선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 그러므로 기후변화로 인해 증가되는 사망자수에 영향을 줄 수 있는 사회적, 경제적 인자와 연령 및 계층적 구조의 고려가 필수적이다. 따라서 본 연구에서는 다양한 건강 피해에 직간접적으로 영향을 미칠 수 있는 인자들을 고려하여 자료를 통합하였고, 취약성 평가를 실시하였다. 또한 미래 기후자료 및 예측자료를 이용하여 미래의 건강 취약성을 평가하였다.
- 하지만 기존의 취약성 평가 연구는 시군내의 상세한 결과를 도출하는데 한계가 있다. 따라서 본 연구에서는 보다 상세한 취약성 결과 도출을 목적으로 평가 방안을 제시하였고, 우리나라 전국을 대상으로 평가 결과를 도출하였다. 본 연구에서 취약성 평가는 기후변화로 인한 영향이 분명하게 나타나는 건강 피해에 대해 실시하였다.
- 또한 기후노출지수로 사용된 기상 값은 지형에 따라 크게 변화하지만, 이러한 변화 양상을 고려하지 못했다는 단점이 있다. 따라서 본 연구에서는 이러한 지형적 요인을 고려하고, 하나의 시군 내에서의 차이를 두기 위하여, 고도에 따른 기온 감율을 적용시키고 1km 해상도의 노출 지표를 생성하여 취약성 평가를 실시하였다는데 의의가 있다.
- 따라서 본 연구에서는 보다 상세한 취약성 결과 도출을 목적으로 평가 방안을 제시하였고, 우리나라 전국을 대상으로 평가 결과를 도출하였다. 본 연구에서 취약성 평가는 기후변화로 인한 영향이 분명하게 나타나는 건강 피해에 대해 실시하였다. 여름철 기온 상승으로 인해 발생 빈도가 높아지는 폭염으로 인한 건강영향, 대기오염 물질 방출 증가와 기온상승으로 피해가 증대되는 오존으로 인한 건강영향, 그리고 질병을 매개하는 숙주의 생태적 변화로 발병 양상이 달라지는 말라리아와 쯔쯔가무시증에 의한 건강영향으로 나누어 평가를 실시하였다.
- 현재 우리나라 환경부는 지자체의 기후변화 적응 계획 수립을 지원하기 위하여 국립환경과학원에서 개발한 취약성 평가 도구 프로그램인 CCGIS를 이용하여 건강 부문의 취약성 지도를 생산하고 있다[16]. 이 연구는 다양한 건강 세부 부문에 대해 취약성을 평가하고 지표자료들에 가중치를 적용하였다는 장점이 있다. 하지만 평가 결과가 시군구별로 도출되어 16개 광역시도 수준의 적응계획 수립 지원에는 적합하나, 하나의 시군 내에서의 취약 지역구분이 불가능하다는 단점이 있다.
제안 방법
- 쯔쯔가무시증의 노출 지표는 위의 연구를 바탕으로 지역에 따른 10,11월 최저기온 및 10,11월 최저기온의 상승률을 고려하여 노출인자로 사용하였다. 75개 일최저기온 점자료도 기온감율식(식 6)을 적용하여 보간하였다.
- 를 방출하는 주요 배출원은 자동차이므로 이를 정량화하기 위하여 2008년의 248개 시군구별 자동차 등록대수를 민감도 지표로 이용하였다. 그리고 말라리아와 쯔쯔가무시증 취약성 평가에는 질병관리본부에서 취득된 2005년부터 2010년까지의 시군구별 질병 발생률을 평균화하여 민감도 지표로 사용하였다. 공우석 등[14]의 연구에 따르면, 농경지 주변의 들쥐류가 질병을 일으킬 가능성이 높으며, 쯔쯔까무시증 발생과 관련되어 있다고 하였다.
- Semenza 등[6]의 연구에 따르면, 경제적 이유로 냉방장치를 갖지 못하는 조건에 사는 경우도 고온에 취약한 것으로 나타났다. 따라서 지역별 에어컨 보유비율을 민감도로 선정하였다. 에어컨 보유비율도 열적관성처럼 값이 높을수록 폭염에 민감하지 않으므로 역수를 취하여 표준화하였다.
- 이는 털진드기에 의해 전파되는 쯔쯔가무시증의 숙주는 설치류이고, 우리나라에서 야생들쥐의 74%를 차지하는 등줄쥐가 농경지와 낮은 야산에서 서식하고 있기 때문이다[19]. 따라서 쯔쯔가무시증은 농업종사자와 농경지 근처에 거주하는 주민들에게 빈번하게 나타나므로 민감도 지표로 지역별 농경지 분포 비율과 농업인구 비율을 선정하였다. 농경지 비율과 농업인구 비율은 2005년의 248개 시군구별 농업 통계자료를 이용하였다.
