서 론

최근 전 세계적으로 수산자원의 감소로 인해 수산자 원회복 및 관리에 대한 문제가 대두되고 있다. 우리나라 연근해 어획량은 1996년 약 8,740만톤으로 최대어획량 을 기록한 후 지속적으로 감소하여 2016년 약 7,980만톤 수준으로 파악되었다(FAO, 2018). 국내의 경우에도 연 근해 수산자원이 지속적으로 감소하기 시작하여 2016 년에는 연근해어획량이 백만 톤 이하로 어획량이 감소 하였다(KOSIS, 2018).

이러한 상황에서 우리나라는 수산자원회복 및 관리를 위해 지난 2006년부터 수산자원회복계획을 수립하여 수산자원을 관리하고 있다. 수산자원회복계획은 어종별 로 자원평가를 통해 남획 상태 수준 및 남획이 진행 중인 어종들에 대하여 일정기간 동안 목표 자원량의 수준으 로 회복시키는 방안이다. 2006년에 4개 어종인 낙지, 도 루묵, 오분자기, 그리고 꽃게를 시범으로 시작하여 (MOF, 2014) 현재에는 총 16개 어종에 대한 수산자원회 복이 수립 시행 중에 있다.

효과적인 수산자원회복계획을 위해 계획을 수립 전에 대상어종의 현 자원상태 및 어획노력량 수준에 대한 자 원평가를 통하여 수산자원관리에 대한 목표가 정확히 수립되어 져야 한다(Kim et al., 2008).

현재 기름가자미(Glyptocephalus stelleri)는 동해구외 끌이중형저인망, 연안자망 등에서 주로 어획되고 있으 며 동해안에서 중요한 상업 어종 중 하나이다. 동해안에 분포하는 가자미류는 생김새가 비슷하고, 각 지역마다 부르는 명칭이 상이하여 분류하기 어려운 실정이다. 또 한 수협에서 위판되고 있는 가자미류들도 각 종류별로 어획량이 집계되는 것이 아니라 가자미류로 통합적으로 집계되고 있어 각 가자미에 대한 정확한 어획량 파악하 기가 힘든 현실이다.

하지만 기름가자미는 다른 가자미류들에 비해 생김새로 분류하기가 상대적으로 쉬워 2015년부터 기름가자미 코드 (110007)가 신설되어 분리 집게하고 있다. 그 결과 정확한 기름가자미 어획량을 파악할 수 있다(Choi et al., 2016).

기름가자미는 2007년 자원회복대상종으로 포함되어 현재까지 꾸준히 관리되고 있다. 현재까지 권고안 내용 으로 연안자망어업의 기름가자미 포획금지체장 신설 (20 cm) 및 동해구외끌이중형저인망의 어선세력 감축 등이 진행되고 있다(NIFS, 2019). 기름가자미에 대한 선 행연구의 경우, 과정오차 모델을 이용하여 자원상태를 평가하고 있다(Sohn et al., 2013).

보다 효과적인 기름가자미의 자원회복계획 수립을 위 해서는 신뢰성 있는 자원평가 모델을 통한 자원상태의 평가가 필요하다. 또한 신뢰성 있는 자원평가 모델의 결과를 활용한 어업관리방안의 효과에 대한 분석을 통 해 최적의 어업관리방안을 제시되어야 한다.

이러한 배경 하에 본 연구에서는 수산자원회복대상종 중 의 하나인 기름가자미의 자원회복 및 관리를 위해 현재 국 외 및 국제수산 기구에서 널리 활용되고 있으며, 하와이 바다거북, 대서양 흉상어, 남대서양 날개다랑어 자원평가에 적용되어 분석되고 있는 Bayesian State-space 모델을 활용 하여 기름가자미의 자원상태를 평가 하고자 한다(Millar and Meyer, 2000b;McAllister et al., 2001;Chaloupka and Balazs, 2007;McAllister, 2014;Winker et al., 2018;ICCAT, 2018).

