서 론 1.
1)
기온은 인간의 건강 및 생명과 직 간접적으로 ･ 연관되어 있다 특히 극한 고온은 인명 피해를 일. 으킬 정도의 영향을 주고 있다 이와 같은 대표적. 인 사례로 Kysel and Kim(2009)ý 은 1994년에 한 국에서 폭염으로 인한 사망자가 전국적으로 약
명이었던 것으로 추정하였다 허보영 송재우
3,384 . ･
에 의하면 국외에서도 폭염으로 인한 인명 (2012)
피해가 다수 보고되고 있다. 1999년 미국 동부에 서 약 502명이 사망하였으며, 2003년 유럽에서는
년 만에 나타난 최고의 폭염으로 약 명의
150 3,500
사망자가 발생하였다 이 때 프랑스에서만 약 . 1,500 명이 사망하였다. Palecki et al.(2001)에 의하면
**** 본 연구는 이지수의 석사 학위 논문을 수정 보완한 것이며 방위사업청과 국방과학연구소의 지원으로 수행되, 었습니다(UD140022PD).
**** 기상청 국립기상과학원 응용기상연구과 연구원(Researcher, Applied Meteorology Research Division, National Institute of Meteorological Sciences, KMA)([email protected])
**** 공주대학교 지리학과 교수(Professor, Dept. of Geography, Kongju National University)([email protected])
**** 공주대학교 지리정보과학연구소 연구교수(Research Professor, Institute of Geographic Information Science, Kongju National University)([email protected])：교신저자
서울의 사회 경제적 요인이 고온 현상 발생 시 ･ 사망자에 미치는 영향 *
이지수** ･ 김만규*** ･ 박종철****
The effects of socioeconomic factors on mortality under high temperature in Seoul, South Korea*
Jisu Lee** ･ Man-Kyu Kim*** ･ Jongchul Park****
요약 본 연구는 고온에 취약한 그룹의 특성에 대한 이해를 증진하고 고온으로 인한 사망자를 줄이는데 기여하기 위： 하여 사회 경제적 요인과 사망자 임계기온의 관계를 연구하였다 연구 지역은 서울이며 연구 기간은 ･ . 2000~2010년으 로 선정하였다 연구 결과 고령 인구 비율이 높은 지역과 낮은 지역에서 사망자 임계기온은 각각 . , 27.6℃와 27.9℃이 었다 고학력자 비율이 높은 지역과 낮은 지역에서 사망자 임계 기온은 각각 . 27.7℃와 27.4℃이었다 기초생활수급자 . 비율에 따른 지역 구분에서는 임계기온의 차이가 나타나지 않았다 하지만 고령 인구 비율이 높고 기초생활수급자 비. 율이 높은 지역에서 사망자 임계기온은 다른 지역에 비해 0.7℃ 낮았다 고령 인구 비율이 높고 고학력자 비율이 낮. 은 지역에서 사망자 임계기온도 상대적으로 0.7℃ 낮았다 이는 서울에서 저소득 고령층이 고온에 취약하다는 것을 . 보여준다 따라서 본 연구의 결과는 고온으로 인한 사망자를 줄이기 위하여 저소득 고령 인구에 대한 정책을 우선 수. 립할 필요성이 있음을 시사한다.
주요어 사회경제적 고령 인구 저소득 임계기온 사망자： , , , ,
Abstract：The purpose of this study was to understand characteristics of groups vulnerable to extreme heat and to reduce mortality caused by high temperature. For this purpose, relationship between socioeconomic factors and mortality-threshold temperatures were studied. The study area was limited to Seoul (South Korea) and climate data from 2000 to 2010 was used. Our results indicate that mortality-threshold temperatures for regions with a high proportion of aging population and a low proportion of aging population are 27.6℃ and 27.9 , respectively. It ℃ was also found that a relative size of welfare dependant population did not affect mortality-threshold temperatures.
However, regions with a high proportion of aging and welfare dependant population experienced 0.7℃ lower mortality-threshold temperature than other regions. This implies that low income and older people in Seoul are more easily affected by high temperature. Thus, this study suggests that it needs a policy targeted to low income and aging population to decrease mortality rate caused by extreme heat.
Key Words：Socioeconomic, Aging population, low income, Threshold temperature, Mortality
미국 중부에서 1999년 월 7 29과 30일 동안에 발 생한 강한 열파로 인하여 1,000명 이상의 사망자 가 발생한 것으로 보고된 바 있다.
많은 연구자들은 극한 고온으로 인한 인명 피해 를 최소화하기 위한 노력의 일환으로 기온과 사망 사이의 관계를 연구하였으며 이 중에는 사망자 , 임계기온(mortality-threshold temperature)에 대한 연구들이 있었다 사망자 임계기온은 기온과 일 . 사망자 수 사이의 관계에서 뚜렷한 양의 상관관계가 나타나기 시작하는 기온을 의미한다. Patz(2000)는 기온과 사망자 수의 관계는 ‘U’자 모양 또는 ‘V’자 모양의 관계를 보이며 사망자 수는 임계기온 이상 에서 급증하는 경향을 보인다고 하였다 김지영 . 등(2006)은 1992~2004년 여름철에 서울의 사망자 임계기온이 일 최고기온 31.0℃이었고, Kim et al.
은 년 여름철에 서울 인천 대
(2006) 1994~2003 , , 전 대구 광주 부산 지역에서 임계기온이 , , , 27.0~
이었다고 하였다 이 연구들은 폭염 특보 서
29.7℃ .
비스를 개발하기 위한 기초 정보로서 의미가 있었 다 최광용. (2006)은 1991~2000년에 65세 이상의 노인을 대상으로 일사망률과 일최고열지수 간의 관계를 분석하였다 그 결과 열지수가 사망에 미. 치는 영향 정도에 따라 열파의 등급을 구분하여 한국 실정에 맞는 열파를 정의하였다 이 외에도 . 사 망자 임계기온에 대한 연구로는 Ha et al.(2009), 하종식 등(2010), 이사라 등(2010), Lim et al.(2013) 의 연구 등이 있었다.
임계기온은 사람의 적응 능력에 따라 다르게 나 타나며 적응 능력은 개인과 지역의 사회 경제적 , ･ 요 인에 따라 결정될 수 있다. Stafoggia et al.(2006) 은 개인의 사회 경제적 수준이 낮거나 사회 경제･ ･ 적 수준이 낮은 지역에 거주하는 것이 고온으로 인한 사망에 취약한 요인으로 작용하고 있다고 하 였다. Bell et al.(2008)은 1998~2002년 기간에 상 파울로에서 교육 수준이 낮은 지역이 고온으로 인 한 사망 발생 위험이 높다고 하였다. Chan et al.
은 년 기간에 홍콩에서 가구소득 (2010) 1998~2006
이 낮은 지역이 고온으로 인한 사망 발생 위험이 높다고 하였다 국내에서는 . Kim and Joh(2006)가 년 서울에서 국민기초 생활보장 수급자 2000~2002
에 해당하는 저소득층의 고온 상대위험도가 서울 전체에 비해 약 1.65배 높다고 하였다 박종길 등.
