1. 서 론
폭염은 비정상적인 고온 현상이 여러 날 지속되는 것을 의미하며, 가장 많은 인명피해를 입히는 자연재해로 알려져 있다(Kim, Jang et al., 2021). 최근 기후변화의 영향으로 전 세계적으로 폭염 발생 빈도가 증가 추세에 있다. 2021년 7월은 142년 전 관측이 시작된 이후 가장 더운 달이었으며, 지구 전체의 육지와 해양 표면의 온도는 20세기 평균인 섭씨 15.8도보다 0.93도 높게 측정되었다. 한반도의 연 평균 기온은 1980년대 이후 뚜렷한 증가 추세를 보이며 전 지구 평균에 비해 더 높은 기온 증가 추세를 보이고 있다(KMA, 2020). 특히 2000년대 이후 여름 평균 기온의 상승 추세가 두드러지고 있으며, 최근 10년간 월평균 이상고온 경향이 뚜렷하게 나타나고 있다(KMA, 2020). 미래 후반기(2081~2100년)의 한반도 연평균 기온은 온실가스의 배출 정도에 따라 현재 대비 섭씨 2.6~7도 상승할 것으로 전망되며, 극한 고온현상 최대값은 현재 대비 2.9~8.7도 상승할 것으로 판단된다(NIMS, 2020). 이에 따라 2100년 우리나라의 지역별 평균 폭염일수는 현재 대비 최대 9배 증가한 79.5일이 될 가능성이 있으며, 폭염으로 인한 피해가 점차 증가할 것으로 판단된다(NIMS, 2021).
증가되는 기후변화의 영향으로 인해 2021년 6월부터 미국과 캐나다에서는 이전에 관측된 적이 없는 기온을 경험했다. 역대 최악의 폭염으로 불리는 이 기간 중 캐나다의 도시 리튼에서는 섭씨 49.6도가 기록되었으며 캐나다 브리티시 컬럼비아 주에서는 열 과잉 사망으로 800명 이상이 사망하였다(Philip et al., 2021). 미국에서도 수백 명이 사망하였는데 태평양 북서부 지역에 위치한 워싱턴 주 시애틀에서는 역사상 처음으로 이틀 연속 기온이 38도 이상이 기록되었고, 오리건 주 포틀랜드에서도 46도 이상이 기록되었다(Overland, 2021; Philip et al., 2021). 또한 폭염으로 인해 수많은 대규모 산불이 발생해 수백 평방킬로미터가 파괴되기도 하였다(Overland, 2021).
우리나라에서도 역시 폭염의 발생 빈도 및 강도가 증가 추세에 있으며, 폭염으로 인해 막대한 인명 피해와 사회⋅경제적 피해를 입었다. 2018년에는 기상관측 이래 최고기온인 41도가 기록되며 전국 평균 폭염일수가 평년 대비 3배 이상인 31.4일로 집계되었다. 이로 인해 4천명 이상의 온열질환자가 발생하고 수백억의 농축수산 피해를 입었다(The Government of the Republic of Korea, 2019; KEI, 2020). 2021년에도 온열질환자가 전년 대비 27.6% 증가하였고, 2011년 온열질환 감시체계 도입 이래 2번째로 많은 사망자가 발생하였다(S. Park et al., 2021).
이렇게 기후변화 영향에 따른 폭염 피해가 점점 심해짐에 따라 우리나라에서는 2018년 9월 재난 및 안전관리 기본법을 개정해 폭염을 자연재난에 포함하였다. 이에 따라 폭염 정책 및 대응수칙을 수립하고 있으며, 관련 연구도 활발히 진행되고 있다(NDMI, 2019). 지역 및 국가별로 폭염에 대해 정의하는 바가 다르나, 기상청과 행정안전부에서는 통상적으로 섭씨 31도 혹은 33도 이상을 폭염 대비 및 대응에 준용한다. 하지만 행정안전부에서는 위기경보 발령 시 우리나라 전 지역을 대상으로 동일한 온도 기준을 적용하고 있어 지역별 재난 위험 특성을 고려하지 못하고 있다. 또한, 위기관리 표준매뉴얼에 지역별 발령을 위한 근거는 있지만 실제 발령은 전국단위로 이루어져 폭염이 아닌 지역도 폭염 위기경보가 발령되는 등 국민 불안감 증대와 행정력이 낭비되는 문제가 있다. 기상청에서 개발한 폭염 영향예보는 폭염에 대한 지역별 취약 정도를 고려하지만 관심~위험 단계의 분류는 기온과 체감기온을 기준으로 하며, 정성적인 기준의 취약성은 참고 자료 정도로 제공되는 한계가 있다.