더 나아가 Bayesian State-space 모델의 자원평가 결과 를 활용하여 기름가자미 어업관리방안(TAC, 어획노력 량 저감)들에 대한 효과를 분석하고자 한다. 어업관리방 안별 효과를 분석하기 위해 생물경제모델(Bioeconomic model)을 사용하여, 기름가자미 어업관리방안들에 대한 생물학적 그리고 사회경제학적 효과를 분석하고자 한다 (Davis, 2010;Holland, 2010;Kim, 2015;Choi, 2019). 또한 민감도 분석을 통한 어업관리방안별 최적의 자원 관리기준점을 제시하고자 한다.

마지막으로 기름가자미 시장가격 및 어업비용 변화에 따른 동해구외끌이중형저인망의 어업수익이 영(0)이 되 는 최소 어획량 수준을 분석하여, 향후 동해구외끌이중 형저인망의 기름가자미의 TAC 설정을 대비한 정책적 근거자료를 제시하고자 한다.

재료 및 방법

기름가자미 어업현황

Fig. 1은 2016∼2018년 3년 동안의 기름가자미 어업 별 어획 비율을 나타낸 것이다. 조사결과, 동해구외끌이 중형저인망의 경우 약 53% 가장 큰 어획 비율을 차지하 는 것으로 파악되었다. 그 다음으로 연안자망은 약 27%, 서남해구외끌이중형저인망은 약 9%, 그리고 근해자망 은 약 6% 순으로 파악되었다.

이러한 결과를 바탕으로 본 연구에서는 기름가자미 어획 비율이 가장 큰 동해구외끌이중형저인망을 대상으 로 분석하고자 한다.

기름가자미 어업별 어획비율이 가장 높은 동해구외끌이중 형저인망과 그 다음으로 높은 연안자망을 대상으로 2015년 이전의 어획량을 추정하고자 한다. 2015년 이전의 기름가자 미 어획량을 추정하기 위해 2015년부터 2018년까지 4년 동 안의 통계청(KOSIS, 2018)에서 수집된 지역(강원, 경북)별, 어업(동해구외끌이중형저인망, 연안자망)별 가자미류에서 기름가자미 차지하는 비율은 Table 1과 같이 나타낼 수 있다.

분석 자료

Bayesian State-space 모델을 활용한 기름가자미 자원 평가를 위해 어획량 자료와 어획노력량 자료가 필요하 다. Table 2는 동해구외끌이중형저인망에서 어획된 기 름가자미 어획량과 어획노력량(Horse power, hp)을 나 타내고 있다. 2004년부터 2014년까지는 역 추정한 기름 가자미 어획량을 사용하였고, 2015년부터 2018년까지 는 통계청에서 집계한 어획량을 사용하였다(KOSIS, 2018). 분석 기간을 2004년부터 설정한 이유는 2004년 이전의 동해구외끌이중형저인망의 척수 자료가 불확실 성이 있다고 판단하였기 때문이다.

동해구외끌이중형저인망에 의해 어획된 기름가자미 의 어획량을 보면, 2004년 1,716톤으로 시작하여 2011 년 2,800톤으로 증가하였다. 2012년 이후 감소하여 2018년 1,761톤 수준으로 파악되었다. 동해구외끌이중 형저인망의 노력량(hp) 경우, 2004년 16,914 hp으로 시 작하여 2008년 25,779 hp으로 증가하였다. 그 이후 감소 하기 시작하여 2018년 17,518 hp 수준으로 파악되었다.

기름가자미 생물경제모델 분석을 위해 기름가자미 시 장가격 및 동해구외끌이중형저인망의 어업비용자료가 필 요하다. 2018년 기름가자미 시장가격(단가)은 kg당 4,701 원으로 나타났다(Fisheries Information Service, 2018). Table 3은 2015∼2017년까지 한국수산자원공단에서 조 사한 근해어업실태조사부분의 동해구외끌이중형저인망 에 대한 어업비용 자료를 정리한 것이다. 동해구외끌이중 형저인망의 3년 평균 출어비용은 척당 428,003천원으로 조사되었다(Korea Fisheries Resources Agency, 2018).

