서 론
축산, 특히 반추동물 사육은 세계 식량 안보에 중요한 역할을 하는 동시에 온실가스 배출에도 큰 영양을 미친다. 기후변화에 관한 정부 간 패널(IPCC)에 따르면, 반추동물의 장내 발효는 농업 부문 메탄 배출의 상당 부분을 차지하며(Eggleston et al., 2006), 기후 중립 목표 달성을 위해서는 저감 전략이 필수적이라고 보고하고 있다. 파리 협정에서 농업 부문 배출량 감축을 위한 목표를 설정했으며, 많은 국가들이 온실가스 감축과 2050년까지 장기적인 EU의 그린딜 같은 저 탄소배출 전략을 수립했다(Cruanyes et al., 2024).
국내 농업부문 온실가스 배출량을 2022년 기준으로 2,295만 톤 CO2 eq로 국가 배출량의 약 3.2% 수준으로 보고 하고 있으며, 축산 분야 온실가스 배출량은 1,279만 톤 CO2 eq로 농업부문 배출의 약 절반을 차지하고 있다(Ministry of Environment, 2022). 축산분야 온실가스 배출량 중 장내 발효에 의한 온실가스 배출량은 6,742천 톤 CO2 eq으로 52.7% 가량으로 보고하고 있다(Ministry of Environment, 2022). 장내 발효에 의한 온실가스 배출량은 반추동물의 반추위 유래가 대부분이다(Haque, 2018). 반추동물은 단위동물과 다르게 섬유성 사료원료를 섭취하고 분해할 수 있어 상대적으로 다양한 부산물을 사료자원으로 사용 할 수 있다(Rinehart, 2008).
국내에서 발생하는 농업부문 바이오매스는 약 1,160만 톤으로 보고 하고 있다(Park et al., 2011). 국내에서 발생하는 농업부산물은 다양한 방법으로 재활용되고 있으며, 상당 부분이 가축의 사료로 재활용되고 있다. 그중 볏짚과 왕겨가 가장 많이 이용되고 있으며, 연간 각각 6,507천 톤 및 1,140천 톤으로 전체 농업부산물의 75% 가량으로 보고하고 있다(Park et al., 2011). 그 밖에 곡물 부산물, 유박, 과일 및 채소 폐기물, 증류주박을 포함한 농업 부산물은 가축의 사료 원료로 충분히 활용되지 못하고 있으며, 이는 사료자원으로 활용할 수 있는 가능성이 매우 높다. 현재 국내에서 발생하는 개별 농업부산물의 사료화에 대한 연구는 다양하게 수행되었으나 효율적인 활용은 아직 부족한 실정이다.
다양한 산업 전반에서 발생하는 탄소배출량을 평가하기 위해 전 생애 주기 목록(LCI) 데이터베이스를 기반으로 전 생애 주기 평가(LCA)를 도입하려 하고 있다(Jeong et al., 2021). 전 생애 주기 평가에서는 사료자원의 생산 전과정에 따른 탄소배출량을 제시하고 있으며, 이는 국가별로 상이한 결과를 제시하고 있다. 국내 축산업은 사료 자원에 대한 수입 의존도가 매우 높다. 사료 자원에 대한 높은 수입 의존도는 해외에서 탄소발생량을 국내로 유입시키는 역할을 하고 있다(Heo et al., 2022). 국내에서 버려지는 농업부산물을 사료화하여 재활용 할 경우 수입 사료에 비해 해외에서 발생한 탄소의 국내 유입을 줄 일 수 있으며, 국내 농산부산물에 대한 탄소배출량 조사가 필요한 실정이다. 한국 축산 시스템에서 농업 부산물의 중요성에도 불구하고, 다양한 방법론을 활용한 메탄 생산 잠재력에 대한 종합적인 비교 분석은 아직 부족합니다. 기존 연구들은 개별 사료 또는 단일 평가 방법에 초점을 맞추었지만, 국내 농업 부산물에 대해 반추위 체외 소화율(rumen in vitro digestibility)과 IPCC 2단계 접근 방식을 통한 탄소발생량 및 전 생애 주기 목록 데이터베이스를 통한 생산단계의 탄소배출량을 같이 비교한 연구는 드뭅니다. 이는 농업 부산물을 지속 가능한 사료 원료로 활용하고 최적화하기 위해 필수적이다.