재해 위험은 미래에 악영향이 일어날 잠재적인 가능성을 의미하며, 확률적 위험 분석은 위험을 어떤 현상이 발생할 확률과 그 현상의 부정적인 결과의 함수로 정의된다(IPCC, 2012). 폭염은 같은 강도로 동일한 기간 동안 발생하더라도 개인의 적응능력, 지역별 환경 및 기후 특성 등에 따라 영향이 달라질 수 있다(Macnee and Tokai, 2016; Park et al., 2016; Nayak et al., 2018; Savic et al., 2018). 따라서 폭염 위험을 평가할 경우, 지역별 기후, 환경, 사회 등의 다양한 요인들을 고려해야 한다. 다양한 선행 연구사례에서는 어떤 재난 현상에 대한 위험을 위해, 노출, 취약의 함수로 설명하였다(Papathoma-Koehle et al., 2016; Savic et al., 2018; Kim et al., 2019; Yamagata et al., 2019; Yin et al., 2020; Dubey et al., 2021).
본 연구에서는 일 최고기온과 행정구역별 폭염 취약정도를 고려해 우리나라의 지역별 일 단위 폭염위험지수를 개발하였고, 이를 활용한 위기경보 발령 기준을 제안하였다. 또한, 과거 온열질환 피해 사례와 비교하여 본 연구결과의 실효성을 입증하였다. 본 연구는 Fig. 1과 같은 순서로 수행되었다.
2. 연구 데이터
본 연구에서는 서울특별시를 포함하여 8개의 특⋅광역시 지역과 9개의 도에 포함된 154개의 시군 지역을 대상으로 연구를 진행했다(Fig. 2).
2.1 기온 데이터
기상청에서 제공하는 ASOS 관측 지점 데이터는 우리나라의 기상 관측, 예보 등에 활용하는 대표 자료로 기상현상의 극값 통계에 활용된다. 본 연구에서는 2012년부터 2021년까지의 폭염대책기간(5월 20일~9월 30일) 중 68개 ASOS 관측 지점의 일 최고기온 데이터를 활용하였으며 데이터의 결측값은 Spline 보간하였다.
2.2 취약성 데이터
IPCC (2012)에서는 재해의 위험을 물리적 현상과 취약한 사회적 조건의 상호작용으로 인해 발생하는 부정적인 영향으로 정의하고 있다. 따라서 폭염 위험은 물리적 현상인 기온과 더불어 폭염 영향에 노출되어 있는 사람, 산업, 인프라 등과 이를 적응하고 대응할 수 있도록 하는 환경 및 사회⋅경제적 요인들로 구성될 수 있다.
Buscail et al. (2012), Reid et al. (2012), Wolf and McGregor (2013), Macnee and Tokai (2016), Azhar et al. (2017), Mendez-Lazaro et al. (2018), Nayak et al. (2018), Das et al. (2020), Kim, Kim et al. (2021)에서는 폭염에 대한 취약 정도를 분석하기 위하여 소득, 연령, 학력, 질병 유무 등의 인구통계학적 요인, 녹지, 도시화, 주거와 같은 도시 환경 요인, 그리고 경제수준과 의료 및 복지 요인 등을 고려하였다. 따라서 본 연구에서는 폭염에 대한 취약성을 산정하기 위해 선행연구를 참고하여 인구통계학적, 환경, 사회⋅경제적 데이터를 수집하였고, 이는 Table 1과 같다.
Table 1
Factors for Calculating Heatwave Vulnerability
| Factors | Source | Temporal Scale | |
|---|---|---|---|
| F1 | Population density | [1] | 2020 |
| F2 | Ratio of residential areas | [1] | 2020 |
| F3 | Ratio of green areas | [1] | 2020 |
| F4 | Gross regional domestic product in health sector per population | [1] | 2017 |
| F5 | Ratio of population under 25 years old with less than high school diploma | [1] | 2015 |
| F6 | Ratio of population working in agriculture, forestry, and fishery | [1] | 2019 |
| F7 | Casualties with cardiovascular or respiratory disease per population | [1] | 2020 |
| F8 | Ratio of population in health vulnerable age1 | [1] | 2020 |
| F9 | Ratio of population who are socially vulnerable2 | [1], [2] | 2020, 2019 |
| F10 | Hospital sickbeds per population | [2] | 2020 |
| F11 | Medical personnel per population | [2] | 2020 |
| F12 | Ratio of impervious areas | [3] | 2020 |
3. 연구 방법
3.1 폭염 위해 산정
본 연구에서는 연구 대상 지역별 폭염 위해를 산정하기 위하여 전 처리된 ASOS 지점 데이터를 티센가중치법을 통해 시군 단위로 변환하였다. 시군 단위로 변환된 일 최고기온 데이터를 통합한 후 폭염 사상 데이터를 분리하였다. 폭염 사상은 기상청에서 발표하는 폭염 영향예보의 기준인 일 최고기온이 31 ℃ 이상인 경우로 정의하였다. 이후 분리된 31 ℃ 이상의 일 최고기온 데이터를 Min-Max Scaler로 정규화하였고, 최고기온 값에 대응되는 0에서 1 사이의 변환된 값을 폭염의 위해 값으로 활용하였다.