2015~2017년도 3년 동안 평균 동해구외끌이중형저인망의 총 어획금액에서 기름가자미 어획금액 비율은 약 24% 조사되었다.

분석 방법

자원동태 모델(잉여생산량 모델)

자원동태 모델 중 잉여생산량 모델은 자원의 가입량, 성장량, 자연 사망률을 하나의 잉여생산의 개념으로 합 한 형태로서 식 (1)과 같이 정의된다.

식 (1) 에서 By는 y년도 초의 자원량이고, g(By)는 자원 의 성장생산 함수, Cy는 y년도의 어획량을 의미한다. 성 장생산 함수에 대한 가정에 따라 자원동태 모델의 형태가 식 (2)∼(4)와 같이 보다 구체적으로 결정될 수 있다.

여기서, 성장함수 중 식 (4)는 Pella and Tomlinson에 의해 고안된 성장함수로, r은 본원적 성장률, K는 환경 수용력, 그리고 p는 성장함수의 형태를 결정하는 매개변 수를 의미한다. 특히 Pella and Tomlinson (1969) 함수는 보다 포괄적인 성장함수로, p의 값의 변동에 따라 성장 함수의 형태를 변동시킬 수 있다. 예를 들어, p=1로 가정 한다면 식 (2)과 동일한 형태가 되어 Schaefer (1954) 함수를 도출할 수 있고, p를 0에 근사시키면 식 (3)과 같은 Fox (1970)의 성장 함수를 도출할 수 있다. 위 식(4) 의 성장함수를 식 (1)에 대입하면 다음의 식 (5)과 같은 자원동태 함수로 나타낼 수 있다.

잉여생산량 모델에서는 통상적으로 어획능률과 자원 량의 관계는 일정하다고 가정한다(Hdaaon, 2010). 이에 따라, 어획량(C_y )을 어획노력량(E_y )으로 나누면 식 (6) 과 같은 단위노력당어획량(I_y )을 구할 수 있고, 자원량 (B_y )과의 관계를 파악할 수 있다.

여기서, C_y는 y연도의 어획량, E_y는 y연도의 어획노 력량, I_y 는 y연도의 단위노력당어획량(Catch per unit effort, CPUE), 그리고 q는 어획능률계수(catchability coefficient)를 나타낸다.

Bayesian State-space 모델

Bayesian State-space 모델은 과정오차 및 관측오차를 동시에 고려하여 분석 할 수 있는 장점을 가지고 있다. 또한 자료의 불확실성 고려하여 신뢰도 높은 자원평가 결과를 도출할 수 있다. Bayesian 추론을 통해 식 (1)에서 발생하는 과정오차와 식 (6)에서 발생하는 관측오차를 모 두 고려하여 자원량을 추정하는 모델이다. Bayesian 추론 은 관측된 자료와 모수 모두에 확률 모형을 사용하여 추 론하는 방법으로 Bayesian 추론을 위해 식 (2)와 (6)의 함수를 재구성하면 다음과 같다. 추정에서 오차는 로그정 규분포를 따르는 것으로 가정하였고, 표본추출의 과정에 서 생물계수 간의 상관관계를 감소시키기 위해 자원량 (B_y )을 K 에 대한 자원량의 비율 (P_y = B_y/K )로 재구 성하여 추정하였다(Millar and Meyer, 2000a).

Bayesian 추론은 관측치 자료와 사전정보를 결합시켜 사후분포를 계산하고 사후분포를 바탕으로 모수를 추정 하는 방법이다. 우선 모수에 대한 사전분포는 다음과 같이 나타낼 수 있다. 사전분포에 대하여 내적 성장률(r) 과 환경수용력(K)에 대해서는 정보적 사전분포 (informative prior distribution)를 가정하였다. r의 경우 로그정규분포(lognormal distribution) 설정하였으며, K의 경우 역로그정규분포로(inverse-lognormal distribution) 설정하였다. 어획능률계수에는 무정보적 사전분포(non informative prior distribution)로 역감마분포(inverse-gamma distribution)를 설정하였다. Millar and Meyer(2000a)를 참 고하였다.

