위성으로 밀 수확량은 앞당겨 읽어도, 소농의 현금 소득까지 말해주지는 못한다
가뭄 지역의 밀 작황을 위성과 인공지능으로 예측하는 기술은 실제로 성과를 내고 있다. 다만 지금까지 공개된 검증 자료를 보면, 이 기술이 직접 확인해 주는 것은 어디까지나 수확량이나 생육 상태에 가깝다. 소농의 현금 소득, 다시 말해 얼마를 팔았고 어떤 가격을 받았으며 비료·종자·노무비로 얼마를 썼는지까지 위성 영상만으로 곧바로 알 수 있다는 근거는 확인되지 않았다.
이 구분은 가뭄 대응 기사에서 특히 중요하다. 작황 악화는 소득 악화의 한 원인이 될 수 있지만, 둘은 같은 지표가 아니다. 같은 수확량 감소라도 판매가격 상승, 자가소비 비중, 관개 여부, 부채, 농외소득, 재해지원금 유무에 따라 농가의 실제 현금 사정은 크게 달라질 수 있다.
검증된 성과는 수확량 예측 정확도다
가뭄과 건조 조건에서의 밀 수확량 예측 성과는 학술 자료에서 확인된다. 2026년 Scientific Reports에 실린 이란 카즈빈 평야 연구는 2020년 봄밀 재배지 189개 지점을 대상으로 센티널-2 광학영상과 센티널-1 레이더 자료를 결합해 수확량을 추정했다. 연구진은 분얼기와 개화기 자료를 비교했고, 개화기 단계에서 무작위숲 모델이 결정계수 0.90, 오차 0.33톤/ha 수준을 보였다고 밝혔다. 수확 약 50일 전 예측이 가능했다는 점도 함께 제시됐다.
이 결과는 위성 기반 AI가 건조 지역의 밀 생육과 최종 생산량을 비교적 일찍 읽어낼 수 있음을 보여준다. 특히 이 연구는 토양·식생 지수와 레이더 자료를 함께 쓰면 토양수분과 작물 구조 변화를 더 잘 반영할 수 있다고 설명했다. 가뭄 작황의 조기 경보라는 질문에는 분명한 진전이 있는 셈이다.
하지만 작은 밭, 혼작, 지역 차이는 아직 큰 제약이다
예측 정확도가 바로 현장 보편성을 뜻하는 것은 아니다. 세계은행 연구진이 우간다 동부 소농 옥수수 포장 463개를 비교한 자료를 보면, 위성 기반 추정은 기존의 농민 자가보고보다 나은 성능을 보였지만 모든 조건에서 높은 정밀도를 보인 것은 아니었다. 이 분석에서 위성 추정치는 순작물 재배이면서 0.1헥타르보다 큰 포장에서 전수확량 변동의 대략 절반 정도를 설명했다. 반대로 말하면 절반가량은 여전히 설명하지 못했다는 뜻이다.
세계은행은 소농 체계에서 위성 추정이 오랫동안 어려웠던 이유로 개별 필지를 구분하기엔 공간 해상도가 거칠었다는 점을 들었다. 필지가 작고 작목이 섞여 있거나 구름 자료가 잦은 지역일수록 오차는 커질 수 있다. 최근 검토 논문들도 저소득·소농 중심 지역에서는 자료 해상도, 현장 기준자료 부족, 제도·기술 역량 차이 때문에 운영 단계로 옮기는 데 제약이 남아 있다고 정리한다.
소득은 수확량이 아니라 가격·비용·판매분을 따로 봐야 한다
이번 발제의 핵심 쟁점인 소농 소득은 작황 정확도와 다른 문제다. 유엔 식량농업기구는 소규모 식량생산자 소득 지표를 생산량 자체가 아니라 판매한 물량과 판매가격, 그리고 생산비를 함께 반영해 계산하도록 제시한다. 목표 문구에도 시장 접근, 부가가치, 비농업 고용 기회가 함께 들어간다. 수확량이 높아져도 판매가격이 떨어지거나 비용이 더 늘면 소득은 줄 수 있다는 뜻이다.