3.2 지역별 취약성 산정
본 연구에서는 지역별 폭염 취약성을 산정하기 위한 방법으로 Principal Component Analysis (PCA)를 활용하였다. PCA는 각 원본 데이터 세트에 대해 가능한 많은 정보를 포함하도록 다양한 상관 지표들을 결합하는 기법으로, 데이터 패턴을 효율적으로 인식하여 데이터 세트의 높은 차원을 줄이면서 정보 손실을 최소화 한다(Liu and Schisterman, 2004; Kim, Yu et al., 2021). 즉, PCA는 p차원의 데이터 축을 회전시켜 데이터의 분산을 가장 많이 반영하는 축을 구하고 이에 직교하는 m(m<p) 개의 축 방향으로 데이터를 사영시키며 차원을 축소하는 방식으로, 데이터의 분산을 최대한 보존하며 p차원의 데이터를 m차원으로 축소할 수 있다(Kim, Kim et al., 2021).
PCA에서 지표들의 중요도를 나타내기 위해 가중치를 산정하게 되는데, 본 연구에서는 엔트로피 가중치 산정 방법을 활용하였다. 엔트로피 가중치 산정 방법은 각 정보 속성의 크기분포를 기반으로 분산에 따라 엔트로피가 결정되는 방법이며, 자료의 정량적인 특성만을 반영해 객관적인 분석이 가능하다는 장점이 있다(Lee et al., 2015).
3.3 폭염위험지수 산정 및 위기경보 단계 구분
폭염위험지수는 앞서 산정한 폭염 위해와 폭염 취약성의 함수로 정의되며 이는 Eq. (1)과 같다.
본 연구에서 산정된 폭염위험지수를 4개의 위기경보 단계(관심, 주의, 경계, 심각)로 구분하기 위하여 Natural Breaks 방법을 활용하였다. Natural Breaks 방법은 각 클래스 내의 평균 편차를 최소화하고 클래스 간의 편차는 최대화하는 클러스터링 기법으로, 클래스 내의 동질성을 높이고 클래스 간의 이질성을 최대화할 수 있다(Jenks, 1967). Natural Breaks 방법은 데이터를 7개 미만의 비교적 적은 클래스로 구분할 때 주로 활용되며, 재난 위험도 및 취약성을 평가하는 연구에서도 기준 구분을 위해 적용되고 있다(Anbalagan et al., 2015; Liu et al., 2015; Fariza et al., 2016; J.R. Park et al., 2021; Lee et al., 2021).
4. 연구 결과
4.1 폭염 취약성 산정 결과
PCA를 통해 추출한 대표 지표에 엔트로피 가중치를 적용하여 연구 대상 지역의 폭염 취약성을 산정하였다. 제1주성분에는 폭염 취약 인구 관련 지표인 F5, F6, F7, F8, F9가, 제2주성분에는 도시환경 관련 지표인 F1, F2, F3, F12가, 제3주성분에는 보건의료 관련 지표인 F4, F10, F11이 포함되었다(Table 2, Fig. 3). 폭염 취약 인구 관련 지표가 높으면 폭염이 발생했을 때 인명 피해에 민감할 것으로 판단되며, 도시환경 관련 지표가 높으면 인구 밀도가 높고 온도 상승에 민감하여 폭염 및 도시열섬현상에 취약할 것으로 판단된다. 반면에 보건의료 관련 지표가 높으면 의료 복지 서비스가 잘 구축되지 못하여 폭염 대응 능력이 부족하다고 판단할 수 있다.
