Trend of heat wave events in South Korea using daily minimum air temperature

1)1. 서 론

2018년 여름, 서울의 기온은 39.6 ℃로 기상관측이 시작된 이후 111년 만에 최고 기온을 기록했다. 한국뿐만 아니라 일 본, 영국, 프랑스 등 세계 여러 나라에서 2018년에 최고 기온 을 경신했다고 보고된바(Imada et al., 2019; Bador et al., 2017; BBC, 2018), 이는 대한민국에서만 일어나는 현상이 아 니라 전 세계적으로 발생하고 있는 현상이다. 이러한 극단적 고온현상은 기상과 관련된 가장 치명적인 재난에 속하며

†To whom correspondence should be addressed.

Department of Environmental Engineering, Pukyong National University, Korea

E-mail: [email protected]

(Palecki et al., 2001; Robine et al., 2008; Revich and Shaposhnikov, 2012), 사망률의 증가와 많은 연관성이 있는 것으로 알려져 있다(Kalkstein, 1991; Kalkstein et al., 1997;

Kysely and Huth, 2004; Pascal et al., 2006). 대표적인 사례 로 2003년 유럽에서 폭염으로 7만 명 이상, 2010년 러시아는 약 54,000명, 1995년 미국 시카고에서 폭염으로 7월 한 달간 514명이 사망했다. 2018년 발생한 기록적인 폭염으로는 일본 은 1,000명 이상, 한국은 4,524명의 온열질환자와 48명의 사망 자가 발생했다(Robine et al., 2008; Revich, 2011; Whitman et al., 1997; Imada et al., 2019; KCDC, 2019).

열파(heat wave) 또는 폭염사상(Extreme Heat Event, EHE)으로 불리는 극단적 고온현상은 간접적으로 인간의 호흡 기 질환, 심혈관 질환과 뇌혈관계에 영향을 미치고, 이때 온도의

일 최저 기온을 이용한 한국의 폭염사상 추세

김령은･원정은･이정민^**

･

부경대학교 지구환경시스템과학부 (환경공학전공)

*부경대학교 환경공학과

**토지주택연구원 건설기술연구실

Trend of heat wave events in South Korea using daily minimum air temperature

Ryoungeun Kim･Jeongeun Won･Jungmin Lee

･Jeonghyeon Choi･Sangdan Kim

Division of Earth Environmental System Science (Major of Environmental Engineering), Pukyong National University

*

Department of Environmental Engineering, Pukyong National University

**

Department of Construction and Technology Research, Land & Housing Institute

요 약

폭염은 전 세계에서 나타나고 있는 현상으로 열 노출과 관련된 위험을 악화시키고, 치명적인 인명피해를 초래한다. 본 연구에서 는 폭염의 한 가지 형태 중 하나인 열대야를 대상으로 한국의 열대야 추세가 어떻게 변화하고 있는 지를 살펴보았다. 1973년부 터 2018년까지 한국 기상청 ASOS 60개 지점의 일 최저 기온을 이용하여 여섯 개의 열대야 특성의 시간적인 변화를 분석하였 다. 이러한 분석으로부터 열대야 관심지역은 인천, 강릉, 청주, 전주, 광주, 장흥, 여수, 거제, 구미, 영덕 등 10개 지역, 열대야 우심지역은 홍천, 양평, 수원, 원주, 보령, 대전, 부안, 정읍, 목포, 거창, 밀양, 포항, 제주, 서귀포 등 14개 지역이 식별되었다.

제안된 열대야 우심지역에는 특별한 열대야 대책이 수립될 필요가 있을 것이다.

핵심용어 : 폭염, 일 최저 기온, 겉보기 온도, 열대야

Abstract

Heat waves are a global phenomenon that exacerbate the risks associated with heat exposure and cause fatal human injury.