은 대도시를 중심으로 폭염 시 나타나는 사 (2008)
망자수의 발생 경향의 차이를 분석한 결과, 65세 이상의 노인인구 뇌혈관계 질환자 여성이 고온으, , 로 인한 사망에 더욱 취약한 것으로 나타났다 배. 현주 등(2011)의 연구는 1999~2009년 서울에서 통합결핍지수1)가 높은 지역에서 고온과 오존이 건 강에 악영향을 미칠 가능성이 높다는 것을 보여주 었다 이나영 등. (2014)의 연구는 2000~2011년 서 울에서 소득이 없는 노인의 비율 및 독거노인의 비율이 높은 지역일수록 고온에 취약한 것으로 나 타났다 정지훈 등. (2014)은 1994~2010년 남한 전 체의 각 도시를 대상으로 고온으로 인한 사망 취 약도를 비교하여 노년층의 비율이 높은 지역일수 록 고온으로 인한 사망에 취약하다는 것을 보여주 었다 이처럼 기존 연구는 고온과 사망자 수 사이. 에 관련이 있으며 고온 취약성은 사회 경제적 요･ 인과 연관되어 있다는 것을 보여주었다.
임계기온 관련 연구는 지역 또는 분석 기간 및 방법 등에 따라 그 관계가 달라질 가능성이 있다. 일례로 Basu and Ostro(2008)는 Stafoggia et al.
(2006)과 Bell et al.(2008)의 기존 연구들과 달리 캘리포니아 지역에서는 1999~2003년 기간에 교육 수준과 고온으로 인한 사망자 사이의 뚜렷한 관계 를 찾기 어렵다고 하였다 따라서 고온에 취약한 . 그룹의 특성을 이해하기 위하여 더욱 다양한 시･
공간 연구 방법 및 자료를 활용한 연구가 필요하, 다는 것을 시사한다.
국내의 임계기온 관련 연구는 주로 서울을 대상 으로 이루어졌다 서울을 사례 지역으로 한 연구. 는 도시 내부에서도 사회 경제적 요인에 의해 고･ 온 취약성이 다르게 나타나고 있음을 보여주었다
배현주 등 이나영
(Kim and Joh, 2006; , 2011; 등, 이들 연구는 시 군 단위에서 이루어지는
2014). ･
보건 정책의 선택과 집중을 위한 기초 정보를 제 공한다는 점에서 의미가 있다 이 연구들에서 사. 용된 연구 방법 및 자료를 살펴보면 배현주 등, 은 기상청에서 운용하고 있는 서울기상대의 (2011)
기온 및 상대습도 기상자료와 국립환경과학원의 대기오염자료를 사용하였으며 포아송 회귀모형과 , 미국의 EPA에서 개발한 Environmental Benefits 을 활용하여 건강 Mapping and Analysis Program
영향을 분석하였다 이나영 등. (2014)은 기상청의
기상 관측소로부터 획득한 기온 자료를 활용하였 으며 습도는 구별 자료를 획득할 수 없기 때문에 서울 지역의 대푯값을 이용하였다 상관관계 분석 . 방법으로는 다변량 회귀모형을 활용하였다 이들 . 연구는 다양한 기상 및 환경 자료를 연구에 이용 하여 고온이 사망에 미치는 영향의 설명력을 높이 는데 기여하였지만 자료의 지역화에는 한계가 있 었다 정지훈 등. (2014)은 서울 기상 관측소 자료 와 piecewise regression model을 활용하여 연구를 수행하여 기온 자료만을 이용하여 임계기온을 분 석하였다 하지만 배현주 등. (2011)과 이나영 등 이 서울의 구별 비교를 다룬 것에 비해 정 (2014)
지훈 등(2014)은 전국을 대상으로 하였기 때문에 서울 내에서의 지역적 비교는 다루지 않았다.
한편 홍기옥 등(2007)과 김맹기 등(2012)은 Modified Korean Parameter-elevation Regressions 을 구현하고 남한 on Independent Slopes Model
의 육상 영역에 대한 정규 격자 기온 강수량 자, 료를 생산한 바 있다 이 자료의 공간해상도는 . 1km이며 시간해상도는 월과 일이며 자료의 기간, 은 2000~2010년까지이다 이 자료는 기상청에서 .
의 자료 공간해상도 를 통
HadGEM3-RA ( 12.5km)
계적 다운스케일링을 위한 기초자료로 활용되어 남한상세 기후변화 시나리오 자료로 서비스되고 있다 이 자료는 국내에서 다양한 연구에 활용되. 고 있으며 박창용 등( , 2013; 박종철 등, 2014), 사 망자 임계기온의 연구에도 활용할 수 있을 것으로 기대된다.
따라서 본 연구에서는 기상청에서 서비스되는 정 규 격자 기온 자료와 piecewise regression model 을 활용하여 서울에서 나타나는 사회 경제적 요인･ 과 사망자 임계기온과의 관계를 구별 수준에서 분 석하고자 하였다 이를 통해 사회 경제적 요인이 . ･ 고온 현상 발생 시 사망자에 미치는 영향을 밝히 고자 하였다.
연구 자료 및 방법 2.
연구 지역 1)
연구 지역은 서울을 대상으로 하였다 고온이 . 사망자 수 변화에 미치는 영향을 확인하기 위해서
그림 1. 연구 지역
는 일별 사망자 수의 충분한 변동이 전제되기 때 문에 관련 연구는 주로 대도시를 대상으로 수행된 다 이나영 등( , 2014). 또한 서울은 기존 연구에서 고온으로 인한 사망자가 저소득층 고령층 등과 , 연관되어 있다고 보고되기 때문에 연구 지역으로 선정하였다(Kim and Joh, 2006; 최광용, 2010;
배현주 등, 2011; 이나영 등, 2014).
연구 기간은 기상 자료의 획득 가능 기간을 고 려하여 2000년부터 2010년으로 선정하였다 이 기. 간에 서울은 25개 자치구로 구성되어 있다 그림 ( 1).
사회 경제적 요인 선정 2) ･
사회 경제적 요인으로는 고령 인구 고학력자･ , , 국민기초 생활보장 수급자 이하 기초생활수급자( ) 를 고려하였다 이 요인들은 기존 연구. (Basu and Samet, 2002; Kenny et al., 2010; 이나영 등, 2011;
에서 제기한 요인들 중 통계청
WHO, 2011) (http://
으로부터 자료 획득 가능성을 www.kostat.go.kr)
고려하여 선정하였다 구별 고령 인구와 고학력자. 는 2000 , 2005 , 2010년 년 년 통계자료의 평균을 사 용하였다 구별 기초생활수급자 자료는 통계청에. 서 2008년부터 제공하고 있어 2010년 자료를 사 용하였다.
고령 인구는 인구적 요인이면서 사회적 요인으로 다루어지므로 이나영 등( , 2014; 정지훈 등, 2014) 채택하였다. 고학력자와 기초생활수급자는 모두 경제적 능력의 지표로서 선택되었다 고학력자 즉. , 교육 수준은 개인 또는 지역의 수입에 대한 정보 를 획득하기 어려운 현실에서 경제적 능력의 지표 로 사용되어 왔다(Hajat et al., 2005; Stafoggia et al., 2006; Basu and Ostro, 2008; Bell et al., 사회 경제적 여건이 좋지 않다는 것은 고 2008). ･
온의 대응 능력에 중요한 역할을 하는 에어컨디셔 너의 이용(O’Neill et al., 2005; Medina-Ramon et al., 2007)과 의료 서비스에 대한 접근성(Kenny et al., 2010)에 어려움을 야기하고 이는 고온으로 , 인한 사망 취약성으로 이어질 수 있기 때문이다. 이에 비해 국내 연구에서는 기초생활수급자가 경 제적 능력의 지표로서 사용되었다(Kim and Joh,
따라서 두 변수가 상관성이 높을 수도 있 2006).
