Journal Search Engine
Search Advanced Search Adode Reader(link)
Download PDF Export Citaion korean bibliography PMC previewer
ISSN : 1598-5504(Print)
ISSN : 2383-8272(Online)
Journal of Agriculture & Life Science Vol.53 No.4 pp.137-144
DOI : https://doi.org/10.14397/jals.2019.53.4.137

A Study on the Efficient Utilization of Idle and Deserted Land

Don-Woo Choi1, Dong-Choon Kim1, Hang-Ah Lee1, Cheong-Ryong Lim2*
1Gyeongsangbuk-do Agricultural Research & Extension Services, Daegu, 41404, Korea
2Rural Reserch Institute Korea Rural Community Corporation, Ansan, 15634, Korea
Corresponding author: Cheong-Ryong Lim Tel: +82-31-400-1769 Fax: +82-31-400-1794 E-mail: lql8287@naver.com
July 12, 2019 August 6, 2019 August 10, 2019

Abstract


In this study, we predicted productivity per unit using agricultural big data composed of management DB, soil DB, Korean melon business performance data of Seongju and peach business performance data of Gyeongsan. In addition, the estimation results and the unit price of each item were applied to examine the effect of introducing the corresponding items in the idle and deserted land. First, there was a difference in the productivity per area in suitable and unsuitable area in the case of Korean melon and there was a difference in price in the case of peach. Second, in the case of Korean melon, the productivity of the suitable area was higher than unsuitable area, and the productivity increased as the drainage was better. Third, in case of peach, it is found that the productivity decreases with the sandy soil. The lower the slope, the higher the productivity. Fourth, The effect of using Korean melon in the idle and deserted land of Seongju was estimated to be 488.4 million won, and the effect of using peaches in the idle and deserted land of Gyeongsan was estimated to be 745 million won.



휴·폐경 농지 효율적 활용에 대한 연구
-성주 참외와 경산 복숭아를 중심으로-

최 돈우1, 김 동춘1, 이 항아1, 임 청룡2*
1경상북도농업기술원
2한국농어촌공사 농어촌연구원

초록


이 연구에서는 경영체DB와 토양DB로 구성된 농업빅데이터와 성주군 참외와 경산시 복숭아 경영성과 자료를 활용하여 품목별 단위 생산성을 예측하였다. 또한 추정결과와 품목별 판매단가를 적용하여 휴· 폐경 지역 해당 품목 도입 시 효과를 살펴보았다. 분석결과를 요약하면 첫째, 참외는 적지와 비적지 단 위생산성에 차이가 존재하였고, 복숭아는 판매가격에 차이가 존재하는 것을 확인 할 수 있었다. 둘째, 참외의 적지 생산성이 비적지보다 높게 나타나며, 배수가 잘 될수록 생산성이 증가하는 것을 알 수 있 었다. 셋째, 복숭아는 사토일수록 생산성이 감소하는 것을 알 수 있으며, 경사가 낮을수록 생산성이 증 가하는 것으로 나타났다. 넷째, 참외의 휴·폐경 활용효과는 총 488.4백만원으로 추정되었고, 복숭아의 휴·폐경 활용효과는 총 745백만원으로 추정되었다.



    Ministry of Agriculture, Food and Rural Affairs
    N2018-0050

    서론

    국내 농산물 시장은 지속적인 시장개방 확대로 인 해 농산물의 수입물량은 갈수록 늘어나고 있고, 대 내적으로는 무한경쟁시대의 진입으로 인해 농가 간 경쟁이 갈수록 심해지고 있다.

    농업생산에서 농지는 가장 중요한 생산요소이며, 농지는 다양한 물리·화학적 특성을 가지고 있으므 로 이러한 토양의 특성이 작물 생장에 적합할 경우 에는 해당 작물의 높은 생산량 산출을 기대할 수 있 지만, 토양 특성과 농작물 생장에 필요한 요건에 적 합하지 않을 경우에는 충분한 생산량을 기대하기 어 려울 수 있다.

