1. 서 론

국제 교역을 통한 상품의 이동은 수자원의 ‘가상적 이동(virtual water transfer)’을 의미하며, 생산지에서 발생하는 농업 충격은 수입국의 가뭄 피해로 해석할 수 있다(Qu et al., 2018). 전 세계 식량 생산에 사용되는 물의 약 20%는 생산국 내에서 소비되지 않고 교역을 통해 이전된다(Mekonnen et al., 2024). 육류·유제품, 밀·옥수수·대두, 팜유·커피·코코아 등 일부 품목이 전체 농업 관련 가상수 교역량의 70% 이상을 설명하며, 1986년 이후 농산품 교역 규모는 약 2.9배 확대되었다(Mekonnen et al., 2024). 교역을 통해 물 집약적 상품을 수입하는 국가에서는 자국 내 수자원 부족을 완화하는 동시에, 생산에 의해 발생하는 환경적 영향을 수출국에 전가하게 된다(Liu et al., 2019; Eakin et al., 2014; Dalin et al., 2017).

교역에 의해 발생하는 수출국과 수입국 사이의 ‘원거리 전이(Telecoupling)’는 특정 제품·서비스에 ‘내재된 총 물사용량’인 물발자국(Water footprint, WF)(Allan, 2003)의 교역량으로 평가할 수 있다(Hoekstra and Mekonnen, 2012). 물발자국은 자연적 증발량에 해당하는 녹색 물발자국(Green WF), 인위적 하천수·지하수 사용량을 의미하는 청색 물발자국(Blue WF), 생산으로 유발된 오염수량인 회색 물발자국(Grey WF)으로 나뉜다. 전 세계 농산품 교역과 연계된 가상수의 규모는 약 545-2,850 km³/yr로 추정되며(Hoekstra and Hung, 2005; Chapagain and Hoekstra, 2004; Dalin et al., 2012), 이 중 약 85%는 Green WF, 15%는 Blue WF가 차지하고, 자료 부족과 불확실성으로 인해 Grey WF는 농산물 교역 연구에서 반영되지 않는 경우가 많다(Hoekstra and Chapagain, 2007; Odey et al., 2023).

한국의 가상수 교역은 국내 물 부족 문제를 완화하는 동시에 또 다른 취약성을 발생시킨다는 점에서 중요한 정책적 함의를 갖는다. 한국은 좁은 영토와 제한된 수자원으로 인해 곡물 자급률이 낮아, 장기간 수입 곡물에 크게 의존해 왔다(Yoo et al., 2016). 실제로 2000-2017년 동안 한국의 가상수 유입량은 16.2 km³/yr에서 20.7 km³/yr로 증가했으며, 주요 수입처는 미국, 중국, 호주, 브라질, 캐나다였다(Odey et al., 2023). 이러한 가상수 수입은 국내 수자원과 경지 절약 측면에서 긍정적 효과가 있지만, 동시에 수입국의 농업·기후 리스크가 한국으로 전이되는 구조적 취약성을 내포한다(Mekonnen et al., 2024). 특히 곡물이 전체 가상수 수입의 약 96%를 차지하기 때문에, 기후변화로 미국·중국 등 주요 수출국에서 가뭄이 발생할 경우 한국의 식량 안보가 직접적으로 위협받을 수 있다(Hoekstra and Mekonnen, 2012; Odey et al., 2023). 2017년 곡물 수입을 통한 가상수 유입량(20.7 km³/yr)은 2018년 국내 농업용수 사용량(15.4 km³/yr; ME, 2021)을 넘어서는 규모로, 특정 국가에 곡물 수입을 크게 의존할 경우, 상당한 규모의 경제적 충격이 한국에 나타날 수 있다.

