[논문]GIS 기반 노인인구 분포지역의 공간적 특성과 폭염의 관계 분석 - 창원시를 대상으로 -

송봉근; 박경훈; 김경아; 김성현; 박건웅; 문한솔

doi:10.11108/kagis.2020.23.3.068

[국내논문] GIS 기반 노인인구 분포지역의 공간적 특성과 폭염의 관계 분석 - 창원시를 대상으로 -
Analysis of Relationship between the Spatial Characteristics of the Elderly Population Distribution and Heat Wave based on GIS - focused on Changwon City - 원문보기

한국지리정보학회지 = Journal of the Korean Association of Geographic Information Studies, v.23 no.3, 2020년, pp.68 - 84

송봉근 (창원대학교 산업기술연구원) , 박경훈 (창원대학교 토목환경화공융합공학부) , 김경아 (창원대학교 산업기술연구원) , 김성현 (창원대학교 스마트해양환경에너지공학협동과정) , 박건웅 (창원대학교 스마트해양환경에너지공학협동과정) , 문한솔 (창원대학교 환경공학과)

초록
AI-Helper

본 연구에서는 경상남도 창원시를 대상으로 노인인구 분포지역의 공간적 특성과 폭염과의 관계를 분석하였다. 이를 위해 통계청의 인구센서스 자료와 환경부 토지피복도, Landsat 8 지표면온도, 기상청의 폭염일수 자료를 활용하였다. 노인인구 분포의 공간적 특성은 토지이용특성을 고려하여 K-mean 군집화 분석을 통해 총 5개 유형으로 분류하였다. 공간유형별 노인인구 특성은 도시화된 유형(cluster-3)에서 노인인구의 수가 많았으나, 농촌지역과 산림지역에 분포하는 유형(cluster-1, cluster-2)에서는 노인인구의 구성 비율이 높은 것으로 나타났다. 지표면온도와 폭염일수 특성에서는 도시지역에서 지표면온도가 가장 높았으나 폭염일수는 농촌지역이 가장 많았다. 노인인구 분포지역의 공간유형에 따른 폭염 특성을 분석한 결과, 농촌지역 면적이 많은 cluster-2가 15.95일로 가장 높았고, 도시화된 유형인 cluster-3은 9.41일로 가장 낮았다. 즉, 도시지역에 거주하는 노인인구보다 농촌지역에 거주하는 노인인구가 폭염에 더욱 노출되어 있으며, 피해가 가중될 것으로 예상된다. 본 연구의 결과는 여름철 폭염 취약지역의 효과적인 관리와 사전 예방을 위한 다양한 정책방안을 마련하는데 기초적인 자료로 활용될 수 있을 것이다.

Abstract ▼ AI-Helper

This study analyzed the relationship between spatial characteristics and heat waves in the distribution area of the elderly population in Changwon, Gyeongsangnam-do. For analysis, the Statistics Census data, the Ministry of Environment land cover, Landsat 8 surface temperature, and the Meteorological Agency's heat wave days data were used. The spatial characteristics of the distribution of the elderly population was classified into 5 types through K-mean cluster analysis considering the land use types. The characteristics of the elderly population by spatial type were higher in the urbanized type(cluster-3), but the proportion of the elderly population was higher in the agricultural and forest area types(cluster-1, cluster-2). In the characteristics of the surface temperature and the heat wave days, the surface temperature was the highest in the urban area, but heat wave days were the highest in the rural area. As a result of analyzing the heat wave characteristics according to the spatial type of the distribution area of elderly population, cluster-2 with the largest area in agricultural areas was highest at 15.95 days, and cluster-3 with a large area in urbanized types was the lowest at 9.41 days and 9.18 days. In other words, the elderly population living in rural areas is more exposed to heat waves than the elderly population living in urban areas, and the damage is expected to increase. The results of this study could be used as basic data to prepare various policy measures for effective management and prevention of vulnerable areas in summer.

