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
- 본 연구에서는 앞서 개발된 BioCAS(생명기후분석 시스템, Kim et al. 2014) 및 서울시 상세 기온분석 시스템(Yi et al. 2016)을 이용하여 건물과 식생의 밀도에 따른 열환경 건강영향 평가 가능성을 시험하였다. 즉, 도시개발 정도에 따라 달라지는 열환경을 BioCAS를 이용하여 서울시 전역에 대해 분석하고, 이를 서울시에서 관측된 사망률과 내원환자수 관측 자료와 상관성을 비교함으로써 개발된 시스템의 활용성을 확인하고자 하였다.
- 2016)을 이용하여 건물과 식생의 밀도에 따른 열환경 건강영향 평가 가능성을 시험하였다. 즉, 도시개발 정도에 따라 달라지는 열환경을 BioCAS를 이용하여 서울시 전역에 대해 분석하고, 이를 서울시에서 관측된 사망률과 내원환자수 관측 자료와 상관성을 비교함으로써 개발된 시스템의 활용성을 확인하고자 하였다.
제안 방법
- 178이다. PTmax 분포도를 이용하여 모델을 구동함으로서 25m 해상도의 초과사망률 공간 분포를 계산한다.
- BioCAS를 통해 분석된 최고 인지온도와 초과사망률의 상세 분포는 중규모 이상 큰 규모의 지표 차등 가열과 지표 이용도와 건물 밀도 등에 따른 인공열, 복사 차단 등의 복합적인 열적 효과가 분석된 것이다. 관측된 인체 반응과의 직접적인 비교를 위하여 폭염 사망률과 내원환자수를 선택하였고, 이들 관측 자료의 공간 해상도에 맞추어 BioCAS 분석 자료를 행정구별 자료로 변환하였다. 공간자료의 변환 방법 중 공간 평균은 관측된 건강피해와 상관관계가 나타나지 않았는데, 이것은 공간 평균이 행정구별 지표면의 차이와 이에 따른 열적 스트레스 분포를 상쇄시켰기 때문인 것으로 판단된다.
- 다음 단계로 CAS에서 분석된 상세 기온 분포(TD’) 및 평균복사온도(Tmrt)와 서울관측소에서 관측된 습도 및 풍속자료를 이용하여 인지온도(Staiger et al. 2012)를 계산한다.
- 한강 등에 나타난 비교적 높은 초과사망 위험 영역은 실제로는 일상 생활 영역이 아니고, 인체 열 스트레스의 지역별 비교에 포함하기에는 무리가 있는 것으로 판단하였다. 따라서 건물(BS)과 나지(US) 지역의 BioCAS 분석자료를 추출하고 행정구별 공간 최대, 최소, 평균 및 누적값을 계산함으로써 행정구별 폭염의 건강평가를 위한 통계분석 자료를 생산하였다(Figure 5). 용산구, 마포구, 서대문구 등 도심 밀집지역에서 폭염의 초과사망 위험도가 높은 것으로 나타났고, 강북구, 도봉구 등 도시주변 산림 인접 지역에서는 폭염 위험도가 거의 나타나지 않았다.
- ) 모형은 통계청의 일별 사망 자료를 사용하여 개발되었다. 먼저 서울시의 1991-2011년 기간 중 평균 일별 사망률을 추정하고, 이를 초과하는 일별 폭염 사망률(초과사망률)을 계산한 후 PTmax를 이용하여 회귀분석으로 개발하였다(Table 1, Kim et al. 2014). 모델 개발에 사용한 폭염 사례 일로 1983-2012년 기간 중 PTmax의 30년 평균 + 2 × 표준편차인 51.
- 본 연구에서는 BioCAS를 이용하여 서울시 전역에 대한 25m 해상도의 기온, 인지온도, 초과사망률 상세 분포를 추정하였고, 실제 발생한 폭염 피해 사례인 사망률과 내원환자수 자료를 이용하여 폭염위험도 공간 분포를 평가하였다. 상세 분포도를 행정구별 평균하면 공간적인 특성이 사라져서 폭염 피해를 설명할 수 없었지만, 공간 최대, 최소, 누적에서는 상세 분석되었던 공간 특성이 남아있고 실제 폭염 피해를 설명할 수 있는 것으로 분석되었다.