가상수 유입·유출(virtual water flow)을 추정하는 방법은 크게 상향식(bottom-up)과 하향식(top-down)으로 구분된다. 상향식 방법은 개별 품목 단위 물발자국 계수(WF intensity)에 실제 교역량을 곱해 산정하는 방식으로, 산출 과정이 직관적이고 특정 품목에 대한 정밀한 분석이 가능하다는 장점이 있다(Hoekstra and Mekonnen, 2012). 그러나 이 방식은 대상 품목과 국가를 제한적으로 다루기 때문에, 가공·재수출을 포함한 공급망 효과나 다품목 교역의 연쇄적 영향을 충분히 반영하지 못하는 한계를 갖는다(Dalin et al., 2012). 이에 반해, top-down 접근은 다지역 투입산출(Multi-Regional Input-Output, MRIO) 모형을 기반으로 최종수요와 생산·투입 구조 전반을 고려하여, 직접·간접 효과를 모두 계상할 수 있다(D’Odorico et al., 2019; Lenzen et al., 2013). 이 방법은 국가 간 중간재 교역과 재수출 경로까지 포괄한다는 장점이 있지만, 투입산출 데이터의 집계 오류나 분류체계 차이에서 발생하는 불확실성이 크고, 해상도가 상대적으로 낮을 수 있다는 단점이 있다.

지금까지 한국의 가상수 교역 연구는 주로 상향식 방법으로 수행되어 왔다. 예를 들어, Yoo et al. (2014, 2016)은 곡물 수입과 국내 생산의 물발자국을 비교하여 곡물 자급률과 물 의존도의 변화를 분석하였고, Odey et al. (2023)는 14종 곡물 교역을 기반으로 2000-2017년 한국의 가상수 유입량을 추정했다. 이 연구들은 직접 교역에 의한 가상수교역량 추정에는 유용하지만, 다층적 공급망 효과나 가공·서비스 부문까지 연계된 파급효과는 반영하기 어렵다. 반면, MRIO와 같은 하향식 접근을 활용하면 한국의 최종수요와 전 세계 농업 생산을 연결하고, 이를 통해 가상수 교역량뿐 아니라 생산충격이 국내 부가가치에 미치는 연쇄효과까지 정량적으로 평가할 수 있다. EXIOBASE (Stadler et al., 2018), GTAP-Water (Berrittella et al., 2007; Calzadilla et al., 2010), EORA (Lenzen et al., 2013) 등과 같은 대규모 데이터베이스를 이용해 하향식 분석이 충분히 가능한 상황이지만, 국제 공급망을 통해 한국에 전이되는 생산 충격에 대한 연구는 아직 거의 없는 실정이다.

따라서 본 연구에서는 현재 가용한 MRIO 데이터베이스를 활용하여 한국 최종수요가 전 세계 농업부문에 유발하는 부가가치(Value Added, VA)와 물발자국의 구조를 정량적으로 평가하였다. 아울러, 특정 국가의 농업부문에 생산 충격이 발생했을 때 한국 GDP와 산업별 VA에 미치는 영향을 추정하여, 국내외 농업 충격의 상대적 취약성과 파급효과를 비교·분석하였다. MRIO 분석을 이용해 한국의 식량·물 안보를 둘러싼 글로벌 공급망 리스크를 수요와 공급 차원으로 나누어 진단하였다.

2. 연구자료 및 방법

2.1 환경확장 다지역 투입산출 분석

환경확장 다지역 투입산출 분석(Environmentally-Extended Multi-regional Input-Output, EE-MRIO)은 지역별, 산업별 투입산출 관계를 기반으로 하여, 최종수요가 변화했을 때 각 지역과 산업섹터에서 발생하는 생산량과 환경부하를 공급망 전반에 걸쳐 추적할 수 있는 방법이다(Wiedmann and Lenzen, 2018). 단일국가나 단일산업의 범위를 넘어, 전세계 공급망을 통한 환경부하의 공간적 전이효과(spillover effects)를 함께 정량화할 수 있다(Lenzen et al., 2013; Zhao et al., 2022). 특히, 물발자국과 같은 자원·환경 지표를 국제무역과 연결시켜 해석하는 것이 가능 해, 특정 국가가 순수입국인지 순수출국인지, 그리고 무역구조가 자원 이용에 미치는 영향을 평가할 수 있게 하는 장점이 있다.

EE-MRIO에서 기본적인 산업연관성은 Eq. (1)의 행렬식으로 표현된다(Leontief, 2018).

여기서 X는 총 산출량 행렬, A는 직접소비계수 행렬, Y는 최종수요 행렬을 의미한다. 행렬 X의 개별 원소는 특정 지역의 섹터에서 생산한 재화나 서비스의 가치를 나타내고, 행렬 Y의 개별원소는 최종수요자의 소비를 의미한다. 행렬 A의 개별원소는 한 섹터의 산출 1단위를 생산하기 위해 타 섹터에서 직접적으로 요구되는 투입량을 나타낸다.