    농지 이용과 관련하여 다양한 연구들이 수행되고 있다. Hwang (2010)는 사례조사를 중심으로 농지취 득자격증명제도의 실효성을 높이고 비합법적 소유· 이용에 대한 철저한 조사와 농지처분명령제도의 실 질화를 통해 사후관리를 강화하며, 농지에 관한 정 보의 일원적 파악과 데이터베이스화, 농지관리위원 회의 기능강화, 통합적 농지관리기구의 설립 등을 제시하였다. Lee (2001)은 사례연구를 통해 인구의 급격한 감소로 인한 노동력 부족과 이농현상으로 인 한 상속 매매 부진이 휴경화를 촉진하는 요인임을 제시하였다. So & Seo (2018)은 농업구조 개선을 위해 농지임대차제도 활용 필요성과 농지임대차계약 의 자율성 제고와 농지임차인 보호를 위한 농지법의 개정 필요성, 임대인에 대한 취득세, 재산세, 농지 임대소득세, 양도소득세 감면 등의 세제혜택을 부여 하여 상생할 수 있는 유인책 필요성을 제시하였다.

    빅데이터를 활용한 예측에 있어서 Jung et al. (2010)은 13가지 이항반응변수 오분류율 및 민감도 그리고 특이도 등에 대한 분석을 통해 앙상블모형이 데이터마이닝기법보다 예측율이 향상됨을 보여주었 다. Lee (2008)는 데이터마이닝 도구의 혼합적용방 법 간 수율 예측 성능 비교 연구를 통해 데이터마이 닝 도구들의 각각 알고리즘이 가지는 본질적인 제약 으로 개별 적용보다 혼합적용이 더욱 정확한 지식을 추출할 수 있음을 제시하였다.

    휴·폐경 농지의 효율적 이용을 위해서는 우선적으 로 휴·폐경 농지의 품목별 생산성 예측이 필요하다. 따라서 이 연구에서는 데이터 마이닝 기법 중 앙상블 모형을 활용하여 지역단위 작물별 농업생산성을 예측 하고, 성주 참외와 경산 복숭아의 휴·폐경 면적에 도입할 경우 경제적 효과를 분석하고자 하였다.

    재료 및 방법

    1 재배현황

    1.1 성주군 참외 재배 면적

    이 연구의 조사지역을 성주군과 경산시를 한정하 여 사례분석으로 성주지역은 참외를, 경산지역은 복 숭아를 분석대상 작물로 선정하였다. 이 연구에 사 용된 DB는 농업경영체DB와 토양DB 등을 이용하여 작물별 DB을 생성하였다.

    참외의 총 재배면적은 49,415,391 ㎡이였으며, 그 중 적지 비율은 75.3%, 비적지 비율은 24.7%이였다. 성주군 휴경면적은 총 99,812 ㎡이며, 그 중 참외 재배적지 비율은 89.4%이였고, 비적지 비율은 10.6% 로 나타났다. 성주군의 폐경면적은 총 385,115 ㎡이 였으며, 그 중 참외 재배적지 비율은 59.5%이였고, 비적지 비율은 40.5%로 도출되었다(Table 1).

    1.2 경산시 복숭아 재배 면적

    복숭아의 재배면적은 총 26,341,218 ㎡이였으며, 그 중 적지 비율은 67.6%이였고 비적지 비율은 32.4% 로 나타났다. 경산시의 휴경면적은 총 288,892 ㎡ 이였며, 그 중 복숭아의 재배적지 비율은 17.6%이 고 비적지 비율은 82.4%로 분석되었다. 또한 경 산시의 폐경면적은 총 1,747,214 ㎡이였으며, 그 중 복숭아의 재배적지 비율은 16.9%이고 비적지 비율은 83.1%로 나타났다(Table 2).

    1.3 적지여부에 따른 생산성

    성주군 참외농가들을 대상으로 적지와 비적지별로 구분하여 경영성과 자료를 수집하였다. 참외 적지의 생산량은 0.7692 kg/㎡이었고, 비적지의 생산량은 0.54 kg/㎡으로 나타났다. 참외 적지와 비적지의 단위생산성에 대한 차이를 분석결과 T값이 –2.06로 5% 유의수준에서 통계적인 유의성이 존재하므로 적 지의 단위당 생산량 높은 것으로 나타났다.

    경산시 복숭아 적지의 생산량은 0.2196 kg/㎡이었 고, 비적지의 생산성은 0.19 kg/㎡으로 나타났다. 복숭아 적지와 비적지의 단위당 생산량에 대한 차이 를 분석결과 T값이 –0.72로 10% 유의수준 하에서 통계적인 유의성이 존재하지 않아 적지·비적지 단 위당 생산량에 차이가 존재하지 않는 것으로 분석되 었다(Table 3).

