1. 서 론
최근 무인항공기(UAV, Drone)는 환경 분야뿐만 아니 라 정밀농업, 지능형교통, 사물인터넷(IoT), 감시, 보안, 구조작업, 엔터테인먼트 산업과 같은 많은 응용 분야에 광범위하게 활용하고 있다. 무인항공기는 기술의 발전에 따라 위성 및 유인항공기에 비해 가격경쟁력과 운용용이 성이 탁월해 적용분야가 빠르게 증가하고 있다. 특히 무 인항공기에 장착되는 센서에 기반 한 데이터 획득 비용 측면에서 엄청난 효용성을 가짐으로써 무인항공기는 실 전용 데이터 수집 플랫폼으로써 무한대에 가까운 잠재력 을 가진 것으로 평가되고 있다[1]. 이는 곧 고비용 위성영 상으로는 취득 한계가 있는 고품질 공간정보를 고해상도 의 디지털 데이터로 실시간으로 변환하고 취득할 수 있다 는 의미이다.
시장조사기관인 PWC에 따르면 2020년 무인항공기 시 장은 1,270억 달러 규모이며, 이중 농업용 무인항공기 시 장은 324억 달러로서 전체의 약 25%를 차지하며 두 번째 큰 시장으로 추정하고 있다. 그만큼 농업은 무인항공기를 적용할 수 있는 다양한 산업과 잠재력이 큰 분야이다. 농 업 분야는 고령화에 따른 농촌인구 부족 및 인력난과 영 농인 개인이 가진 경험적인 지식에 의존하는 현실을 극복 하기 위해 지속적으로 정보통신기술을 적용해왔다. 최근에 는 4차 산업혁명 핵심 기술인 AI, 빅데이터, 클라우드, 드 론 등이 활용되어 전통적인 투입 자원인 노동력과 투입재 를 최소화시키고 생산량을 최대화하는 정밀농업(precision agriculture)이 급성장하고 있다[5]. 정밀농업 중에서도 원격 탐사(remote sensing) 및 이미지 처리기술은 농지의 이용 상황과 변화를 알려주는 유용한 수단이다. 이러한 기술 은 인공위성이나 유인항공기, 무인항공기를 통해 수집된 데이터를 근간으로 활용되고 있다. 농업 분야에서 무인 항공기가 가진 잠재력은 앞서 설명한 것처럼 데이터 수 집 측면에서 엄청난 효율성을 가졌기 때문이라 보는 것 이 정확하다. 미국의 뱅크오브아메리카(Bank of America) 및 메릴린치(Merrill Lynch) 보고서에 따르면 무인항공기 를 파종, 작황 예찰, 병해충 감시, 방제 등에 적극적으로 활용하기 위해 연구개발이 활발히 이루어지고 있다. 우 리나라는 부품의 국산화 및 편의성, 안전성, 군집 비행, 경작지 자동 맵핑, 생장 분석 등의 고급 기술들이 발전 양 상에 있다.
무인항공기 주요국은 관련 산업육성을 위해 정책수립 과 기술개발을 추진하고 있으며, 우리나라도‘드론활용 촉진 및 기반조성에 관한 법률’(이하 ‘드론법’)을 제정하 고 산업발전을 추진하고 있다[7]. 이하 법령에는 ‘드론산 업발전기본계획’을 수립하여야 하며, 드론산업의 현황과 향후 전망을 고찰하여 정책 방향과 육성 시책을 수립하 는 것으로 정하고 있다. 무인항공기의 농업분야 활용에 대한 성장추세와 국내 관련법 통과에 따라 산업육성을 위한 배경 하에 본 연구는 향후 농업분야의 무인항공기 관련 효율적인 연구개발투자 및 관련 정책 수립에 기여 하고자 농업분야 무인항공기 활용기술 현황을 추적하고 분석을 실시하였다.
