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
- 이에 본 연구에서는 선행연구에서 수행되지 않았던 지점의 대표성을 여러 가지 검증을 통해 각 지역의 기온 경향을 대표할 수 있는 지점을 밝히고, 이를 이용한 주요 도시의 폭염 및 열대야 발생특성을 분석하였다.
- 이에 따라 본 연구에서는 일최고기온을 이용하는 폭염발생일의 기준과 일최저기온을 사용하는 열대야발생일의 기준을 동시에 적용해 보고자 한다. 이에 대한 근거는 고온 환경에 의해서 인체가 영향을 받는 경우, 야간의 기온이 높아서 숙면을 취하지 못하게 되면 다음날 활동에 지장이 있을 뿐만 아니라, 이러한 피로 누적으로 인해서 thermal stress를 받게 되며(Cho 등, 2000), 다시 고온 환경에 노출될 때 그 영향정도가 더 크게 나타난다.
제안 방법
- 대부분의 AWS자료는 1995년부터 관측된 지점이 많았으나 공통적으로 비교 분석이 가능한 기간은 2001년 이후 10년간이었다. 그리고 지점의 대표성을 분석하기 위해 7개 대도시 권역과 9개의 광역지자체 권역으로 구분하였으며, 각 권역별 AWS지점 수는 Table 1과 같다.
- 선정된 ASOS와 AWS의 자료는 Larsen(1973)의 유효자료 검증을 만족하였으며, 기상관측자료의 항목은 기온, 습도, 해면기압, 풍속, 일조시간, 일사량이다. 기상관측자료 중 기온, 습도, 해면기압은 1일 8회 측정치(00LST, 03LST, 06LST, 09LST, 12LST, 15LST, 18LST, 21LST)를 사용하였고, 풍속, 일조시간, 일사량을 1시간 간격 측정치를 사용하였다.
- 7개의 대도시권역에 대한 분석을 수행하기에 앞서, 각 지역에서 선정되어 사용 중인 기온 자료가 그 지역의 기온을 대표할 수 있는 지를 파악하기 위하여 연구기간동안 관측이 이루어진 ASOS 기온자료와 인근 지역의 AWS 기온자료를 바탕으로 그 관련성을 분석하고 그 결과를 Table 2에 제시하였다.
대상 데이터
- 고온 환경이 인체에 미치는 영향을 분석하기 위해 사용한 기상자료는 1991년부터 2010년까지 20년간의 지상기상관측자료(ASOS, Automated Synoptic Observing Station)를 사용하였으며, 지점의 대표성을 검증하기 위해 사용한 자동기상관측자료(AWS, Automatic Weather Station)는 2001년부터 2010년까지 10년간의 자료를 사용하였다. 대부분의 AWS자료는 1995년부터 관측된 지점이 많았으나 공통적으로 비교 분석이 가능한 기간은 2001년 이후 10년간이었다.
- 대구는 지상기상관측 지점 143지점과 3개의 AWS 관측에 대한 분석을 수행하였다(Table 2). 그 결과 평균기온이 가장 낮은 지점(828)과 가장 높은 지점(846)의 평균기온이 각 14.
데이터처리
- 단순히 평균 기온의 차이만으로 서울의 기상관측지점(108)과 인근 AWS의 기온이 일치하는지를 설명할 수 없기 때문에 통계적 관련성과 유의성을 판단하기 위해 상관분석을 실시하였다. 그 결과 모든 지점에 대한 상관관계가 통계학적 유의성을 만족하고 있었고, 상관계수도 0.
이론/모형
- 본 연구에서 사용한 폭염발생일의 기준은 현재 기상청에서 발령하고 있는 폭염특보 기준을 설정한 Park 등(2009)에 의해서 제안된 것이다. 선행연구(Jung 등, 2008; NIMR, 2007; Park 등, 2009)에 따라 연구기간동안 기온이 일최고기온의 95 percentile 이상이면서 열지수(heat index)가 27℃ 이상인 날을 폭염발생일로 정의하였으며, 열대야발생일은 일최저기온이 25℃ 이상인 날로 정의하였다.