    성주군 참외 적지의 판매가격은 2,282.8원/kg로 나타났고, 비적지의 판매가격은 2,472.9원/kg로 나 타났다. 참외 적지와 비적지의 판매가격에 대한 차 이를 분석결과 T값이 1.05로 10% 유의수준에서 통 계적인 유의하지 않은 것으로 나타났다. 경산시 복 숭아 적지의 판매가격은 2,264원/kg로 나타났고, 비적지의 판매가격은 2,067.4원/kg로 조사되었다. 복숭아 적지와 비적지의 판매가격에 대한 차이를 분 석결과 T값이 -1.91로 10% 유의수준에서 통계적인 유의한 것으로 나타났다(Table 4).

    참외 적지의 평균 생산량이 비적지의 평균 생산량 보다 높게 나타났지만, 품질을 대변할 수 있는 판매 가격은 통계적인 차이를 보이지 않았다. 복숭아 적 지의 평균 생산량은 비적지의 평균 생산량에 비해 통계적인 차이가 없었지만, 적지의 판매가격이 비적 지의 판매가격보다 높게 나타났으므로 적지의 품질 이 비적지에 비해 더 좋은 것으로 추측할 수 있다.

    1.4 분석방법

    이 연구에서 필지별 생산량 예측을 위해 의사결 정나무, 신경망모형, 예측력 향상을 위해 앙상블 모형을 활용하였다. 앙상블이란 주어진 자료로부 터 여러 개의 예측모형들을 만든 후 이러한 예측 모형들을 결합하여 하나의 최종모형을 만드는 방 법으로 이 연구에서는 최초로 제안된 앙상블 알고 리즘인 배깅(bagging), 부스팅(boosting), 랜덤 포 레스트(random forest) 등을 활용하였다.

    1.4.1 의사결정나무

    의사결정나무(Decision Tree)는 주어진 입력 값에 대하여 출력 값을 예측하는 모형으로 분류나무와 회 귀나무모형이 있다. 의사결정나무는 지도학습기법으 로 각 변수의 영역을 반복적으로 분할함으로써 전 체 영역에서의 규칙을 생성하는 것이다. 훈련자료를 ( x i , y i ) , i = 1 , , n 로 나타내고 여기서 x i = ( x i 1 , , x i p ) T 이다. 전체 영역을 M개의 영역 R 1 , , R M 으로 나누고 각 영역에서 상수 값 cm으로 예측하는 다음과 같은 나무모형을 고려할 수 있다.

    y i = f ( x i ) = m = 1 M c m I ( x i R m )
    식 (1)

    식 (1)에서 yi는 필지 i의 단위생산성을 의미하 고, xi는 필지별 적지여부, 자갈존재여부, 양토여 부, 경사도 및 배수등급으로 구성된 벡터이다. 여기 서 cmRm은 불순도(impurity)의 측도를 이용하여 값을 정하게 되며, 회귀나무에서는 흔히 오차제곱합 Q m ( T ) = i = 1 n ( y i f ( x i ) ) 2 을 측도로서 사용한다(Breiman et al., 1984).

    1.4.2 신경망

    신경망(Neural Networks)은 생물학적 신경망 구 조로부터 착안된 학습 알고리즘이다. 특히 입력 값 과 출력 값 간의 매우 복잡한 형태의 비선형 모형화 방법이다. 신경망은 인간의 두뇌구조를 모방한 지도 학습법이며, 신경망의 기본적인 작동원리는 여러 개 의 뉴런들을 상호 연결하여 입력 값에 대한 최적의 출력 값을 예측하는 것이다. 다층신경망 구조에서는 입력층(input layer), 은닉층(hidden layer), 출력층 (output layer)으로 구성되며, 단층신경망은 입력층 과 출력층만으로 구성된다.