본 연구는 반추위 체외 소화율과 IPCC 가이드라인 2019 2단계 예측 방정식을 통한 탄소배출량, 그리고 전 생애 주기 목록 데이터베이스를 활용한 생산 단계 탄소배출량을 비교하여, 농업부산물 사용 시 축산분야 탄소배출량 예측을 위한 기초자료를 제공하고자 수행하였다.
재료 및 방법
1. 사료원료 및 농산부산물
조사대상 사료원료와 농산부산물은 사용량 및 발생량을 기준으로 국내 상위 10종의 사료원료와 농산부산물 발생량 상위 10종을 선정하였다. 사료원료 및 농산부산물은 원료의 특성에 따라 섬유성, 단백질성 및 에너지성 원료로 구분하였다. 수집된 사료원료 및 농산부산물의 화학적 성분을 분석하여 Table 1에 나타냈다.
Table 1.
Chemical composition of major feed ingredients and by-products.
2. 매탄 배출계수 및 이산화탄소 환산량
국내 주요 수입사료 작물 및 농산부산물에 대한 영양성분 및 메탄환산계수 분석 결과를 통해 IPCC 가이드라인 2019를 기준으로 장내발효 유래 온실가스 배출량을 계산하였다. 장내발효 유래 메탄 배출계수 산정식은 아래와 같다(Gavrilova et al., 2019). 사료원료별 메탄전환계수(Ym)는 사료 원료 및 농산무산물의 소화율과 중성세제불용성 섬유소를 기준으로 가축에게 100% 급여를 기준으로 IPCC 2019 가이드라인(Table 2)에 따라 적용하였다.
EF=Emission factor,
GE=Gross energy intake,
Ym=methane conversion factor, per cent of gross energy in feed converted to methane,
The factor 55.65 (MJ/kg CH4) is the energy content of methane
장내발효 유래 메탄 배출계수를 산정하기 위한 한우의 메탄 환산계수는 IPCC 가이드라인 2019(Gavrilova et al., 2019)를 기준으로 계산하였으며, Table 2에 나타냈다.
Table 2.
Methane conversion factor of IPCC 2019.
이산화탄소의 환산량(CO2eq)은 IPCC 6차 평가보고서를 기준으로 메탄 1kg을 100년 기준으로 27.9 kg CO2eq로 환산하였다(Gavrilova et al., 2019).
3. 일반성분분석
건물(Dry matter, DM), 조회분(Ash) 및 조지방(ether extract, EE)은 AOAC (2005)의 방법에 따라 성분을 분석하였다. 건물은 열풍 건조기(HB-503-LF, Hanbaek scientific technology, Bucheon, Korea)를 사용하여 60℃에서 48시간 동안 건조 후 평가하였다. 조회분은 회화로 (Isotemp muffle furnace 550-126, Thermo fisher scientific Inc., Hampton, USA)를 사용하여 550℃에서 3시간 30분 동안 회화 후 잔여물의 무게를 측정하였다. 조지방은 ANKOM 산분해 시스템(ANKOM HCl Hydrolysis System, ANKOM Technology, New York, USA)를 이용하여 측정하였다. 조단백은 automated Kjeldahl analyzer (Kjeltec 8400, FOSS, Hilleroed, Denmark)를 이용하여 Kjeldahl 방법에 따라 조단백질 함량을 측정하였다(AOAC 968.06). 중성세제불용성 섬유소(Neutral detergent fiber, NDF) 및 산성세제불용성섬유소(Acid detergent fiber, ADF)는 ANKOM 섬유소 분석기(200 fiber analyzer, ANKOM technology, NY, USA)를 이용하여 분석하였다(Mertens, 2002). 리그닌(Acid detergent lignin, ADL)은 산성세제불용성 섬유소를 측정한 샘플을 72% 황산에 정치 후 분해 후 남은 잔량을 측정하여 계산하였다(AOAC 973.18; Möller, 2009). 총 에너지(Gross energy, GE)는 발열량계(Bomb calorimeter, Parr 1261; Parr Instrument Co., 89 Moline, IL, USA)를 이용하여 측정하였다.