기 때문에 연구에 활용하기에 앞서 다중공선성 진
단을 통해 변수의 독립성을 확인하였다 다중공선. 성 진단에는 분산팽창인수(VIF: variance inflation
를 사용하였다 가 이면 다중공선성이 factor) . VIF 1
없고, 1보다 크면 변수 간에 완만한 상관관계가 있고, 5와 10 사이이면 높은 상관관계가 있다 일. 반적으로 VIF가 5.3 이상이면 다중공선성을 의심 해야 한다는 견해도 있고(Hair et al., 1992), 사회 과학분야에서는 VIF가 10 이상이면 다중공선성 문제가 발생한다는 견해도 있다 이명천과 김요한( , 본 연구에서의 분석 결과 고령 인구 고학
2014). -
력자 고령 인구 기초생활수급자 고학력자 기초, - , - 생활수급자 사이의 VIF는 각각 1.08, 1.56, 1.39로 나타나 변수 간에 완만한 상관관계는 있지만 다중 공선성 문제는 없다는 것을 확인하였다.
또한 본 연구에서는 고령 인구와 고학력자 인구 비율 고령 인구와 기초생활수급자를 조합한 요인, 을 고려하였다 고령 인구와 나머지 두 요인을 조. 합하여 교육 수준이 낮고 고령 인구 비율이 높은 지역과 그렇지 않은 지역 기초생활수급자 비율이 , 높고 고령 인구 비율이 높은 지역과 그렇지 않은 지역의 사망자 임계기온을 비교하여 분석하고자 하였다 각 구의 조합 요인 값은 식 과 를 이용. 1 2 하여 산출하였다.
식 1
식 2
여기에서 Ni와 Si는 각각 번째 구의 고령 인구i 와 고학력 인구를 조합한 요인 고령 인구와 기초, 생활수급자를 조합한 요인이다. Pi는 번째 구의 i 고령 인구 비율이고 Pm은 고령 인구 비율이 가장 높은 구의 고령 인구 비율이다. Ei는 번째 구의 i 고학력자 인구 비율이고 Em은 고학력자 인구 비율 이 가장 높은 구의 고학력자 인구 비율이다. Ri는
번째 구의 기초생활수급자 비율이고
i Rm은 기초생
활수급자 비율이 가장 높은 구의 기초생활수급자 비율이다 식 에서는 고령 인구가 높은 지역과 . 1 고학력자 비율이 낮은 지역에 높은 점수를 부여하 기 위해 에서 고학력자 비율을 빼주었다1 .
연구 절차 3)
연구 절차는 그림 < 2>와 같이 진행하였다 먼저 . 각 사회 경제적 요인에 따라 서울의 ･ 25개 구를 두 그룹으로 구분하였다 이를 본 연구에서 상위 그. 룹과 하위 그룹으로 명명하였다 고령 인구 비율. 이 높은 구들은 상위 그룹 고령 인구 비율이 낮, 은 구들은 하위 그룹으로 구분하였다 고학력자 . 비율이 높은 구들은 상위 그룹 그 비율이 낮은 , 구들은 하위 그룹으로 분류하였다 기초생활수급. 자 비율이 높은 구들은 상위 그룹 그 비율이 낮, 은 구들은 하위 그룹으로 구분하였다 조합 요인. 에서는 고령 인구 비율이 높고 고학력자 비율이 낮은 구들을 상위 그룹으로 분류하였고 고령 인, 구 비율과 기초생활수급자 비율이 높은 구들을 상 위 그룹으로 분류하였다.
그룹의 구분에는 Jenks optimization method(또
는 Jenks natural breaks) 방법을 적용하였다 이 . 방법은 자료의 클러스터링 방법 중 하나로 그룹 내의 분산은 최소화하고 그룹 간 분산은 최대화하 는 방법이다(Jenks, 1967). 이후 F-test와 T-test를 수행하여 구분된 그룹의 값들이 통계적으로 유의 한 차이가 있는지 확인하였다.
고령 인구 비율은 각 구별 전체 인구 중 65세 이상의 인구가 차지하는 비율을 백분율로 계산하 였다 고학력자 비율은 각 구별 전체 인구 중 고. 학력자가 차지하는 비율을 백분율로 계산하였다. 고학력자는 30세 이상 65세 미만의 연령대에서는 대학 교 졸업이상( ) , 65세 이상의 연령에서는 고등학 교 졸업이상의 인구로 정의하였다 이 구분은 배. 현주 등(2011)의 연구를 준용하였다 기초생활수. 급자 비율은 각 구별 전체 인구 중 기초생활수급 자가 차지하는 비율을 백분율로 계산하였다.
다음으로는 각 그룹의 연령 표준화 일 초과사망률
그림 2. 연구 절차도
과 일평균 기온을 계산하였고 이 자료들을 , piecewise 에 입력하여 각 그룹의 사망자 임 regression model
계기온을 분석하였다 일평균 기온은 기상청의 기. 후정보포털(http://www.climage.go.kr)에서제공하 고 있는 공간해상도 1km의 정규격자 남한상세 일 평균 기온 자료를 이용하여 계산하였다 남한상세 . 일평균 기온 자료는 2000년 월 일1 1 ~2010년 12 월 31일 사이의 기후평균을 계산한 결과 관측 일 평균에 비해 1.0℃ 낮게 나타났다 이러한 원인은 . 관측 값은 저지대에 주로 위치하는 반면 내삽 값 에는 상대적으로 지형고도가 높은 지역의 지형효과 가 반영되어 있기 때문이다. Jackknife 방식의 검증 에서는 여름철(6~8 ) 월 평균기온의 bias와 RMSE가 각각 0.08~0.09 , 1.14~1.43℃ ℃로 나타났다 김맹( 기 등, 2012).
연령 표준화 일 초과사망률 산출 방법 4)
일 사망자 자료는 통계청의 마이크로데이터서비 스시스템(MDSS, mdss.kostat.go.kr)에서 제공하고 있는 사망원인 자료를 이용하였다. MDSS는 사망 자별 주소지 시도 구시군( / ), 사망일시 사망원인 사, , 망 당시의 연령에 해당하는 항목 등을 제공하고 있다 본 연구에서는 국제질병분류기준 상의 질병. 에 의한 사망자 코드 ( A00~R99) 중에서 연령 미상 코드 을 제외한 모든 연령의 사망자 자료를 ( 999)
사용하였다 이를 통해 . 2000년부터 2010년까지의 각 구별 일 사망자 자료가 획득되었다.
연령별 성별 구성이 다른 지역 또는 같은 지역, 의 다른 시기에 대한 사망자를 비교하기 위해서는 표준화 과정을 거칠 필요가 있다 사망자 표준화. 는 직접표준화와 간접표준화로 나눌 수 있는데 소 규모 집단 간의 비교나 사망자 비율이 매우 낮은 경우에는 간접표준화를 적용하는 것이 적절하다
권근용 등 따라서 본 연구에서는 식
( , 2010). 3
의 간접표준화 방법을 (Pickle and White, 1995)
활용하여 각 구의 일 사망자 수를 연령 표준화 일 사망률로 변환하였다.