Table 2
Loadings, Weights and Cumulative Explained Variance Estimated by PCA
Table 3을 참고하였을 때 취약성이 높게 산정된 지역들인 경상북도 의성군과 청송군, 경상남도 합천군, 전라북도 장수군, 전라남도 고흥군 등은 대부분 재난 취약계층인 고령인구 비율이 높고 농림수산업 종사자 비율이 높으며 의료 인프라의 구축이 상대적으로 미흡한 남부 시골지역인 경우였다. 도시지역에서는 서울특별시와 경기도 부천시, 수원시의 경우에도 취약성이 각각 0.485, 0.482, 0.399로 상대적으로 높게 산정되었다. 이는 재난 취약계층 비율이 낮고 의료 인프라가 상대적으로 잘 구축되어 있음에도 인구가 매우 많고 녹지가 부족한 고밀도의 도시화 지역이기 때문이다.
Table 3
Heatwave Vulnerability Components by Administrative District
4.2 폭염위험지수 산정 및 온열질환율과의 상관관계 분석 결과
폭염위험지수는 폭염 취약성과 일 최고기온이 변환된 위해가 결합되어 산정되었다. 본 연구에서는 질병관리청에서 공유하고 있는 2019년부터 2021년까지의 온열질환 감시체계 데이터 중 연구 대상 지역별 온열질환자 데이터를 개발한 폭염위험지수와 분류된 위기경보 단계의 실효성을 평가하기 위해 활용하였다. 온열질환자 데이터는 지역별 인구 차이를 고려하기 위하여 인구 백만 명당 온열질환자수인 온열질환율로 환산하였다. 폭염은 어느 특정한 날뿐만 아니라 여러 날에 걸쳐 인체에 영향을 줄 수 있다(Lim, 2019). 따라서 본 연구에서는 폭염에 대한 당일의 영향과 며칠간의 지연 효과를 모두 고려하고자 당일과 선행시간 각각 1~3일에 해당하는 누적 온열질환율을 분석에 활용하였다.
2019년부터 2021년까지 폭염이 발생한 날을 기준으로 연구 대상 지역별 폭염위험지수와 온열질환율(lag0, lag1, lag2, lag3)에 대한 상관관계 분석을 수행하였다. 상관관계 분석을 수행하기에 앞서 변수들이 정규성을 만족하는지에 따라 분석 방법이 달라지므로 Shapiro-Wilk 검정을 통해 이를 알아보았다. Table 4에 나타난 바와 같이 폭염위험지수 및 선행시간에 따른 온열질환율 모두 p-value가 0.05 이하로 귀무가설이 기각되어 정규성을 만족하지 못하였다. 따라서 폭염위험지수와 온열질환율의 상관관계 분석을 위해 Spearman 상관관계 분석을 수행하였다.
Table 4
Results of Shapiro-Wilk Test and Spearman’s Correlation Analysis
Spearman 상관관계 분석은 변수들 간의 비선형 상관관계를 측정하는 방법으로 순위 변수들 간의 Pearson 상관계수로 정의된다. Spearman 상관관계 분석은 비모수적 방법으로 변수들이 정규성을 따르지 않는 경우에도 활용할 수 있다. Table 4에 나타난 바와 같이 폭염위험지수와 당일부터 선행시간까지의 온열질환율은 각각 0.394, 0.400, 0.395, 0.393의 양의 상관관계를 가지므로 폭염위험지수가 증가할수록 온열질환율이 증가하는 경향이 있는 것으로 나타났다.
4.3 폭염위험지수 기반 위기경보 단계
본 연구에서 산정한 폭염위험지수는 Natural Breaks 방법을 통해 폭염 위기경보 단계로 분류되었고 이를 Table 5에 나타냈다. 또한, 분류된 위기경보 단계에 따라 온열질환율의 차이가 있는지를 확인하기 위해 분산분석과 사후검정을 수행하였다.
Table 5
Criteria for Heatwave Crisis Alert Based on Risk Index
| Level | Index Range | Minimum of Daily Tmax | Maximum of Daily Tmax |
|---|---|---|---|
| Blue | ~0.260 | 31.0 °C | 33.7 °C |
| Yellow | 0.260~0.357 | 31.0 °C | 35.5 °C |
| Orange | 0.357~0.468 | 31.7 °C | 37.4 °C |
| Red | 0.468~ | 33.7 °C | 40.1 °C |
위기경보 단계별 온열질환율에 대한 정규성 검정 및 분산분석 결과는 Table 6과 같이 나타났다. 각 단계 모두 귀무가설을 기각하여 정규분포를 따르지 않으므로 분산분석 방법으로는 비모수적 방법인 Kruskal-Wallis 검정을 활용하였다. 검정 결과 귀무가설이 기각되어 위기경보 단계에 따라 적어도 한 단계에서는 온열질환율의 차이가 있는 것으로 나타났다. 어느 단계에서 유의미한 차이가 발생했는지 좀 더 구체적으로 확인하기 위해 사후검정을 수행하였고, 사후검정 방법으로는 Wilcoxon Rank-Sum 검정을 활용하였다. Table 7에 나타난 것과 같이 온열질환율에 대한 차이가 모든 단계에서 유의미한 것으로 나타났다.