최근 연구개발의 투자효율성 및 성과 확대, R&D 기획 의 불확실성을 줄이고 객관성 확보를 위해 텍스트 기반 의 문헌정보를 분석하여 연구동향을 분석하는 과학계량학 (Scientometrics) 분야가 부상[2, 8]함에 따라 본 연구에서는 이를 위해 과학계량학중 최근 활용도가 높아지고 있는 소셜 네트워크 분석(social network analysis)을 활용하였 다. 정밀한 문헌정보를 확보하기 위해 전문가 기반의 어 휘 쿼리(lexical query) 방식을 활용하였고, Scopus DB에서 1996년부터 2018년까지 9,318건의 문헌을 수집하고 분석 하였다. 농업분야 무인항공기 관련분야의 연구동향 및 연구흐름을 정량적으로 분석하여 관련 분야의 정책 발굴 과 국민 편익 증진에 기여하고자 하였다.
2. 선행연구
2.1 농업분야 무인기 활용 연구
흔히 드론(drone)으로 불리는 무인항공기(UAV)는 지상 에서 원격조종을 통해 반자동 형식으로 운영하거나 사전 프로그램 된 경로에 따라 자동으로 운영되는 비행체를 의미 한다[9]. 최근 각광받고 있는 무인비행시스템(Unmanned Aircraft System; UAS)은 초기에 군사 영역에서 점차 민간 영역으로 확장됨에 따라 단순한 이동체를 넘어서 안전성이 확보된 항공기임을 강조하는 용어이다. 현재는 무인항공 기(UAV)와 같은 의미로 정의되고 있다. 우리나라의 항공 법상에서는 “사람이 탑승하지 아니하는 것으로 무인동력 비행장치의 경우 연료의 중량을 제외한 자체중량이 150kg 이하인 무인항공기 또는 무인회전익비행장치, 무인비행선의 경우 연료의 중량을 제외한 자체 중량이 180kg 이하이고, 길이가 20미터 이하인 무인비행선”으로 규정하고 있다.
미국 뱅크오브아메리카(Bank of America)와 메릴린치 (Merrill Lynch) 보고서에 따르면 전세계 상업용 드론의 80%가 농업분야에 판매되었고, 2015년부터 2025년까지 미국 내에서 820억 달러 수준의 경제적 파급효과가 있을 것으로 전망하고 있다. 미개척 시장이자 최대 유망시장 산업으로서 미국, 중국, 유럽 등 국가 간 시장 선점경쟁이 치열한 상황이다. 초기 저가․소형 중심의 단순 촬영용에 서 농업․모니터링․배송․측량 등 특별임무 수행을 목 적으로 고가․중형 중심으로 변화 중이다.
무인항공기는 농작물 관련 매개 변수를 연구하는 데 유용 하고 다양한 센서를 탑재할 수 있는데, RGB 카메라, 다중분광 (multi-spectral) 카메라 및 초분광(hyper-spectral) 카메라와 같은 광학센서를 임무장비로 사용할 수 있다. 열화상(thermal) 카메라는 작물의 수분 스트레스를 식별하는 데 도움이 되며[3], LiDAR 센서는 캐노피(canopy)의 높이를 측정하여 작물의 바이오매스 추정에 활용된다. 디지털 데이터 수집과 는 별도로 드론은 농작물에 대한 해충 공격을 조기에 식별 하기 위해 농업 분야에서 대기 표본 추출에 사용되기도 한다[11]. 또한 농장의 스트레스를 받는 지역에 살충제를 뿌리는 방제작업 등 활용사례가 점차 증가하고 있다.
이와 같은 기술발전과 지속적인 가격하락에 따라 농 업용 무인항공기 시장의 성장은 정밀농업 기술의 상용 화, 원격 농장관리, 농가당 영농 가능 규모 확대, 농약 사 용을 감소시킬 수 있다. 이를 통해 농업 생산량 증대, 경 작시간 절감을 통한 영농 수월성 제고, 농민 1인당 소화 경작지 규모 증가를 통한 농가 영농 규모 확대, 농약 사 용 효율성 및 맞춤형 방제 효과가 기대되며, 농업분야의 혁신과 부가가치 증대 등 국민 편익을 창출할 수 있을 것으로 예측하고 있다.