The subject of this study was tropical night, one of the forms of heat waves. In this study, we investigated how the trend of tropical night in Korea is changing. From 1973 to 2018, we analyzed the temporal changes of the six tropical nights using daily minimum air temperature at 60 ASOS stations in Korea Meteorological Administration. From these analyzes, 10 sites were selected as attention sites for tropical nights: Incheon, Gangneung, Cheongju, Jeonju, Gwangju, Jangheung, Yeosu, Geoje, Gumi, Yeongdeok. The severe sites for tropical nights were identified as 14 sites including Hongcheon, Yangpyeong, Suwon, Wonju, Boryeong, Daejeon, Buan, Jeongeup, Mokpo, Geochang, Miryang, Pohang, Jeju, and Seogwipo. At the severe sites identified, special tropical night measures will need to be established.

Key words : Heat Wave, Daily minimum air temperature, Apparent temperature, Tropical night

급격한 상승이 몸을 식히는 신체능력을 능가할 때 열 탈진 (heat exhaustion), 열 실신(heat syncope), 열 경련(heat cramps) 그리고 더 나아가 열사병(heat strokes)이나 사망에 이를 수도 있다. 육체적으로 건강한 사람은 일반적으로 열 스 트레스를 잘 극복하지만 노약자나 영유아 그리고 기존 질환이 있는 사람의 경우 열 스트레스에 취약하다(KCDC, 2016).

우리나라의 폭염피해는 도시보다 농촌지역이 더 취약하다. 우 리나라는 대도시 지역보다 농촌 지역의 노약자 비율이 더 높으 며, 농촌지역에서 냉방시설을 갖추고 있는 비율이 도시 지역보다 낮기 때문이다. 또한 농촌의 특성상 실내보다 야외활동을 주로 하여 높은 온도에 더 취약할 수 밖 에 없고, 실제로 일 최고 기온 이 36도 일 경우 농촌의 사망률이 도시보다 10배가량 높아지는 것으로 연구된 바 있다(Kim et al., 2014). 지역적으로 전국에서 폭염으로 인한 사망자 수가 가장 많은 곳도 농촌 지역인 합천군, 의령군, 산청군으로 나타났다(Kim et al., 2014).

보통은 밤 동안의 낮은 온도가 낮에 받은 열 스트레스를 감소 시켜 신체를 회복시킨다. 하지만 극단적 고온현상의 경우는 다르 다. 오후와 밤의 온도를 높여 개인의 하룻밤 회복능력을 제한하 며(Hajat et al., 2002; Anderson and Bell, 2009), 인체 건강에 미치는 폭염의 영향을 증폭시킨다(Basara et al., 2010; Tan et al., 2010). 이렇게 밤에도 기온이 높은 현상을 우리나라에서는 열대야(Tropical night)라 부른다. 열대야는 주로 수면부족 현상을 일으키는데 이러한 수면장애는 정신적인 피로를 유발해 일상생활 에 영향을 미치고, 야간의 높은 최저 기온은 사망률의 증가와도 관련이 있다(Laaidi et al., 2012). 즉, 밤에도 기온이 떨어지지 않 아 인체의 열 노출 지속시간이 길어져 열에 더 민감하게 반응한다.

기상자료개방포털에서 열대야기후통계분석을 확인해본 결과 대도시 지역에서도 열대야가 빈번하게 발생하지만 제주, 서귀 포, 강릉에서 가장 많이 발생한다. 우리나라의 공간적 특징은 중요 기후인자로 한반도 지형, 위도상의 위치, 해안에서의 거 리는 열대야 발생빈도에 영향을 준다(Park and Suh, 2011).

예시로 동일 위도상의 서해안 지역에 비해 강릉이 위치한 영 동 북부지역은 유사푄현상으로 인해 열대야 발생빈도가 더 높 게 나타난다(Choi and Kwon, 2005).

이 때문에 폭염 대책을 대도시중심의 전국 일괄적인 방법으 로 수립하는 것보다는 지역에 따라 맞춤형으로 접근할 필요가 있으며, 낮 동안의 대책만이 아닌 인체에 더 큰 영향을 미치는 열대야에 대한 대책도 동시에 수립되어야한다. 본 연구에서는 일 최고 기온으로 정의하는 폭염이 아닌 일 최저 기온을 자료 로 사용하는 열대야에 초점을 두었다.