- 따라서 본 연구에서는 다양한 건강 피해에 직간접적으로 영향을 미칠 수 있는 인자들을 고려하여 자료를 통합하였고, 취약성 평가를 실시하였다. 또한 미래 기후자료 및 예측자료를 이용하여 미래의 건강 취약성을 평가하였다.
- 우리나라도 7,8월에 휴전선 부근과 강화도에서 말라리아가 다수 발생하는 것으로 보고되고 있다[27]. 말라리아의 노출 지수는 위와 같은 연구를 바탕으로 지역에 따른 7,8월 평균기온 및 7,8월 평균기온의 상승률을 고려하여 노출 지표로 사용하였다. 75개 일평균기온 점자료는기온감율식(식 4)을 적용하여 보간되었다.
- 일최고기온과 상대습도, 풍속, 일사량 점자료는 폭염 노출 지표와 동일한 보간 방법을 이용해 구축하였다. 본 연구에서는 1989년부터 2008년까지의 20년 동안 연별 평균일수를 구한 뒤 지수화를 실시하여 노출 지표로 사용하였다.
- 본 연구에서는 건강 피해에 직접적 영향을 미치는 기후 인자 뿐만 아니라, 그 건강피해에 직간접적인 영향을 미칠 수 있는 다양한 사회, 경제, 환경적 인자를 도입하여 취약성 평가를 실시하였다. 단순한 기온의 상승과 같은 기후의 변화만이 폭염으로 인한 사망자수의 증가를 가져오지 않기 때문이다.
- 예를 들면, 1995년 미국 시카고의 폭염 발생시 흑인 거주지역의 사망률이 백인 거주지역보다 50%가 더 높았던 것으로 나타났다[7]. 본 연구에서는 건강위험 요인에 대한 적응 및 대처능력을 정량화하기 위하여 10만 명당 의료기관 수와 천명당 의료종사자 수를 지역별 의료능력을 지표 자료로 사용하였고, 지역별 재정자주도는 지역에 따른 경제능력을 정량화하는 지표로 사용하였다. 10만 명당 의료기관수와 천명당 의료종사자수는 2008년의 248개 시군구별 통계자료를 이용하였고, 재정자주도는 2008년의 164개 시군별 통계자료를 이용하였다.
- 본 연구에서는 기후변화 취약성 개념을 이용하여 기후변화로 인한 건강 취약성 평가 방법을 제시하였고, 취약한 지역을 1km 해상도로 구분해냈다. 이를 위하여 각 세부 부문별로 건강 피해에 영향을 미칠 수 있는 다양한 지표 자료들을 선정하였고, 국가 기관에서 보유하고 있는 통계자료 및 기후자료를 수집하였다.
- 이를 위하여 각 세부 부문별로 건강 피해에 영향을 미칠 수 있는 다양한 지표 자료들을 선정하였고, 국가 기관에서 보유하고 있는 통계자료 및 기후자료를 수집하였다. 수집된 지표 자료와 GIS 공간처리 기법을 이용하여 전처리 및 자료 통합을 실시하였고, 취약성 평가 결과를 도출하였다. 평가 결과, 폭염과 오존에 의한 건강 취약성은 남부지방의 분지 지형에서 높았고, 미래에는 내륙 평지에서 낮은 산간지역으로 그리고 남부 지방에서 중부 지방으로 취약성이 증가하였다.
- 평가지표의 선정은 신뢰성 있는 취약성 결과를 도출하기 위해 중요하다. 앞에서 언급하였던 각각의 세부 부문별로 취약성에 영향을 미치는 인자가 다르기 때문에, 관련 연구들을 바탕으로 각 부문별 민감도와 적응, 노출 지표를 선정하고 적용하였다(표 1). 민감도와 적응 지표로는 통계청과 질병관리본부에서 제공하는 자료를 주로 사용하였고, 노출 지표로는 기상청에서 제공하는 기상자료를 사용하였다.
- 따라서 지역별 에어컨 보유비율을 민감도로 선정하였다. 에어컨 보유비율도 열적관성처럼 값이 높을수록 폭염에 민감하지 않으므로 역수를 취하여 표준화하였다.
- 본 연구에서 취약성 평가는 기후변화로 인한 영향이 분명하게 나타나는 건강 피해에 대해 실시하였다. 여름철 기온 상승으로 인해 발생 빈도가 높아지는 폭염으로 인한 건강영향, 대기오염 물질 방출 증가와 기온상승으로 피해가 증대되는 오존으로 인한 건강영향, 그리고 질병을 매개하는 숙주의 생태적 변화로 발병 양상이 달라지는 말라리아와 쯔쯔가무시증에 의한 건강영향으로 나누어 평가를 실시하였다.
- 지표피복별 열적관성은 환경부에서 제공하는 대분류 토지피복자료(GC-LULC)를 기반으로 선행연구[23]에서 설정된 값을 사용하였다. 열적관성이 크면 폭염과 같은 극심한 온도변화에 민감하지 않은 것이므로 피복별 값에 역수를 취하여 표준화하였다.