단위행렬(I)을 이용하면 총 산출량 X는 Eq. (2)로 나타낼 수 있다.

여기서 L=(I-A)^-1을 Leontief 역행렬로 정의하며, 생산과정에서 발생하는 직간접효과를 추적하는 데 활용된다.

특정 지역 p의 최종수요(Y_p)가 특정 산업섹터 s에 유발한 부가가치(VA^s←p)는 Leontief 역행렬 L, 지역별·섹터별 단위생산량당 부가가치를 나타내는 대각행렬 v^, 섹터선택행렬 S를 곱해 Eq. (3)과 같이 계산할 수 있다.

여기서 S는 선택한 산업섹터를 1로 남기고 그 외 산업을 0으로 두는 프로젝터 행렬이다.

EE-MRIO에는 각 산업섹터의 단위생산량당 환경부하(물 사용량, 온실가스 배출량, 오염원 배출량 등) 벡터(w)가 연계되어 있으며, 특정지역의 생산기반 물발자국(production-based water footprint, PWF)과 소비 기반 물발자국(consumption- based water footprint, CWF)을 함께 추정할 수 있다. PWF와 CWF 역시 Leontief 역행렬을 이용해 다음과 같이 계산된다.

여기서 PWF_p는 특정국가 p에서 생산된 상품과 서비스가 지역내 혹은 타 지역의 수요를 충족시키는 과정에서 발생하는 총 물사용량을 의미하고, CWF_p는 특정국가 p의 최종수요가 유발한 생산지역에서의 물사용량을 의미한다(Hoekstra and Mekonnen, 2012; Arto et al., 2016). 따라서 CWF는 지역 내에서 직접 사용된 물뿐 아니라 수입된 제품과 서비스의 생산에 사용된 가상수(virtual water)까지 포괄한다.

EE-MRIO를 이용하면 특정 지역·섹터의 생산 차질이 공급망을 통해 어떻게 다른 지역의 VA를 변화시키는지 정량화할 수 있다. 흔히 가상제거법(hypothetical extraction method, HEM)또는 shock analysis라고 불리며(Dietzenbacher and Lahr, 2013), 충격이 발생한 지역 r과 섹터 𝑠에 해당하는 투입계수 행렬의 원소를 가정된 충격만큼 제거하거나 축소하여 새로운 Leontief 역행렬 L^(-rs)를 계산하고, 이를 기준(reference) 모형과 비교해 부가가치 변화량(ΔVA)을 추정하는 방법이다. 본 연구에서는 산출을 100% 감소시키는 완전추출 대신 부분추출(특정 지역 농업섹터 25% 공급충격)을 가정하여 충격 시나리오를 모의하였다. 부분 추출을 적용한 조정된 역행렬 L^(-rs)를 이용해, 전 지역의 부가가치 변화는 Eq. (5)와 같이 계산된다.

특정 지역 p의 부가가치 변화(ΔVA_p)는 특정 지역 p의 산업섹터에 1, 그 외의 섹터에 0을 부여한 지역선택행렬 G_p를 곱해 간단히 집계할 수 있다.

2.2 분석자료 및 기간

본 연구에서는 전 세계 공급망 안에서 한국의 수요와 농업생산지역에서의 공급충격을 평가하기 위해 EXIOBASE3 (Stadler et al., 2018) 데이터베이스를 활용하였다. EXIOBASE3는 총 49개 지역, 163개 산업을 대상으로 구축된 MRIO 자료로, 이 중 44개는 개별 국가이고 다섯 개는 집합 지역(Rest of World, RoW)으로 묶여 있다. 44개 개별국가 중 유럽 국가가 31개국을 차지하며, 미국, 캐나다, 일본, 한국, 중국, 인도, 브라질, 호주, 러시아 등 13개 주요 국가가 추가로 포함되어 있다. 다섯 개 집합지역은 아시아, 아프리카, 중남미, 중동, 기타 오세아니아 등으로 묶여 각각 “RoW Asia”, “RoW Africa”와 같이 정의되어 있다. 교역량을일관성 있게 비교할 수 있도록 지역·산업 간 모든 거래는 백만 유로(M EUR)단위로 제공되고 명목가치(nominal value)를 기준으로 한다(Stadler et al., 2018).