2.2 소셜 네트워크 분석
소셜 네트워크 분석은 네트워크의 연결관계 구조를 의 미하는 네트워크 변수를 통해 네트워크 내 액터의 영향력 이나 액터간 관계구조를 설명하는 것을 목표로 하는 분석 법이다[2, 4, 6, 10]. 소셜 네트워크는 둘 이상의 노드와 하 나 이상의 관계에 의해 연결된 네트워크 구성원의 집합으 로 정의된다. 소셜시스템은 네트워크 내 액터간의 관계에 의해 형성된 구조로부터 형성된다라는 것을 전제로 출발 하며, 이러한 관계에 분석의 초점을 맞추어 유의미한 시사 점을 도출하는 방법론이다[6]. 이처럼 사회 소셜 네트워크 분석은 관계패턴에 집중하기 때문에 전통적인 통계 분석 과는 다른 방법론과 분석 개념을 요구한다. 소셜 네트워크 분석은 크게 3가지로 네트워크 수준, 액터 수준, 관계 수준 에서 분석이 가능하다[2]. 네트워크 수준 분석은 네트워크 전체가 하나의 분석대상이며 전체를 특징짓는 하나의 값 을 통해 분석한다. 액터 분석은 네트워크의 구성원인 개별 액터가 분석 대상이 되는 것이다. 관계 분석은 네트워크 내 임의의 액터 간 상호호혜적인 양자관계 혹은 단순한 연결관계를 갖고 있는가가 분석이 되는 것이다[6]. 본 연 구에서는 액터 수준의 분석을 다루며, 사회 소셜 네트워크 분석을 활용하는 연구들에서도 주로 액터 수준의 분석을 수행하고 있는 것으로 보인다[2]. 액터 수준 분석에서 다 루는 중심성(centrality)은 네트워크에서 중심에 위치하는 정도를 의미하며, 핵심적인 액터가 누구인가를 네트워크 내 액터가 갖게 되는 중심적 위치의 관점에서 설명하는 것이다[10]. 중심성은 지배력, 영향력, 독립성 등으로 해석 할 수 있으며, 대표적으로는 연결정도 중심성, 근접 중심 성, 매개 중심성. 아이겐벡터 중심성 등이 있다.
연결정도 중심성은 개별 액터가 네트워크 내 다른 액 터와의 직접적 연결관계가 얼마나 많은지를 측정하여 위 치적 우위를 분석하는 지표이다[33]. 연결정도 중심성은 액터의 파워에 대한 가장 간단하면서도 효과적인 지표로 유용하게 활용된다. 높은 연결정도 중심성을 가진다는 것은 유용한 자원을 많이 가지고 있어 기회의 양이 많이 주어진다는 것을 의미한다. 근접 중심성은 한 액터가 다 른 액터들과 얼마나 가까이 있는지를 측정하는 지표이다 [6]. 네트워크 내의 간접적 연결까지 고려하여 전체 네트 워크에서의 한 액터와 다른 모든 액터 간의 거리를 계산 한다. 연결정도 중심성이 활동성을 의미한다면, 근접 중 심성은 액터의 독립성을 측정하는 것이다. 높은 근접 중 심성을 가진다는 것은 네트워크 내의 정보를 신속히 접 할 수 있고, 다른 액터에 비해 짧은 경로를 통해 더 많은 액터에게 접근하여 독립적인 영향력을 발휘할 수 있다는 것을 의미한다. 매개 중심성은 한 액터가 직접 연결되어 있지 않은 액터들 간 관계를 통제 또는 중개하는 정도를 측정하는 것이다. 액터가 네트워크 내 어디에 위치해 있 는지를 측정하기 위해 개별 액터가 다른 액터쌍 간의 최 단경로 상에 위치하는 횟수를 측정한다. 매개 중심성이 높다는 것은 액터들이 다른 액터들과의 연결을 하기 위 해서는 해당 액터에게 의존적이라는 것이며, 이는 즉 통 제력을 의미한다고 볼 수 있다.