- 열지수를 계산하기 위해 필요한 일최고기온과 상대습도 자료는 75개 기상 관측소에서 측정된 점자료를 공간으로 확대하기 위하여 보간법을 사용해 처리되었다. 이때 일최고기온 자료는 윤진일 등[22]에 의해 제안된 기온감율식(식 5)을 적용한 뒤에 Kriging 보간 방법을 사용하였고, 상대습도 자료는 IDW(Inverse distance weighted) 방법을 사용하였다[29].
- 오존은 기온, 일사량, 풍속에 따라서 발생률과 정주시간이 달라지므로 이런 기상조건에 따라 노출 지표를 도출하였다. 고농도 오존이 발생하기 쉬운 조건으로는 지상의 평균 풍속이 3m/s 미만으로 바람이 약하며, 기온이 평년보다 높고, 최고기온이 25℃ 이상으로 높으며, 일출 후 정오까지의 총 일사량이 6.
- 본 연구에서는 최고값과 최저값의 차이를 이용하며, 지표가 모두 동일한 범위(0～1)를 갖도록 하는 스케일 재조정(Dimension Index) 방법을 이용하였다[33](식 2). 위의 세가지 규준에 따라 표준화된 지표 값들을 이용하여 1㎞ 격자 단위의 취약성 평가를 실시하였다.
- 이를 기준으로 하여 오존이 빈번하게 발생하는 4월에서 9월까지의 기후자료(일최고기온, 상대습도, 풍속, 일사량)를 이용하여 고농도 오존이 나타난 기상 조건 4가지를 모두 만족하는 일수를 1km 격자별로 계산하여 나타냈다. 일최고기온과 상대습도, 풍속, 일사량 점자료는 폭염 노출 지표와 동일한 보간 방법을 이용해 구축하였다.
- 본 연구의 취약성은 1km 해상도의 격자 크기로 평가되었다. 이를 위하여 국토지리정보원에서 제공하고 있는 우리나라 시군구 행정경계를 래스터로 변환하여 사용하였다.
- 이를 기준으로 하여 오존이 빈번하게 발생하는 4월에서 9월까지의 기후자료(일최고기온, 상대습도, 풍속, 일사량)를 이용하여 고농도 오존이 나타난 기상 조건 4가지를 모두 만족하는 일수를 1km 격자별로 계산하여 나타냈다. 일최고기온과 상대습도, 풍속, 일사량 점자료는 폭염 노출 지표와 동일한 보간 방법을 이용해 구축하였다. 본 연구에서는 1989년부터 2008년까지의 20년 동안 연별 평균일수를 구한 뒤 지수화를 실시하여 노출 지표로 사용하였다.
- 지표피복별 열적관성은 낮에 태양으로부터 같은 열량을 받더라도 지표피복의 성질에 따라 기온의 상승률이 다르다는 점에서 착안하여 폭염 취약성 평가 지표로 선정되었다. Landsberg[3]에 따르면, 도시 거주가 폭염현상으로 인한 건강피해의 매우 중요한 위험 요인이라 하였다.
- 또한 쯔쯔가무시증은 경제 발전으로 생활 환경이 개선되고 있음에도 발병자수가 계속적으로 증가하는 질병으로 기후변화가 밀접하게 관련되어 있을 것이라 생각되고 있다. 쯔쯔가무시증의 노출 지표는 위의 연구를 바탕으로 지역에 따른 10,11월 최저기온 및 10,11월 최저기온의 상승률을 고려하여 노출인자로 사용하였다. 75개 일최저기온 점자료도 기온감율식(식 6)을 적용하여 보간하였다.
- 폭염의 노출 지표로는 우리나라의 폭염특보기준 단계를 기반으로 하여 지역에 따른 폭염발생 빈도와 강도를 수치화하여 사용하였다. 폭염 특보단계는 일최고기온과 일최고열지수의 범위를 이용하여 설정되었으며 총 5단계로 나누어진다[21].
- 취약성 평가 단위인 1km 격자에서의 폭염발생빈도와 강도를 정량화한 노출지표 계산에는 식 7을 이용하였다. 표 2에서와 같이 각 폭염특보 단계마다 가중치를 적용하여 폭염 발생의 빈도와 강도를 동시에 고려하였다. 노출지수인 EI의 범위는 최대 310이고 최소 62이다.
대상 데이터
- 본 연구에서는 건강위험 요인에 대한 적응 및 대처능력을 정량화하기 위하여 10만 명당 의료기관 수와 천명당 의료종사자 수를 지역별 의료능력을 지표 자료로 사용하였고, 지역별 재정자주도는 지역에 따른 경제능력을 정량화하는 지표로 사용하였다. 10만 명당 의료기관수와 천명당 의료종사자수는 2008년의 248개 시군구별 통계자료를 이용하였고, 재정자주도는 2008년의 164개 시군별 통계자료를 이용하였다.