EXIOBASE3는 각국의 Supply and Use Table을 기초로, Global Trade Analysis Project (GTAP), 국제연합(United Nations) Comtrade, 경제협력개발기구(Organisation for Economic Co-operation and Development, OECD), 유럽연합 통계청(Eurostat) 등에서 제공하는 국제 무역 및 생산·소비 자료를 통합해 작성된다. 국가와 산업 간 서로 다른 분류체계와 통계 불일치 제거를 위해, Residual Allocation System과 같은 행렬 균형화 과정을 거쳐 데이터의 정합성을 확보한다. 여기에 UN 식량농업기구(Food and Agriculture Organization), 국제에너지기구(International Energy Agency), 유엔기후변화협약(United Nations Framework Convention on Climate Change), 물발자국 네트워크(Water Footprint Network) 등에서 제공하는 환경·자원 관련 위성계정을 국가·산업별 산출량과 연계하여, 에너지 사용, 물 사용, 토지 이용, 온실가스 배출 등 각 산업 단위산출량당 환경부하 계수를 추정한다(Tukker et al., 2016). 이 과정을 거쳐 EXIOBASE3는 산출, 중간재 투입, 최종수요, 국제무역, 환경·자원 사용을 모두 포함하는 일관된 회계체계를 갖추게 되고, 각 연도별로 산업×산업, 지역×지역 거래 행렬을 제공한다.

본 연구에서는 한국이 해외 농업섹터의 생산에 얼마나 의존해 왔는지 장기적으로 평가하기 위해 2000, 2004, 2008, 2012, 2016년의 다섯 시점을 기본 분석 연도로 설정하였다. 추가로 최근의 국제 무역 환경과 유사할 것으로 판단되는 2018년을 포함해 총 여섯 개 연도에 대해 EE-MRIO 분석을 수행하였다. 2018년은 미·중 무역분쟁이 본격화된 시점으로, 양국 간의 상호 보복관세가 발효되면서 세계 교역 질서와 공급망에 구조적 충격을 가져온 해로 평가된다(Crowley, 2019). EXIOBASE3에서 주요 작물생산을 포함하는 8개 농업섹터는 쌀 재배(Cultivation of paddy rice), 밀 재배(Cultivation of wheat), 기타곡물 재배(Cultivation of cereal grains nec), 채소·과일·견과류 재배(Cultivation of vegetables, fruit, nuts), 유지작물 재배(Cultivation of oil seeds), 사탕수수·사탕무 재배(Cultivation of sugar cane, sugar beet), 섬유작물 재배(Cultivation of plant-based fibers), 기타작물 재배(Cultivation of crops nec) 이다.

Fig. 1은 EXIOBASE3 자료로 계산된 한국의 국내총생산(Gross Domestic Product, GDP)이고, 2000년 0.625조 유로에서 2018년 1.46조 유로로 약 2.3배 증가한 것을 알 수 있다. 연평균 유로-달러 환율을 적용해 2018년 GDP를 환산하면 1.72조 달러로, 세계은행(World Bank)의 1.73조 달러와 거의 일치한다. 연도별로 다소 차이가 있으나, EXIOBASE3는 한국경제가 전 세계 농업부문에 의존하는 정도를 분석하기에 충분히 신뢰할 만한 자료임을 나타낸다.

Fig. 1.

Sectoral decomposition of South Korea’s GDP in 2000 (a) and 2018 (b), based on EXIOBASE3 data. Value added is divided into contributions from domestic and foreign final demands, showing changes in the relative importance of domestic-oriented sectors

산업별 GDP 기여도를 비교하면, 2000년에는 건설·부동산·공공행정 등 내수 기반 산업의 비중이 상대적으로 높았다. 그러나 2018년에는 자동차, 전자·통신기기, 금속가공 등 제조업 부문의 수출 기여도가 크게 확대되었고, 동시에 부동산·서비스 부문도 규모가 커지면서 내수와 무역 구조가 함께 변화하였다. 이러한 산업 및 교역 구조의 변화는 지난 20여 년 동안 한국 경제가 Global Value Chain에 점차 깊이 편입되어 왔음을 잘 보여준다.