Keyword

표/그림 (14)

그림 FIGURE 1. This study area
그림 FIGURE 2. Variation of daily air temperature and heat index from June to September 2018 (yellow line: maximum air temperature, black line: average air temperature, blue: minimum air temperature, red line: heat index)
표 TABLE 1. Mean emissivity by land use
그림 FIGURE 3. Area ratio by each land cover types
그림 FIGURE 4. Distribution characteristics of the elderly population
그림 FIGURE 5. Variation of inertia according to number of cluster
표 TABLE 2. Area ratio by each spatial types
그림 FIGURE 6. Scatter plot for each variable according to spatial types
그림 FIGURE 7. Characteristics of land use types by each spatial types
그림 FIGURE 8. Distribution of spatial types
그림 FIGURE 9. Population and rate of elderly people in accordance with spatial types
그림 FIGURE 10. Distribution of land surface temperature and heat wave days
그림 FIGURE 11. Scatter plots and Pearson’s correlation (R) of heat wave days and LST according to the characteristics of the elderly population
그림 FIGURE 12. Characteristics of land surface temperature and heat wave days by each spatial types

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

따라서 본 연구에서는 경상남도 창원시를 대상으로 연령 65세 이상에 해당하는 노인인구가 분포하는 지역의 공간적인 특성과 폭염과의 관계를 분석하기 위해 GIS 공간분석기법을 활용하였다. 이를 위해 노인인구수와 토지이용특성, 폭염현상 파악을 위한 기초자료 수집과 노인인구 분포지역의 공간특성 분석을 위한 공간유형을 분류하였고, 폭염과의 관계를 파악하였다.
이를 위해 노인인구수와 토지이용특성, 폭염현상 파악을 위한 기초자료 수집과 노인인구 분포지역의 공간특성 분석을 위한 공간유형을 분류하였고, 폭염과의 관계를 파악하였다. 마지막으로 폭염에 취약하고 우선적으로 관리가 필요한 지역을 파악하여 정부 및 지자체 차원에서 폭염피해 저감을 위한 다양한 정책방안을 마련하기 위한 기초적인 자료로 활용하고자 하였다.
본 연구에서는 노인인구 분포지역의 공간적 특성 파악을 위해 토지이용속성을 활용하여 공간유형을 분류하였다. 이를 위해 노인인구수가 구축된 Vector GRID 내에 주거지역과 공업시설지역, 상업업무시설지역, 농업지역, 산림지역의 5가지 토지이용속성에 대한 면적비율을 각각 산출하였다(그림 3).
본 연구는 경상남도 창원시를 대상으로 노인 인구 분포지역의 공간적 특성에 따른 폭염현상과의 관계성을 GIS 공간분석기법을 활용하여 도출하였고, 이를 통해 정부 및 지자체 차원에서 폭염취약 및 우선관리대상 선정 등 노인인구의 폭염피해 저감을 위한 기초적인 자료로 활용하기 위해 연구를 수행하였다. 연구결과를 요약하면 다음과 같다.
본 연구는 정부 및 지자체에서 여름철 폭염피해 저감을 위한 정책방안을 수립하는데 기초적인 자료로 활용할 수 있도록 폭염에 취약한 계층이라고 할 수 있는 노인인구 분포지역의 공간적 특성과 폭염과의 관계성을 GIS 공간분석을 통해 도출하였다. 기존 선행연구는 노인인구의 질병, 사망자와 기상요인 등의 통계적인 수치를 이용하여 연구가 이루어졌다면, 본 연구는 도시지역과 외곽지역 간의 폭염발생 현황과 노인인구의 분포 및 공간적인 특성과의 도출함으로서 폭염저감을 위한 실질적인 자료로 활용할 수 있도록 하였다.
본 연구는 정부 및 지자체에서 여름철 폭염피해 저감을 위한 정책방안을 수립하는데 기초적인 자료로 활용할 수 있도록 폭염에 취약한 계층이라고 할 수 있는 노인인구 분포지역의 공간적 특성과 폭염과의 관계성을 GIS 공간분석을 통해 도출하였다. 기존 선행연구는 노인인구의 질병, 사망자와 기상요인 등의 통계적인 수치를 이용하여 연구가 이루어졌다면, 본 연구는 도시지역과 외곽지역 간의 폭염발생 현황과 노인인구의 분포 및 공간적인 특성과의 도출함으로서 폭염저감을 위한 실질적인 자료로 활용할 수 있도록 하였다. 특히 창원시는 도시와 농촌지역이 통합된 지역으로 여름철 폭염 취약지역의 효율적인 관리와 사전 예방을 위한 정책방안을 마련하는데 효과적인 자료라 판단된다.