- 2014)에서는 서울의 일부 재개발 지역을 대상으로 개별 건물 수준에서 열 환경을 분석하고 그에 따른 건강피해를 추정한 바 있다. 본 연구에서는 그 적용 범위를 서울시 전역으로 확대하고, 그 결과를 관측된 폭염 사망률과 내원환자수를 이용하여 종합적으로 판단하고 검증하였다. 이러한 연구를 통하여 기후변화에 따른 건강영향 정책 추진을 과학적으로 뒷받침할 수 있는 분석 결과를 제공하고 도시개발 영향평가 등에서 널리 활용할 수 있게 되기를 기대한다.
- 서울의 상세 기온분포(TD’)는 서울 관측소와 서울시 25개 AWS 지점의 최고 기온 차이(dTmax)를 추정하고, 추정된 dTmax를 서울 관측소 기온(TSWS)에 더함으로써 입력 자료의 해상도인 25m 간격으로 상세 기온 분포(TD’) 를 계산한다(Table 1).
- 앞서 계산된 열 스트레스 분포도 중 최고 인지온도와 초과사망률 분포가 실제로 발생한 건강 피해를 얼마나 잘 설명할 수 있는가를 평가하였다. BioCAS에서 분석된 건강피해와의 비교를 위해 사용된 건강 피해 관측 자료는 통계청의 일별 사망원인 자료와 국민건강보험공단의 일별 내원환자수 자료이다.
- 하나는 분석사례 폭염일 하루 동안의 건강피해만을 비교하기에는 피해 건수가 너무 적었다는 것이고, 또 하나는 건강 피해 자료의 공간해상도가 건물별 차이를 구분할 수 있을 정도로 높지 않았다는 것이다. 이들 문제를 해결하기 위하여 지난 10년(사망) 또는 6년(내원환자)간의 자료를 행정구별로 누적하고, 행정구별 인구차이를 보정하기 위해 천명 당 사망자수의 비율로 계산한 뒤, BioCAS의 인지 온도와 초과사망률도 행정구별로 공간통계 처리하여 비교하였다.
- 한편 모든 폭염 사례 일의 정밀한 기온 분포 등을 분석하기 위해서는 각 과거 사례일의 지면·건물·식생 높이 자료와 토지피복 자료가 필요하지만 자료확보 및 처리에 어려움이 있으므로 대표적으로 한 폭염 사례를 선정하였다.
대상 데이터
- 앞서 계산된 열 스트레스 분포도 중 최고 인지온도와 초과사망률 분포가 실제로 발생한 건강 피해를 얼마나 잘 설명할 수 있는가를 평가하였다. BioCAS에서 분석된 건강피해와의 비교를 위해 사용된 건강 피해 관측 자료는 통계청의 일별 사망원인 자료와 국민건강보험공단의 일별 내원환자수 자료이다. 자료의 공간 해상도는 행정구 단위이고, 사망자 수와 내원환자 수 각각의 자료 기간은 2004년에서 2013년의 10년, 2006년에서 2011년의 6년 여름동안(6월-9월)이다.
- 사망자 수 자료의 사망원인은 폭염의 간접적인 영향으로 인해 사망에 이를 수 있는 심장질환, 신경질환, 순환계질환, 호흡계질환 등의(국제사인코드 ICD-10 E, F, G, I, J, R) 질환사망을 선별하여 이용하였고, 폭염의 직접적인 영향으로 사망에 이르는 열사병, 일사병, 열탈진 등의(ICD-10 T67) 질환사망은 구 단위로 분석하기에 사례수가 너무 적어 통계적으로 유의한 분석이 도출되지 않아 제외하였다. 내원환자수 자료는 폭염의 직접적인 영향으로 인한 ICD-10 T67 질환자수 자료를 이용하였다(Table 2).