3. 결과 및 고찰

3.1 한국 국내수요에 의해 유발된 전지구 농업섹터 VA 및 WF

EE-MRIO 분석 결과, 한국의 최종수요가 전 세계 농업 부문에 유발한 부가가치는 2000년 약 21.3 B EUR에서 2018년 약 29.6 B EUR로 완만한 증가 추세를 보였다. 다만 2000년부터 2008년까지는 감소세를 보였고 금융위기 이후 다시 증가하는 패턴을 보였다. 2000년에는 약 85%가 한국 국내 농업 부문에서 유발된 부가가치로 압도적인 비중을 차지하였으나, 이후 지속적으로 감소하여 2018년에는 53% 수준으로 낮아졌다(Fig. 2). 같은 기간 중국과 기타 아시아·태평양 지역(RoW Asia & Pacific)의 비중은 꾸준히 증가하여, 2018년에는 각각 11% 이상을 차지하며 한국 농업 부문의 상대적 비중을 빠르게 잠식했다. 미국 역시 2000년 3% 수준에서 2018년에는 8% 이상으로 비중이 확대되며, 한국의 최종수요가 미국 농업 부문에도 상당한 파급효과를 갖고 있음을 보여준다.

Fig. 2.

Regional contributions of global agricultural sectors to VA induced by South Korea’s final demand in 2000, 2004, 2008, 2012, 2016, and 2018, based on EXIOBASE3 data

2012년 이후 기타 아시아·태평양 지역(RoW Asia & Pacific)의 기여가 빠르게 확대되었고, 라틴아메리카(RoW Latin America), 인도, 브라질 등 주요 농산물 수출국들의 기여도도 점차 커졌다. 요약하면, 한국 최종수요에 의해 발생한 전 세계 농업 부문의 부가가치는 절대 규모가 커짐과 동시에 공급국의 다변화가 뚜렷하게 나타났다. 2000년에는 한국 내 농업 부문이 주도적인 역할을 했으나, 최근에는 중국, 아시아·태평양, 미국, 라틴아메리카 등 다양한 지역이 함께 중요한 기여를 하면서 한국경제의 글로벌 농업 섹터에 대한 의존도가 점차 심화되고 있음을 의미한다.

한국의 최종수요에 연계된 전 세계 농업섹터의 물발자국는 2000년 약 64 km³/yr에서 2018년 약 99 km³/yr으로 꾸준히 증가하였다(Fig. 3). 이는 같은 기간 부가가치 변화와 달리, 물발자국의 절대 규모는 전반적으로 확대되었음을 의미한다. 2000년에는 수입 의존도가 크지 않았음에도 불구하고, 미국과 RoW Asia & Pacific에서 발생한 물발자국이 한국 국내 농업섹터의 물발자국보다 많은 비중을 차지했다.

Fig. 3.

Country-level contributions to the agricultural WF induced by South Korea’s final demand in 2000, 2004, 2008, 2012, 2016, and 2018 (in billion cubic meters, Bm³)

2000년대 중반 이후에는 미국의 기여 비중이 점차 축소된 반면, 중국과 인도의 비중은 꾸준히 확대되어 2018년에는 각각 15%와 7%를 차지하였다. RoW Asia & Pacific의 기여도 역시 지속적으로 증가하여 2018년에는 17% 이상을 기록하였으며, 브라질과 라틴아메리카 지역도 2010년대 들어 일정한 비중을 차지하기 시작하였다. 반면, 한국 국내 농업 부문의 물발자국 기여는 2000년 15.7%에서 2018년 5.7%로 크게 감소하였다. 이는 한국 최종수요가 점차 해외 농업 생산에 의존하면서, 물사용량 역시 국외로 전가되고 있음을 보여준다.

요약하면, 지난 20년간 한국 최종수요에 연계된 물발자국은 절대량 증가와 함께 발생지의 지리적 재편이 동시에 나타났다. 초기에는 미국이 중심적 공급원이었으나, 최근에는 중국·인도·아시아·태평양 지역과 라틴아메리카가 중요한 물발자국 기여지로 부상하였다. 이 변화는 한국의 수요가 전 세계 농업부문의 수자원 이용과 직접적으로 연결되어 있음을 의미하며, 향후 국내 물관리 전략뿐만 아니라 국제 교역국의 수자원 지속가능성 역시 한국 사회경제에 중요한 영향을 미칠 수 있음을 시사한다.