결과 및 고찰
본 연구에서 국내 주요 사료 원료 및 농업 부산물의 반추위 체외 소화율, IPCC 2단계 방정식 및 전 생에주기 목록 기반 데이터베이스로 산정한 메탄 배출계수를 비교하면 반추위 체외 소화율로 측정한 메탄 배출계수가 더 높게 나타났다(Table 3). 섬유성 사료원료에서는 반추위 체외 소화율을 통한 이산화탄소 환산계수는 볏짚이 가장 낮게 나타났으며(EFin=0.631), 양배추 부산물의 IPCC 이산화탄소 환산계수(EFIPCC=0.364)가 가장 낮게 계산되었다. 단백질 사료원료에서는 반추위 체외 소화율을 통한 이산화탄소 환산계수는 임자박이 가장 낮게 나타났으며(EFin=0.553), 야자박의 IPCC 이산화탄소 환산계수(EFIPCC=0.342)가 가장 낮게 계산되었다. 에너지 사료원료에서는 반추위 체외 소화율을 통한 이산화탄소 환산계수는 미강이 가장 낮게 나타났으며(EFin=0.610), 옥수수의 IPCC 이산화탄소 환산계수(EFIPCC=0.263)가 가장 낮게 계산되었다.
Table 3.
Chemical composition of major feed ingredients and by-products.
| Classification | Ingredients | In vitro digestibility | IPCC 20191 |
GWP100- Total (kg CO2eq /kg feed) | Region | Reference | ||
|
EFin (kg CH4 /kg feed) |
EFin (kg CO2eq /kg feed) |
EFIPCC (kg CH4 /kg feed) |
EFIPCC (kg CO2eq /kg feed) | |||||
| Fibrous ingredients | Tall fescue | 0.033 | 0.929 | 0.022 | 0.608 | 0.08 | Belgium | Agri-Footprint6 |
| Alfalfa | 0.032 | 0.892 | 0.021 | 0.578 | 0.29 | Spain | Agri-Footprint6 | |
| Oat hay | 0.037 | 1.020 | 0.019 | 0.533 | 0.61 | Canada | Ecoinvent3 | |
| Timothy | 0.032 | 0.885 | 0.021 | 0.579 | 0.26 | Swiss | Ecoinvent3 | |
| Beet pulp | 0.038 | 1.067 | 0.019 | 0.523 | 0.19 | Swiss | Ecoinvent3 | |
| Ryegrass | 0.033 | 0.918 | 0.021 | 0.580 | 0.26 | Swiss | Ecoinvent3 | |
| Rice straw | 0.023 | 0.631 | 0.020 | 0.571 | 0.47 | Argentina | Agri-Footprint6 | |
| Spent mushroom substrate | 0.027 | 0.747 | 0.019 | 0.530 | -2 | - | - | |
| Tangerine by-product | 0.044 | 1.238 | 0.021 | 0.598 | 0.57 | Brazil | Agri-Footprint6 | |
| Napa cabbage by-product | 0.031 | 0.864 | 0.013 | 0.364 | - | - | - | |
| Cabbage by-product | 0.035 | 0.964 | 0.018 | 0.501 | - | - | - | |
| Pineapple by-product | 0.034 | 0.950 | 0.020 | 0.558 | - | - | - | |
| Protein ingredients | Soybean meal | 0.032 | 0.884 | 0.013 | 0.371 | 1.36 | Brazil | ecoinvent3 |
| Soybean | 0.029 | 0.817 | 0.016 | 0.451 | 5.48 | Argentina | Agri-Footprint6 | |
| Rapeseed meal | 0.024 | 0.678 | 0.013 | 0.358 | 0.38 | Austria | Agri-Footprint6 | |
| Coconut meal | 0.019 | 0.519 | 0.012 | 0.342 | 1.92 | Indonesia | Agri-Footprint6 | |
| Lupin seed | 0.036 | 1.000 | 0.013 | 0.375 | 0.55 | Australia | Agri-Footprint6 | |
| Cotton seed meal | 0.022 | 0.606 | 0.013 | 0.367 | 1.54 | India | Ecoinvent3 | |
| Soybean curd cake | 0.025 | 0.711 | 0.016 | 0.456 | 0.37 | Netherlands | Ecoinvent3 | |
| DDGS | 0.022 | 0.601 | 0.015 | 0.409 | 0.06 | Swiss | Agri-Footprint6 | |
| Brewers grain | 0.027 | 0.744 | 0.014 | 0.390 | - | Belgium | - | |
| Sesame meal | 0.022 | 0.626 | 0.016 | 0.444 | 1.38 | Belgium | Agri-Footprint6 | |
| Perilla meal | 0.020 | 0.553 | 0.015 | 0.424 | 1.38 | Belgium | Agri-Footprint6 | |
| Energy ingredients | Corn | 0.028 | 0.771 | 0.009 | 0.263 | 0.54 | Canada | Ecoinvent3 |
| Wheat | 0.028 | 0.774 | 0.012 | 0.348 | 0.71 | Canada | Ecoinvent3 | |
| Wheat bran | 0.022 | 0.616 | 0.012 | 0.348 | 0.24 | Belgium | Agri-Footprint6 | |
| Starch pulp | 0.033 | 0.924 | 0.011 | 0.313 | 0.44 | China | Agri-Footprint6 | |
| Rice bran | 0.022 | 0.610 | 0.014 | 0.400 | 0.71 | Brazil | Agri-Footprint6 | |
섬유성 사료원료의 생산 시 발생하는 탄소배출량(GWP100-Total)은 연맥이 0.61로 가장 높았으며, 톨페스큐가 0.08로 가장 낮게 나타났다. 단백질 사료원료의 생산 시 발생하는 탄소배출량은 대두가 5.48로 가장 높았으며, 루핀시드가 0.55로 가장 낮게 나타났다. 에너지 사료원료의 생산 시 발생하는 탄소배출량은 밀기울이0.24로 가장 낮았으며, 밀과 미강이 0.71로 높았다.