제안 방법

따라서 본 연구에서는 경상남도 창원시를 대상으로 연령 65세 이상에 해당하는 노인인구가 분포하는 지역의 공간적인 특성과 폭염과의 관계를 분석하기 위해 GIS 공간분석기법을 활용하였다. 이를 위해 노인인구수와 토지이용특성, 폭염현상 파악을 위한 기초자료 수집과 노인인구 분포지역의 공간특성 분석을 위한 공간유형을 분류하였고, 폭염과의 관계를 파악하였다. 마지막으로 폭염에 취약하고 우선적으로 관리가 필요한 지역을 파악하여 정부 및 지자체 차원에서 폭염피해 저감을 위한 다양한 정책방안을 마련하기 위한 기초적인 자료로 활용하고자 하였다.
세분류 토지피복지도는 중분류의 토지이용속성보다 더욱 세분화되어 단독주거지역, 공동주거지역, 상업업무시설 등 41개의 토지이용항목으로 분류되어 있다. 본 연구에서는 노인인구 분포지역의 공간적 특성을 분석하기 위해 세분류 토지피복지도에서 단독주거시설 및 공동주거시설을 포함한 주거지역과 공업시설, 상업업무시설, 그리고 대분류의 농업지역, 산림지역의 총 5개 항목을 추출하여 공간유형을 분류하였다. 그 이유는 노인인구의 주거지역이 공업지역이나, 상업지역, 산림지역, 농촌지역에 인접하고 있는지 등을 구분하기 위해서이다.
gov)에서 제공하는 Landsat 8 TIR(Thermal infrared radiance)자료에서 대상지역 내에 2018년 6~8월 사이 구름이 10% 이하인 영상을 검색하였고, 구름의 양이 가장 적은 2018년 7월 14일 영상을 수집하여 활용하였다. 그리고 세분류 토지피복지도에서 표 1의 토지이용유형별 방사율을 적용하여 식 1과 같이 NASA 모델을 통해 지표면 온도에 대한 방사보정을 실시하였다.
그리고 ArcGIS Ver. 10.2의 resampling을 통해 공간해상도 500×500m로 설정한 후, zonal statistics으로 각 GRID 내에 평균 표면온도와폭염일수를 산출하였다.
본 연구에서는 노인인구 분포지역의 공간적 특성 파악을 위해 토지이용속성을 활용하여 공간유형을 분류하였다. 이를 위해 노인인구수가 구축된 Vector GRID 내에 주거지역과 공업시설지역, 상업업무시설지역, 농업지역, 산림지역의 5가지 토지이용속성에 대한 면적비율을 각각 산출하였다(그림 3). 공간유형 분류 방법은 Python 3.
7 프로그램 scikit-learn 패키지의K-mean 군집화 분석을 통해 5개의 토지이용 속성별 면적비율을 입력변수로 활용하여 분석하였다. 공간유형의 수는 입력 변수 간의 분포 특성을 반영하여 군집의 중심위치를 반복적으로 분석함으로써 군집의 수를 최적화할 수 있는inertia를 활용하여 최적의 공간유형의 수를 선정하였다.
다음으로 노인인구의 분포와 공간유형분류 결과를 활용하여 공간유형별 노인인구 분포에 대 한 공간적 특성을 파악하였다. 그리고 GRID 내에 구축된 표면온도와 폭염일수 자료를 활용하여 노인인구 분포의 공간적 특성에 따른 표면온 도와 폭염의 관계를 도출하였고, 이를 토대로 창원시의 노인인구에 대한 폭염 저감을 위한 방안을 고찰하였다.
다음으로 노인인구의 분포와 공간유형분류 결과를 활용하여 공간유형별 노인인구 분포에 대 한 공간적 특성을 파악하였다. 그리고 GRID 내에 구축된 표면온도와 폭염일수 자료를 활용하여 노인인구 분포의 공간적 특성에 따른 표면온 도와 폭염의 관계를 도출하였고, 이를 토대로 창원시의 노인인구에 대한 폭염 저감을 위한 방안을 고찰하였다.
그림 5는 python scikit-learn의 K-mean 군집분석을 활용하여 노인인구 분포지역의 공간 유형화를 위해 군집 수에 따른 inertia을 분석한 결과이며, 군집 수가 5이상일 때 inertia의 차이가 크지 않고 유지되는 것을 알 수 있었다. 이 에 본 연구에서는 공간유형의 수를 5개로 분류하였다.
공간유형과 입력변수간의 특성을 알아보기 위해 그림 6과 같이 각 입력변수별로 산점도를 분석하였다. 주거지역과 상업지역, 공업지역 간의산점도 결과에서는 공간유형별로 명확한 특성을 파악하기 어려웠는데, 그 이유는 면적비율이 많지 않기 때문으로 보인다.
노인인구의 분포 특성은 도시지역에 노인인구수가 많았으나, 총 인구수에 대한 노인인구수의 비율은 도시외곽의 농촌지역에서 많았다. 노인인구 분포지역의 공간유형은 군집분석을 통해 총 5개 유형으로 분류하였다. 노인인구 분포지역의 공간유형별 노인인구 특성은 도시화된 유형인 cluster-3에서 평균 335.
폭염일수는 기상청의 기후정보포털(http://www.climate.go.kr)에서 제공하는 한반도 기후변화예측자료 중 RCP(Representative Concentration Pathway) 기반의 공간해상도 1×1㎞의 남한상세 기온자료에서 2018년도 일 최고기온이 33℃ 이상인 날의 일수를 산정하여 도출하였다.