성능/효과
- 선정된 ASOS와 AWS의 자료는 Larsen(1973)의 유효자료 검증을 만족하였으며, 기상관측자료의 항목은 기온, 습도, 해면기압, 풍속, 일조시간, 일사량이다. 기상관측자료 중 기온, 습도, 해면기압은 1일 8회 측정치(00LST, 03LST, 06LST, 09LST, 12LST, 15LST, 18LST, 21LST)를 사용하였고, 풍속, 일조시간, 일사량을 1시간 간격 측정치를 사용하였다.
- 단순히 평균 기온의 차이만으로 서울의 기상관측지점(108)과 인근 AWS의 기온이 일치하는지를 설명할 수 없기 때문에 통계적 관련성과 유의성을 판단하기 위해 상관분석을 실시하였다. 그 결과 모든 지점에 대한 상관관계가 통계학적 유의성을 만족하고 있었고, 상관계수도 0.99로 나타나 매우 높은 상관을 나타내었다(Table 3).
- 표준편차는 서울보다 1℃ 정도 낮게 나타나 대체로 9℃내외로 나타났다. 그리고 부산에서 관측 중인 지점에 대해서도 상관분석을 실시한 결과 모든 지점이 지상기상관측지점과 통계학적인 유의성을 만족하고, 0.97이상의 높은 상관계수를 보여 각 지점 기온의 상관성이 높음을 알 수 있었다(Table 3).
- 대구는 지상기상관측 지점 143지점과 3개의 AWS 관측에 대한 분석을 수행하였다(Table 2). 그 결과 평균기온이 가장 낮은 지점(828)과 가장 높은 지점(846)의 평균기온이 각 14.2℃와 14.7℃로서 서울과 부산에 비해서 그 차이가 더 적은 것을 알 수 있다. 표준편차는 전 지점에서 약 10℃로 나타났다.
- 이러한 결과는 인천, 광주, 대전, 울산에서도 모두 동일하게 나타났다. 즉, 관측소의 위치가 다르더라도 같은 권역 내에서 기온간의 상관성은 대체로 모두 통계적인 유의수준을 만족하면서 높은 상관을 보임을 알 수 있다.
- 따라서 7개 대도시권역에서 관측되고 있는 ASOS의 기온이 인근 지역에서 관측되고 있는 AWS의 기온과 상관이 있는지 정성적, 정량적 분석을 실시한 결과, 각 권역을 대표하는 ASOS 지상관측지점의 자료가 인근 지역의 자료와 관측기간 동안 높은 상관을 나타내어 도시의 팽창과 더불어 관측 지점의 이동이 없는 한, 각 대도시별 기상관측지점의 자료를 그 지역의 대표 기온으로 사용할 수 있음을 알 수 있었다.
- 2℃ 높았다. 뿐만 아니라 최고기온이 가장 높은 지점인 대구와 가장 낮은 지점은 인천의 차이가 무려 3.1℃로 나타나, 각 지역 또는 권역별로 차이가 크게 발생함을 알 수 있었다. 이러한 지역적 차이로 인해 서울에서 발생하는 폭염발생 기준으로 EHD를 정의하게 되면, 서울에 비해서 폭염 기준값이 높게 나타나는 지역은 폭염특보의 발령빈도가 너무 빈번해지고, 그 반대의 경우에는 실제 폭염이 발생하더라도 제대로 대처할 수 없게 된다.
- 따라서 우리나라 EHD 선정기준은 서울의 일최고기온의 95 percentile 값을 사용하고 있으나, 실제는 지역마다 다르게 나타나고 있어, 비록 각 지역의 이격거리는 짧지만, 복잡한 지형과 지역이 가지는 환경적 특성이 다르므로 EHD을 정확히 정의하기 위해서는 지역마다 다른 기준을 적용하는 것이 적합하다고 판단된다.