3. 연구의 절차
3.1 연구 프레임워크
본 연구는 <Figure 1>의 절차를 따라 분석하였다. 본 연 구는 크게 3가지 단계로 구성된다. 첫 번째 데이터 획득 (Data Acquisition) 단계로 먼저 올바른 데이터 수집을 위해 일반적으로 키워드 검색 전략(Keyword Search Strategy)라 고 불리는 검색어와 검색식의 개발을 전문가 기반으로 수행 하였다. 이렇게 완성된 검색어와 검색식을 토대로 데이터 수집을 실시하였다. 두 번째 단계, 기술 통계 분석(Descriptive Static Analysis)을 수행하였다. 논문발표 수를 토대로 국가별, 학문 분야별, 저널별로 빈도 분석을 실시하였다. 세 번째 단계는 소셜 네트워크 분석(Social Network Analysis) 단계로서 핵심연구자, 연구기관을 분석하고자 하였으며, 또한 연구를 대표하는 키워드를 대상으로 하여 분석을 실 시하였다. 분석은 오픈소스 프로그래밍 언어인 Python과 Python 생태계의 라이브러리(library)를 활용하였다.
3.2 데이터 수집
앞서 언급한 3가지 단계 중 첫 번째 단계로 키워드 검 색 전략을 개발하였다. 무인항공기 기술의 활용이라는 주 제 측면에서 학문영역간 융합이 활발한 특성을 내포하고 있어 정확한 데이터 수집 범위를 파악하기 힘들다는 문제가 발생한다. 단순히 ‘무인항공기(UAV)’, ‘농업(agriculture)’ 이라는 단순한 검색어와 검색식으로는 올바른 데이터를 획득할 수 없기 때문이다. 본 연구와 유사한 거대 학문분 야이자 기술간 횡적융합이 활발한 나노기술 분야(Wei Fan 등)의 검색 전략 방법론을 활용하였다. 이 방법은 크게 3 가지로 구분한다[2]. 첫째 어휘 쿼리(lexical query) 방식으 로 전문가 의견을 수집하여 키워드를 선정하는 것이다. 둘째, 인용 분석(citation analysis) 방식(Zitt, Bassecoulard 이 제안)으로 핵심(고인용)논문 셋에서 인용된 논문들을 추적해서 데이터를 확보하는 방식이다[12]. 셋째는 핵심 학술지 전략(UAV core journal) 방식(L. Leydesdorff 제안) 으로 사회연결망 분석기법을 활용해 핵심 관련 기술 학술 지를 선별하고 그 학술지에 게재된 논문만을 데이터로 수 집하는 방식을 추구한다[2].
본 연구에서는 선행논문을 조사하고, 논문에 나와 있 는 키워드 빈도 분석을 통해 1차적으로 핵심적인 키워드 를 추출하였으며, 이에 대한 전문가의 검토 과정을 통해 최종 검색어를 확정하는 어휘 쿼리 방식의 키워드 전략 (Keyword Strategy)을 개발하였다.
이렇게 완성된 검색어는 <Table 1>과 같이 ‘드론(drone), 무인항공기(UAV), 무인비행시스템(UAS), 정사영상(ortho image), 사진측량(photo- grammetry), 원격 탐사(remote sensing), 이미지 분할(image segmentation), 농업(agricultur*)’ 이었다.
전 세계 학술논문데이터베이스인 Scopus DB에서 위 검색어와 검색식을 활용하여 1996년도부터 2018년까지 농업분야에서 UAV 활용에 대해 주제를 다룬 논문 9,318 건을 수집하였다. 수집된 자료의 정보는 연구자, 연구기 관, 제목, 초록, 키워드, 발간년도, 저널명, 학문분야코드 등이다.
4. 데이터 분석
4.1 기술통계 분석
기술통계 분석의 첫 번째 목적인 전체 논문 발표에 대 한 빈도 분석을 실시하였다(<Figure 2> 참조). 1996년 106건의 연구로 시작했고, 2007년까지 점진적으로 증가 하는 추세를 보이며 2007년과 2013년 기점으로 논문발 표 속도가 증가하고 있다. 특히 2013년 이후 발전속도가 급진적으로 전환되었는데, 2013년에 비해 5년 뒤엔 2018 년에 2배 정도 증가하였다.