대상 데이터

본 연구는 대한민국 동남단에 위치한 경상남도 창원시(그림 1)를 대상으로 연구를 수행하였다. 창원시는 2010년 인근의 마산시와 진해시를 통합하면서 인구 100만 이상의 대도시로 성장하였다.
노인인구수는 국토교통부의 국토정보플랫폼(http://map.ngii.go.kr)에서 제공하는 인구통계자료에서 창원시에 대한 2018년도의 총인구와 연령 65세 이상의 고령인구를 선택하여 추출하였고, 자료형식은 공간해상도 500×500m Vector GRID의 격자 형태로 수집하였다.
공간해상도를 500×500m의 격자 형태로 선택한 이유는 폭염일수 자료의 공간해상도가 1km×1km이기 때문에 자료가 제공되는 가장 큰 격자 크기인 500m로 선정하였다.
본 연구에서는 분석을 위해 노인인구수와 환경부 세분류 토지피복지도, 위성영상 기반 표면 온도와 기상청의 폭염일수에 대한 기초자료를 수집하였다. 노인인구수는 국토교통부의 국토정보플랫폼(http://map.
환경부 세분류 토지피복지도는 환경공간정보서비스(https://egis.me.go.kr)에서 제공하는 2019년도 세분류 토지피복지도를 활용하였다. 환경부 토지피복지도의 속성정보는 대분류, 중분류, 세분류로 구분되어 있다.
위성영상 기반 표면온도와 기상청의 폭염일수는 기후적 특성을 파악하기 위해 활용하였다. 표면온도는 미국 USGS(https://www.usgs.gov)에서 제공하는 Landsat 8 TIR(Thermal infrared radiance)자료에서 대상지역 내에 2018년 6~8월 사이 구름이 10% 이하인 영상을 검색하였고, 구름의 양이 가장 적은 2018년 7월 14일 영상을 수집하여 활용하였다. 그리고 세분류 토지피복지도에서 표 1의 토지이용유형별 방사율을 적용하여 식 1과 같이 NASA 모델을 통해 지표면 온도에 대한 방사보정을 실시하였다.

데이터처리

또한, 1㎞의 공간해상도 자료를 500m로 resampling할 경우 자료 변환 과정에서 동일한 위치에서 같은 속성 값이 들어갈 수없는 불확실성이 있다. 이에 공간해상도 1㎞ 범위 내에 500m로 resampling한 결과의 평균값을 산출하였고, 두 자료의 RMSE(Root meansquare error)를 분석한 결과 0으로 나타나 500m로 resampling한 자료를 활용하였다. 다만, 1㎞와 500m 범위 내에 포함되는 지면의 공간적인 특성이 다르기 때문에 단순히 resampling하는 것은 본 연구의 한계점이며, 추후에는 지표면의 특성이 반영된 분석이 필요할 것이다.
이를 위해 노인인구수가 구축된 Vector GRID 내에 주거지역과 공업시설지역, 상업업무시설지역, 농업지역, 산림지역의 5가지 토지이용속성에 대한 면적비율을 각각 산출하였다(그림 3). 공간유형 분류 방법은 Python 3.7 프로그램 scikit-learn 패키지의K-mean 군집화 분석을 통해 5개의 토지이용 속성별 면적비율을 입력변수로 활용하여 분석하였다. 공간유형의 수는 입력 변수 간의 분포 특성을 반영하여 군집의 중심위치를 반복적으로 분석함으로써 군집의 수를 최적화할 수 있는inertia를 활용하여 최적의 공간유형의 수를 선정하였다.

