심 (centroid)을 기준으로 포인트 (point) 자료로 변환하였다. 그리고 Ⓒ 포인트를 300 m 단위로 집계 (aggregation)한 후, Ⓓ 대상지구 범위로 마스킹 (masking) 한 빈으로 Ⓔ NETCDF (Network Common Data Form) space time cube를 작성하였다. 최종적으로 Ⓕ 큐브의 각 빈에 대해 Getis-Ord Gi 통계를 계산하고 시계열 분석으로 발생핫스팟 지도를 도출하였다. 발생핫스팟의 경향은 Table 2에서 정리된 바와 같이 New hotspot, Consecutive hotspot, Sporadic hotspot 등 8개의 핫스팟 범주와 8개의 콜드스팟 범주로 총 17개의 형태로 유형화하여 분석할 수 있다 (ESRI, 2020).
Table 2
Classification scheme for portraying different categories of statistically significant hot/cold spots (ESRI, 2020)
Ⅲ. 결과 및 분석
1. 시설재배 필지 판독
1987년부터 1993년, 2000년, 2004년, 2008년, 2012년, 2015년, 2016년, 2017년, 그리고 2018년 등 10개년의 위성영상과 항공사진 (Fig. 2)을 편집지적도를 기준으로 판독한 결과, 시설재배필지가 Fig. 6과 같이 도출되었다. 1987년 438 ha로 전체 대상지역의 약 23%였던 시설재배면적은 2018년 713 ha로 약 38%로 확대되었다. 이 지역에서 시설재배면적은 과거 30년간 연평균 약 8.5 ha씩 증가하였고, 1987년에 비해서 2018년엔 약 1.6배 확대된 시설재배단지가 조성된 것으로 분석되었다.
Fig. 7에서 보듯이 2000년에 시설재배면적이 584 ha로 증가한 후 2012년 482 ha까지 줄어들었고 다시 2016년부터 매년 증가하는 추세가 나타났다. 2012년에 시설재배면적이 급격히 감소한 것은 대상지구 하단의 상남면 외산리와 마산리 등에서 시행된 농경지 리모델링 사업 (사업기간: 2010년 4월~2012년 2월)으로 인해 재배시설이 철거되었기 때문이었다. Google Earth와 Kakao 지도서비스에서 제공하는 2012년 초반 위성영상을 조회한 결과, Fig. 8 (right)과 같이 시설재배뿐만 아니라 노지재배도 이뤄지지 않은 것으로 확인할 수 있었다. 환경부에서 2012년 공개한 세분류토지피복지도에서도 이 지구에서 시설재배지 (세분류명: 하우스재배, 세분류코드: 231)가 없는 것으로 나타났다. 반면에 본 연구에서 밀양시청으로부터 수집한 영상은 2012년 중반에 촬영된 것으로 농경지 리모델링 사업의 완료 후 다시 재설치된 일부 시설하우스를 포함하고 있었다 (Fig. 8 (left)). 이전 영상으로 작성된 환경부 세분류토지피복지도는 사업 후의 피복변화를 반영하지 못하고 여러 해에 걸쳐 촬영된 영상을 사용하였기 때문에 2012년의 시설재배 실태를 제대로 반영하지 못하는 것을 확인할 수 있었다.
Fig. 8
Different classification of greenhouse area in the farmland remodeling site (left: a satellite image taken in the middle of 2012, middle: EGIS published in 2012, right: a satellite image taken in early 2012 just after farmland remodeling)
2017년도 영상으로 제작된 농경지 전자지도, 팜맵 (Digital Farm Map)과 본 연구의 2017년도 판독 결과와 중첩하면, Fig. 9와 같았다. 팜맵과 동일하게 시설재배필지로 구분된 면적은 622.2 ha, 팜맵에서만 시설재배지로 분류된 면적은 45.7 ha, 본 연구의 판독으로 시설재배필지로 추출된 면적은 76.8 ha로 각각 분석되었다. 팜맵을 기준으로 판독결과를 검증할 때 약 84.2%의 정확도를 보였고, 팜맵에서는 시설재배지로 분류되었지만 고해상도 위성영상에서는 줄파종 재배로 파악되는 사례들을 확인할 수 있었다.