×
식 3
여기에서 cs는 표준인구 전체에 대한 총사망자 수의 조율이고, ci는 번째 연령층 대상인구에 대i 한 사망자 수의 조율이다. pi는 번째 연령층의 대i 상인구 인구비율이며 csi는 번째 연령층 표준인구i 에 대한 사망자 수의 조율이다 연령층은 . 0~84세 까지 세 간격5 , 85세 이상으로 구분하였으며 표, 준화는 남성과 여성을 구분하여 수행한 후 최종적 인 값은 남성과 여성의 값을 평균하여 획득하였 다 연령 표준화 일 사망률은 . 10만 명당으로 계산 하였다.
연령 표준화 일 초과사망률은 일 기대 사망률과 실제 사망률의 차이를 토대로 산출하였다 질병에 . 의한 사망률 중 고온과 관련된 사망률을 구분하기 위해서는 일 기대 사망률을 분석할 필요가 있다. 기대 사망률은 일반적으로 발생할 수 있는 사망자 의 규모를 의미한다 따라서 일 기대 사망률과 실. 제 사망률의 차이인 초과 사망률은 그 날의 특정 현상과 관련되어 있을 수 있다 기대 사망률은 식 . 4 를 토대로 산출할 수 있다 이 식은 . Kysel (2004)ý 가 처음 고안한 방법으로 국내의 많은 연구에서 적용되어 왔다 이대근( , 2007; 김지영 등; 2008;
정지훈 등 본 연
Kysel and Kim, 2009; ý , 2014), 구에서는 기대사망률을 결정하는데 활용하였다. Me(y,d) = Mav × Wm(d) × Ww(y,d) ×Wy(y) 식 4
여기서 Me(y, d) 는 y년도의 d 번째 일에 기대 되는 사망률이며 d 는 365일을 사용하였다. Mav 는 전체 기간의 일 평균 사망률이고, Wm(d) 는 일 가중치로 d 번째 날에 발생한 사망률과 Mav 의 비율이다. Wm(d) 는 일 가중이동평균7 (1, 2, 3, 4, 을 적용하여 주간변동 특징을 제거하였다
3, 2, 1) .
Ww(y,d) 는 요일 별 가중치로 특정 요일에 발생 한 사망률과 전체 요일 평균 사망률의 비율이다. Wy(y) 는 연 가중치로 특정 y 년의 사망률과 연구 기간 전체의 연평균 사망률의 비율이다 정지훈 등( , 2014).
임계기온 분석 방법 5)
임계기온 선정을 위한 방법은 piecewise regression 을 이용하였다
model . piecewise regression model
은 McZgee and Carleton(1970)에 의해 처음 제안 되었다 이 모델은 축의 자료가 독립변수. x , y축의 자료가 종속변수이고 두 변수가 비선형 관계에 있을 때 값의 변화에 의해 값이 급격하게 변하x y 는 지점을 찾는 방법이다 이 지점을 전환점. (break
이라고 한다 방법론적 특징 때문에
point) . piecewise
은 또는
regression segmented regression broken- 이라고도 알려져 있다
stick regression .
본 연구에서는 축이 일 평균기온이고x , y축이 연령 표준화 일 초과사망률이며 전환점이 사망자 임계기온이 된다. piecewise regression model은 일 정 수준의 신뢰수준을 만족하는 결정계수를 찾지 못하는 경우에는 전환점을 제시하지 않는다 본 . 연구에서는 95%의 신뢰구간을 사용하여 연구를 수행하였다 한편 . Kysel and Kim(2009)ý 은 임계 기온 분석 과정에서 저온으로 인한 사망자의 영향 을 제거하기 위하여 평균기온이 15℃ 이상인 일자
에 대해서만 분석을 수행한 바 있다 따라서 본 . 연구에서 역시 이를 준용하여 일 평균기온이 15℃
이상인 날을 대상으로 piecewise regression model 을 적용하였다.
연구 결과 3.
기초 통계량 및 그룹 구분 1)
서울에서 중구 종로구 용산구 중랑구 등은 고, , , 령 인구 비율이 높고 고학력자 비율이 낮으며 기 초생활수급자 비율이 높은 지역으로 나타났다 이. 에 반해 강동구 강서구 강남구 등은 고령 인구 , , 비율과 기초생활수급자 비율이 낮고 고학력자 비 율이 높은 지역으로 나타났다.
표 은 서울 개 구의 고령 인구 비율 고
< 1> 25 ,
학력자 비율 기초생활수급자 비율 등의 현황을 ,
구이름 고령 인구
(%)
고학력자 (%)
기초생활수급자 (%)
고령 인구+ 고학력자
고령 인구+ 기초생활수급자
강 남 구 7.7 36.5 0.6 1.1 0.6
강 동 구 8.0 65.1 0.8 0.7 0.7
강 북 구 12.0 68.2 1.2 0.9 1.0
강 서 구 8.7 53.3 0.8 0.9 0.7
관 악 구 9.5 38.1 1.0 1.2 0.8
광 진 구 8.5 33.4 1.5 1.2 0.7
구 로 구 9.2 32.8 1.5 1.2 0.8
금 천 구 9.7 12.0 2.7 1.6 0.9
노 원 구 9.3 29.4 1.1 1.3 0.8
도 봉 구 10.4 40.8 1.9 1.2 0.9
동 대 문 구 11.6 40.4 2.0 1.3 1.0
동 작 구 10.5 32.1 1.8 1.3 0.9
마 포 구 10.5 23.3 2.0 1.5 0.9
서 대 문 구 12.1 30.6 2.5 1.5 1.1
서 초 구 8.5 45.6 2.0 1.0 0.8
성 동 구 10.4 23.5 3.2 1.4 1.0
성 북 구 10.9 17.4 2.0 1.6 1.0
송 파 구 7.7 32.6 1.6 1.1 0.7
양 천 구 7.8 20.1 2.2 1.3 0.7
영 등 포 구 10.3 20.9 2.9 1.5 1.0
용 산 구 12.6 26.5 5.1 1.6 1.3
은 평 구 11.0 21.6 2.4 1.5 1.0
종 로 구 13.1 20.2 8.5 1.7 1.5
중 구 13.0 8.1 16.5 1.9 2.0
중 랑 구 9.8 12.5 5.7 1.6 1.1
표 1. 사회 경제적 요인의 구별 현황･
보여주고 있다. 2000~2010년 서울에서 고령 인구 비율이 평균적으로 높은 지역은 종로구(13.1%), 중구(13.0%), 용산구(12.6%) 등이며 그 비율이 낮 은 지역은 송파구(7.7%), 강남구(7.7%), 양천구 등이다 같은 기간에 고학력자 비율이 평 (7.8%) .
균적으로 높은 지역은 강북구(68.2%), 강동구(65.1%), 강서구(53.3%) 순으로 나타났으며 고학력자 비율 이 낮은 지역은 중구(8.1%), 금천구(12.0%), 중랑 구(12.5%)순 이었다. 2010년 기초생활수급자 비율 이 높은 지역은 중구(16.5%), 종로구(8.5%), 중랑 구(5.7%), 용산구(5.1%) 등이며 그 비율이 낮은 지역은 강남구(0.6%), 강서구(0.8%), 강동구(0.8%) 등이다 고령 인구와 고학력자 비율을 조합한 값. 은 중구 1.9, 종로구 1.7, 성북구 1.6 등으로 나타 났고 고령 인구와 기초생활수급자 비율을 조합한 , 값은 중구 2.0, 종로구 1.5, 용산구 1.3 등으로 나 타났다.