Table 6
Results of Normality Test and Analysis of Variance of Morbidity Rate according to Heatwave Risk Index-based Alert Level
Table 7
Results of Post-hoc Analysis Using Bonferroni Corrected Wilcoxon Rank-Sum Test
최고기온만을 기준으로 하는 현행 위기경보 체계와는 달리 본 연구에서 제안한 위험지수 기반의 폭염 위기경보 단계는 물리적 위험인 최고기온과 더불어 지역별 취약 요인을 고려할 수 있었다. 이로 인해 Fig. 4에 나타난 것처럼 비슷한 수준의 기온이더라도 지역별 폭염 취약성에 따라 발령 단계의 차이가 존재했다. 또한 현행 위기경보는 지역별 발령 기준이 정성적이며, 실제 상황에서는 Figs. 4(a), (b), (c), (j), (k) and (l)과 같이 지역별이 아닌 전국 모든 지역에 대해서 동일한 위기경보 단계를 발령했기 때문에 행정력 낭비와 더불어 지역별 정량적인 위험 파악이 어렵다는 한계가 있었다. 본 연구에서 개발한 위험지수 기반의 위기경보를(Figs. 4(d), (e), (f), (m), (n) and (o))는 지역별로 위기경보 단계의 산정이 가능하였으며 이를 통해 현행 위기경보 체계가 가진 한계점을 개선할 수 있었다.
5. 결 론
본 연구에서는 우리나라의 지역별 일 최고기온과 사회⋅경제적 데이터를 활용하여 산정한 폭염위험지수를 통해 지역별 폭염 위험을 나타낼 수 있는 새로운 방법을 제안하였다. 또한 폭염위험지수를 기준으로 폭염 위기경보를 단계를 구분하여 현행 위기경보 체계와 비교하였다. 본 연구에서 제안한 방법의 장점은 다음과 같다.
첫째로, 기온만을 활용해 위기경보를 발령하는 현행 체계는 지역별 폭염 취약 요인을 고려하지 못하는 한계가 있다. 폭염에 대한 영향은 지역별 환경 및 특성에 따라 달라질 수 있으므로 이에 대한 고려가 필요하다. 본 연구에서 개발한 폭염위험지수는 물리적 위험에 더해 지역별 취약성을 함께 고려한 것으로 비교적 간편하고 객관적인 분석 방법을 활용하여 현행 위기경보 체계가 가진 문제점을 해결할 수 있었다. 과거에 발생했던 온열질환율과의 상관관계 분석을 수행한 결과 약 0.4의 양의 상관관계를 보여 본 연구에서 개발한 폭염위험지수의 실효성 또한 입증되었다. 추후 온열질환 이외에 다른 피해 내역에 대한 데이터 확보가 가능해진다면 본 연구의 실효성을 더욱 높일 수 있을 것으로 판단된다.
둘째로, 현행 위기경보 체계는 발령 기준이 모호하며 발령의 공간적 범위 역시 전국 단위로 국한되었다. 이로 인해 Figs. 4(c), (f) and (i)에 나타난 바와 같이 실제 폭염이 발생하지 않은 지역이 심각 단계에 해당되는 경우도 빈번하였으며, Figs. 4(j), (m) and (p)와 같이 역으로 폭염이 극심한 지역에 걸맞지 않는 단계가 발령된 경우도 있었다. 본 연구에서는 기온과 지역별 취약성을 고려한 폭염위험지수를 개발하여 이를 위기경보 단계로 구분하였다. 이는 정량적인 기준을 통한 지역별 위기경보 단계 표출을 가능하게 하였으며, 실제 지역별로 상이한 폭염 위험을 현행 체계보다 뚜렷하게 나타낼 수 있었다.
본 연구의 결과는 지역별 폭염 위험을 정량적으로 판단할 수 있어 향후 지속기간 개념의 도입을 통해 위기경보 발령 기준을 개선하는데 활용될 수 있을 것으로 보이며, 연구 방법을 참고하여 기온 예보 값을 활용한 폭염 위험의 전망 또한 가능할 것으로 판단된다. 뿐만 아니라 다른 유형의 재난 위험 판단 방법으로도 본 연구의 방법이 적용 가능할 것으로 기대된다.
PDF Links
PubReader
ePub Link
Full text via DOI
Download Citation
Print