다음으로 생물계수가 특정한 값을 가질 경우 관측된 CPUE이 발생할 확률은 식 (10) 같이 나타낼 수 있는데 이를 우도라고 한다.

Bayesian 정리에 이용해 사전확률 (9)와 우도 (10)을 이용하여 사후분포를 추정할 수 있다.

하지만 위와 같이 추정하는 모수가 다차원적일 경우 에는 이를 수치적으로 계산하는 것은 불가능하다. 이를 해결하기 위해 이용되는 방법으로 마코브체인 몬테카를 로(Markov Chain Monte Carlo, MCMC) 기법이다. MCMC 기법은 변수들의 다차원적 사후분포를 통계적 으로 추정하는 기법으로 추출된 변수들의 우도를 가지 고 사후분포를 확률론적으로 추정하는 기법이다.

마코브체인 몬테카를로는 단계별로 새로운 변수들의 후보군들을 무작위로 생성한다. 그러나 다차원의 결합 확률분포의 경우에는 임의의 표본을 생성하기 어려워 각 변수들의 조건부확률분포로부터 표본을 순차적으로 생성하게 되는데 이를 깁스 샘플링이라고 한다. 깁스 샘플링을 이용한 마코브체인 몬테카를로 과정 중에는 사후분포를 추정하는 다양한 알고리즘이 존재하는데, WinBUGS 프로그램(1.4.3, 영국)은 변수 각각의 분포형 태에 따라 적합한 알고리즘을 사용하여 사후분포를 도 출한다(Gilks and Wild, 1992;Neal, 1997;Lunn et al., 2000, Choi et al., 2019).

위 과정을 m번 반복하면 각각의 변수에 대한 사후분 포를 추정이 가능하다.

깁스샘플링을 사용하여 마코브체인 몬테카를로는 결 과적으로는 사후분포를 추정할 수 있으나 초기값을 임 의적으로 설정해야한다. 그렇기 때문에 초기값이 정확 하게 파악되지 않을 경우에는 추출과정 중에 초기표본 들은 사후분포에 수렴하지 못하는 문제가 나타난다. 이 러한 문제를 해결하기 위해 추출한 표본 중에 사후분포 에 수렴하기 전의 추출된 표본들을 버리고(burn-in) 사 후평균을 계산하면 초기값의 영향을 감소시킬 수 있다 (Bolker, 2008).

어업경제 모델

기름가자미 TAC 제도의 효과 분석을 위해 연간 TAC 할당량 범위는 2018년도 어획량 수준인 1,761톤 기준으 로 +30%, +20%, +10%, -10% 그리고 –20% 설정하였다. 그리고 추가적으로 어획노력량의 저감 방안 효과를 분 석하기 위해 현재 동해구외끌이중형저인망 마력수인 17,518 hp 기준으로 어획노력량을 +20%, +10%, -10%, -20%, 그리고 -30%로 설정하였다.

구체적인 효과 분석에서는 생물학적 효과 및 사회경 제학적 효과에 대한 향후 20년 후인 2038년 기름가자미 의 자원량, 어획량 그리고 순현재가치(Net present value, NPV)값 변화를 추정하고자 한다.

동해구외끌이중형저인망어업 기름가자미의 생물 경제모델에서 어업수익은 2018년 동 어업에 의해 어 획된 기름가자미의 어획량( H_t )과 평균 시장가격(p)을 곱하여 계산한 것으로 다음의 식 (14)와 같이 나타낼 수 있다.

동해구외끌이중형저인망의 어업비용은 최근 2018년 경영실태조사(FIRA, 2018) 결과에 나타난 어업비용 자 료를 사용하여 기름가자미 어획에 사용되는 마력당 평 균 비용(c)과 마력수(hp)의 곱으로 다음의 식 (15)와 같 이 나타낼 수 있다.