두 번째로 Scopus에 등록된 대표저자의 소속기관 국가 정보를 기준으로 국가별 논문 발표 빈도를 분석하였다 (<Figure 3> 참조). 1996년부터 2009년까지는 미국이 선 도국이었다. 2010년부터 중국이 연구성과를 쏟아내면서 미국을 넘어 최다 연구를 진행하고 있다. 최종적인 논문 발표 건수는 2,068편(누적)이다. 2018년 기준으로 총 논 문 발표 건수를 보면, 중국-미국-인도-독일-스페인 순위 며, 한국은 전 세계 18위 수준이다. 한국은 2007년까지 연구발표 성과가 미미하였으나, 2009년 이후로 평균 10 건 이내의 연구결과를 발표하였고, 2018년 19건으로 최 고치를 기록하였다.
다음으로는 대표 학문분야를 분석하였다(<Figure 4> 참조). 통상 연구자가 논문을 등록할 때는 ASJC(All Science Journal Classification Code)과 같은 학문분야를 입력하게 된다. 이것을 바탕으로 분석한 결과 2003년부터 1,900번 코드인 ‘지구 및 행성과학’ 분야가 상대적으로 높은 성장 세를 보이며 본 분야의 대표성을 가지는 것으로 보인다. 2위는 3,305번 코드인 ‘지리학, 기획 및 개발’이었다. 3~7위 인 1,100번대 코드들을 합쳐서 하나로 판단한다면, 1,100번 코드 ‘농업 및 생물 과학’으로 분류될 수 있다. 결과적으 로는 ‘지구 및 행성 과학’, ‘농업 및 생물과학‘, ‘지리학, 기획 & 개발’로 이 분야를 설명할 수 있다.
마지막으로 1996년부터 2018년까지 논문발표 건수 상위 10개 저널의 논문 발표 추이는 다음과 같다(<Figure 5> 참 조). 저널의 주요 연구 분야는 Remote Sensing으로 나타났 다. 전통적인 저널은 1980년에 창간한 영국의 IJRS로 1996 년부터 꾸준히 논문을 출간하고 있다. 총 논문 발표 건수는 495편이다. 1969년에 창간한 미국의 Remote Sensing of Environment로 총 논문 수는 340편이다. 그밖에 새로운 신규 저널도 확인할 수 있었다. 1999년에 창간한 중국의 Nongye Goncheng Xuebao 저널은 2009년 이후 급격한 성장을 보였 으며, 2014년 이후 연 40~50건씩 발표되고 있다. 2009년 창간된 스위스의 Remote Sensing 저널은 최근 89건의 논문 이 발표될 만큼 많은 주목 받고 있다. 이외 Computers and Electronics in Agriculture, IEEE Journal 등이 뒤를 잇고 있다.
4.2 소셜 네트워크 분석
핵심연구자, 연구기관, 키워드를 분석하기 위하여 소셜 네트워크 분석을 실시하였다.
사전작업으로 네트워크 분석을 위한 데이터 전처리를 실시하였다. 분석 및 해석의 용이성을 위해 데이터를 5 년 단위로 분할하였으며 단, 2016년부터 2018년은 3년으 로 분할하였다.
네트워크 분석에 앞서 논문 수, 연구자 수, 연구기관 수, 키워드의 변화 추이를 살펴보았다. 논문 발표, 연구자, 연 구기관, 키워드 모두 1996년 대비 2세대(2001~2005, 2006~ 2010)동안 약 90~120%의 급격한 성장세를 기록하였으나, 2011~2015년부터 성장세가 60~84%로 완만한 성장이 진행 되고 있었다. 2016~2018, 3년 만에 직전 세대인 2011~2015, 5개년치의 성과에 근사하고 있어 이 분야의 성장속도가 지속상태에 있음을 추정할 수 있다.
연구자 네트워크 분석을 실시한 결과는 <Table 3>과 같 다. 농업분야 UAV 응용기술 분야의 연구자(Nodes)는 지속 적으로 증가하고 있으며, 연구자간 협력연구(Edges) 역시 활발하게 증가하고 있음을 알 수 있다. 이처럼 발표논문이 많아짐에 따라 네트워크 중심 밖의 단독 저자나 소규모 그룹 형태의 지역 연구자 네트워크 또한 증가하면서 네트 워크의 밀도(Density) 역시 크게 하락하여 주요 핵심저자를 중심으로 선호적 공저 관계가 형성되고 있음을 알 수 있다. 최근 3개년(2016∼2018)에는 모든 부분에서 증가세가 다 소 정체되었고, 밀도의 하락 폭도 줄어들었다.