- EHD 기준에 따라서 각 지역에 대한 연간 EHD의 발생빈도를 추정한 결과(Fig. 1), EHD의 발생빈도가 가장 높은 해는 7개 도시에서 모두 1994년으로 나타났으며, 두 번째로 높은 연도는 서울이 1997년, 부산과 광주는 2010년, 대구 1996년, 인천 2001년, 대전 2004년, 울산 1995년으로 지역마다 다소 다르게 나타났다. 세 번째로 높은 발생빈도를 나타낸 연도는 서울 2000년, 부산 2001년, 대구 1995년, 광주 2004, 인천과 대전은 1997년, 울산은 1996년으로 나타나 지역별로 차이가 나타남을 알 수 있었다.
- 1), EHD의 발생빈도가 가장 높은 해는 7개 도시에서 모두 1994년으로 나타났으며, 두 번째로 높은 연도는 서울이 1997년, 부산과 광주는 2010년, 대구 1996년, 인천 2001년, 대전 2004년, 울산 1995년으로 지역마다 다소 다르게 나타났다. 세 번째로 높은 발생빈도를 나타낸 연도는 서울 2000년, 부산 2001년, 대구 1995년, 광주 2004, 인천과 대전은 1997년, 울산은 1996년으로 나타나 지역별로 차이가 나타남을 알 수 있었다.
- 그리고 EHD의 연도별 발생 증가율이 지난해에 비해 크게 증가한 해는 1994년이 가장 높았고 그 다음이 2004년, 2010년으로 나타났으며, 1993년, 2003년, 2009년이 폭염발생 증가율이 낮게 나타났음을 알 수 있다.
- 따라서 EHD의 연도별 발생빈도는 1994년이 가장 높게 나타났고, 그 다음은 순위를 정할 수는 없으나, 대체로 1995년, 1996년, 1997년, 2001년, 2004년, 2010년이 다른 해에 비해 높게 나타났다. EHD의 발생빈도가 낮거나 ‘0’인 해는 대부분의 지역에서 1993년, 2003년, 2009년으로 나타났다.
- EHD의 발생빈도가 낮거나 ‘0’인 해는 대부분의 지역에서 1993년, 2003년, 2009년으로 나타났다. 그리고 폭염발생일의 연도별 증가율은 1994년에 가장 높게 나타났으며, 그 다음이 2004년, 2010년으로 나타나, 1993년과 1994년, 2003년과 2004년, 그리고 2009년과 2010년의 EHD 빈도가 대조적인 경향을 나타내고 있음을 알 수 있었다.
- 2), 대부분의 지역에서 폭염은 5월부터 9월까지 발생하였다. 7개 지역 모두 8월에 EHD의 발생빈도수가 가장 높았다. 다음으로 7월에 폭염이 발생하는 날이 많았다.
- 다음으로 7월에 폭염이 발생하는 날이 많았다. 6월과 9월의 경우 EHD의 빈도가 지역에 따라서 다르게 나타나는데, 서울, 대구, 대전은 6월의 EHD 발생빈도가 9월보다 높게 나타났으며, 비교적 해안가에 위치하거나 해양이 영향을 받는 부산, 인천, 광주, 울산은 9월이 6월에 비해서 EHD 발생빈도가 높게 나타났다. 특히 부산의 경우에는 6월에는 EHD가 단 하루도 발생하지 않았지만, 9월에는 7개 지역 중에서 EHD의 발생빈도가 가장 높은 것을 알 수 있었다.
- 이상의 결과로 부터 7개 도시권역의 EHD는 5월부터 9월 사이에 발생하여 폭염이 발생하는 기간이 길어졌으며, EHD이 발생하는 기간 중에서 7월과 8월의 발생빈도가 전체의 86.37%로 나타나, 폭염이 발생하는 5개월 중에서 2개월에 집중되어 있음을 알 수 있었고, 월별 EHD의 발생빈도는 각 지역별로 유사한 경향을 나타내었다(Fig. 3). 특히 연간 EHD의 빈도수가 가장 높았던 1994년에도 7월과 8월에 집중적으로 폭염이 발생하고 있음을 알 수 있었다.