본 연구에서 국내 주요 사료 원료 및 농업 부산물의 반추위 체외 소화율, IPCC 2단계 방정식 및 전 생애주기 목록 데이터베이스기반 으로 산정한 탄소 배출계수를 비교했을 때, 방법론 간 수준 차이가 뚜렷하며, 동일 원료라도 메탄 잠재량 평가 결과 차이가 크게 날 수 있음이 나타났다. 반추위 체외 발효는 개별 원료의 가스 생성량, 메탄발생량 및 소화율을 직접 측정함으로써 간접적으로 장내발효 특성을 가장 민감하게 반영하지만, 동물에서의 섭취량·통과속도·배합사료 효과를 고려하지 못해 실제 현장 배출량과 괴리가 발생할 수 있다(Scicutella et al., 2025). IPCC의 메탄 배출량 계산은 원료 단위 평가가 아닌 전체 사료의 성분을 기준으로 계수를 산정하는 방식이기 때문에 본 연구에서 탄소배출량 비교에 있어서 차이를 보이는 것으로 사료된다(Gavrilova et al., 2019). 이전 IPCC 2006에서 제시하는 소화율(ED)와 중성세제불용성섬유소(NDF) 기준 Ym 및 MY 계수를 한국 한우 사양체계에 적용하면, 에너지·섬유 수준에 따라 장내 메탄 배출계수가 민감하게 변하며, 고에너지·저 NDF 배합일수록 kg 사료 기준 배출계수는 낮아지는 반면, 단위 두수·두당 일일 배출량은 증가할 수 있다는 상충되는 결과도 확인할 수 있다(Jo et al., 2016). IPCC 2019의 2단계 방정식은 국가 인벤토리 작성에 필요한 일관성과 단순성을 제공하지만, 곡물·농산 부산물 위주의 혼합사료나 지역 특이적인 부산물(귤·배추·버섯폐배지 등)에 대한 검증 데이터가 부족하고, Ym 계수도 주로 기본 조사료·곡물 중심 실험에서 도출되었다는 한계가 있다. 이전 연구에서 사료의 성분에 따라 발생하는 메탄생성량에 대한 메타 분석 연구에서 메탄의 발생량은 소화율이 높을수록 증가하며, 전분 함량에 따른 아세트산과 프로피온산의 비율의 감소가 메탄 발생량을 감소 시킨다고 있다고 보고 하고 있다(Herliatika et al., 2024). 부산물에 대한 성분과 IPCC의 혼합사용은 보다 적확한 탄소배출량을 산정하는데 긍정적인 역할을 할 것으로 사료된다.