3.2 전 세계 농업섹터와 연계된 한국 산업별 VA 및 생산충격 영향

EE MRIO에 HEM을 적용하면, 49개 지역의 8개 농업 섹터를 가상으로 제거했을 때 한국의 산업별 VA가 얼마나 감소하는지를 계산할 수 있다. 이는 곧 전 세계 농업 부문이 한국 각 산업에 기여하는 정도를 의미한다. Fig. 4는 이러한 분석 결과를 보여주며, 시기별 차이는 있으나 식품가공·외식업, 도소매업, 섬유·제조업, 운송 및 서비스업 등이 꾸준히 상위에 포함되었다. 이는 한국의 최종수요가 단순한 농산물 소비에 국한되지 않고, 이를 투입요소로 활용하는 제조업과 서비스업 전반으로 광범위하게 파급됨을 시사한다.

Fig. 4.

Sectoral decomposition of the contribution of global agricultural sectors to South Korea’s GDP, estimated using the Hypothetical Extraction Method (HEM) for 2000, 2004, 2008, 2012, 2016, and 2018

2000년대 초반에는 쌀재배(paddy rice) 섹터가 압도적인 비중을 차지했는데, 이는 당시 한국 내 쌀 생산이 사실상 전량 국내 경제에 귀속되었기 때문이다. 같은 시기 식품가공업과 도소매업의 비중도 높아, 농업과 직접적으로 연관된 1차 가공·유통 부문이 주요한 기여 부문으로 작용하였다. 반면 2010년대 이후에는 외식업(호텔·레스토랑)과 운송업(특히 육상운송), 보건·사회복지 서비스 등 생활·서비스 부문이 상대적으로 확대되었으며, 이는 한국의 소비 패턴이 곡물·농산물 중심에서 가공식품·외식·서비스 중심으로 전환되었음을 보여준다.

제조업 부문에서도 섬유·의류, 화학·비료, 기초 금속 및 기계·장비 산업 등이 일정한 비중을 차지하였다. 농산물이 직접 원재료로 투입되거나 간접적인 연쇄효과를 통해 제조업과 연결되어 있음을 의미한다. 특히 섬유·의류 산업은 면화와 같은 원료 작물의 수입 의존도가 높아, 글로벌 농업 공급망의 교란이 발생할 경우 한국 산업 전반에 취약성을 유발할 수 있음을 시사한다.

2018년 한국의 8개 농업섹터에 -25% 감산이 발생했다고 가정한 시나리오에서는 한국의 GDP가 약 -0.23% 감소(-3.32 B EUR)했다. 쌀 재배 섹터가 직접적인 충격을 받아 생산이 약 -12.4% 감소(-1.07 B EUR)하였고, 이어서 식품가공업(-0.59 B EUR), 외식·숙박업(-0.46 B EUR), 공공행정 및 사회보장(-0.17 B EUR), 교육(-0.17 B EUR)등에서 큰 절대 감소를 보였다(Fig. 5(a)). 충격 의존도 측면에서는 벼 재배(49.6%), 식품가공(17.2%), 가공쌀(13.0%), 가금류 사육(10.4%) 등에서 특히 높은 값이 나타났고(Fig. 5(b)), 이는 국내 작물생산에 차질이 발생했을 때 곧바로 해당 산업들의 생산 능력 위축으로 이어질 수 있음을 의미한다.

Fig. 5.

Estimated impacts of a 25% reduction in South Korea’s agricultural outputs on domestic VA by sector in 2018, using the HEM. Panel (a) shows the top 10 sectors with the largest absolute VA decreases (B EUR), while panel (b) illustrates the top 10 sectors with the highest dependency on shocked agricultural inputs (%)

반면, 동일한 충격을 미국 농업에 적용했을 경우, 한국 GDP는 -0.025%(-0.36 B EUR) 감소하는데 그쳤다(Fig. 6). 이는 생산측면에서는 한국 경제가 자국 농업에 구조적으로 높은 의존성을 갖고 있음을 보여주며, 해외 농업 충격도 글로벌 공급망을 통해 일정한 영향을 미치지만 상대적으로 제한적임을 의미한다. 섹터별로 살펴보면, 미국 농업 충격은 한국의 식품가공업과 섬유·의류 제조업에서 절대 감소액이 크게 나타났으며, 외식업, 수자원 공급, 축산업(특히 낙농·축산)에서도 일부 감소가 확인되었다(Fig. 6(a)). 충격투입 의존도 분석에서는 식품가공업과 축산업이 높은 비중을 보였고, 채소·식용유 가공 부문도 취약성을 드러냈다(Fig. 6(b)).