Fig. 9
Comparison of greenhouse parcels between a digital farm map and the result of this study for the year of 2017 (red box: greenhouses defined only in the farm map)
Fig. 6의 시설재배필지의 증가에 따른 공간분포의 변화를 살펴보기 위해 평균중심 (mean center)를 구하면, Fig. 10과 같다. 시설재배필지의 위치정보와 필지면적으로부터 ArcGIS 공간통계도구를 이용하여 대상 연도별 시설재배필지의 무게중심을 찾은 결과, 대상지구 상부의 기산리에서 연금리, 평촌리 순으로 밀양강 하류방향으로 내려가면서 낙동강 본류에 가까워지는 양상을 보였다. 낙동강 본류 주변으로 상당한 수준의 필지가 시설재배로 전환되고 있는 것을 확인할 수 있으며, 낙동강 하구언 개방 등 본류의 수질에 의한 영향이나 피해에 노출된 시설재배면적이 증가할 것으로 추정할 수 있었다. 시설재배면적으로 증가에 따라 농업용수 수요와 취수가 증가할 것이고 물부족 상황이 발생하면 농가 사이 수리권 분쟁과 민원이 커질 수 있음을 시사하였다.
2. Space time cube 생성
시설재배지 분포에 대한 발생핫스팟 분석은 고해상도 위성영상과 항공사진에서 도출된 연도별 시설재배 필지의 위치정보를 사용하였다. 편집지적도의 각 필지 폴리곤별 중심좌표를 추출하였고, 대상 연도를 Date 필드로 추가하고 연도별 시설재배여부를 속성자료로 입력하였다. ArcGIS Pro의 ‘Create Space Time Cube by Aggregating Points’ 도구를 사용하여 셀 간격 (distance interval) 300 m, 시간 간격 (time step interval) 3년의 모두 11개 빈으로 구성된 NETCDF (NETwork Common Data Form)형식의 Space time cube 자료를 생성하였다 (Fig. 11). Fig. 6에서 확인했듯이, 대상지구의 상부에 밀집한 시설재배필지와 최근 중부와 남쪽에서 빠르게 시설재배로 변해가는 추세를 시각화하였다.
3. 발생핫스팟 분류
Space time cube를 입력자료로 하여 각 셀의 Getis Ord Gi* 통계량으로 핫스팟 군집과 콜드스팟 군집을 구분하고 계산된 Z값과 P값으로부터 시계열 패턴을 분류하는 발생핫스팟 도구 (Emerging Hot Spot Analysis)를 실행하였다. Fig. 12에서와 같이 핫스팟과 콜드스팟 유형이 모두 9개로 분류되었고 약 20%는 유의한 추세를 보이지 않았다. 핫스팟은 시설재배 발생 정도가 높은 필지들끼리 통계적으로 유의한 군집성을 나타내며, 콜드스팟은 시설재배필지가 적거나 다시 노지재배필지로 전환된 필지들이 유의한 수준에서 모여 있는 것을 의미한다.
1987년 이래 약 67.7%가 핫스팟 추세를 보였고, 신규형 (New hot spot: 34.1%), 진동형 (Oscillating hot spot: 18.7%), 영구형 (Persistent hot spot: 6.8%), 산별형 (Sporadic hot spot: 6.6%) 순으로 높게 분류되었다 (Fig. 13). 초기부터 시설재배필지가 몰려있는 상부 (예림리)에서 시설재배를 계속 유지하는 영구형 핫스팟이 나타났고, 비교적 최근에 시설재배필지로 전환된 신규형 핫스팟이 말단 외산리까지 대상지구 전체에 걸쳐 고루 분포하였다. 시설재배가 산발적으로 나타나는 산발형 핫스판은 주로 영구형 핫스팟 주변, 즉 예림리와 기산리에 분포하였고, 일부는 영구형으로 변화하는 과정의 강화형 (Intensifying)으로 구분되어 향후 영구형 핫스팟, 시설재배필지로 고착될 가능성이 높은 것으로 나타났다. 한편, 대상지구 내 중부 (임천리, 평촌리)엔 일부는 시설재배지로, 일부는 다시 노지재배로 전환되는 진동형 핫스팟이 집중하는 것으로 분류되었다.