연간 동해구외끌이중형저인망 어업수익에서 어업비용 을 차감하면 연간 어업이익(Total price, TP)을 계산할 수 있다. 어업관리방안 시행에 따른 향후 어획량 및 자원량 변화에 따라 어업이익은 매년 다르게 되고, 이를 현재가치 로 환산하여 어업관리방안별 어업이익을 평가할 수 있다.

본 연구에서는 어업관리방안별 효과분석을 위한 기간 설정을 향후 20년으로 설정하였다. 효과분석 기간을 20 년간 설정한 이유는 분석기간을 10년간 하였을 경우 현 재 상태의 자원량 및 NPV값의 크게 변동이 없어 향후 20년 후로 설정하였다. 현재가치 환산을 위해 정부에서 시행하는 예비타당성조사의 총괄지침에 따른 사회적 이 자율은 4.5% 가정하였다. 즉, 향후 20년간 발생할 연간 어업이익을 4.5%의 사회적 이자율로 할인한 합(NPV)은 식 (16)과 같이 나타낼 수 있다.

사회경제적 요인 변화에 따른 민감도 분석을 위해 2018년도 기름가자미의 평균 시장가격(kg/won)은 4,701 원으로 계산되었다. 평균 시장가격 4,701원 기준으로 변 화율은 –30%에서 +30% 범위에서 변화 수준에 따른 민 감도 분석을 하고자 한다. 또한 어업비용 변화에 따른 최소 어획량 수준을 추정해 보았다. 어업비용의 변화율 은 –30%에서 +30% 범위에서 변화 수준을 설정하였다.

결 과

기름가자미 어획량을 역 추정한 분석결과

2015년 이전의 기름가자미 어획량을 역 추정한 결과, 지역별, 어업별 가자미류에서 기름가자미 비율은 동해 구외끌이중형저인망의 경우 강원지역은 약 82% 이고, 경북지역은 약 79% 이었다. 동해구외끌이중형저인망의 경우, 대부분의 가자미류가 기름가자미인 것으로 파악 되었다. 연안자망의 경우 강원지역은 약 42%, 경북지역 은 약 7% 이었다. 경북연안자망의 경우 기름가자미가 차지하는 비율이 낮은 것으로 파악되었다.

2015∼2018년 지역별, 어업별 가자미류에서 기름가 자미 비율을 대입해서 2004∼2014년 동안의 기름가자 미 어획량을 역 추정해본 결과 Fig. 2와 같다.

Bayesian State-space 모델 분석결과

Bayesian State-space 모델은 깁스샘플링을 사용한 Bayesian 추론에 특화된 WinBUGS (bayesian inference using gibbs sampling) 프로그램을 사용하여 결과를 도출 하였다(Choi et al., 2019). 모델의 분석을 위해서 200,000 개의 표본을 추출하였고, 이중에서 사후분포에 수렴하지 못하는 초기샘플들의 영향을 제거하기 위해 초기 10,000 개의 표본을 번인(burn-in)을 통해 제외시켰다. 그리고 샘플 변수들의 자기상관을 제거하기 위해 매 50번째 샘 플을 추출하여 분석결과를 도출하였다.

Bayesian State-space 모델의 검증 방법 중 하나는 시 도표를 파악하는 것으로 추정하는 주요 파라미터 값들 의 일정한 형태나 경향을 보이지 않고, 백색잡음의 형태 를 가지면 모델이 적합하다고 판단한다. 기름가자미에 대한 Bayesian State-space 모델의 추정 결과, 자원량(B) 과 환경수용력(K), 어획능률계수(q), 본원적성장률(r) 그 리고 최대지속생산량(MSY)의 모든 추정치들의 시도표 가 일정한 형태를 보이지 않고 백색잡음의 형태를 보여 적합한 것으로 분석되었다(Fig. 3).