위의 값을 히스토그램으로 작성하고 Jenks opti- 를 토대로 각 요인에 따라 두 그 mization method
룹으로 구분한 결과 고령 인구 비율과 고학력자 비율의 상위 그룹과 하위 그룹에는 각각 13개 구 와 12개 구가 포함되었다 이에 비해 기초생활수. 급자 비율의 상위 그룹에는 개 구만이 포함되었4 으며 하위 그룹에 21개 구가 포함되었다 고령 인. 구와 고학력자 비율의 조합 결과에서는 상위 그룹
에 11개 구 하위 그룹에 , 14개 구가 포함되었고 고령 인구와 기초생활수급자의 조합 결과에서는 상위 그룹과 하위 그룹에 각각 15 , 10개 개 구가 포함되었다.
그림 은 이 중 고령 인구와 기초생활수급자
< 3>
비율을 순위별로 나타낸 것이다 고령 인구 비율. 은 위부터 1 25위까지 점진적으로 변하는 반면 기 초생활수급자 비율은 상위 개 지역의 값이 다른 4 지역에 비해 상대적으로 매우 높다는 것을 알 수 있다 따라서 기초생활수급자 비율에서 상 하위 . ･ 그룹에 포함된 구의 수가 다른 요인과는 차이를 보이고 있었다.
그림 는 각 요인의 상 하위에 포함된 구의
< 4> ･
현황을 보여주고 있다. <표 2>는 상위 그룹과 하 위 그룹에 포함된 구들의 사회 경제적 요인 값이 ･ 통계적으로 유의한 차이를 보이는지 확인하기 위 하여 F-test와 T-test를 한 결과이다. F-test 결과 고령 인구 비율 고학력자 비율 고령 인구와 고학, , 력자 비율의 조합 요인은 값이 유의수준 p 0.05에 비해 높게 나타나 등분산을 가정한 T-test를 수행 하였다 반면 기초생활수급자 비율 고령 인구와 . , 기초생활수급자 비율의 조합 요인은 값이 유의수p 준 0.05에 비해 낮게 나타나 이분산을 가정한
를 수행하였다
T-test .
결과에서는 기초생활수급자 비율을 제외 T-test
그림 3. 고령 인구와 기초생활수급자 비율의 순위
한 모든 요인들의 값이 유의수준 p 0.05에 비해 낮 게 나타났다 따라서 그림 . < 4>에서 상 하위 그룹･ 의 사회 경제적 요인 값들이 통계적으로 유의한 ･ 차이가 있다는 것을 확인하였다.
하지만 기초생활수급자 비율은 값이 유의수준 p 를 넘어 상 하위 그룹 간에 통계적으로 유의
0.05 ･
한 차이가 없는 것으로 나타났다 앞서 기초생활. 수급자 비율은 다른 요인들에 비해서도 상 하위 ･ 그룹 간에 더욱 큰 차이를 보이고 있다는 것을 알
수 있었다 그럼에도 불구하고 . T-test에서 이와 같 은 결과가 나타난 원인은 상위 그룹에 포함되어 있는 중구의 값이 이상치(outlier)로 작용하였기 때 문인 것으로 판단된다. <그림 3>에서 중구의 값은
위에 해당하며 이 값은 위인 종로구에 비해서도
1 2
약 배 높다 따라서 중구를 제외하고 2 . F-test 및 를 수행하였으며 그 결과 기초생활수급자
T-test ,
중구 제외 비율의 값이 유의수준 에 비해
( ) p 0.05
낮게 나타나 상 하위 그룹 간에 통계적으로 유의･ 그림 4. 사회 경제적 요인에 따른 상 하위 그룹 구분･ ･
한 차이가 있음을 알 수 있었다. 사망자 임계기온 분석 결과 2)
사회 경제적 요인에 따른 사망자 임계기온을 분･ 석한 결과 단일 요인에서는 고령 인구 비율이 높, 고 고학력자 비율이 낮은 그룹의 사망자 임계기, 온이 상대적으로 낮은 것으로 나타났다 고령 인. 구와 고학력자 비율을 조합한 요인에서는 고령 인 구 비율이 높으면서 고학력자 비율이 낮은 그룹의 사망자 임계기온이 상대적으로 낮게 나타났으며 고령 인구와 기초생활수급자 비율을 조합한 요인 에서는 고령 인구 비율이 높으면서 기초생활수급 자 비율이 높은 그룹의 사망자 임계기온이 상대적 으로 낮게 나타났다 하지만 기초생활수급자 비율. 만을 보았을 때는 상위 그룹과 하위 사이에서 임
계기온의 차이가 나타나지 않았다.
표 은 사회 경제적 요인에 따른 사망자 임
< 3> ･
계기온을 보여주고 있다 고령 인구 비율이 높은 . 상위 그룹의 사망자 임계기온은 27.6℃이며 하위 그룹의 임계기온은 27.9℃이다 상위 그룹의 사망. 자 임계기온이 하위 그룹에 비해 약 0.3℃ 낮았다. 고학력자 비율이 높은 상위 그룹의 사망자 임계기 온은 27.7℃이며 하위 그룹은 27.4℃이다 기초생. 활수급자 비율이 높은 상위 그룹과 그 비율이 하 위 그룹의 사망자 임계기온은 27.6℃로 동일하였 다 고령 인구 비율이 높거나 고학력자 비율이 낮. 은 지역이 상대적으로 고온에 취약할 가능성을 보 여준 반면 기초생활수급자 비율에서는 이를 확인 하기 어려웠다 하지만 고령 인구와 고학력자 비. 율을 조합한 요인에서는 상위 그룹과 하위 그룹의 사망자 임계기온이 각각 27.2℃와 27.9℃로 나타
사회 경제적 요인･ 그룹 샘플수 평균 표준편차 F-test T-test
F p t p(양측)
고령 인구 비율 상위 13 11.41 1.04
1.836 0.162 7.237 0.000 하위 12 8.70 0.77
고학력자 비율 상위 8 48.43 12.36
2.460 0.064 6.192 0.000 하위 17 23.35 7.88
기초생활수급자 비율 상위 4 8.94 5.28
54.578 0.000 2.702 0.074 하위 21 1.79 0.71
기초생활수급자 비율 중구 제외
( )
상위 3 6.40 1.81
6.413 0.007 4.364 0.049 하위 21 1.79 0.71
고령 인구 고학력자 비율+ 상위 11 1.57 0.13
0.432 0.095 6.808 0.000 하위 14 1.11 0.19
고령 인구+ 기초생활수급자 비율
상위 15 1.10 0.30
29.719 0.000 4.671 0.000 하위 10 0.73 0.05
*F: 분산 분석의 검정통계량, t: t검정의 검정통계량, p: 유의확률
표 2. 상 하위 그룹 간 ･ F-test와 T-test 결과
사회 경제적 요인･ 상위 그룹 하위 그룹 차이
고령 인구 비율 27.6 27.9 0.3
고학력자 비율 27.7 27.4 -0.3
기초생활수급자 비율 27.6 27.6 0.00
고령 인구 고학력자 비율+ 27.2 27.9 0.7
고령 인구 기초생활수급자 비율+ 27.2 27.9 0.7
표 3. 사회 경제적 요인에 따른 사망자 임계기온･ (단위: )℃
났다 고령 인구와 기초생활수급자 비율을 조합한 . 요인에서 역시 동일한 결과가 나타났다.