<Table 4>를 통해 영향력 있는 연구자를 확인하였다. 많 은 연구에서 연결중심성을 활용하고 있으나, 이는 단순한 빈도 측면에서 영향력을 측정하는 것으로 본 연구에서는 매개중심성(Betweenness Centrality; BC)을 중심으로 우선 정렬하고 산출 값이 같을 경우 연결중심성(Degree Centrality; DC)을 차순위로 정렬하는 방식을 활용하였다. 1996∼2005 년에는 프랑스 및 캐나다 연구자들의 영향력이 상대적으로 높았으나, 2010년대 들어서 미국과 중국의 연구자들의 영 향력이 높아졌음을 알 수 있다. 한 세대(5년 단위)를 넘어서 서 상위 10위권을 유지한 연구자는 일본의 Inoue, Y와 미국 의 Qi, J이었다. 한국은 초기 2명에서 현재 129명으로 연구 자가 서서히 증가하는 추세이다.
두 번째 네트워크 분석은 연구기관을 대상으로 실시하였 다. <Table 5>에서 나타나듯 연구기관 역시 전체 기관에 걸쳐 지속적으로 증가하고 있음을 알 수 있으나 최근 3개년 (2016~2018)에는 다소 정체가 나타났다. 연구기관간 협업 역시 연구기관 수의 증가에 따라 빠르게 확산되었으나, 최근 3개년의 연구기관 수가 약간 상승한 반면 협업은 상당히 감소하였음을 알 수 있다. 연구기관 간에 평균적으로 연결된 기관의 수는 5.17개로 나타났으며, 네트워크 그래프 상으로 핵심적인 연구기관의 연결이 존재함을 알 수 있다.
<Table 6>의 기간별 주요 연구기관 순위를 확인해보면 1996~2000년에는 네덜란드 기관 Soil and Water Research 가 1위였다. 2위는 미국의 NASA, ARIZONA 대학, 농림부 등이다. 4위와 10위에는 프랑스 기관들이 위치했다. 2001~ 2005년에도 네덜란드 기관인 IIASES Div. Agriculture가 1 위, 미국 Wisconsin 대학이 2위, 미국 농림부가 3위, 이탈리 아 TP440과 공동연구센터(Joint Research Center)가 4위, 중 국 과학원(CAS)이 5위를 차지하였다. 그리고 2006년부터 는 줄곧 1위를 유지하고 있다. 뒤를 이어 미국의 매릴랜드 대학이 2위를 유지하고 있음을 알 수 있다. 1996~2000년 1위 기관이었던 네덜란드 역시 3위를 유지하고 있다. 종합 적으로 본다면, 전반적으로 미국 다수의 기관들이 상위권 을 유지하고 있다. 최근 미국은 매릴랜드 대학이 연구를 선도하고 있고, 농림부(USDA-ARS)와 NASA 등이 뒤를 잇 고 있다. 위스컨신 대학, 콜로라도 대학, 애리조나 대학, 미시건 주립대학도 등장하며 학계에서도 많은 연구가 이루 어지고 있다.
미국과 비교했을 때 중국은 중국과학원이 2001년부터 상위권에 진입하여 연구를 선도하고 있으며, 정부 주도 로 연구되어지고 있음을 알 수 있다. 이외에도 네덜란드 의 Soil and Water Research가 최상위 연구기관으로 나타 났고, 그 외에 국가는 프랑스, 일본, 이탈리아 등이 눈에 띄고 있다.
한국의 경우 최상위권 연구기관은 없지만, 대학 중심 으로 연구기관 수가 꾸준히 증가하고 있다.
세 번째 네트워크 분석은 키워드를 중심으로 네트워 크 분석을 실시하였다. 키워드를 분석하는 것은 어떠 한 연구 주제나 방법론 등이 현재 주류로 자리매김하 고 있는가를 확인할 수 있기 때문에 유용하다고 할 수 있다.