- 모델 개발에 사용한 폭염 사례 일로 1983-2012년 기간 중 PTmax의 30년 평균 + 2 × 표준편차인 51.2℃ 이상인 기간을 선택하여 사용하였는데, 총 21일 자료가 사용되었다.
- 기온과 아울러 인체 열 스트레스에 큰 영향을 주는 요소인 3차원 평균복사온도(Tmrt)를 추정하기 위해 SOLWEIG 모델(SOlar and Long Wave Environmental Irradiance Geometry model, Lindberg와 Grimmond 2011)이 구동된다. 모델의 지면 경계 자료로 건물높이와 건물배치 및 식생분포가 사용되고 서울관측소에서 관측된 기온, 상대습도, 일사량이 모델 구동을 위한 기상 입력 자료로 사용된다.
- 한편 모든 폭염 사례 일의 정밀한 기온 분포 등을 분석하기 위해서는 각 과거 사례일의 지면·건물·식생 높이 자료와 토지피복 자료가 필요하지만 자료확보 및 처리에 어려움이 있으므로 대표적으로 한 폭염 사례를 선정하였다. 선정된 폭염일은 2012년 8월 5일로 이 날의 서울시의 기온, 평균복사온도, 인지온도 및 초과사망률 분포를 산출하여 이후의 분석에 사용하였다.
- BioCAS에서 분석된 건강피해와의 비교를 위해 사용된 건강 피해 관측 자료는 통계청의 일별 사망원인 자료와 국민건강보험공단의 일별 내원환자수 자료이다. 자료의 공간 해상도는 행정구 단위이고, 사망자 수와 내원환자 수 각각의 자료 기간은 2004년에서 2013년의 10년, 2006년에서 2011년의 6년 여름동안(6월-9월)이다. 사망자 수 자료의 사망원인은 폭염의 간접적인 영향으로 인해 사망에 이를 수 있는 심장질환, 신경질환, 순환계질환, 호흡계질환 등의(국제사인코드 ICD-10 E, F, G, I, J, R) 질환사망을 선별하여 이용하였고, 폭염의 직접적인 영향으로 사망에 이르는 열사병, 일사병, 열탈진 등의(ICD-10 T67) 질환사망은 구 단위로 분석하기에 사례수가 너무 적어 통계적으로 유의한 분석이 도출되지 않아 제외하였다.
- 2016)는 그 입력 자료로 크게 지면, 건물 및 식생의 높이 자료와 토지피복 자료를 사용한다. 항공 LiDAR를 이용하여 지면, 건물 및 식생 높이에 대한 입력 자료를 생산하였고, 위성영상자료로부터 토지피복 입력 자료를 생산하여 사용하였다. 서울시 전역에 대한 입력 자료 해상도는 25m로 설정하였다(Figure 2).
데이터처리
- 구별 BioCAS의 비교 자료를 위해 공간통계 처리가 필요하였다. 일 최고 인지온도(PTmax)의 공간 평균, 최대, 최솟값 및 초과사망률(rEM)의 공간 최대, 평균, 누적값을 산출하여 통계분석에 사용하였다. 도시민의 직접적인 열적 스트레스를 좀 더 잘 나타내기 위하여 행정구별 산출 영역은 전체 행정구 면적이 아닌 주거 영역으로 한정하였다.
- 도시민의 직접적인 열적 스트레스를 좀 더 잘 나타내기 위하여 행정구별 산출 영역은 전체 행정구 면적이 아닌 주거 영역으로 한정하였다. 통계분석으로 상관분석을 사용하였다.
이론/모형
- 기온과 아울러 인체 열 스트레스에 큰 영향을 주는 요소인 3차원 평균복사온도(Tmrt)를 추정하기 위해 SOLWEIG 모델(SOlar and Long Wave Environmental Irradiance Geometry model, Lindberg와 Grimmond 2011)이 구동된다. 모델의 지면 경계 자료로 건물높이와 건물배치 및 식생분포가 사용되고 서울관측소에서 관측된 기온, 상대습도, 일사량이 모델 구동을 위한 기상 입력 자료로 사용된다.