    신경망은 의사결정나무처럼 회귀와 분류문제를 모두 다룰 수 있으며, 클라스의 수가 K인 분류 문 제를 살펴보면, 출력노드 k ( = 1 , , K ) 는 클래스 k에 속할 확률을 모형화하며 출력변수는 자료가 k번째 클래스에 속하는 경우 k번째 좌표는 1이고 나머지 좌표는 0으로 코딩되며, 사실 회귀문제는 K = 1인 경우에 해당된다. 은닉노드 값 zm은 입력노드 값 들의 선형결합이고 출력 값은 zm들의 tk들의 함수 로 다음과 같이 모형화 할 수 있다(Izenman, 2008;Hastie et al., 2009).

    z m = σ ( α 0 m + α 0 T x i ) , m = 1 , , M t k = β 0 k + β 0 T z m , k = 1 , , K y i = f k ( x i ) = g k ( t k ) , k = 1 , , K
    식(2)

    식 (2)에서 출력층 yi는 필지 i의 단위생산성을 의 미하고, 입력층 xi는 필지별 적지여부, 자갈존재여 부, 양토여부, 경사도 및 배수등급 등 변수들로 구 성된 벡터이다. σ(∙)는 출력노드의 활성화 함수이 고 gk(∙)는 은닉노드 활성화 함수이다.

    1.4.3 배깅

    배깅(Bagging)은 불안정한 예측모형에서 불안정 성을 제거함으로써 예측력을 향상시키기 위하여 개 발되었으며, 학습 자료의 작은 변화에 의해 예측모 형이 크게 변하는 경우 그 학습방법은 불안정하다고 할 수 있다.

    불안정성은 통계학의 로버스트(robust)성질과 유 사하며 배깅은 주어진 자료에 대하여 여러 개의 붓스트랩(bootstrap) 자료를 생성하고, 각 붓스트 랩 자료에 예측모형을 만든 후 결합하여 최종 예 측모형을 만드는 방법이다.

    최종모형을 만드는 방법은 회귀모형인 경우 f ^ ( x ) = b = 1 B f ( b ) ( x ) / B 와 같이 평균을 취하고 분류모형인 경우 f ^ ( x ) = arg  max k ( b = 1 B I ( f ( b ) ( x ) = k ) ) 와 같이 투표(voting) 를 한다. 배깅 알고리즘은 매우 단순하지만 불안정 한 학습방법의 예측력을 획기적으로 향상시킬 수 있다(Breiman, 1996).

    1.4.4 부스팅

    부스팅(Boosting)의 기본 아이디어는 예측력이 약 한 모형(weak learner)들을 결합하여 강한 예측모 형을 만드는 것이며, 여기서 약한 예측모형이란 랜 덤하게 예측하는 것보다 약간 좋은 예측력을 지닌 모형을 말하고 강한 예측모형이란 예측력이 최적에 가까운 예측모형을 가리킨다.

    자료분석을 위해 제안된 최초의 부스팅 알고리즘 은 이진 분류문제에서 Freund & Schapire (1997)에 의해서 개발된 AdaBoost (Adaptive Boost) 알고리 즘이다. AdaBoost 알고리즘은 매 반복마다 오분류 된 관측치의 가중치는 증가시키고 정분류 된 관측치 의 가중치는 감소시키면서 예측모형을 만들어 간다.

    1.4.5 랜덤 포레스트

    Breiman(2001)에 의해서 개발된 랜덤 포레스트 (Random Forest)는 의사결정나무의 특징인 분산이 크다는 점을 고려한 것으로서 배깅과 부스팅보다 더 많은 무작위성을 주어 약한 학습기들을 생성한 후 이를 선형결합하여 최종 학습기를 만든다.

    특히 입력변수의 개수가 많을 경우 배깅이나 부 스팅과 비슷하거나 높은 예측력을 보이는 경우가 많고 조율모수가 없어서 실제 자료 분석에 쉽게 사 용될 수 있다.

    랜덤 포레스트는 무작위성을 최대로 주기 위해 붓스트랩과 더불어 입력변수들에 대한 무작위 추출 을 결합한다. 따라서 서로 연관성이 약한 학습기를 여러 개 만들어 내는 기법이라고 할 수 있다.

    결과 및 고찰

    1 참외 단위생산성 예측

    성주군의 참외 단위당 생산량에 영향을 미치는 변 수들을 선정하기 위해 상관관계분석 등 통계적 기법 과 전문가 브레인스토밍 과정을 통해 최종적으로 적 지여부, 자갈존재여부, 양토여부, 경사도, 배수등급 등 변수를 선정하여 분석에 사용하였다.