- 따라서 EHD의 월별 발생 빈도는 주로 5월에서 9월 사이에 발생하나, 대부분의 지역에서 7월과 8월에 가장 빈도수가 높게 나타났음을 알 수 있으며, 그 다음은 비교적 내륙에 위치해 있는 지역은 6월, 해양의 영향을 많이 받는 지역은 9월에 빈도수가 높게 나타남을 알 수 있다.
- TND의 연간 발생빈도가 가장 높았던 해는 EHD와 마찬가지로 대부분의 지역에서 1994년으로 나타났다. 두 번째로 높은 빈도를 나타낸 해는 서울, 부산, 대구, 광주의 경우 2010년이었으며, 인천, 대전, 울산은 1995년으로 나타나 지역별 다소 차이가 있었다. 세 번째로 빈도가 높은 해는 서울은 1995년과 1997년이고, 부산, 대구, 인천은 2001년, 광주는 1995년, 대전은 1996년, 울산은 1998년, 2008년, 2010년으로 나타나 지역에 따라 다르게 나타났으며, 발생빈도가 아주 낮은 해는 1993년, 2003년, 2009년으로 나타났다.
- 두 번째로 높은 빈도를 나타낸 해는 서울, 부산, 대구, 광주의 경우 2010년이었으며, 인천, 대전, 울산은 1995년으로 나타나 지역별 다소 차이가 있었다. 세 번째로 빈도가 높은 해는 서울은 1995년과 1997년이고, 부산, 대구, 인천은 2001년, 광주는 1995년, 대전은 1996년, 울산은 1998년, 2008년, 2010년으로 나타나 지역에 따라 다르게 나타났으며, 발생빈도가 아주 낮은 해는 1993년, 2003년, 2009년으로 나타났다.
- 그리고 열대야발생일의 연도별 발생 증가율이 지난해에 비해 크게 증가한 해는 1994년이 가장 높았고 그 다음이 2010년, 2004년으로 나타났으며, 1993년, 2003년, 2009년 순으로 열대야발생 증가율이 낮게 나타났음을 알 수 있다.
- 따라서 TND의 발생빈도가 가장 많았던 해는 EHD와 마찬가지로 1994년으로 나타났으며, 대부분의 지점에서 1995년, 2000년, 2010년에 TND의 발생빈도가 높은 해로 나타났다. 이에 비해 TND의 빈도가 낮은 해는 1993년, 2003년, 2009년으로 나타났으며, EHD와 유사한 분포를 나타내었다.
- 87%가 이 기간 동안 발생하였다. 즉, 열대야는 주로 7월과 8월에 발생하며, 이는 EHD이 86.37% 집중된 것에 비해서 약 10% 더 많은 빈도수를 나타내었다.
- 따라서 TND의 월별 발생 분포는 EHD의 경우와 마찬가지로 대부분의 지역에서 7월과 8월에 집중되어 나타났으며, 8월이 7월에 비해 높은 빈도를 나타내었음을 알 수 있다.
- 폭염과 열대야가 동시에 발생한 날(extreme heat and tropical night day, ETD)에 대한 지역별 연간 발생빈도를 살펴보면(Fig. 7), EHD나 TND와 동일하게 전체 20년의 기간 중에서 1994년의 발생빈도가 가장 높게 나타남을 알 수 있었다. 이를 통해서 여러 가지 다른 기준 적용 시에도 발생빈도가 가장 높았던 1994년은 연구기간 내에서 가장 고온에 의한 피해도 높게 나타날 것으로 예상되었다.
- 그 다음으로 ETD의 빈도가 높았던 해는 서울의 경우 1997년, 2004년, 부산과 대구는 2010년, 인천은 2000년, 광주와 울산은 1995년, 대전은 1996년으로 나타났으며, 세 번째로 ETD 발생 빈도가 높은 해가 서울은 1996년, 부산, 인천, 광주, 울산은 2001년, 대구는 1995년, 대전은 2010년으로 나타나 지역별로 차이가 남을 알 수 있었다. 또한 가장 빈도가 낮게 나타난 해는 지역에 따라 다소 차이는 있으나, EHD, TND와 마찬가지로 1993년, 2003년, 2009년으로 나타났다.