- 따라서 쯔쯔가무시증은 농업종사자와 농경지 근처에 거주하는 주민들에게 빈번하게 나타나므로 민감도 지표로 지역별 농경지 분포 비율과 농업인구 비율을 선정하였다. 농경지 비율과 농업인구 비율은 2005년의 248개 시군구별 농업 통계자료를 이용하였다.
- 또한, 본 연구에서는 미래 취약성 평가를 위해 A1B 시나리오에 따른 해상도 27km인 전구 규모의 월별 기상 예측자료를 사용했다. 하지만, 현재 기상청에서는 새로운 RCP 시나리오에 따라 1km 고해상도의 일별 기상예측자료를 생산하고 배포할 예정이다[15].
- 미래 예측 통계 자료로는 2030년의 16개 주요 시도별 인구자료와 노인인구자료를 사용하였고, 나머지 지표에 대해서는 현재 값을 그대로 적용하였다. 미래 노출 지표 자료 생성에 이용되는 미래 기상자료는 국립기상연구소에서 2008년에 제공된 기후변화자료로서 미국 국립 기상연구센터와 펜실베니아 주립대학에서 공동 개발한 지역기후모델인 MM5(전지구결합모델인 ECHOG)로부터 산출된 2021년부터 2050년까지의 A1B 시나리오에 의한 월별 기온 및 상대습도의 편차를 이용하였다[28]. 이 자료를 기반으로 가공된 2031년부터 2050년까지 기온은 평균 1.
- 그리고 통계 예측자료는 취득이 가능한 지표의 경우 미래자료를 가공하여 이용하였고, 취득이 어렵거나 신뢰성이 낮은 예측자료의 경우에는 현재 지표값을 그대로 적용하였다. 미래 예측 통계 자료로는 2030년의 16개 주요 시도별 인구자료와 노인인구자료를 사용하였고, 나머지 지표에 대해서는 현재 값을 그대로 적용하였다. 미래 노출 지표 자료 생성에 이용되는 미래 기상자료는 국립기상연구소에서 2008년에 제공된 기후변화자료로서 미국 국립 기상연구센터와 펜실베니아 주립대학에서 공동 개발한 지역기후모델인 MM5(전지구결합모델인 ECHOG)로부터 산출된 2021년부터 2050년까지의 A1B 시나리오에 의한 월별 기온 및 상대습도의 편차를 이용하였다[28].
- 미래 예측자료로는 주로 기상 예측자료가 사용되었다. 그리고 통계 예측자료는 취득이 가능한 지표의 경우 미래자료를 가공하여 이용하였고, 취득이 어렵거나 신뢰성이 낮은 예측자료의 경우에는 현재 지표값을 그대로 적용하였다.
- 앞에서 언급하였던 각각의 세부 부문별로 취약성에 영향을 미치는 인자가 다르기 때문에, 관련 연구들을 바탕으로 각 부문별 민감도와 적응, 노출 지표를 선정하고 적용하였다(표 1). 민감도와 적응 지표로는 통계청과 질병관리본부에서 제공하는 자료를 주로 사용하였고, 노출 지표로는 기상청에서 제공하는 기상자료를 사용하였다. 선정된 지표 자료들의 처리 및 구축에는 ESRI에서 개발된 ArcGIS 9.
- 또한 고농도 오존으로 인한 사망률 증가는 호흡기 질환자에서 높게 나타나고, 특히 만성 심장 질환이나 폐질환이 있는 민감 집단에 영향을 미친다[25]. 심혈관 및 호흡기 질환자 사망률 자료는 2008년의 16개 시도별 통계자료를 이용하여 구축하였다.
- 연구대상지는 우리나라 남한지역 전체를 포함하는 지역으로 위치는 경도 124.59º～130.94º, 위도 33.11º～38.61º에 해당하며 면적은 약 100,955㎢이다(그림 1).
- 오존에 의한 건강 취약성 평가에서 오존의 근원 물질인 SO2와 NO2를 방출하는 주요 배출원은 자동차이므로 이를 정량화하기 위하여 2008년의 248개 시군구별 자동차 등록대수를 민감도 지표로 이용하였다. 그리고 말라리아와 쯔쯔가무시증 취약성 평가에는 질병관리본부에서 취득된 2005년부터 2010년까지의 시군구별 질병 발생률을 평균화하여 민감도 지표로 사용하였다.
- 본 연구에서는 기후변화 취약성 개념을 이용하여 기후변화로 인한 건강 취약성 평가 방법을 제시하였고, 취약한 지역을 1km 해상도로 구분해냈다. 이를 위하여 각 세부 부문별로 건강 피해에 영향을 미칠 수 있는 다양한 지표 자료들을 선정하였고, 국가 기관에서 보유하고 있는 통계자료 및 기후자료를 수집하였다. 수집된 지표 자료와 GIS 공간처리 기법을 이용하여 전처리 및 자료 통합을 실시하였고, 취약성 평가 결과를 도출하였다.