    참외 단위당 생산량에 대한 회귀분석 추정결과 F 값이 4.08로 1% 유의수준에서 통계적으로 유의하게 나타나 모형구성이 의미가 있음을 알 수 있다. 추정 계수 중 적지에 대한 추정계수가 (+)로 적지의 생산 량이 비적지의 생산량보다 높게 나타나며, 배수등급 에 대한 추정계수가 (+)로 배수가 잘 될수록 생산량 이 증가하는 것을 알 수 있다(Table 5).

    참외의 단위 생산량을 예측하기 위해 선형회귀모 형 이외 다양한 예측모형들을 검토해볼 수 있다. 여 러 모형들의 추정을 통해 도출된 계수와 분석에 사 용된 필지별 입력변수들을 활용하여 필지별 단위 생 산량 예측값을 추정할 수 있다. 이러한 실제 관측값 과 모형별 예측값을 활용하여 평균예측오차제곱 (MSE: Mean Square Error)을 계산할 수 있으며, MSE를 기준으로 예측모형들의 예측력을 검토해볼 경우 랜덤 포레스트에 대한 MSE가 가장 작게 나타 나 예측력이 가장 좋은 것을 알 수 있다(Table 6).

    2 복숭아 단위생산성 예측

    복숭아의 단위 생산량에 대한 추정결과 F값이 9.55로 1% 유의수준에서 통계적으로 유의하게 나타 나 모형구성이 의미가 있음을 알 수 있다. 추정계수 중 양토여부에 대한 추정계수가 (-)로 1% 유의수준 에서 통계적으로 유의하게 나타나 사토일수록 생산 량이 감소하는 것을 알 수 있으며, 경사수준에 대한 추정계수가 (-)로 경사가 낮을수록 생산량이 증가하 는 것으로 나타났다(Table 7).

    복숭아의 단위 생산량 예측모형들에 대한 평균예 측오차제곱(MSE: Mean Square Error)에 대한 결 과 랜덤 포레스트에 대한 MSE가 가장 작게 나타나 예측력이 가장 좋은 걸로 나타났다(Table 8).

    3 휴·폐경 활용효과 예측

    여러 가지 단위 생산량 예측모형 중에서 랜덤포레 스트가 가장 우수한 결과를 보여 주었으므로 추정결 과를 활용하여 휴·폐경지에 적용하면, 생산량 예측 값을 도출할 수 있으며, 예측값을 합산하여 휴·폐경 의 활용에 따른 경제적 효과를 산출하였다(Table 9).

    참외의 단위 생산량 추정결과를 활용하여 휴경지 에 참외를 재배한다면, 적지일 경우 51,808 kg의 생산량이 증가하여 118.3백만원의 생산액이 증대할 것이며, 비적지일 경우 4,654 kg의 생산량이 증가 되어 11.5백만원의 생산액이 증대하는 효과를 얻을 수 있는 것으로 추정되었다. 또한 폐경지역에 참외 를 재배한다면 적지일 경우 154,743 kg의 생산량이 증가하여 353.2백만의 생산액이 증가할 것이고, 비 적지일 경우 2,171 kg의 생산량이 증가하여 5.4백만 원의 생산액이 증대되는 경제적 효과를 얻을 수 있 는 것으로 분석되었다.

    복숭아의 단위 생산량에 대한 추정결과를 활용하 여 휴경지에 복숭아를 재배한다면 적지일 경우 8,926 kg의 생산량이 증가하여 20.2백만원의 경제 적 효과가 있을 것이고, 비적지일 경우 42,439 kg 의 생산량이 증가되어 87.7백만원의 생산액이 증대 되는 경제적 효과를 얻을 수 있을 것이다. 폐경지에 복숭아를 재배한다면 적지일 경우 61,982 kg의 생 산량이 증가하여 140.3백만원의 증대효과가 있고, 비적지일 경우 240,293 kg의 생산량이 증가되어 496.8백만원의 생산액이 증가하는 경제적 효과를 얻을 수 있다(Table 9).

    이 연구에서는 농업경영체DB와 토양DB로 생성한 농업 빅데이터와 성주군 참외와 경산시 복숭아 경영 성과 조사자료를 활용하여 단위 생산량 차이와 판매 가격 차이를 분석하였으며, 단위 생산량에 영향을 미칠 수 있는 요인들을 분석하였다. 또한 추정결과 를 활용하여 적지와 비적지에 대한 단위 생산량에 대한 추정값을 도출하였으며, 작물별 판매가격을 적 용하여 휴·폐경지 활용에 따른 생산량과 생산액 증 대 효과를 분석하였다.