- 마지막으로 폭염일의 초과사망률(rEM) 모형은 통계청의 일별 사망 자료를 사용하여 개발되었다. 먼저 서울시의 1991-2011년 기간 중 평균 일별 사망률을 추정하고, 이를 초과하는 일별 폭염 사망률(초과사망률)을 계산한 후 PTmax를 이용하여 회귀분석으로 개발하였다(Table 1, Kim et al.
성능/효과
- BioCAS에서 분석된 개별 건물과 식생 단위의 건강피해 영향에는 건물과 식생의 장기간에 걸친 평균적인 기온 영향(Yi et al. 2016)이 포함되어 있기에 실제 관측된 건강 피해와 직접 비교할 때는 보다 장기적인 비교가 적합한 것으로 판단된다. 상관분석에 사용된 행정구별 폭염 사망률 및 내원환자수는 Figure 6와 같다.
- 공간 최대 및 누적 rEM과 내원환자수는 양의 상관관계가 인정되었다. PTmax와 rEM의 공간 평균값과 실제 관측된 건강피해인 사망률 및 내원환자수는 유의성이 없었다.
- 한편 공간 최대 PTmax와 사망률간에는 음의 상관관계가 나타났다. 공간 최대 및 누적 rEM과 내원환자수는 양의 상관관계가 인정되었다. PTmax와 rEM의 공간 평균값과 실제 관측된 건강피해인 사망률 및 내원환자수는 유의성이 없었다.
- 상관분석 결과는 Table 3 및 4와 같다. 공간 최소 PTmax와 사망률, 공간 최대 PTmax와 내원환자수는 양의 상관관계가 인정되었다. 한편 공간 최대 PTmax와 사망률간에는 음의 상관관계가 나타났다.
- 평균복사온도는 일사가 집중되는 평지에서 더 높게 나타났는데, 도심에서는 빌딩 그림자 등으로 인하여 평균복사온도의 분포가 상당히 복잡하게 나타남을 알 수 있다. 기온과 평균복사 온도를 종합적으로 고려한 인지온도는 주변 산지를 제외하고는 매우 높은 온도 분포를 보여주었으며, 특히 그림자가 없는 강변을 따라 높은 온도가 나타남을 알 수 있었다.
- 최고 인지온도는 Figure 3(c)와 같이 계산된 시간별 인지온도에서 각 격자별 일 최고값을 추출한 것이다. 도심 및 주변 식생지역에서도 남서쪽 사면은 북동쪽 사면보다 더 많은 일사량을 받음으로 인하여 더 높은 최고 인지온도가 나타났다. 도심에서는 빌딩 그림자 등의 복합적인 효과로 인하여 복잡한 온도 패턴이 나타났다.
- 통계청의 폭염에 의한 사망자료 또는 국민건강보험공단의 내원환자 자료에서 발생 지점은 주민등록지 또는 병원 소재지를 기준으로 작성된다. 본 연구에서와 같이 좁은 영역에 대한 상세한 분석이 요구되는 경우 행정구별 자료로 추출하여 분석하는 것이 공간적인 최선의 방법인 것으로 판단되었다. 하지만 앞에서 기술한 바와 같이 열 스트레스의 발생 장소와 주소지 또는 내원한 병원의 주소지가 다를 수 있는 문제나 각 행정구별 연령 구성이 다름에 따라 발생할 수 있는 폭염 취약성의 불균일성 등은 기존 연구에서는 고려하지 못하였던 부분으로 향후 추가 연구가 필요한 분야이다.
- 본 연구에서는 BioCAS를 이용하여 서울시 전역에 대한 25m 해상도의 기온, 인지온도, 초과사망률 상세 분포를 추정하였고, 실제 발생한 폭염 피해 사례인 사망률과 내원환자수 자료를 이용하여 폭염위험도 공간 분포를 평가하였다. 상세 분포도를 행정구별 평균하면 공간적인 특성이 사라져서 폭염 피해를 설명할 수 없었지만, 공간 최대, 최소, 누적에서는 상세 분석되었던 공간 특성이 남아있고 실제 폭염 피해를 설명할 수 있는 것으로 분석되었다. 앞으로 폭염시 가동되는 응급실 내원환자 자료를 이용하도록 분석을 확대한다면 환자가 받은 열 스트레스를 좀 더 상세하게 분석할 수 있게 될 것이다.