- 인구밀도는 건강 피해가 직접적으로 인간에게 나타난다는 것을 반영하기 위해 민감도 지표로 선정하였다. 인구 지표 자료는 2010년의 248개 시군구별 통계자료를 기반으로 구축되었다.
- 또한 폭염이 발생했을 때, 도시 지역과 전원 지역 간의 사망률에 차이가 발생한다는 것을 확인하였다[12]. 지표피복별 열적관성은 환경부에서 제공하는 대분류 토지피복자료(GC-LULC)를 기반으로 선행연구[23]에서 설정된 값을 사용하였다. 열적관성이 크면 폭염과 같은 극심한 온도변화에 민감하지 않은 것이므로 피복별 값에 역수를 취하여 표준화하였다.
- 폭염 특보의 기준이 되는 일최고열지수를 계산하기 위하여 기상청에서 관측한 1989년부터 2008년까지의 7, 8월 일최고기온과 일평균상대습도 사용하였다. 열지수(heat index)는 무더위를 정량화하기 위해 Steadman의 Apparent Temperature을 향상시켜 미국 기후국(National Weather Service)에서 1990년 이래로 사용하고 있는 지수로 평상복을 입고 있는 보통의 인체 모델이 가볍게 그늘에서 걸어가면서 주변 환경과 열 교환하는 양을 계산하여 기온과 상대 습도의 두 인자로 요약한 체감 온도 지수이다[8](식 3).
데이터처리
- 민감도와 적응 지표로는 통계청과 질병관리본부에서 제공하는 자료를 주로 사용하였고, 노출 지표로는 기상청에서 제공하는 기상자료를 사용하였다. 선정된 지표 자료들의 처리 및 구축에는 ESRI에서 개발된 ArcGIS 9.3 프로그램을 사용하였다.
- 마지막으로 EI는 노출지표를 말한다. 하나의 단위 격자별 취약성 계산에는 ESRI사의 ArcGIS 9.3 프로그램을 사용하였다.
이론/모형
- 말라리아의 노출 지수는 위와 같은 연구를 바탕으로 지역에 따른 7,8월 평균기온 및 7,8월 평균기온의 상승률을 고려하여 노출 지표로 사용하였다. 75개 일평균기온 점자료는기온감율식(식 4)을 적용하여 보간되었다.
- 현재까지 기후변화 취약성 평가 관련 연구에서 다양한 평가 방법이 개발되어 왔다. 본 연구에서는 선행연구에서 실시한 방법을 참고로 하여 민감도와 노출의 곱을 적응으로 나눈 함수를 이용하였다[26, 32, 33](식 1). SI는 민감도 지표들의 평균값이며, AI는 적응능력 지표를 평균한 값이다.
- 이것을 하나의 함수로 연산하기 위해서는 표준화 과정이 반드시 필요하다. 본 연구에서는 최고값과 최저값의 차이를 이용하며, 지표가 모두 동일한 범위(0～1)를 갖도록 하는 스케일 재조정(Dimension Index) 방법을 이용하였다[33](식 2). 위의 세가지 규준에 따라 표준화된 지표 값들을 이용하여 1㎞ 격자 단위의 취약성 평가를 실시하였다.
- 열지수를 계산하기 위해 필요한 일최고기온과 상대습도 자료는 75개 기상 관측소에서 측정된 점자료를 공간으로 확대하기 위하여 보간법을 사용해 처리되었다. 이때 일최고기온 자료는 윤진일 등[22]에 의해 제안된 기온감율식(식 5)을 적용한 뒤에 Kriging 보간 방법을 사용하였고, 상대습도 자료는 IDW(Inverse distance weighted) 방법을 사용하였다[29].
- 그리고 말라리아는 20～64세의 외부활동이 높은 연령대에서 빈번히 발생하는 것으로 나타나 민감도 지표로 20～64세 인구비율을 선정하였다[27]. 인구밀도는 건강 피해가 직접적으로 인간에게 나타난다는 것을 반영하기 위해 민감도 지표로 선정하였다. 인구 지표 자료는 2010년의 248개 시군구별 통계자료를 기반으로 구축되었다.
성능/효과
- 말라리아와 쯔쯔가무시증에 의한 건강 취약성은 유병율이 높은 지역에 따라 지역 특이적으로 나타났으며, 두 전염병 모두 미래에 취약한 지역이 확대되는 경향을 볼 수 있었다. 공통 적으로 기온의 증가는 모든 부문의 건강 취약성을 증가시키는 것으로 드러났다. 본 연구를 통해 얻어진 취약성 평가 결과는 기후변화로 인한 건강피해를 예방하기 위해 실시되는 지역별 의료체계 개선 및 의료 인프라 구축, 생활환경 개선 등을 위한 기초 정보로 활용될 수 있을 것이다.