또 다른 검증방법으로 추정한 주요 생물계수들의 값 의 몬테카를로 오차가 사후표준오차의 5% 수준 미만일 경우에 모델의 유의성을 판단할 수 있다(Spiegelhalter et al., 2003;Choi et al., 2019). Bayesian State-space 모 델의 추정결과, 추정된 모든 주요 생물계수들의 몬테카 를로 오차가 사후 표준오차의 5% 미만인 것으로 파악되 어 모델의 유의성이 우수한 것으로 분석되었다(Table 4).

Bayesian State-space 모델을 통해 도출된 사후분포를 통해 자원량, 주요 생물계수, 그리고 CPUE 변화 등을 추정하였다. Fig. 4와 같이 추정된 사후분포들의 형태가 비대칭이기 때문에 평균값은 대표성이 떨어지는 것으로 판단하여 중앙값을 대표 추정치로 분석에 사용하였다 (Choi et al., 2019).

Bayesian State-space 모델의 연도별 실제 CPUE와 사 후분포에 의해 추정된 CPUE를 비교·분석한 결과, 모든 CPUE의 실제 관측치가 사후 예측분포의 95%구간 안에 포함되어 있는 것으로 파악되었다(Fig. 5).

Bayesian State-space 모델의 경우 추정 모델의 자원량 을 환경수용력에 대한 자원량의 비율로 재구성함으로써 생물계수들 간의 상관관계를 감소시킬 수 있다(Millar and Meyer, 2000b). 추정과정에서 설정한 생물계수 값 에 대한 사전분포로 생물계수 값을 추정으로 인한 불확 실성을 감소시킬 수 있다(McAllister et al., 2001). 또한 각각의 생물계수에 대한 분포를 추정함으로써 생물계수 들의 상관관계로 인한 변화의 범위를 고려할 수 있다.

다음으로 주요 생물계수 값에 대한 분포를 추정함으 로써 생물계수들의 상관관계로 인하여 변화하는 범위를 고려할 수 있다. Bayesian State-space 모델 추정 결과, 기름가자미의 주요 추정 값들의 95% 신뢰구간 범위는 MSY(최대지속적생산량)는 775∼4,882톤, K(환경수용 력)는 14,030∼65,930톤, q(어획능률)는 0.000004889∼ 0.00001339, 그리고 r(본원적성장률)의 경우에는 0.12∼ 0.63 범위를 갖는 것으로 분석되었다(Table 5). 중앙값으 로 MSY는 1,985톤, K는 23,930톤, q는 0.000007765, 그리고 r의 경우에는 0.31로 분석되었다.

기름가자미 어업관리방안에 대한 효과분석

현재 기름가자미는 자원회복계획 대상어종이지만, TAC 대상어종은 아니다. 하지만 향후 효과적인 기름가 자미 자원관리를 위해서는 어획량 관리방안을 고려해야 한다. 그리고 향후 TAC 제도가 확대될 것으로 예상되므 로 기름가자미에 대한 TAC 제도 실시의 효과를 분석해 보았다(MOF, 2019).

TAC 제도의 생물학적 효과분석 결과, 현재 어획량 수준과 같이 1,761톤으로 설정되어 지속된다면 기름가 자미 자원량이 20년 후에는 14,637톤으로 유지하는 추 세로 평가되었다. 하지만 기름가자미 TAC 설정을 현재 어획량 기준 10% 감소시킬 경우 향후 16,832톤으로 자 원량은 증가되는 것으로 추정되었다(Table 6)(Fig. 6).

한편, 어획노력량 저감 방안의 생물학적 효과분석 결 과, 현재 어획노력량(현재hp) 수준으로 설정되어 지속될 경우 기름가자미 자원량이 13,776톤으로 유지하는 추세 로 평가되었다. 하지만 어획노력량을 20% 감소시킬 경 우 향후 자원량이 17,091톤으로 증가하는 것으로 분석 되었다(Table 7)(Fig. 7).