성능/효과

도심지역 외곽은 고도 약 600m 이상의 산으로 둘러싸인 분지형태의 지형적 특성을 띄고 있다(Song and Park, 2017). 창원시의 기후적 특성은 여름철 도시열섬과 폭염현상이 빈번하게 발생하고 있는데, 그림 2은 2018년 6월부터 9월까지의 창원시 일평균 기온과 열지수를 나타낸 것으로 한 여름철인 7월부터 8월 중순까지 33℃ 이상의 고온이 지속적으로 유지되는 것을 알 수 있으며, 특히 2018년 8월 8일은 최고 40.2℃까지 기온이 상승하는 것이 확인되었다. 이와 같이 창원시는 폭염피해를 감소하기 위한 방안이 필요하며, 특히 폭염의 취약계층이라 할 수 있는 노인 인구층에 대한 폭염피해 저감 방안 마련이 요구된다.
그림 8은 노인인구가 거주하는 지역에 대해 공간유형의 분포를 나타낸 결과이다. 총 955개의 Grid가 해당하며, 그 중에서 도시화된 유형인 cluster-3이 전체 Grid 중 33.72%로 가장 많은 면적을 차지하고 있고, 농업지역과 산림지역이 혼합된 유형인 cluster-4(20.21%), cluster-5(18.43%)이 다음 순으로 나타났다. 가장 적은 면적을 차지하는 유형은 산림지역에 위치하는 유형인 cluster-1(12.
43%)이 다음 순으로 나타났다. 가장 적은 면적을 차지하는 유형은 산림지역에 위치하는 유형인 cluster-1(12.56%)인 것으로 확인되었다(표 2).
앞서 분석된 공간유형별로 노인인구수와 노인인구수의 비율을 분석한 결과는 그림 9와 같다. 노인인구수는 도시화된 유형인 cluster-3에서 평균 335.92명으로 가장 많은 노인인구가 분포하는 것으로 나타났고, 농촌지역과 산림지역이 혼합된 cluster-4와 cluster-5가 각각 76.59 명, 67.07명으로 확인되었다. 농촌지역 유형인cluster-2(32.
폭염일수는 도시지역보다 도시외곽지역이 오히려 많은 것으로 확인되었다. 창원시는 남쪽으로 해양과 인접해 있는데, 이 지역은 폭염일수가 약 6일 이하로 비교적 적었다.
전체적인 상관성에서는 유의확률이 1% 이내에서 표면온도가 노인인구수에서는 0.543, 노인인구 비율에서는 –0.414로 폭염일수(노인인구수 : -0.290, 노인인구비율 : 0.264)보다 높은 것으로 나타났다.
표면온도는 지표면의 토지피복재질의 특성과 매우관계가 많으며, 인구가 밀집된 지역일수록 표면온도가 높은 인공적인 토지피복재질이 많이 분포하고 있기 때문으로 판단된다. 반면에, 폭염은 앞서 폭염일수의 분포에서도 알 수 있듯이, 토지피복재질뿐만 아니라, 주변의 지형과 지리적위치 등에 영향을 받기 때문에 인구의 특성에 따른 상관성이 높지 않은 것으로 확인되었다. 노인인구수에 따른 표면온도와 폭염일수의 경향성에서는 노인인구수가 많은 지역일수록 표면온도는 상승하나, 폭염일수는 오히려 감소하는 것으로 확인되었다.
반면에, 폭염은 앞서 폭염일수의 분포에서도 알 수 있듯이, 토지피복재질뿐만 아니라, 주변의 지형과 지리적위치 등에 영향을 받기 때문에 인구의 특성에 따른 상관성이 높지 않은 것으로 확인되었다. 노인인구수에 따른 표면온도와 폭염일수의 경향성에서는 노인인구수가 많은 지역일수록 표면온도는 상승하나, 폭염일수는 오히려 감소하는 것으로 확인되었다. 반면에, 노인인구 비율이 증가할수록 표면온도는 감소하고, 폭염일수는 증가하는 것으로 나타나, 노인인구수와 비율, 표면온도와 폭염일수는 각각 반대의 경향성을 보이는 것으로 분석되었다.
노인인구수에 따른 표면온도와 폭염일수의 경향성에서는 노인인구수가 많은 지역일수록 표면온도는 상승하나, 폭염일수는 오히려 감소하는 것으로 확인되었다. 반면에, 노인인구 비율이 증가할수록 표면온도는 감소하고, 폭염일수는 증가하는 것으로 나타나, 노인인구수와 비율, 표면온도와 폭염일수는 각각 반대의 경향성을 보이는 것으로 분석되었다. 이와 같은 상관성 분석을 통해 노인인구수와 비율에 따른 표면온도와 폭염일수 특성에 대한 인과관계를 파악하는 것은 한계가 있다.
반면에, 폭염일수는 표면온도와 다른 양상을 보이는 것으로 확인되었다. 농촌지역의 면적비율이 가장 많은 유형인 cluster-2에서 평균 폭염일수가 15.95일로 가장 높았고, 다음으로 cluster-5(11.60일)로 나타났다. 표면온도가 가장 높았던 cluster-3은 폭염일수가 가장 적은 9.
본 연구의 결과는 이러한 폭염 피해를 저감하기 위해 필요한 우선 관리지역을 추출하는데 활용 가능하며, 노인인구의 비율이 높고 폭염발생 일수가 많은 지역을 파악할 수 있다. 이러한 지역은 실제 폭염 저감을 위해 시행되고 있는 다양한 계획적 요소들인 고반사율의 지붕면으로 교체하는 쿨루프(cool roof)와 옥상녹화 등을 시행할 수 있으며, 폭염쉼터 조성을 위한 위치선정과 에어컨 등 냉방시설을 우선적으로 필요한 지역에 지원하는 등 지자체와 정부차원에서 정책과 제도를 마련하기 위한 기초적인 자료로 활용 가능할 것으로 판단된다.
46으로 나타났다. 노인인구 분포지역의 공간유형에 따른 폭염 특성을 분석한 결과, 농촌지역에 분포하는 cluster-2에서 폭염일수가 15.95일로 가장 많았고, 도시화된 유형인 cluster-3은 9.41일로 가장 낮았다. 농촌지역은 노인인구수는 적으나 노인인구의 구성 비율이 매우 높으며, 이로 인해 도시지역에 거주하는 노인인구보다 도시외곽의 농촌지역에 거주하는 노인인구가 폭염에 더욱 노출되어 있다고 볼 수 있다.