- 그림 2b와 j를 보면, 농업 인구비율과 노인인구비율의 분포패턴이 비슷하게 나타나, 농업인구의 노령화가 심각한 것으로 분석되었다. 말라리아 발생률은 경기도와 강원도 북부의 군사분계선 근방에서 높게 나타나 지역 특이성이 매우 큰 것으로 드러났고, 쯔쯔가무시증은 농경지가 많이 분포하는 전라와 충청권에서 많이 발생하는 것으로 나타났다(그림 2k, l).
- 말라리아에 의한 건강 취약성 평가 결과, 군사분계선 근방에 위치한 철원군, 연천군 및 강화도에서 높게 나타났으며, 그 외에도 해발고도가 높은 산림 지역보다는 저지대의 농촌 지역에서 높은 것으로 나타났다(그림 5e). 미래에는 취약성이 높은 지역이 기존 지역에서 주변으로 확대되는 경향을 볼 수 있었다(그림 5f).
- 평가 결과, 폭염과 오존에 의한 건강 취약성은 남부지방의 분지 지형에서 높았고, 미래에는 내륙 평지에서 낮은 산간지역으로 그리고 남부 지방에서 중부 지방으로 취약성이 증가하였다. 말라리아와 쯔쯔가무시증에 의한 건강 취약성은 유병율이 높은 지역에 따라 지역 특이적으로 나타났으며, 두 전염병 모두 미래에 취약한 지역이 확대되는 경향을 볼 수 있었다. 공통 적으로 기온의 증가는 모든 부문의 건강 취약성을 증가시키는 것으로 드러났다.
- 우리나라는 여름철 강수량이 많은 몬순기후이며, 사계절이 뚜렷하고 여름철에 무더위가 자주 발생한다[29]. 본 연구의 취약성은 1km 해상도의 격자 크기로 평가되었다. 이를 위하여 국토지리정보원에서 제공하고 있는 우리나라 시군구 행정경계를 래스터로 변환하여 사용하였다.
- 지역별로 살펴보면 기온의 경우 전라도 지역이 가장 높은 상승률을 보였고 강원도와 경상도는 상대적으로 낮게 나타났다. 상대습도는 강원도지역에서 증가하였지만 전라도와 충청도 일부지역에서 상대습도가 오히려 감소하는 경향을 보였다.
- 호흡기 질환자 사망률은 강원도가 가장 높았고, 제주도가 가장 낮은 것으로 드러났다(그림 2f). 에어컨 보유비율은 대구 지역이 61%로 가장 높은 것으로 나타났으며, 강원도와 제주도가 각각 20%, 18%로 보유 비율이 낮은 것으로 나타났다(그림 2g). 자동차 등록대수는 수도권을 비롯한 대도시 지역에서 높게 나타났고, 농경지 분포 비율은 충청도와 전라도의 해안지방에서 높게 나타났다(그림 2h, i).
- 20～64세 인구 비율은 서울과 경기도를 포함하는 대도시권에서 높게 나타났고, 65세 이상 노인인구 비율은 그 외의 농촌 지역에서 높게 나타났다(그림 2b, d). 예측된 2030년의 65세 이상 노인인구비율은 전라남도가 가장 높았고, 경기도가 가장 낮은 것으로 나타났다.
- 오존에 의한 건강 취약성 평가 결과, 지역별로는 대구분지 주변이 다른 지역에 비해 높게 나타났으며, 자동차 등록대수가 많은 서울을 포함한 6개 광역 대도시권에서 높게 나타났다(그림 5c). 대구 지역은 다른 지역에 비해 자동차 수가 많고, 분지 지형으로 인해 바람이 상대적으로 적게 불어 고농도 오존에 의한 피해가 증가될 수 있다.
- 87로 현재 노출 지표 값에 비해 약 21 정도 높았다. 오존의 노출지표로 사용된 고농도 오존이 나타나는 기상조건을 만족하는 일수는 전국 평균 현재 89일에서 미래에는 97일로 증가하는 것으로 나타났다. 말라리아와 쯔쯔가무시증의 노출 지표 값은 지역에 따라 기온과 상승률이 다른 것으로 나타났다.
- 미래 노출 지표 자료 생성에 이용되는 미래 기상자료는 국립기상연구소에서 2008년에 제공된 기후변화자료로서 미국 국립 기상연구센터와 펜실베니아 주립대학에서 공동 개발한 지역기후모델인 MM5(전지구결합모델인 ECHOG)로부터 산출된 2021년부터 2050년까지의 A1B 시나리오에 의한 월별 기온 및 상대습도의 편차를 이용하였다[28]. 이 자료를 기반으로 가공된 2031년부터 2050년까지 기온은 평균 1.4℃ 정도 상승하였고, 상대습도는 평균 0.07% 증가하는 것으로 나타났다.