- 따라서 건물(BS)과 나지(US) 지역의 BioCAS 분석자료를 추출하고 행정구별 공간 최대, 최소, 평균 및 누적값을 계산함으로써 행정구별 폭염의 건강평가를 위한 통계분석 자료를 생산하였다(Figure 5). 용산구, 마포구, 서대문구 등 도심 밀집지역에서 폭염의 초과사망 위험도가 높은 것으로 나타났고, 강북구, 도봉구 등 도시주변 산림 인접 지역에서는 폭염 위험도가 거의 나타나지 않았다.
- 도심에서는 빌딩 그림자 등의 복합적인 효과로 인하여 복잡한 온도 패턴이 나타났다. 초과사망률 분포는 일사량이 많았던 한강 영역에서 비교적 높은 초과사망 위험 영역이 뚜렷하게 나타났다. 도심에서는 최고 인지온도 분포와 마찬가지로 빌딩 그림자 등으로 인한 복잡한 패턴이 나타났다.
- 초과사망률(rEM)은 모델 개발 의도와는 달리 관측된 행정구별 사망률과는 상관관계가 없었고 내원환자수를 설명하는 것으로 나타났다. 초과사망률 모델 개발에 서울시 전역의 관측 자료를 사용하였는데, 행정구별 인구의 연령대별 구성 비율 차이에 따른 기저 폭염 위험도 차이에 따라 이러한 결과가 나타난 것으로 추정된다.
- 공간 최댓값이 나타나는 지역은 주로 건물이나 나지 지역인데, 이런 지역의 일 최고 인지온도(PTmax)가 높을수록 낮시간 동안의 과도한 열 스트레스에 따른 열 실신 등 응급상황이 빈번하게 일어날 수 있었던 것으로 해석된다. 한편 PTmax의 공간 최댓값과 사망률은 역상관관계를 보였다. 이것은 낮 시간대의 높은 열 스트레스에 따라 내원환자는 증가하였지만, 그 환자는 내원으로 인해 열 스트레스의 누적이 중단되고 폭염에 의한 사망을 회피할 수 있었기 때문인 것으로 추측할 수 있다.
후속연구
- 앞으로 폭염시 가동되는 응급실 내원환자 자료를 이용하도록 분석을 확대한다면 환자가 받은 열 스트레스를 좀 더 상세하게 분석할 수 있게 될 것이다. 또한 시간대별 열 스트레스 발생 빈도를 고려할 수 있도록 분석 시간을 세분화하고, 행정구별 인구 구성 차이에 따른 폭염위험도를 고려하도록 초과사망률 모델을 개선할 필요가 있다.
- 또한 인체 열 스트레스에 영향을 주는 여러 기상 요소를 고려하는 PET(Physiological Equivalent Temperature)나 UTCI(Universal Thermal Climate Index)와 같은 인체 생리학적 지수는 넓은 지역의 폭염 사망률 증가 분석(Natos & Matzarakis 2012)과 같이 지역별로 다르게 나타나는 폭염과 건강피해 관계를 좀 더 직관적으로 분석할 수 있게 한다.
- 상세 분포도를 행정구별 평균하면 공간적인 특성이 사라져서 폭염 피해를 설명할 수 없었지만, 공간 최대, 최소, 누적에서는 상세 분석되었던 공간 특성이 남아있고 실제 폭염 피해를 설명할 수 있는 것으로 분석되었다. 앞으로 폭염시 가동되는 응급실 내원환자 자료를 이용하도록 분석을 확대한다면 환자가 받은 열 스트레스를 좀 더 상세하게 분석할 수 있게 될 것이다. 또한 시간대별 열 스트레스 발생 빈도를 고려할 수 있도록 분석 시간을 세분화하고, 행정구별 인구 구성 차이에 따른 폭염위험도를 고려하도록 초과사망률 모델을 개선할 필요가 있다.