전 과정 목록 데이터베이스(Agri-Footprint, Ecoinvent 등)는 사료 재배·가공·수송까지 포함한 영역 확장의 장점이 있지만, 한국 실정과 다른 재배조건·수율·에너지믹스를 전제하기 때문에 국내 농업 부산물의 실제 장내 메탄 배출 특성을 과대 또는 과소 추정할 가능성이 있다. 또한, 국내에서 사료원료를 생산하거나 및 부산물 발생에 대한 전과정평가 데이터베이스를 제공하고 있지 않아서 국내산 사료원료 또는 부산물 이용 시 탄소배출량 저감을 명확하게 평가하는 것은 한계가 있다. 다만, 본 연구 데이터에서 루핀씨드, 비트펄프, 배추·양배추 부산물 등 일부 부산물은 단위 건물당 에너지함량과 소화율 대비 장내 메탄 배출계수가 상대적으로 낮게 나타나, 사료 내 곡물·기본 조사료 일부를 대체할 경우 메탄 저감에 기여할 수 있는 잠재력이 있는 것으로 평가할 수 있다. 조사료와 비교하였을 때 배추, 양배추 부산물 및 파인애플 부산물은 소화율이 조사료에 비해 높게 나타났다(Table 1). 다만, 양배추 부산물은 높은 황 함량으로 사료 중 황 함량 0.4% 이하를 권장하고 있어 사용량에 제한이 될 수 있으며(Son et al., 2021), 파인애플 부산물의 경우 한우에서 2.0% 이하 급여를 권장하고 있다(Choi et al., 2020). 국내에서 주로 발생하는 농업부산물에 대한 반추동물에서의 기호성에 대한 부정적인 연구는 보고되지 않아 사료 원료로 활용 시 탄소배출 저감에 기여할 수 있을 것으로 사료된다.
반추위 체외 소화율, IPCC 및 전 과정 목록 데이터베이스 탄소배출량 결과를 종합적으로 평가해 보면, 장내발효 단계 메탄 저감을 위해서는 단순히 IPCC의 탄소배출량을 적용하기 보다 다양한 원료의 성분을 기반으로 추정한 탄소배출량을 사용하고 전 과정 목록 데이터베이스 내 생산 시 발생하는 탄소배출량을 합산하여 평가하는 것이 가장 유요한 방법으로 평가할 수 있다. 다만, 국가 차원에서 수입 사료원료 대비 국내 생산원료 사용 시 저감되거나 증가하는 탄소배출량에 대한 반영을 위해서 국내 주요 사료자원 및 부산물에 대한 전 과정 목록 데이터베이스를 구축할 필요성이 있는 것으로 사료된다.
또한, 국내 농업 부산물(배추·양배추·귤 부산물, 버섯폐배지, 루핀 등)에 대한 체계적인 반추위 체외 및 동물실험 데이터 축적과, 이를 반영한 한국형 Ym, 배출계수의 재정비가 필요하며, 이는 향후 국가 온실가스 인벤토리 정확도 개선과 저탄소 사료 인증·인센티브 제도 설계의 과학적 근거로 사용할 수 있다.
축산 현장에서는 전 과정 목록 데이터베이스와 IPCC 계수를 일률적으로 적용하기보다는, 본 연구에서 제시한 원료별 배출계수와 소화 특성을 부산물 중심의 배합사료 포뮬레이션을 설계하고, 동일 생산량 기준 탄소 배출량을 최소화하는 방향으로 사양체계를 전환하는데 사용할 수 있다.
결 론
본 연구에서는 국내 주요 사료원 및 농업 부산물에 대해 반추위 체외 소화율, IPCC 2단계 방정식, 전 과정 목록 데이터베이스를 비교하여 온실가스 배출계수를 평가하였다. 그 결과, 방법론 간 배출계수 수준 차이가 크고 동일 원료에서도 메탄 배출 잠재량 추정치가 크게 다른 것을 확인하였다. 반추위 체외 소화율은 원료별 발효 특성과 메탄 생성 특성을 정밀하게 반영하지만 동물 수준 섭취·통과·배합 효과를 반영하지 못하고, IPCC 2단계와 해외 전 과정 목록 데이터베이스는 국내 부산물 기반 사양체계와 생산 조건을 충분히 반영하지 못하는 한계가 있다. 따라서, 사료원료 또는 부산물에 따른 축산분야 탄소배출량을 명확하게 평가하기 위해서는 원료별 또는 IPCC 탄소배출량에 전 과정 목록 데이터베이스 탄소 배출량을 합산하여 평가하는 것이 가장 적합하다. 이를 활용하기 위해 국내 사료자원·부산물에 대한 전 과정 목록 데이터베이스 구축과 한국형 Ym 및 배출계수 재정비가 요구되며, 이는 국가 인벤토리 개선과 저탄소 사료 인증·인센티브 제도 설계에 기여할 수 있다.