- 에어컨 보유비율은 대구 지역이 61%로 가장 높은 것으로 나타났으며, 강원도와 제주도가 각각 20%, 18%로 보유 비율이 낮은 것으로 나타났다(그림 2g). 자동차 등록대수는 수도권을 비롯한 대도시 지역에서 높게 나타났고, 농경지 분포 비율은 충청도와 전라도의 해안지방에서 높게 나타났다(그림 2h, i). 농업 인구 비율은 대도시권을 제외한 농촌 지역에서 높게 나타났다.
- 지역별로 살펴보면 기온의 경우 전라도 지역이 가장 높은 상승률을 보였고 강원도와 경상도는 상대적으로 낮게 나타났다. 상대습도는 강원도지역에서 증가하였지만 전라도와 충청도 일부지역에서 상대습도가 오히려 감소하는 경향을 보였다.
-
3.1 지표자료
지표피복별 열적관성 값은 대부분의 도심지에서 낮게 나타났으며, 상대적으로 산림이나 농경지는 높았다. 이것은 도심지에서 열섬효과가 쉽게 나타날수 있다는 것을 설명한다(그림 2a).
- 쯔쯔가무시증에 의한 건강 취약성 평가 결과, 농경지 분포와 농업 인구가 많은 전라도의 해안지방이 다른 지역에 비해 취약성이 높은 것으로 나타났다(그림 5g). 미래에는 취약지역이 남부 지방에서 중부 지방으로 그리고 해안 지방에서 내륙지방으로 확대되는 것을 볼 수 있었다.
- 수집된 지표 자료와 GIS 공간처리 기법을 이용하여 전처리 및 자료 통합을 실시하였고, 취약성 평가 결과를 도출하였다. 평가 결과, 폭염과 오존에 의한 건강 취약성은 남부지방의 분지 지형에서 높았고, 미래에는 내륙 평지에서 낮은 산간지역으로 그리고 남부 지방에서 중부 지방으로 취약성이 증가하였다. 말라리아와 쯔쯔가무시증에 의한 건강 취약성은 유병율이 높은 지역에 따라 지역 특이적으로 나타났으며, 두 전염병 모두 미래에 취약한 지역이 확대되는 경향을 볼 수 있었다.
- 폭염에 의한 건강 취약성 평가 결과, 경상도와 전라도에 위치하고 있는 남부 지방의 저지대가 북부 지방에 비해 취약성이 높은 것으로 나타났다(그림 5a). 특히, 대구분지와 그 주변지역의 취약성이 전라도 해안지방에 비해 높게 나타났다.
- 폭염의 노출 지표 값은 지역에 따라 62에서 127까지의 범위로 분포하였으며, 평균값은 84.54로 나타났고, 미래 노출 지표 값은 최소 62에서 최대 157이었으며 평균 105.87로 현재 노출 지표 값에 비해 약 21 정도 높았다. 오존의 노출지표로 사용된 고농도 오존이 나타나는 기상조건을 만족하는 일수는 전국 평균 현재 89일에서 미래에는 97일로 증가하는 것으로 나타났다.
후속연구
- 취약성 평가에 사용된 지표 자료들의 존재 유무와 자료의 해상도는 취약성 평가 결과의 신뢰성과 활용성에 영향을 미칠 수 있다. 건강 부문의 취약성 평가는 다른 부문에 비해 연령대, 사회적 고립정도, 질환자 비율 등 다양한 인구학적 데이터가 필요하며, 본 연구의 지표자료로 사용하진 않았지만, 폭염으로 인한 건강 취약성 평가에 큰 요인이 될 수 있는 독거 노인비율과 같은 통계 수치가 필요하다. 향후에는 국가 통계 지표 개발 사업을 통해 취약성 평가를 위한 새로운 통계 자료의 생성과 시군구 단위뿐만 아니라 동리로 세분화된 통계 자료의 제작이 필요하다.
- 폭염 취약성 평가시, 본 연구에서 노출 지표로 최고기온과 습도를 고려한 인체 열순환 모형인 열지수를 이용하여 평가하였으나, 이는 서양인을 대상으로 개발된 지수이고 연령에 따른 차이를 고려하지 않으므로, 이는 향후 연령별, 지역별, 인종별 차이를 고려할 수 있는 새로운 모형으로 대체되어야 한다. 또한 본 연구에서는 오존에 의한 건강 취약성 평가시, 고농도 오존이 발생할 수 있는 기상조건이 나타나는 빈도를 이용 하여 노출 지표로 이용하였으나, 향후에는 차량 통행량이 많은 도로로부터 오존이 발생하여 주변지역까지 얼마나 어떻게 확산되는지를 모의할 수 있는 모형을 이용해야 한다. 또한 오존뿐만 아니라 일산화질소나 아황산가스, 인체 위해화학가스 등 다양한 오염물질별 노출 영향을 고려한 취약성 평가를 실시해야 한다.