TAC 제도의 사회경제학적 효과분석 결과, TAC 설정 을 현재 어획량 기준 10% 증가시킬 경우 시 20년 후인 2038년 NPV는 1,486,410천원으로 가장 낮은 수준으로 분석되었다. 10% 증가시킬 경우 NPV는 2,206,522천원 으로 가장 높은 것으로 추정되었지만, 자원에는 악영향 을 미치는 것으로 분석되었다.

어획노력량 저감 방안의 사회경제학적 효과분석 결과, 현재 어획노력량 수준으로 유지되면, 20년 후인 2038년 NPV는 2,235,592천원으로 수준으로 추정되었다. 하지만 어획노력량을 10% 증가시킬 경우 NPV는 2,257,575천원 으로 가장 높은 수준으로 추정되었다(Fig. 8)(Fig. 9).

기름가자미의 어업관리방안들에 대한 생물학적 그리 고 사회경제학적 효과분석 결과를 요약하면, TAC 할당 량이 현재 수준인 1,761톤으로 유지될 경우 기름가자미 자원량이 유지하는 것으로 추정되었다. 따라서 향후 기 름가자미 TAC 설정 시 현재 어획량 수준 이하의 범위에 서 설정해야 자원관리 효과가 있는 것으로 추정되었다. 또한 사회경제효과로서 NPV값은 현재 어획량 기준 10% 증가 시킬 경우 가장 높은 수준으로 분석되었지만, 자원의 악영향을 미치는 것으로 분석되었다.

어획노력량 저감 방안의 경우, 현 수준에서 20% 감소 할 경우 자원량이 보다 증가하고, NPV 또한 높은 수준 으로 추정되었다. 현재 동해구외끌이중형저인망 기름가 자미에 있어서는 어획노력량 저감을 위한 금어기, 어선 감척사업, 조업일수 제한 등 다양한 어업관리방안들이 시행 중에 있다. 2017년도 기준 동해구외끌이중형저인 망 평균 조업일수는 182일 수준이다. 어획노력량 저감 방안의 분석결과에 따라 어획노력량을 20% 감소시킬 경우 연간 조업일수는 146일로 분석된다.

시장가격 변화에 따른 민감도 분석결과

동해구외끌이중형저인망의 기름가자미 경제적 요인 에 따른 최소 어획량 수준을 분석하기 위해 시장가격의 변화에 따른 민감도 분석을 실시하였다.

분석결과, 현재 기름가자미 2018년 시장가격 787톤 으로 분석되었다. 여기서 시장가격 변화율은 +30% 변화 시 최소 어획량은 605톤이며, -30% 변화 시 1,124톤으로 분석되었다(Table 8).

어업비용변화에 따른 민감도 분석

현재 국제 사회에서는 WTO 수산보조금 현상이 진행 중이고, 인건비, 유류비 등 각종 비용요소들의 가격 변화 현상이 향후 보다 증가할 것으로 예상된다. 이에 따라 어업비용에 대한 민감도 분석을 통해 어업비용 변화에 따른 최소 어획량 수준을 추정해 보았다. 어업비용의 변화율은 –30%에서 +30% 범위에서 변화 수준을 설정 하였다. 분석결과는 Table 9에서 정리된 바와 같다.

분석결과, 2018년 현재 어업비용 기준으로 어업이익 이 영(0)이 되는 최소 어획량 수준은 787톤으로 분석되 었다. 여기서 어업비용이 현 수준에서 30% 증가할 경우 최소 어획량 수준은 1,023톤이며, 30% 감소할 경우 최 소 어획량 수준은 551톤으로 분석되었다(Table 9).

결 론

기름가자미는 2008년에 수산자원회복 대상종으로 선 정되어 자원회복 및 관리를 위해 매년 자원회복 권고안 이 발표되고 있다. 이러한 자원회복 권고안 설정에는 신뢰할 수 있는 자원평가 모델 등을 사용하여 대상종에 대한 정확한 자원평가가 선행되어야 한다. 그 이후 자원 평가 결과를 활용하여 어업관리방안들에 대한 효과 분 석을 통해 실효성 있는 권고안, 즉 어업관리방안들이 제시되어야 한다.