그림 는 일 평균기온과 연령 표준화 일
< 5~9>
초과사망률의 산포도와 사망자 임계기온을 보여주 고 있다 고령 인구 비율에 따른 일 평균기온과 . 일 초과사망률의 분포를 살펴보면 그림 ( 5), 상위 그룹과 하위 그룹에서 모두 사망자 임계기온 미만 에서는 일 초과사망률이 10만명 당 –0.2~0.2 사이 의 분포를 보이며 임계기온 이상에서는 일 초과사 망률이 급격하게 증가하는 것을 확인할 수 있다.
그림 의 고학력자 비율에 따른 일 평균기온과
< 6>
일 초과사망률의 분포에서도 상위 그룹과 하위 그 룹 모두에서 사망자 임계기온 이상이 되면 일 초 과사망률이 증가하는 것을 확인할 수 있다 따라.
서 사망자 임계기온이 타당하게 결정된 것으로 판 단된다.
다만 사망자 임계기온 이상에서의 선형회귀식의 계수에 대해서는 추가적인 연구가 필요할 것으로 여겨진다 선형회귀식 기울기는 사망자 임계기온 . 이상에서 기온이 1℃ 상승할 때마다 나타날 수 있 는 일 초과사망률을 의미하며, <그림 5>의 상위 그룹과 하위 그룹에서 그 값은 각각 0.05와 0.06 이다 기울기 값으로 보면 임계기온 이상에서 초. 과사망률의 증가 속도는 하위 그룹에서 더욱 빠른 것으로 생각할 수도 있다 하지만 자료의 산포 특. 성을 보았을 때 기울기 값만으로 임계기온 이상에 서 하위 그룹의 일 초과사망률이 더 가파른 증가 경향을 보인다고 해석하기에는 무리가 있을 것으
그림 5. 고령 인구 비율에 따른 사망자 임계기온
그림 6. 고학력자 비율에 따른 사망자 임계기온
그림 7. 기초생활수급자 비율에 따른 사망자 임계기온
그림 8. 고령 인구와 고학력자 비율에 따른 사망자 임계기온
그림 9. 고령 인구와 기초생활수급자 비율에 따른 사망자 임계기온
로 판단된다 상위 그룹의 임계기온 이상에서 나. 타나는 일 초과사망률의 변화를 살펴보면 기온 상 승과 초과사망률 사이의 관계가 비선형 관계인데, 일 평균기온 약 30℃ 부근에서 상위 그룹의 일 초 과사망률이 하위 그룹에 비해 지수 형태로 급격하 게 증가하는 경향을 보이기 때문이다 다시 말해. 서 비록 상위 그룹의 선형회귀식 기울기가 하위 그룹에 비해 낮게 나타났지만 자료의 산포 특성을 보았을 때 상위 그룹의 일 초과사망률이 오히려 하위 그룹에 비해 더욱 급격하게 증가하는 것으로 판단된다 따라서 사망자 임계기온 이상에서의 적. 정한 회귀식 유도 방법에 대해서는 추가적인 연구 가 필요할 것이다.
한편 고령 인구 비율과 고학력자 비율의 결과에 반해 그림 < 7>의 기초생활수급자 비율에 따른 사 망자 임계기온에서는 상 하위 그룹 간의 차이가 ･ 나타나지 않았다 본 연구에서 상위 그룹과 하위 . 그룹의 사망자 임계기온이 27.6℃로 동일하게 나 타난 것은 기초생활수급자에 해당하는 저소득층이 고온으로 인한 사망에 상대적으로 취약하다는 기 존 연구(Kim and Joh, 2006)와는 다소 다른 결과 였다 그러나 두 자료의 산포 특성을 살펴보았을 . 때 그림 ( 7), 이와 같은 결과는 그룹 구분에서 발생 한 방법론적 한계에 의해 나타난 것일 가능성이 있다 상위 그룹의 산포도에서는 사망자 임계기온 . 미만의 일 초과사망률이 상하로 넓게 분포하고 있 으며 이는 다른 자료의 산포도와 확연히 차이가 난다 이와 같은 자료의 특성은 상위 그룹에 속한 . 구가 개에 불과하기 때문에 나타난 문제일 수 있4 다 일 초과사망률을 산정하는 과정에서 구의 수. 가 충분히 확보되지 않으면 사망자가 발생한 소수 의 구에 의해 일 초과사망률이 민감하게 반응할 수 있기 때문이다 따라서 이 결과만을 가지고 기. 초생활수급자가 고온으로 인한 사망에 취약하지 않다는 결론을 내리기는 어렵다.
이에 고령 인구와 고학력자 비율을 조합한 요인 과 고령 인구와 기초생활수급자 비율을 조합한 요 인을 토대로 사망자 임계기온을 분석하였다. <그 림 8>은 고령 인구와 고학력자 비율을 조합한 요 인에 따른 분석 결과를 보여준다 이 그림에서는 . 사망자 임계기온에서 일 초과사망률이 급격하게 증가하는 것을 볼 수 있으며 고령 인구 비율이 ,
높고 고학력자 비율이 낮은 상위 그룹이 하위 그 룹에 비해 더욱 낮은 기온에서 일 초과사망률이 증가하는 것을 볼 수 있다. <그림 9>의 고령 인구 와 기초생활수급자 비율을 조합한 요인에서 역시 상위 그룹의 일 초과사망률이 하위 그룹에 비해 더욱 낮은 기온에서 증가하기 시작한다.
앞서의 개별적 요인에 대한 분석 결과에서는 고 령 인구 비율이 높은 지역 또는 고학력자 비율이 낮은 지역이 고온에 따른 사망에 취약한 것으로 나타났다 그러나 임계기온의 차이가 약 . 0.3℃에 불과하기 때문에 고령 인구 비율과 고학력자 비율 에 따른 고온 사망자 취약성의 차이가 크다고 단 정하기는 어려울 수 있다 아울러 기초생활수급자 . 비율의 분석 결과에서는 그 결과가 그룹 구분의 , 한계에서 비롯된 것 일수도 있지만 상위 그룹과 , 하위 그룹 간에서 사망자 임계기온의 차이를 발견 하기 어려웠다 하지만 고령 인구와 고학력자 비. 율을 조합한 요인과 고령 인구와 기초생활수급자 비율을 조합한 요인의 분석 결과를 통해 고온으로 인한 추가사망자가 이러한 요인들과 연관되어 있 다는 것을 분명하게 알 수 있었다.
요약 및 결론 4.
본 연구는 2000년부터 2010년 사이에 서울의 사회 경제적 요인과 임계기온의 관계를 연구하였･ 다 사회 경제적 요인으로는 고령 인구 비율 고학. ･ , 력자 비율 기초생활수급자 비율 등을 고려하였으, 며 서울 , 25개 구를 각 요인의 분포 특성에 따라 두 그룹으로 구분하였다 그 결과 다음과 같은 결. 과를 얻을 수 있었다.