식량농업기구의 소농 분석 보고서도 소농의 삶을 볼 때 생산뿐 아니라 농외노동, 시장 참여, 소득 구성 전체를 함께 봐야 한다고 설명한다. 실제 농가 경제에서는 같은 밀 1톤 증가가 모든 가구에 같은 현금 효과를 내지 않는다. 일부는 자가소비로 남고, 일부는 중간상 가격에 묶이며, 일부는 종자·비료·관개 비용 증가로 상쇄된다. 따라서 위성으로 수확량을 더 정확히 읽는 일과 소농의 현금 소득을 측정하는 일은 분리해서 다뤄야 한다.
이 점은 기술 홍보 자료를 읽을 때도 중요하다. 식량농업기구의 디지털 농업 사례집은 AI가 벼·밀·옥수수의 이삭 수를 세어 수확량을 추정하고, 이를 바탕으로 거래 계획이나 수익성 개선에 도움을 줄 수 있다고 소개한다. 그러나 같은 자료를 보면 이러한 설명은 활용 가능성이나 기대효과에 가깝고, 소농 가구의 현금 소득을 독립적으로 추적해 검증한 지표는 별도로 제시되지 않는다.
한국에서는 작황 모니터링이 먼저, 소득 판단은 다른 통계가 맡는다
한국 적용성도 비슷하다. 농촌진흥청은 2026년 7월 농림위성 발사 뒤 전국 농경지와 농작물을 3일 주기로 관측하고, 재배면적·생육·수량뿐 아니라 토양수분·증발산·가뭄 등 51종의 농업위성정보를 생산하겠다고 밝혔다. 이는 위성 기반 작황 감시와 재해 대응 측면에서는 한국도 빠르게 체계를 갖추고 있다는 뜻이다.
다만 농가 소득은 다른 통계 체계에서 다뤄진다. 통계청의 한국 SDG 지표 설명은 농업소득을 총농업수입에서 농업경영비를 뺀 값으로 정의하고, 전국 3000가구 면접조사인 농가경제조사를 자료원으로 제시한다. 다시 말해 한국에서도 위성은 작황과 재해를 더 촘촘히 보는 도구이고, 소득 판단은 가격과 비용을 포함한 별도 조사로 계산하는 구조다.
결국 가뭄 작황과 관련해 지금 검증 가능한 결론은 두 갈래다. 첫째, 위성+AI는 건조 지역의 밀 수확량을 조기에 예측하는 데 이미 실증 성과가 있다. 둘째, 그 성과를 곧바로 소농의 현금 소득 개선으로 번역할 수는 없다. 소득을 말하려면 최소한 판매가격, 판매물량, 생산비, 농외소득과 같은 별도 자료가 함께 붙어야 한다. 작황 정확도와 농가 소득을 같은 성과로 묶는 순간, 기술의 실제 효용과 한계를 동시에 흐리게 된다.
자료: Scientific Reports, Wheat yield prediction using integrated optical and radar remote sensing with machine learning across key phenological stages(2026); World Bank, Measuring crop yields from space(최근 열람본); World Bank Blogs, Can satellites deliver accurate measures of crop yields in smallholder farming systems?(2018-03-29); FAO, The economic lives of smallholder farmers(2015); FAO, SDG 2 – Indicators of productivity and income of small-scale food producers(최근 열람본); FAO, Proposed Methodology for Computing and Monitoring the Sustainable Development Goal Indicators 2.3.1 and 2.3.2(2018); FAO, Digital agriculture in action: Artificial intelligence for agriculture(2022); 농촌진흥청, “농림위성시대 열렸다” 국가 농경지‧농작물 관측 본격화(2026-07-09); 통계청 SDG 데이터 플랫폼, Indicator 2.3.2 Average income of small-scale food producers(최근 열람본)