Fig. 6.

As in Fig. 5, but with estimated impacts of a 25% reduction in the United States’ agricultural outputs. Panel (a) shows the top 10 sectors with the largest absolute VA decreases (B EUR), while panel (b) illustrates the top 10 sectors with the highest dependency on shocked agricultural inputs (%)

중국 농업 부문에 25% 감산 충격을 적용한 경우에는, 한국의 GDP가 약 -0.006%(-0.09 B EUR) 감소했다(Fig. 7). 한국 농업 충격(-0.23%)이나 미국 농업 충격(-0.025%)에 비해 훨씬 작은 규모로, 한국 경제가 중국 농업 섹터에 의존하는 정도는 상대적으로 낮음을 의미한다. 그러나 산업별로는 원유·유제품, 가금류, 곡물재배, 돼지사육 등 축산·곡물 관련 1차 산업에서 충격에 민감하게 반응하였으며, 섬유와 식품가공 같은 제조업 부문에서도 절대 감소액 기준으로 손실이 확인되었다. 이 결과는 중국 농업은 한국 GDP 전체 차원에서는 제한적 영향을 미치지만, 특정 산업군에서는 공급망 충격이 유의한 타격을 줄 수 있음을 의미한다. 한국의 농업·식품 및 관련 제조업 부문은 중국 농업 생산의 안정성에 부분적으로 연계되어 있으며, 특정 품목군의 수급 불안정이 발생할 경우 산업별로 불균형적인 충격이 발생할 가능성을 내포한다.

Fig. 7.

As in Fig. 5, but with estimated impacts of a 25% reduction in China’s agricultural outputs. Panel (a) shows the top 10 sectors with the largest absolute VA decreases (B EUR), while panel (b) illustrates the top 10 sectors with the highest dependency on shocked agricultural inputs (%)

3.3 고찰

Odey et al. (2023)의 곡물 중심의 상향식 분석에서는 2000- 2017년 동안 한국의 가상수유입은 16.2 km³/yr에서 20.7 km³/yr로 증가했고, 주요 공급국은 미국, 중국, 호주, 브라질, 캐나다였다. 특히 옥수수·밀·대두 등 곡물이 전체 가상수 유입의 약 96%를 차지했다. 본 연구의 EE-MRIO의 수요기반 분석에서 나타난 한국 최종소비 연계 물발자국의 증가 추세(2000년 64 Bm³/yr → 2018년 99 Bm³/yr)는 비교적 일관된 결과로 볼 수 있다. 예를 들어, EE-MRIO에서도 2000년대 초반에는 미국에 대한 높은 의존이 두드러졌으나, 최근에는 인도, 라틴아메리카 등으로 기여국이 분산되는 양상이 확인됐다.

다만 두 접근법 사이에는 수치적 차이가 존재한다. 이는 주로 방법론과 범위의 차이에 기인한다. Odey et al. (2023)의 분석은 주로 14종 곡물에 한정해 물집약도와 직접교역량을 곱해 추정한 반면, 본 연구의 EE-MRIO는 농축산물, 가공식품, 사료, 서비스에 얽힌 간접 연쇄효과까지 모두 포괄한다. 따라서 MRIO 분석에서 얻어진 WF 총량은 더 크고(64-99 km³/yr) 곡물→사료→육류/가공식품과 같은 가공·재수출 경로가 반영된다. MRIO는 다단계 공급망을 통해 원생산지 기여를 재귀적으로 추적하는 반면, 상향식 분석은 국가 간 직접 교역에 초점을 두기 때문에, 중간가공과 중개무역 흐름(예: 호주산 밀→가공→재수출)이 국가별 기여 분포에서 다르게 반영될 수 있다.