Fig. 13
Proportion of emerging hot or cold spots according to categories (the number of spots are shown inside parentheses)
콜드스팟은 대상지구에서 11.3%에 그쳤고, 영구형 (Per-sistent cold spot) 4.2%, 과거형 (Historical cold spot) 3.6%, 강화형 (Intensifying cold spot) 2.0%, 연속형 (Consecutive cold spot) 1.5% 순으로 분류됐다 (Fig. 13). 대상 30년 기간 동안 90% 이상이 콜드스팟에 해당하는 영구형은 밀양강과 떨어진 상남면 동산리와 평촌리의 좌측과 삼랑진읍 청학리 우측에 주로 분포하였다 (Fig. 12). 지하수위와 인접 하천간의 관계를 고려할 때, 하천으로부터 멀어질수록 하천수의 지하수 유입이 불리하기 때문에 용수공급이 어려워질 수 있는 구역으로 추정되는바 시설재배지로서의 우선순위가 떨어진다고 추정되었다. 이들 구역에서는 향후에도 지하수에 의존하는 시설재배로의 전환 가능성이 크지 않은 것으로 해석할 수 있다.
Ⅳ. 요약 및 결론
본 연구는 주요 시설재배단지인 경남 밀양시 상남면과 삼랑진읍을 대상으로 시설재배 영향을 고려한 하천 수문⋅수질 관리에 수반되어야 하는 기초자료로서 과거 시설재배면적의 시공간적 변화를 추적하고 그 양상을 분석하였다.
과거 시설재배 분포의 부족한 통계자료를 극복하기 위해 1987년부터 2018년 사이 10개년도에 걸쳐 항공사진과 위성영상 자료를 판독하였고 시설재배필지의 공간분포를 지도로 작성하였다. 영상 촬영 시기에 따라 연내 변화는 반영하지 못하는 한계가 있었지만, 1987년 이래 비교적 꾸준히 시설재배지가 증가하는 양상을 확인하였다. 밀양읍과 인접한 상남면 상단에 집중되어 있던 시설재배단지가 밀양강을 따라 낙동강 본류 방향으로 확장되는 양상을 보였다. 미래 시설재배면적이 증가함에 따라 하천 인근보다 상대적으로 지하수 함양에 불리한 주변으로, 그리고 유량이 상대적으로 풍부한 낙동강 본류에 가까운 필지에서 시설재배가 늘어날 것으로 추정되었다.
시설재배 필지의 시공간 변화 특성을 발생핫스팟 분석을 통해 9개 유형으로 분류하였다. 대상 면적의 약 67.7%가 핫스팟으로 분류되었고, 이 중 최근에 시설재배로 전환된 신규형이 전체의 약 34.1%에 달하였다. 신규형 핫스팟은 이미 영구형 혹은 강화형으로 나타난 예림리와 기산리 외에서 골고루 널리 분포하였다. 그리고 강화형은 시간이 지날수록 시설재배로 변화가 늘어나는 곳으로 전통적인 시설재배지인 영구형으로 분류된 지역과 수리권 갈등이 발생할 우려가 큰 것으로 추정하였다. 한편, 콜드스팟은 전체의 11.3%에 그쳤고 하천 반대방향의 마을과 산림에 가까운 필지에 주로 분포하는 것을 확인할 수 있었다. 가장 시설재배 입지가 불리한 구역으로 시설재배면적이 증가하는 추세에도 단기적으로 노지재배가 유지될 것으로 판단되었다.
시설재배는 연중재배와 수막재배로 용수 사용량이 많고 양질의 지하수를 취수하면서도 강우의 토양 침투를 막아 지하수의 자연적인 함양을 저해하는 재배방식이다. 또한, 비점오염원으로서 대규모 단지일수록 주변 하천과 지하수 수질에 부정적인 요인으로 관리되고 있다. 시설재배의 확대는 미래 농업기술로서 고부가가치 농산물의 수요에 맞춰 피할 수 없는 변화이지만, 지속가능한 하천 생태계 보전과 농업용수의 안정적 공급이라는 측면을 고려하여 관리할 수 있는 기술과 제도의 마련이 필요하다. 본 연구에서 도출한 시설재배면적의 시공간 분포에 대한 이해를 바탕으로 주변 물순환과 물환경에 미치는 영향의 분석과 대응 방안의 개발을 향후 연구에서 추진되어야 할 것으로 사료되었다.