후속연구

그러나 폭염으로 인한 노인층의 피해를 실질적으로 저감할 수 있는 방안을 마련하기 위해서는 노인층이 주로 생활하는 거주지역의 특성과 생활환경 등이 반영되고 그에 따른 폭염 발생 특성이 규명되어야 한다. 또한, 이를 근거로 폭염 피해 예방을 위한 우선 관리지역 도출 등 정부 및 지자체 차원에서 행정의 효율성을 확보할 수 있는 기초적인 자료가 필요하다.
이에 공간해상도 1㎞ 범위 내에 500m로 resampling한 결과의 평균값을 산출하였고, 두 자료의 RMSE(Root meansquare error)를 분석한 결과 0으로 나타나 500m로 resampling한 자료를 활용하였다. 다만, 1㎞와 500m 범위 내에 포함되는 지면의 공간적인 특성이 다르기 때문에 단순히 resampling하는 것은 본 연구의 한계점이며, 추후에는 지표면의 특성이 반영된 분석이 필요할 것이다.
이와 같은 상관성 분석을 통해 노인인구수와 비율에 따른 표면온도와 폭염일수 특성에 대한 인과관계를 파악하는 것은 한계가 있다. 그러나 본 연구의 대상지인 창원시에 대해 노인인구 분포지역의 공간적 특성에 따른 표면온도와 폭염일수의 경향성을 파악할 수 있어 향후 폭염에 대응하기 위한 창원시의 다양한 정책을 마련하는데 기초적인 자료로 활용할 수 있을 것으로 사료된다.
이와 같은 결과에서 알 수 있듯이, 도시지역에 거주하는 노인인구보다 도시외곽의 농촌지역에 거주하는 노인인구가 더욱 폭염에 노출되어 있다고 볼 수 있다. 그리고 농촌지역은 노인인구의 구성 비율이 높아 폭염으로 인한 피해가 더욱 가중될 수 있을 것으로 판단된다. 특히, 농촌지역은 폭염이 발생하는 여름철에 야외에서 모내기 등 농사일이 많은 시기로 폭염에 노출될 수 있는 확률이 높을 것으로 예상된다.
본 연구의 결과는 이러한 폭염 피해를 저감하기 위해 필요한 우선 관리지역을 추출하는데 활용 가능하며, 노인인구의 비율이 높고 폭염발생 일수가 많은 지역을 파악할 수 있다. 이러한 지역은 실제 폭염 저감을 위해 시행되고 있는 다양한 계획적 요소들인 고반사율의 지붕면으로 교체하는 쿨루프(cool roof)와 옥상녹화 등을 시행할 수 있으며, 폭염쉼터 조성을 위한 위치선정과 에어컨 등 냉방시설을 우선적으로 필요한 지역에 지원하는 등 지자체와 정부차원에서 정책과 제도를 마련하기 위한 기초적인 자료로 활용 가능할 것으로 판단된다.
한편, 노인인구의 주거환경, 사회적 위치, 직업 등 다양한 요인에 따라 폭염에 노출되는 정도와 취약성이 상이할 수 있다. 또한, 폭염을 느끼는 정도를 단순히 기온자료를 활용하는 것이 아닌 복사에너지, 습도, 바람 등을 고려한 열적 쾌적성을 통해 보다 세밀한 분석이 필요할 것으로 보이며, 다양한 시기를 고려하여 시계열적인 특성을 고려할 필요가 있다고 판단된다. 향후에는 이러한 추가적인 연구를 통해 보완하여 폭염 피해 저감을 위한 보다 정확하고 정밀한 자료를 구축할 예정이다.
또한, 폭염을 느끼는 정도를 단순히 기온자료를 활용하는 것이 아닌 복사에너지, 습도, 바람 등을 고려한 열적 쾌적성을 통해 보다 세밀한 분석이 필요할 것으로 보이며, 다양한 시기를 고려하여 시계열적인 특성을 고려할 필요가 있다고 판단된다. 향후에는 이러한 추가적인 연구를 통해 보완하여 폭염 피해 저감을 위한 보다 정확하고 정밀한 자료를 구축할 예정이다.