    분석결과를 요약하면 첫째, 참외는 적지와 비적지 단위 생산량에 차이가 존재하였고, 복숭아는 판매가 격에 차이가 존재하는 것을 확인 할 수 있었다.

    둘째, 참외의 단위 생산량은 적지가 비적지보다 높게 나타나며, 배수가 잘 될수록 생산량이 증가하 는 것을 알 수 있었다.

    셋째, 복숭아의 단위 생산량은 사토일수록 감소하 는 것을 알 수 있으며, 경사가 낮을수록 증가하는 것으로 나타났다.

    넷째, 참외의 휴경지 활용효과는 총 129.8백만원 으로 추정되었고, 폐경지 활용효과는 총 358.6백만 원으로 추정되었다. 복숭아의 휴경지 활용효과는 총 107.9백만원으로 추정되었고, 폐경지 활용효과는 총 637.1백만원으로 추정되었다.

    성주군 참외와 경산시 복숭아를 사례로 휴·페경 지 활용에 따른 경제적 효과분석를 바탕으로 다음과 같은 시사점을 제시하고자 한다. 첫째, 작물에 따라 차이가 있지만, 적지의 생산량 또는 판매가격이 비 적지보다 높으므로 적지적작을 권장하는 정책이 필 요하다. 둘째, 지역에서 휴·페경지를 활용할 때 작 물별 적지재배가 이루어질 수 있도록 지역별 적지적 작 경영모델을 구축하여 지역 경제 활성화를 도모할 필요가 있다. 이 연구에서는 특정 지역의 특정 작물 에 한정하여 분석이 이루어졌으므로 분석결과를 일 반화하는데 한계가 있을 수 있다. 따라서 일반화된 연구결과 도출을 위해서는 추가적인 연구가 필요할 것으로 여겨진다.

    감사의 글

    본 연구는 2018년 한국농어촌공사 농어촌연구원 수 탁과제(과제명: 농업 빅데이터 기반 작부체계 적지적 작의 생산성 예측(N2018-0050))로 수행되었습니다.

    Figure

    Table

    Area by type of oriental melon cultivation (Unit: ㎡, %)

    Area by type of peach cultivation (Unit: m2)

    Productivity difference in unsuitable and suitable area (Unit: kg/㎡)

    Price difference in unsuitable and suitable area (Unit: won/kg)

    Productivity estimation result of oriental melon

    MSE of oriental melon productivity prediction model

    Productivity estimation result of peach

    MSE of peach productivity prediction model

    Effectiveness of idle and deserted land (Unit: m2, kg, million won)

    Reference

    1. Breiman L , Fredman J , Olshen R and Stone C. 1984. Classification and regression trees. Wadsworth.
    2. Breiman L. 1996. Bagging predictors. Machine Learning. 26: 123-140.
    3. Breiman L. 2001. Random Forests. Machine Learning. 45: 5-32.
    4. Freund Y and Schapire R. 1997. A decision-theoretic generalization of on-line learning and an application to boosting. J. of Computer and System Science. 55: 119-139.
    5. Hastie T , Tibshirani R and Friedman J. 2009. The element of statistical learning: data mining, inference, and prediction(2nd edition). Springer New York.
    6. Hwang YS. 2010. Policy issues based on the survey of farmland ownership and utilization - Focused on a case study of a village in Haman semi-mountainous rural area. Journal of Regional Studies. 18: 151-180.
    7. Izenman AJ. 2008. Modern Multivariate Statistical Techniques: Regression, Classification, amd Manifold Learning. Springer New York.
    8. Jung YH , Eo SH , Moon HS and Cho HJ. 2010. A study for improving the performance of data mining using ensemble techniques. J. of the Korean Statistical Society. 17: 561-574.
    9. Lee HB. 2001. A study on the fallow of depopulation area in rural Korea - The aase study of Deoggali, Sangju Gun. J. of The Korean Association of Regional Geographers. 7: 74-90.
    10. Lee JH. 2008. A comparative study on the yield prediction performance on the hybrid application mothod of data mining tools. J. of Business Research. 23: 283-310.
    11. So SK and Seo CW. 2018. Reforming the farmland lease act to enhance agricultural productivity and to efficiently utilize farmland. J. of Law and Politics research. 18: 357-379.
    오늘하루 팝업창 안보기 닫기