- 또한 본 연구에서는 오존에 의한 건강 취약성 평가시, 고농도 오존이 발생할 수 있는 기상조건이 나타나는 빈도를 이용 하여 노출 지표로 이용하였으나, 향후에는 차량 통행량이 많은 도로로부터 오존이 발생하여 주변지역까지 얼마나 어떻게 확산되는지를 모의할 수 있는 모형을 이용해야 한다. 또한 오존뿐만 아니라 일산화질소나 아황산가스, 인체 위해화학가스 등 다양한 오염물질별 노출 영향을 고려한 취약성 평가를 실시해야 한다. 마지막으로 매개질환 전염병에 대한 취약성 평가시, 질환을 매개하는 숙주의 생태에 관련된 생물기상학에 대한 정보가 축적되고 활용되어야 할 것이다.
- 향후에는 국가 통계 지표 개발 사업을 통해 취약성 평가를 위한 새로운 통계 자료의 생성과 시군구 단위뿐만 아니라 동리로 세분화된 통계 자료의 제작이 필요하다. 또한 평가 지표로 사용된 다양한 통계치를 기반으로 AHP기법, 델파이 조사, 사례-대조 연구(case-control study)를 적용하여 건강 영향 평가를 실시하고 지표별 가중치를 산정하여 적용해야 한다. 또는 초과사망률과 각각 지표 값들 간에 다중 회귀분석 등을 실시하고 회귀모형을 만들어 적용하는 것도 필요하다.
- 또는 초과사망률과 각각 지표 값들 간에 다중 회귀분석 등을 실시하고 회귀모형을 만들어 적용하는 것도 필요하다. 또한 향후 연구에서는 노출 지표 생성시 단순한 연산이 아닌 부문별로 전문적인 모형을 적용해야 한다고 생각한다. 폭염 취약성 평가시, 본 연구에서 노출 지표로 최고기온과 습도를 고려한 인체 열순환 모형인 열지수를 이용하여 평가하였으나, 이는 서양인을 대상으로 개발된 지수이고 연령에 따른 차이를 고려하지 않으므로, 이는 향후 연령별, 지역별, 인종별 차이를 고려할 수 있는 새로운 모형으로 대체되어야 한다.
- 또한 오존뿐만 아니라 일산화질소나 아황산가스, 인체 위해화학가스 등 다양한 오염물질별 노출 영향을 고려한 취약성 평가를 실시해야 한다. 마지막으로 매개질환 전염병에 대한 취약성 평가시, 질환을 매개하는 숙주의 생태에 관련된 생물기상학에 대한 정보가 축적되고 활용되어야 할 것이다.
- 공통 적으로 기온의 증가는 모든 부문의 건강 취약성을 증가시키는 것으로 드러났다. 본 연구를 통해 얻어진 취약성 평가 결과는 기후변화로 인한 건강피해를 예방하기 위해 실시되는 지역별 의료체계 개선 및 의료 인프라 구축, 생활환경 개선 등을 위한 기초 정보로 활용될 수 있을 것이다.
- 또한 향후 연구에서는 노출 지표 생성시 단순한 연산이 아닌 부문별로 전문적인 모형을 적용해야 한다고 생각한다. 폭염 취약성 평가시, 본 연구에서 노출 지표로 최고기온과 습도를 고려한 인체 열순환 모형인 열지수를 이용하여 평가하였으나, 이는 서양인을 대상으로 개발된 지수이고 연령에 따른 차이를 고려하지 않으므로, 이는 향후 연령별, 지역별, 인종별 차이를 고려할 수 있는 새로운 모형으로 대체되어야 한다. 또한 본 연구에서는 오존에 의한 건강 취약성 평가시, 고농도 오존이 발생할 수 있는 기상조건이 나타나는 빈도를 이용 하여 노출 지표로 이용하였으나, 향후에는 차량 통행량이 많은 도로로부터 오존이 발생하여 주변지역까지 얼마나 어떻게 확산되는지를 모의할 수 있는 모형을 이용해야 한다.
- 하지만, 현재 기상청에서는 새로운 RCP 시나리오에 따라 1km 고해상도의 일별 기상예측자료를 생산하고 배포할 예정이다[15]. 향후 이러한 고해상도의 미래 기상예측 자료를 이용하면, 좀 더 정확도 높은 취약성 평가가 가능할 것이다.
- 건강 부문의 취약성 평가는 다른 부문에 비해 연령대, 사회적 고립정도, 질환자 비율 등 다양한 인구학적 데이터가 필요하며, 본 연구의 지표자료로 사용하진 않았지만, 폭염으로 인한 건강 취약성 평가에 큰 요인이 될 수 있는 독거 노인비율과 같은 통계 수치가 필요하다. 향후에는 국가 통계 지표 개발 사업을 통해 취약성 평가를 위한 새로운 통계 자료의 생성과 시군구 단위뿐만 아니라 동리로 세분화된 통계 자료의 제작이 필요하다. 또한 평가 지표로 사용된 다양한 통계치를 기반으로 AHP기법, 델파이 조사, 사례-대조 연구(case-control study)를 적용하여 건강 영향 평가를 실시하고 지표별 가중치를 산정하여 적용해야 한다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.