- 그 다음으로 ETD의 빈도가 높았던 해는 서울의 경우 1997년, 2004년, 부산과 대구는 2010년, 인천은 2000년, 광주와 울산은 1995년, 대전은 1996년으로 나타났으며, 세 번째로 ETD 발생 빈도가 높은 해가 서울은 1996년, 부산, 인천, 광주, 울산은 2001년, 대구는 1995년, 대전은 2010년으로 나타나 지역별로 차이가 남을 알 수 있었다. 또한 가장 빈도가 낮게 나타난 해는 지역에 따라 다소 차이는 있으나, EHD, TND와 마찬가지로 1993년, 2003년, 2009년으로 나타났다.
- 그리고 ETD의 연도별 발생 증가율이 지난해에 비해 크게 증가한 해는 EHD, TND와 마찬가지로 1994년이 가장 높았고 그 다음이 2010년, 2004년으로 나타났으며, 1993년, 2003년, 2009년이 ETD의 발생 증가율이 낮게 나타났음을 알 수 있다.
- 따라서 폭염과 열대야가 동시에 발생한 ETD는 EHD나 TND와 마찬가지로 1994년이 가장 발생빈도가 높았던 해이며, 그 다음은 순서에 관계없이 1995년, 1996년, 2001년, 2010년이 대체로 높게 나타났다. ETD의 발생빈도가 낮았던 해는 지역에 따라 다소 차이는 있으나, EHD와 TND와 마찬가지로 1993년, 2003년, 2010년으로 나타나 두 기준과 마찬가지로 ETD는 고온 현상에 대한 피해를 줄이기 위한 기준으로 활용할 수 있음을 알 수 있었다.
- 한반도 주요 도시의 폭염 및 열대야 발생 특성을 파악하기 위하여 먼저 7개 대도시 권역별 ASOS 지점의 대표성을 정성적, 정량적으로 분석한 결과, ASOS 지점과 주변 AWS 지점의 기온은 큰 차이를 나타내지 않았으며, 상관계수도 높게 나타나(Table 3), ASOS 지점의 기온을 각 권역별 대표 기온으로 사용할 수 있음을 알았다.
- 그리고 폭염일의 선정기준인 서울의 일최고기온의 95 percentile 값을 사용하고 있으나, 서울을 포함한 7개 대도시가 각각 다른 값을 나타내었으며, 도시별 복잡한 지형과 지역이 갖는 환경적 특성이 다르므로 폭염발생일 기준을 권역별로 다르게 적용하는 것이 적합함을 알 수 있었다.
- 권역별 EHD, TND, ETD의 기준에 따라 각 지역의 연별, 월별 발생빈도를 살펴본 결과, 세 기준 모두 1994년에 발생빈도가 가장 높게 나타났으며, 그 다음의 순위는 지역에 따라 다소 차이가 있었다. EHD, TND, ETD의 빈도가 모두 낮게 나타난 해는 1993년, 2003년, 그리고 2009년으로 나타났으며, 이들의 연도별 증가율은 1994년에 가장 높게 나타났으며, 그 다음이 2010년, 2004년으로 나타나, 1993년과 1994년, 2003년과 2004년, 그리고 2009년과 2010년에 이들의 빈도가 대조적인 경향을 나타내고 있음을 알 수 있었으며 고온 현상에 대한 기준으로 세 가지 모두 활용할 수 있음을 알 수 있었다.
- 권역별 EHD, TND, ETD의 기준에 따라 각 지역의 연별, 월별 발생빈도를 살펴본 결과, 세 기준 모두 1994년에 발생빈도가 가장 높게 나타났으며, 그 다음의 순위는 지역에 따라 다소 차이가 있었다. EHD, TND, ETD의 빈도가 모두 낮게 나타난 해는 1993년, 2003년, 그리고 2009년으로 나타났으며, 이들의 연도별 증가율은 1994년에 가장 높게 나타났으며, 그 다음이 2010년, 2004년으로 나타나, 1993년과 1994년, 2003년과 2004년, 그리고 2009년과 2010년에 이들의 빈도가 대조적인 경향을 나타내고 있음을 알 수 있었으며 고온 현상에 대한 기준으로 세 가지 모두 활용할 수 있음을 알 수 있었다. 또한 EHD, TND, ETD의 월별 발생빈도는 7월과 8월에 전체 발생 빈도의 80% 이상이 집중되어 나타나는 것을 알 수 있었다.