질의응답

핵심어	질문	논문에서 추출한 답변
	폭염이란 무엇인가?	폭염은 33℃ 이상의 기온이 지속되는 현상을 말하며(Hyun et al., 2018; Yang and Yoon, 2019), 최근 여름철 빈번한 발생으로 인해 우리의 실생활과 건강에 악영향을 미치고 있다.
	환경부 토지피복지도 중 대분류에 포함된 정보 구축내용은?	환경부 토지피복지도의 속성정보는 대분류, 중분류, 세분류로 구분되어 있다. 대분류는 시가화·건조지역, 농업지역, 산림지역, 초지, 습지, 나지, 수역의 7개의 토지피복 정보가 구축되어 있으며, 중분류는 주거지역, 공업지역 등 토지이용에 대해 총 22개 항목으로 구분되어 있다. 세분류 토지피복지도는 중분류의 토지이용속성보다 더욱 세분화되어 단독주거지역, 공동주거지역, 상업업무시설 등 41개의 토지이용항목으로 분류되어 있다.
	노인인구의 폭염피해 저감을 위한 노력이 필요한 이유는?	, 2018; Yang and Yoon, 2019), 최근 여름철 빈번한 발생으로 인해 우리의 실생활과 건강에 악영향을 미치고 있다. 특히, 연령 60세 이상의 노인층의 경우 폭염으로 인한 사망자 수가 증가하면서 사회적으로 문제가 되고 있으며, 의학기술이 발전되면서 국내를 포함한 다른 선진국에서는 노인인구수가 꾸준히 증가하고 있는 추세이기 때문에 노인인구의 폭염피해를 저감하기 위한 노력이 필요한 시점이다.

참고문헌 (23)

Astrom, D.O., B. Forsberg, and J. Rocklov. 2011. Heat wave impact on morbidity and mortality in the elderly population: a review of recent studies. Maturitas 69: 99-105.

상세보기
Choi, Y.S., J.W. Kim, and U. Lim. 2018. An analysis on the spatial patterns of heat wave vulnerable areas and adaptive capacity vulnerable areas in Seoul. Journal of Korea Planning Association 53(7):87-107.

상세보기
Chung, Y., H. Noh, Y. Honda, M. Hashizume, M.L. Bell, Y.L.L. Guo and H. Kim. 2017. Temporal changes in mortality related to extreme temperatures for 15 cities in Northeast Asia: adaptation to heat and maladaptation to cold. American Journal of Epidemiology 185(10):1-7.

상세보기
D'lppoliti, D., P. Michelozzi, C. Marino, F. Donato, B. Menne, K. Katsouyanni, U. Kirchmayer, A. Analitis, M. Medina-Ramon, A. Paldy, R. Atkinson, S. Kovats, L. Bisanti, A. Schneider, A. Lefranc, C. Iniguez and C.A. Perucc. 2010. The impact of heat waves on mortality in 9 European cities: results from the EuroHEAT project. Environmental Health 9:37.

상세보기
Ferreira, L.S., and D.H.S. Duarte. 2019. Exploring the relationship between urban form, land surface temperature and vegetation indices in a subtropical megacity. Urban Climate 27:105-123.