<Table 7>에서 보듯 연구의 키워드는 2001~2006년에 2배 이상 빠르게 증가하였으나, 2016~2018년에 정체 현상 을 보이고 있다. 연구 키워드 간의 융합(Edge)도 마찬가 지로 2001~2006년에 빠르게 증가하였으나, 키워드 수와 마찬가지로 감소하고 있다. 키워드의 평균연결은 한 연 구에서 기재되는 평균 키워드의 수를 의미하는데 8.44개 로 나타났다. 밀도가 하락하는 것은 다양한 연구주제가 등장한다는 것을 유추할 수 있는데 최근 3개년 동안 오 히려 상승하였다. 이는 연구 키워드의 고착화가 있는 것 으로 추측할 수 있다.
<Table 7>과 같이 연구 키워드를 순위화하여 살펴보았 다. 전 세대에 걸쳐 Remote Sensing이 핵심적 키워드인 것으로 나타났다. 또한 이것이 GIS(지리정보시스템)의 일 환으로 연구되는 것을 알 수 있었고, 농업(Agriculture)이 라는 키워드도 중요한 위상을 가졌다. 키워드 전반에 걸 쳐 토지 이용(Land use), 토지이용 변화(land use change) 가 등장하는 것으로 보아 연구의 목적이 변경에 대한 탐 지가 중요한 주제임을 알 수 있었고, 그 수단으로서 이미 지 프로세싱, 이미지 분류 등이 다루어지고 있었다.
2001년부터 정밀농업(Precision Agriculture)이 등장하여 핵심적인 키워드로 자리매김하고 있고, NDVI(Normalized difference vegetation index)가 연구되기 시작하여 필수적 인 키워드가 되었다. 위성기반 식생자료인 미국항공우주 국의 Moderate Resolution Imaging and Spectroradiometer (MODIS)가 2006년부터 활발히 등장하고 있다. 2016~ 2018년 들어 UAV가 상위 키워드에 등장하면서 이 분야 에 핵심적인 키워드로 부상하였음을 알 수 있다.
5. 결 론
최근 무인항공기(UAV, Drone)는 정밀농업, 지능형 교 통, 환경, 사물인터넷(IoT), 감시, 보안, 구조 작업, 엔터 테인먼트 산업과 같은 많은 응용 분야에서 광범위하게 활용되고 있다. 특히, 농업용 무인항공기 기술은 궁극적 으로 농업 생산량 증대, 경작시간 절감을 통한 영농 수월 성 제고, 농민 1인당 소화 경작지 규모 증가를 통한 농가 영농규모 확대, 농약 사용 효율성 및 맞춤형 방제 효과 창출 등을 위해 활용되고 있다.
이에 본 연구에서는 농업분야 무인항공기(UAV) 활용 연구동향을 추적할 수 있는 프레임워크를 제시하고자 키 워드 검색 전략을 확보하고 분석모형으로 최근 연구동향 이나 기술동향을 분석에 활용되는 방법론인 소셜 네트워 크 분석을 적용하였다. 분석 데이터로서 Scopus Database 가 제공하는 1996년부터 2018년까지 발표된 논문 9,318 건의 서지정보를 대상으로 기술통계 분석 및 소셜 네트 워크 분석을 수행하였다.
기술통계분석을 통해서 이 분야의 연구가 꾸준히 증 가하는 것을 확인할 수 있었으며, 2013년을 기점으로 연 구발표 속도가 급진적인 증가 추세를 보였다. 국가별로 는 2018년 기준 중국, 미국, 인도, 독일, 스페인 순으로 논문발표가 활발하게 이루어졌으며, 한국은 전세계 18위 수준이었다. 이들 연구의 대표적 학문분야는 ‘지구 및 행 성 과학’과 ‘농업 및 생물과학’, ‘지리학, 기획&개발’ 등 이었다. 주요 ‘저널은 원격 탐사(remote sensing)’이었다.