- EHD, TND, ETD의 빈도가 모두 낮게 나타난 해는 1993년, 2003년, 그리고 2009년으로 나타났으며, 이들의 연도별 증가율은 1994년에 가장 높게 나타났으며, 그 다음이 2010년, 2004년으로 나타나, 1993년과 1994년, 2003년과 2004년, 그리고 2009년과 2010년에 이들의 빈도가 대조적인 경향을 나타내고 있음을 알 수 있었으며 고온 현상에 대한 기준으로 세 가지 모두 활용할 수 있음을 알 수 있었다. 또한 EHD, TND, ETD의 월별 발생빈도는 7월과 8월에 전체 발생 빈도의 80% 이상이 집중되어 나타나는 것을 알 수 있었다.
후속연구
- 또한 폭염에 의한 피해 정도를 분석하거나, 폭염 피해에 대한 대책을 수립 할 때에는 폭염이 발생하는 전체 기간에 대한 분석이나 대책수립도 중요하지만, 특히 폭염이 집중되는 기간에 대한 특별 대책이 필요할 것이다. 특히 7월과 8월의 경우는 연중 기온이 가장 높은 시기와 일치하기 때문에 특히 폭염에 관해서는 가장 중요한 시기이다.
- 특히 7월과 8월의 경우는 연중 기온이 가장 높은 시기와 일치하기 때문에 특히 폭염에 관해서는 가장 중요한 시기이다. 또한 기후변화로 인해서 기온이 상승함으로서 점차 겨울과 여름 사이의 기간이 짧아지고 있으므로 비록 발생빈도는 적으나 6월 또는 5월의 EHD에 대해서도 관심을 가져야 할 것이다.
- 특히 폭염에 의한 피해가 높았던 1994년의 경우 대구지역에서는 7월과 8월의 총 62일 가운데 55일이 EHD이었다. 이는 향후 본 연구에서의 기준을 이용하여 폭염특보를 운영하게 될 경우 그 발령빈도가 빈번해져서 특보가 가지는 의미가 퇴색될 수 있는 단점이 있다.
- 그리고 하루 중 고온에 의한 직접적인 피해를 가장 크게 받을 수 있는 시간은 태양복사에너지량이 가장 많은 낮 12시부터 일최고기온이 나타나는 오후 2~3시경이다. 이와 같은 일최고기온과 일최저기온과 같은 두 가지 요소를 모두 고려할 경우 고온에 의한 영향에 대한 상관정도도 더 상승할 것으로 판단된다.
- 그 외는 모두 7월과 8월에 발생하였으며, 서울, 부산, 인천에서는 8월의 발생빈도수가 높았고, 그 외의 지역에서는 7월과 8월의 발생빈도수에 차이가 없었다. 이상의 결과를 통해서 폭염과 열대야 동시발생일의 빈도수도 여름철 기간 중 특히 7,8월에 집중되어있으므로 이 기간에 대한 사망자 발생에 대한 추가적인 분석이 필요하다고 생각된다.
- 그러나 고온 현상의 발생빈도가 높은 해 중 1994년을 제외하고는 EHD, TND, ETD의 발생빈도가 높은 해의 경우 세 기준에 따라서 일치하는 해도 있었지만 그렇지 않은 해도 있었으며, 대부분의 지역에서 발생빈도가 높다고 하더라도 그 해의 종관적인 기상상황에 의해 지역에 따라 다른 경향을 나타낼 수 있기 때문에 보다 자세한 분석이 필요하며, 특히 각 기준별 대조를 이루는 연도에 대한 종관분석을 통해 폭염 현상의 원인과 특성을 밝힐 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.