- 연도별 상세 빌딩·지면 상태와 일자별 종관 기상조건을 상세히 고려하여 지난 폭염기간의 건강영향을 분석할 수 있는 토대가 마련되었으므로, 앞으로의 추가 연구에서는 폭염 사례일별 건강영향의 차이를 시·공간적으로 분석할 수 있을 것이다.
- 본 연구에서는 그 적용 범위를 서울시 전역으로 확대하고, 그 결과를 관측된 폭염 사망률과 내원환자수를 이용하여 종합적으로 판단하고 검증하였다. 이러한 연구를 통하여 기후변화에 따른 건강영향 정책 추진을 과학적으로 뒷받침할 수 있는 분석 결과를 제공하고 도시개발 영향평가 등에서 널리 활용할 수 있게 되기를 기대한다. 특히, 본 연구의 실용적 관점에서는 도시개발에 따른 상세 초과사망률 변화가 경제적으로 어떠한 부담 또는 이익이 있는가를 판단할 근거를 제시할 수 있다.
- 특히, 본 연구의 실용적 관점에서는 도시개발에 따른 상세 초과사망률 변화가 경제적으로 어떠한 부담 또는 이익이 있는가를 판단할 근거를 제시할 수 있다. 즉, 친환경 개발 사업의 추가 비용과 편익을 경제적 영향 평가 관점에서 분석하게 되면 열 스트레스 저감을 촉진하는 개발사업에 대한 투자가치를 판단할 수 있게 될 것이다.
- 초과사망률 모델 개발에 서울시 전역의 관측 자료를 사용하였는데, 행정구별 인구의 연령대별 구성 비율 차이에 따른 기저 폭염 위험도 차이에 따라 이러한 결과가 나타난 것으로 추정된다. 추후 행정구별 인구 구성 등을 고려한 모델 개선이 필요할 것이다. 본 연구의 일 사망자 자료 분석에서 사용한 행정구의 구분은 사망 장소가 아닌 주소지가 기준이다.
- 따라서 낮 시간대에 사망자가 받은 열 스트레스 발생 장소와 자료에 기록된 주소지가 같지 않을 가능성이 존재한다. 하지만 사망자가 밤 시간대에 주소지에서 받아 누적된 열 스트레스가 다음날 낮 시간에까지 누적 효과를 나타낸다고 가정한다면, 밤 시간대의 최저 기온이나 최저 인지온도 등을 이용하여 사망자 발생 모델을 개선함으로써 주소지와 열 스트레스 발생 장소의 차이에 의한 오류를 줄일 수 있을 것으로 기대한다.
- 본 연구에서와 같이 좁은 영역에 대한 상세한 분석이 요구되는 경우 행정구별 자료로 추출하여 분석하는 것이 공간적인 최선의 방법인 것으로 판단되었다. 하지만 앞에서 기술한 바와 같이 열 스트레스의 발생 장소와 주소지 또는 내원한 병원의 주소지가 다를 수 있는 문제나 각 행정구별 연령 구성이 다름에 따라 발생할 수 있는 폭염 취약성의 불균일성 등은 기존 연구에서는 고려하지 못하였던 부분으로 향후 추가 연구가 필요한 분야이다.
- 한편 본 연구는 이제까지의 기후영향평가에서 다루어지지 못하였던 기온 변화의 인체 영향에 대한 정량적 평가 가능성을 보여주었으나, 폭염에 의한 사망이 발생하였던 모든 날짜에 대한 상세한 건강영향을 분석하지는 못하고 있다. 연도별 상세 빌딩·지면 상태와 일자별 종관 기상조건을 상세히 고려하여 지난 폭염기간의 건강영향을 분석할 수 있는 토대가 마련되었으므로, 앞으로의 추가 연구에서는 폭염 사례일별 건강영향의 차이를 시·공간적으로 분석할 수 있을 것이다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.