고령 인구 비율이 높은 지역의 사망자 임계기온 은 27.6℃로 그 비율이 낮은 지역에 비해 0.3℃ 낮았다 고학력자 비율이 낮은 지역의 사망자 임. 계기온은 27.4℃로 그 비율이 높은 지역에 비해
낮았다 두 요인 모두에서 상 하위 그룹 간
0.3℃ . ･
에 사망자 임계기온의 차이가 뚜렷하지는 않았다. 하지만 고령 인구 비율이 높고 고학력자 비율이 낮은 지역의 사망자 임계기온은 27.2℃이며 다른 지역에 비해 임계기온이 0.7℃ 낮았다 따라서 고. 령 인구와 고학력자 비율이 모두 고온으로 인한 사망 취약성과 연관되어 있음을 알 수 있었다 아.
울러 고령 인구 또는 고학력자 비율의 단일 요인 만을 고려했을 때에 비해 두 요인을 함께 고려했 을 때 고온으로 인한 취약 지역에 대한 설명력이 높다는 것을 알 수 있었다.
기초생활수급자 비율에 따른 지역 구분 결과에 서는 사망자 임계기온의 차이가 나타나지 않았다. 이러한 결과는 기초생활수급자 비율에 따라 서울 의 25개 구를 두 그룹으로 구분하는 과정에서 한 그룹에 개 구만이 포함되어 나타난 자료의 불확4 실성으로부터 기인한 문제일 수 있다 따라서 기. 초생활수급자 비율이 고온에 따른 사망 취약성과 연관되어 있지 않다고 단정하기 어려웠다 이에 . 반해 고령 인구와 기초생활수급자 비율의 조합 요 인을 이용한 분석 결과에서는 고령 인구 비율이 높고 기초생활수급자 비율이 높은 지역의 사망자 임계기온이 27.2℃이며 다른 지역에 비해 임계기 온이 0.7℃ 낮은 것으로 나타났다 이는 기초생활. 수급자 중에서도 고령층이 고온으로 인한 사망에 취약하다는 점을 의미한다.
본 연구는 몇 가지 방법론적 한계점을 가지고 있다 기존 연구들은 임계기온을 분석 시 상대습. 도 대기오염 오존 농도 등 다양한 기상 및 환경 , , 요인을 고려했을 때 설명력이 향상됨을 보여주었 다 하지만 본 연구는 사용 자료 측면에서 지역별 . 기상 자료의 지역화에 주안점을 두고 기온 자료만 을 이용하였기 때문에 기상 자료의 단순화라는 한 계를 갖고 있다 두 번째는 사회 경제적 요인에서 . ･ 개인적인 요인만을 고려하였고 지역 사회가 갖고 있는 사회 경제적 여건에 대해서는 고려하지 못하･ 였다 이와 같은 요인들로는 병 의원 수 의료 및 . ･ , 사회복지 정책 녹지면적 비중 등을 들 수 있다, .
한편 본 연구에서 채택한 piecewise regression 은 사망자 자료가 충분하지 않으면 사망자 model
임계기온에 대한 분석 결과의 신뢰도가 떨어질 수 있다 본 연구에서는 사망자 자료를 충분히 확보. 하기 위해 서울의 25개 구를 상 하위 두 개 그룹･ 으로 구분하였다 하지만 기초생활수급자 비율에. 서는 상위 그룹에 통계적으로 개 구만이 포함되4 면서 일 초과사망률의 변동 폭이 커지고 사망자 임계기온의 신뢰도가 떨어지는 문제가 발생하였 다 따라서 본 연구와 같이 연구 대상을 몇 개의 . 그룹으로 나누고, piecewise regression model을 토
대로 사망자 임계기온을 분석하는 연구에서는 임 계기온 값 외에도 자료의 산포 특성을 함께 검토 할 필요가 있다.
이러한 한계에도 불구하고 위의 연구 결과를 종 합하면 연구 대상 기간 동안 서울에서는 대체로 저소득층 고령 인구가 많은 지역에서 고온으로 인 한 사망자가 상대적으로 많이 발생하였다고 판단 된다 낮은 교육 수준과 기초생활수급자 현황은 . 각각 저소득의 간접 지표와 직접 지표로 사용되었 기 때문이다 국내에서 사회 경제적 요인이 고온. ･ 으로 인한 사망자에 미치는 영향에 대한 연구는 다수 있었다 그 중 다수의 연구는 고온으로 인한 . 고령 인구의 사망 취약성에 대해 경고하고 있으며 고령 인구가 많은 지역에 대한 관련 정책 수립의 필요성을 주장하고 있다 하지만 그에 비해 저소. 득층 고령층의 고온 취약성에 대해서 밝힌 연구는 상대적으로 부족하였다 본 연구의 결과는 저소득. 층 고령층과 관련된 취약성을 보여주었다 이는 . 저소득층 고령 인구 비율이 높은 지역에서 고온으 로 인한 사망자를 줄이기 위한 정책이 필요하다는 것을 시사한다.
주
1) 통합결핍지수(composite deprivation index) 신호성 : 등(2009)이 개발한 지수이다 이 지수는 실업률 기. , 초생활수급자 최저거주기준 미달 낮은 사회계급, , , 편부모 가구를 지표로 사용하여 계산된다.
문 헌
권근용 임도상 박은자 정지선 강기원 김윤아 김･ ･ ･ ･ ･ ･ 호 조성일･ , 2010, 지역 간 건강수준 비교를 위 한 표준화율 적용의 적절성 평가: 2008년 지역 사회건강조사를 바탕으로, 대한예방의학회지, 43(2), 174-184.
권영아 권원태 부경온 최영은･ ･ ･ , 2007, A1B 시나리 오 자료를 이용한 우리나라 아열대 기후구 전 망 대한지리학회지, , 42(3), 355-367.
김맹기 한명수 장동호 백승균 이우섭 김연희 김성･ ･ ･ ･ ･ ･ , 2012, 1km 해상도의 관측격자 자료 생산 기술, 기후연구, 7(1), 55-68.
김지영 이대근 박일수 최병철 김정식･ ･ ･ ･ , 2006, 한반
도에서 여름철 폭염이 일 사망률에 미치는 영 향 대기, , 16(4), 269-278.
박종길 정우식 김은별･ ･ , 2008, 폭염이 일사망자수 에 미치는 영향에 관한 연구 한국대기환경학회, 지, 24(5), 523-537.
박종철 정일원 장희준 장동호･ ･ ･ , 2012, 남한 온량지 수와 한랭지수의 변화와 인구와의 관계 기후연, 구, 7(3), 210-225.
박종철 최광준 송성호･ ･ , 2014, 미래 기후변화에 따 른 제주도의 사면과 해발고도별 가뭄 예측 한, 국환경과학회지, 23(4), 649-660.
박창용 최영은 권영아 권재일 이한수･ ･ ･ ･ , 2013, 남한 상세 기후변화 시나리오를 이용한 아열대 기후 대 및 극한기온사상의 변화에 대한 연구 한국, 지역지리학회지, 19(4), 600-614.