소셜 네트워크분석을 통해 연구자, 연구기관, 키워드 를 분석하였다. 연구자는 지속적으로 증가하고 있었고, 연구자간 협력연구 역시 활발하게 증가하고 있었다. 1996~ 2005년 시점에는 프랑스 및 캐나다 연구자들의 영향력이 높았으나, 2010년대 들어서 미국과 중국의 연구자들의 영 향력이 높아졌음을 알 수 있다. 한국은 초기 2명에서 현재 129명으로 관련분야 연구자가 서서히 증가하고 있는 추세 이다. 연구기관 측면에서는 미국의 기관들이 상위권을 유 지해오고 있는데 주로 대학 중심이었으며 미국 농림부 (USDA-ARS)도 많은 연구를 수행하고 있다. 이에 반해 중 국은 중국과학원이 2001년부터 상위권에 등장하면서 연 구를 선도하고 있다. 미국이 학계 중심의 연구가 이루어지 고 있음에 비해 중국은 정부 주도의 연구 성장을 추진 중 에 있었다. 한국의 경우는 연구기관 수가 꾸준히 증가하고 있다.
마지막으로 어떠한 연구 주제나 방법론 등이 주류로 자리매김하고 있는가를 판단하는 것으로 키워드 네트워크 분석을 수행하였다. 전체 기간에 걸쳐 원격탐사(remote sensing)와 GIS(지리정보시스템)이 핵심적인 키워드로 다 뤄졌으며, 키워드 전반에 걸쳐 토지 이용(Land use), 토지 이용 변화(land use change)가 도출되었고, 토지 이용 감 시의 방법론으로서 이미지 프로세싱, 이미지 분류 등이 다루어지고 있었다.
무인항공기가 가진 효율성과 편의성으로 세계적으로 시장성장이 급격히 진행 중인 상황이며 중국과 미국이 세계적 연구를 선도해가고 있다. 한국은 이 분야에서 18 위로 나타났다. 전통적으로 농업을 중시해온 한국은 최 근 고령화로 농업인구가 급격히 줄고 있어 세대교체 및 과학적 영농화, 농업의 선진화를 위해 이 분야의 과감한 투자가 필요한 상황이다. 뿐만 아니라 정밀농업 분야의 연구가 전기전자, 기계, 로봇, 환경 등 다양한 학문과 기술 이 접목되고 융합되는 상황이므로 연구뿐만 아니라 향후 기술적 발전에 따라 과감한 융합적 시도가 필요하겠다.
기술적으로는 1996년부터 2015년까지 GIS(지리정보시 스템) 중심의 인공위성(Landsat, Modis) 데이터에 기반 한 이미지 분석이 진행되어왔음을 알 수 있다. 2016년부 터 무인항공기(UAV)가 본격 등장하여 기존의 고비용 인 공위성 데이터를 대체하려는 시도가 급격히 늘고 있는 것으로 사료된다. 과거 20여년간 연구되어온 컴퓨터 비전, 식생지수(NDVI), 머신 러닝 기술들이 무인항공기(UAV) 을 통해 수집된 데이터에 적용될 것으로 판단한다. 저렴 한 데이터 취득 비용으로 인해 향후 다양한 서비스들이 상용화될 가능성이 높으므로 특허 분석을 추가하여 기술 상용화 관련한 동향 파악이 필요하다.
본 연구를 통해 분석된 결과는 정부의 정책의사결정 에 있어서 주요한 정보를 제공할 수 있다. 뿐만 아니라 향후 연구를 수행할 연구자들에게 연구동향에 대한 과학 적이고 신속한 정보를 제공함으로써 연구방향을 안내하 거나 연구지원 방향을 설정하는데 중요한 도구로 활용될 수 있을 것이다. 이 분야에 대한 동향 분석이 부족한 상 황에서 관련된 이해관계자들의 의사결정에 필요한 과학 적이고 계량적인 근거를 제시하는데 큰 의의가 있다.
본 연구는 학술 정보 데이터를 중심으로 연구를 진행 하였다는 한계를 가지고 있어 향후, 특허 정보 등에 대한 추가분석이 필요할 것으로 예상된다. 또한 연구 범위에 중요한 영향을 미치는 키워드 검색 전략을 선진적 연구 에서 제시하는 바와 같이 해당분야의 전문성을 바탕으로 지속적으로 업데이트하고 정교하게 개발해 나가야할 필 요성이 있다. 또한 본 연구에서 제시한 연구동향에 대한 분석이 지속적으로 수행되었을 때 유의미한 결과를 확보 할 수 있을 것이라 기대한다.