본 연구의 수요 중심 분석에서 한국은 외국 농업 섹터의 물발자국에 크게 의존하는 것으로 나타났다. Lee et al. (2016)에서도 쌀을 제외한 대부분 농산품에 대해 한국의 외국 물발자국 의존도는 99%에 달했고, 미국·중국과의 교역에 치중되어 있는 것으로 분석되었다. 또한 루마니아, 우크라이나, 호주 등과의 교역 강도도 증가 추세였다. 이 결과는 Odey et al. (2023)의 최근 연구와 함께 한국의 농업수요가 외국 농업섹터의 물발자국에 구조적으로 연계되어 있다는 해석을 강하게 뒷받침한다.

이에 반해, 외국 농업섹터에 25% 감산 충격을 가정했을 때 한국 GDP에 미치는 효과는 모두 -0.1% 이내로 제한적이었으며, 이는 같은 규모의 충격을 국내 농업부문에 적용했을 때 발생한 약 -0.23% 감소와는 뚜렷한 대조를 이룬다. 한국의 최종소비가 해외 농산물에 크게 의존하고 있음에도 불구하고, 이러한 소비 의존이 곧바로 GDP 전체 감소로 이어지지 않는 것으로 보인다. 다시 말해, 해외 충격은 한국 소비자 가격이나 교역 구조에 간접적인 영향을 줄 수 있으나, GDP 차원에서는 비교적 완충된 영향을 준다고 말할 수 있다. 외국 농업섹터에서 발생하는 물 부족은 한국의 GDP보다는 최종수요 충족에 더 큰 영향을 미칠 가능성이 높다.

하지만 EE-MRIO만을 이용해 수요 부족을 추정하는 데에는 근본적인 한계가 있다. EE-MRIO는 생산충격 발생 시 원산지 대체가능성을 고려하지 못한다. 또한, 단순 비례 방식으로 충격을 반영하기 때문에, 기존의 생산·소비 구조를 유지하려는 공급자-소비자간 행태적 변화를 설명하지 못한다. 이런 단점을 보완하면서 생산 충격이 유발하는 미충족 수요(unmet demand)를 보다 현실적으로 도출하기 위해서는 non-linear programming 연계(Ortuzar et al., 2023)와 같은 추가적인 보완이 필요하다.

4. 결 론

본 연구에서는 하향식 분석기법인 EE-MRIO 모형과 HEM을 이용하여 한국 최종수요가 전 세계 농업부문에 미치는 파급효과와 특정 지역·국가 농업섹터에서의 생산 충격이 한국 GDP에 미치는 영향을 정량적으로 평가하였다. EE-MRIO 기반 물발자국 분석을 통해 한국의 최종수요가 전세계 수자원 이용과 어떻게 연결되는지를 살펴보았다. 주요 결과를 요약하면 다음과 같다.

(1) 한국 최종수요에 의해 유발된 전 세계 농업부문의 부가가치는 2000년 약 21.3 B EUR에서 2018년 약 29.6 B EUR로 증가하였으며, 물발자국 역시 같은 기간 64 km³/yr에서 99 km³/yr로 확대되었다. 이 과정에서 한국 국내 농업의 상대적 기여는 지속적으로 감소하고, 중국·인도·기타 아시아 및 라틴아메리카 등 해외 지역의 기여가 꾸준히 확대되면서 공급국 다변화가 뚜렷하게 나타났다.

(2) 전 세계 농업섹터는 한국의 식품가공·외식업, 도소매업, 섬유·제조업, 운송·서비스업 등 광범위한 산업에서 중요한 부가가치 창출 기반으로 작용하였다. 2000년대 초반에는 국내 쌀 생산과 1차 가공·유통 부문의 기여가 압도적이었으나, 2010년대 이후에는 외식·운송·보건·사회서비스 등 생활·서비스 부문의 기여가 확대되는 추세를 보였다.

(3) 국내 농업에 25% 감산 충격을 적용했을 때 한국 GDP는 약 -0.23% 감소하여 상당히 큰 영향을 받는 것이 확인됐다. 반면 동일한 충격을 미국(-0.025%)이나 중국(-0.006%) 농업 섹터에 적용했을 경우 GDP 충격은 상대적으로 제한적이었다. 이는 한국 경제가 수요 차원에서는 해외 농업에 크게 의존하지만, 생산 차원에서는 자국 농업의 충격이 훨씬 직접적이고 광범위한 영향을 미친다는 점을 시사한다.