배현주 하종식 임유라･ ･ , 2011, 기후변화와 대기오 염으로 인한 건강영향 연구 사회경제적 변수에 : 따른 사망영향 한국환경정책 평가연구원, ･ . 보건복지부, 2014, 국민기초생활보장 수급자 현황. 소방방재청, 2009, 가뭄 황사 폭염 한파 산불 재, , , , 난관련 피해액 산정기준 마련 등 제도화 방안 연구. 신호성 이수형 추장민 신주연 임종한 박신구 홍윤･ ･ ･ ･ ･ ･ 철, 2009, 표준화사망비와 지역결핍지수의 상관 관계 지역사회 통합결핍지수 개발 예방의학회: , 지, 42(6), 392-402.
이나영 조용성 임재영･ ･ , 2014, 폭염으로 인한 기후 변화 취약계층의 사망률 변화 분석 보건사회연, 구, 34(1), 456-484.
이대근 김지영 최병철･ ･ , 2007, 1994년 월 부산지7 역의 폭염으로 인한 일 사망률 특성 연구 대기, , 17(4), 463-470.
이명천 김요한･ , 2014, SPSS를 이용한 사회과학통 계 커뮤니케이션북스 주 서울, ( ), .
이사라 김호 이승목･ ･ , 2010, 서울시의 기온변화와 사망자수 간의 관련성 연구 한국환경보건학회, 지, 36(1), 20-26.
정지훈 김인겸 이대근 신진호 김백조･ ･ ･ ･ , 2014, 우리 나라 지역별 고온 극한 현상에 의한 사망 취약 도 비교 대한지리학회지, , 49(2), 245-263.
최광용, 2006, 우리나라에 적합한 열파의 정의와 그 시 공간적 발생패턴 대한지리학회지･ , , 41(5), 527-544.
최광용, 2010, 지난 100년 동안 서울시에 발생한 강한 열파 패턴과 노인사망자에 미치는 영향, 대한지리학회지, 45(5), 573-591.
하종식 신용승 배현주･ ･ , 2010, 고온으로 인한 사망 누적효과 분석방법론 연구 기초연구보고서, . 허보영 송재우･ , 2012, 기후변화에 의한 폭염 증가
와 대책 한국방재학회지, , 12(6), 171-177.
홍기옥 서명석 나득균 장동호 김찬수 김맹기･ ･ ･ ･ ･ , 와 을 이용한 고해상도 격자형 2007, GIS PRISM
기온자료 추정 대기, , 17(3), 255-268.
Basu, R. and Ostro, B. D., 2008, A multicounty analysis identifying the populations vulnerable to mortality associated with high ambient temperature in California, American Journal of Epidemiology, 168(6), 632-637.
Basu, R. and Samet, J. M., 2002, Relation between elevated ambient temperature and mortality: A review of the epidemiologic evidence, Epide- miologic Reviews, 24(2), 190-202.
Bell, M. L., O’Neill, M. S., Ranjit, N., Borja- Aburto, V. H., Cifuentes, L. A. and Gouveia, N. C., 2008, Vulnerability to heat-related mortality in Latin America: A case-crossover study in Sao Paulo, Brazil, Santiago, Chile and Mexico City, Mexico, International Journal of Epidemiology, 37(4), 796-804.
Chan, E. Y. Y., Goggins, W. B., Kim, J. J. and Griffiths, S. M., 2012, A study of intracity variation of temperature-related mortality and socioeconomic status among the Chinese population in Hong Kong, Journal of Epidemiology and Community Health, 66(4), 322-327.
Ha, J., Yoon, J. and Kim, H., 2009, Relationship between winter temperature and mortality in Seoul, South Korea, from 1994 to 2006, Science of the Total Environment, 407(7), 2158-2164.
Hair J. F., Anderson, R. E., Tatham, R. L. and Black, W. C., 1992, Multivariate data analysis with readings (3thed.), New York, Macmillan Publishing Company.
Hajat, S., Armstrong, B., Baccini, M., Biggeri, A.,
Bisanti, L., Russo, A. and Kosatsky, T., 2006, Impact of high temperatures on mortality: is there an added heat wave effect?, International Journal of Epidemiology, 17(6), 632-638.
Jenks, G. F., 1967, The Data Model Concept in Statistical Mapping, International Yearbook of Cartography, 7, 186 190.–
Kenny, G. P., Yardley, J., Brown, C., Sigal, R. J.
and Jay, O., 2010, Heat stress in older individuals and patients with common chronic diseases, Canadian Medical Association Journal, 182(10), 1053-1060.
Kim, H., Ha, J. S. and Park, J., 2006, High temperature, heat index, and mortality in 6 major cities in South Korea, Archives of Environmental and Occupational Health, 61(6), 265-270.
Kim, Y. and Joh, S., 2006, A vulnerability study of the low-income elderly in the context of high temperature and mortality in Seoul, Korea, Science of the Total Environment, 371(1), 82-88.
Kysel , J. and Kim, J., 2009, Mortality during ý heat waves in South Korea, 1991 to 2005:
How exceptional was the 1994 heat wave?, Climate Research, 38(2), 105-116.
Lim, Y. H., Kim, H. and Hong, Y. G., 2013, Variation in mortality of ischemic and hemo- rrhagic strokes in relation to high temperature, International Journal of Biometeorology, 57, 45-153.
McZgee, V. E. and Carleton, W. T., 1970, Piecewise regression. Journal of the American Statistical Association, 65(331), 1109-1124.
Medina-Ram n, M., and Schwartz, J., 2007, ó Temperature, temperature extremes, and mortality:
A study of acclimatisation and effect modification in 50 US cities, Occupational and Environmental Medicine, 64(12), 827-833.
O’Neill, M. S., Zanobetti, A. and Schwartz, J., 2005, Disparities by race in heat-related mortality in four US cities: The role of air
conditioning prevalence, Journal of Urban Health, 82(2), 191-197.
Palecki, M. A., Changnon, S. A. and Kunkel, K.
E., 2001, The nature and impacts of the July 1999 heat wave in the Midwestern United States: learning from the lessons of 1995, Bulletin of the American Meteorological Society, 82(7), 1353-1367.
Patz, J. A., McGeehin, M. A., Bernard, S. M., Ebi, K. M., Epstein, P. R. and Grambsch, A., 2000, The potential health impacts of climate variability and change for the United States : Executive summary of the report of the health sector of the US National Assessment, Enviro- nmental Health Perspectives, 108(4), 367-376.
Pickle, L. W. and White, A. A., 1995, Effects of the choice of age-adjustment method on maps of death rates, Statistics in Medicine, 4(5-7), 615-627.
Stafoggia, M., Forastiere, F., Agostini, D., Biggeri, A., Bisanti, L., Cadum, E. and Perucci, C. A., 2006, Vulnerability to heat-related mortality:
a multicity, population-based, case-crossover analysis, International Journal of Epidemiology, 17(3), 315-323.
WHO (World Health Organization), 2011, Public Health Advice on Preventing Health Effects of Heat, New and Updated Information for Different Audience.
기상청 기후정보포털, http://www.climage.go.kr 통계청, http://www.kostat.go.kr
통계청 마이크로데이터서비스시스템, http://mdss.
kostat.go.kr
• 교신 박종철： , 32588, 충남 공주시 공주대학로 56 백제교육문화관 403호 지리정보과학연구소 이메일( : [email protected], 전화: 041-850-8558)
Correspondence Jongchul Park, 32588, ：
Gongjudaehak-ro 56, Gongju, Chungnam(e-mail:
[email protected], Tel: 041-850-8558)
접수 수정 채택
( : 2015.12.17, : 2016.02.20, : 2016.02.25)