상세보기
Gasparrini, A., Y. Guo, M. Hashizume, P.L. Kinney, E.P. Petkova, E. Lavigne, A. Zanobetti, J.D. Schwartz, A. Tobias, and M. Leone. 2015. Temporal variation in heat-mortality associations: a multicountry study. Environmental Health Perspectives 123(11):1200-1207.

상세보기
Hyun, C.S., S.H. Roh, D.H. Kim, S.Y. Son, Y.J. Baek, K.R. Kim, and J.Y. Lee. 2018. Comparison of the perception of summer heat wave and termoregulatory behavior between adult males living in Seoul and in Daegu. The Korean Journal of Community Living Science 29(1):17-32.

상세보기
Iniquez, C., F. Ballester, J. Ferrandiz, S. Perez-Hoyos, M. Saez, and A. Lopez. 2010. Relation between temperature and mortality in thirteen spanish cities. International Journal of Environmental Research and Public Health 7(8):3196-3210.

상세보기
Kim, D.W., J.H. Chung, J.S. Lee, and J.S. Lee. 2014. Characteristics of heat wave mortality in Korea. Atmosphere 24(2):225-234.

원문보기 상세보기
Klenk, J., C. Becker, and K. Rapp. 2010. Heat-related mortality in residents of nursing homes. Age and Ageing 39(2):245-252.

상세보기
Lee, N.Y. and Y.S. Cho. 2015. Estimation of the medical costs incurred by the elderly in Korea due to heat waves and analysis of the causes for expenditure. Journal of Environmental Policy and Administration 23(2):153-172.
Lee, N.Y., Y.S. Cho, and J.Y. Lim. 2014. Effect of climate change on mortality rate analysis of vulnerable populations. Health and Social Welfare Review 34(1):456-484.

상세보기
Lee, S.H. and H.S. Shin. 2014. Municipal disease burden attributable to heat wave. Korean Journal of Health Education and Promotion 31(4):51-62.
Nordon, C., K. Marrtin-Latry, L. de Roquefuil, P. Latry, B. Begaud, B. Falissard, F. Rouilon, and H. Verdoux. 2009. Risk of death related to psychotropic drug use in older people during the European 2003 heatwave: a population-based case-control study. The American Journal of Geriatric Psychiatry 17(12):1059-1067.

상세보기
Park, K.H., B.G. Song, and J.E. Park. 2016. Analysis on the effects of land cover types and topographic features on heat wave days. Journal of the Korean Association of Geographic Information Studies. 19(4):76-91.

원문보기 상세보기
Park, J.H. and J.Y. Lee. 2018. Comparison of behavioral thermoregulatory responses and self-identified heat tolerance in summer between elderly males and females for developing guidelines related to heatwave. Journal of The Korean Society of Living Environmental System 25(6):679-693.

상세보기
Rey, G., A. Fouillet, P. Bessemoulin, P. Frayssinet, A. Dufour, E. Jougla, and D. Hemon. 2009. Heat exposure and socioeconomic vulnerability as synergistic factors in heat-wave-related mortality. European Journal of Epidemiology 24(9):495-502.

상세보기
Song, B.G. and K.H. Park. 2019. A study on the relationship between land cover type and urban temperature-focused on Gimhae-city. Journal of the Korean Association of Geographic Information Studies 22(2):65-81.

원문보기 상세보기
Song, B.G. and K.H. Park. 2017. Comparison of ASTER satellite and ground-based surface temperature measurements for urban heat island studies. Journal of the Korean Association of Geographic Information Studies 20(3):104-124.

원문보기 상세보기
Song, B.G. and K.H. Park. 2012. Analysis of Heat Island Characteristics Considering Urban Space at Nighttime. Journal of the Korean Association of Geographic Information Studies 15(1):133-143.

원문보기 상세보기
Vaneckova, P., P.J. Beggs, and C.R. Jacobson. 2010. Spatial analysis of heat -related mortality among the elderly between 1993 and 2004 in Sydney, Australia. Social Science and Medicine 70(2):293-304.

상세보기
Yang, H.J. and H.Y. Yoon. 2019. Measuring the efficiency of heat-wave action programs in urban environments - using heat-related illness data in Seoul, South Korea-. Jorunal of the Korean Urban Management Association 32(1):31-45.

상세보기
Yu, W., P. Vaneckova, K. Mengersen, X. Pan, and S. Tong. 2010. Is the association between temperature and mortality modified by age, gender and socioeconomic status. Science of The Total Environment 408(17):3513-3518.

상세보기

저자의 다른 논문 :

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증