본 연구에서는 기름가자미의 효과적인 어업관리방안 을 제시하기 위해 자료의 불확실성을 고려할 수 있고, 과정오차와 관측오차를 동시에 고려할 수 있는 Bayesian State-space 모델 사용하여 기름가자미의 자원 상태를 평가하였다. 그리고 생물경제모델을 활용하여 어업관리방안들에 대한 효과 분석하였다.

연구 결과를 요약 해보면, 첫 번째로 Bayesian State-space 모델 사용한 기름가자미 자원평가 분석결 과, 기름가자미의 MSY는 1,985톤, K는 23,930톤, q는 0.000007765, 그리고 r은 0.31로 분석되었다.

두 번째로 향후 기름가자미에 대한 TAC 제도의 도입 이 될 경우 생물학적 효과를 분석한 결과, 현재 어획량 수준과 같이 1,761톤으로 설정되어 지속된다면 기름가 자미 자원량이 20년 후에는 14,637톤으로 유지하는 추 세로 평가되었다. 그리고 어획노력량 저감 방안의 분석 결과, 현재 어획노력량(현재 hp) 수준으로 설정되어 지 속될 경우 기름가자미 자원량이 13,776톤으로 유지하는 추세로 평가되었다. 하지만 어획노력량을 20% 감소시킬 경우 향후 17,091톤으로 증가하는 것으로 분석되었다.

마지막으로 TAC의 경제학적 효과를 분석결과, TAC 설정을 현재 어획량 기준으로 30% 증가시킬 경우 20년 후인 2038년의 NPV는 1,486,410천원으로 가장 낮은 수 준으로 분석되었다. 반대로 10% 증가시킬 경우 NPV는 2,206,522천원으로 가장 높은 것으로 추정되었다. 하지 만 자원에는 악영향을 미치는 것으로 분석되었다. 어획 노력량 저감 방안의 분석결과, 현재 어획노력량 수준으 로 유지되면 20년 후인 2038년 NPV는 2,235,592천원으 로 수준으로 분석되었다. 그리고 어획노력량을 10% 증 가시킬 경우 NPV는 2,257,575천원으로 가장 높은 수준 이었지만, 생물학적 측면에서는 자원량이 감소하는 것 으로 분석되었다.

본 연구의 분석결과를 활용하여 향후 동해구외끌이중 형저인망의 기름가자미에 대한 TAC 설정 시 현재 어획 량 수준 이상으로 할당량을 설정할 경우 기름가자미 자 원에 부정적인 영향을 미치는 것으로 추정되었다. 그러 므로 향후 TAC 설정 시 현재 어획량 수준 이하로 설정 되어야 할 것이다. 그리고 동해구외끌이중형저인망어업 의 어획노력량을 20% 감소할 경우 자원량이 증가하는 것으로 추정되었다. 따라서 동해구외끌이중형저인망의 현재 평균 조업일수 182일은 146일 정도로 감소될 수 있을 것이다.

본 연구에서는 기름가자미 전체 어획량에서 가장 많 은 어획비중 차지하고 있는 동해구외끌이중형저인망 어업만을 대상으로 하였다. 이에 따라 동해안 전체 기 름가자미에 대한 자원평가에는 한계를 가지고 있다. 이러한 한계점을 보완하기 위해 향후에는 어획비중이 높은 연안자망에서 어획되는 기름가자미에 대한 어획량 과 어획노력량 자료가 보다 정확하게 조사ㆍ수집되어야 할 것이다.

그리고 2015년 이전의 기름가자미에 대한 정확한 어 획량을 파악할 수 없어 본 연구에서는 최근 4년 동안의 비율을 이용하여 어획량을 추정하였다. 하지만 향후 기 름가자미에 대한 정확한 어획량 자료가 지속적으로 수 집되어야 할 것이고, 이를 통해 보다 신뢰성 있는 기름가 자미에 대한 자원평가가 가능해질 수 있을 것이다.