본 연구에서는 열대야를 크게 네 가지 특성(빈도, 지속일수, 심도, 열대야 기간)으로 분류해 조사하여, 우리나라를 대상으로 열대야 특성의 공간적 패턴과 추세를 분석하고 이를 통해 향후 열대야우심 지역을 분류해 열대야대책마련에 도움이 되고자한다.

2. 연구방법

2.1 열대야의 정의

폭염은 보통 국가, 지역, 기후 조건에 근거하여 기온이 지정

된 임계온도(threshold temperature)를 넘는 기간을 말한다 (Robinson, 2001). 덴마크는 폭염을 3일 연속 전국 50 %에서 최고 기온이 28 ℃를 넘는 기간으로 정의하고 있으며, 미국과 그리스는 3일 이상 일 최고 기온이 각각 32.2 ℃, 38 ℃를 넘 는 기간으로 정의한다. 우리나라에서 사용되는 폭염에 대한 정 의는 일 최대기온이 33 °C이상인 날이다. 즉, 폭염의 정의는 지역에 따라 사용하는 지표에 따라 다양하다.

열대야도 마찬가지로 기준은 나라마다 다르지만 용어는 스 페인, 스웨덴, 독일, 영국 등 유럽지역과 일본 등에서 동일하게 사용된다. 현재 우리나라에서 사용하는 열대야의 정의는 열대 야는 밤(18:01 - 다음날 9:00) 최저 기온이 25℃이상인 날이 다. 우리나라는 여름철 북태평양 고기압이 강해지면서 덥고 습 한 공기가 유입되는데 밤사이 고기압권에서 약한 바람과 높은 습도로 열이 충분히 식지 않아 열대야가 나타난다(NDMI, 2019).

본 연구에서는 지역마다 기후가 다르고 그에 따른 사람들의 적응도가 다르기 때문에 온도와 습도를 모두 고려한 최저 겉보기 온도를 사용하였다(Kalkstein and Davis, 1989; Koppe et al., 2004; Habeeb et al., 2015). 땀의 증발은 우리 몸이 열을 발산하 여 체온 조절을 하는 중요한 방법이다. 이때 공기 중의 수분양이 많다면 땀 증발을 억제해 극심한 온도에서는 인간에 열 스트레스 를 유발한다. 즉, 극심한 온도가 인간의 건강에 미치는 영향은 습도의 증가로 더욱 악화될 수 있다(Koppe et al., 2004). 이에 온도와 습도의 조합에 기초한 지수인 겉보기 온도를 사용하였고 최저 겉보기 온도를 구하여 이 임계값을 넘는 기간이 이틀 이상 일 경우 열대야(Tropical Night)라 정의하였다.

2.2 겉보기 온도

본 연구에서는 한국 기상청 산하 60개 ASOS 기상관측소의 46년(1973-2018년)기간의 자료를 이용하였다(Fig. 1 참조).

겉보기 온도를 도출하기 위해 사용한 식은 다음과 같다.

Fig. 1. Sixty South Korea cities with population size.









열대야를 정의하기 위해 임계온도를 지정해야한다. 본 연구 에서는 임계온도를 지점별로 정의하였다. 우리나라는 지구온 난화의 영향으로 위도에 따라 아열대 기후와 온대기후가 나타 나고, 지점마다 지형이 달라 환경적 특성이 다르게 나타나므로 임계온도를 개별적으로 적용하는 것이 적합하다(Kim et al., 2014). 우리나라가 다른 나라와 비교해 상대적으로 국토면적 이 작아 가장 많은 사람들이 거주하는 장소인 서울 지점을 대 상으로, 그리고 우리나라 열대야의 정의가 밤 최저 기온이 25

℃ 이상인 날임에 착안하여 서울의 일 최저 기온 25 ℃의 백 분위수를 열대야를 나타내는 겉보기 온도의 기준으로 삼고자 하였다. 밤 최저기온은 보통 일 최저기온이 나타나는 시간대와 같다. 최근 10년간 기후변화의 진행속도가 과거보다 빨라졌기 에 기준 임계온도는 과거 30년 기간(1973-2002년)자료를 사 용하여 산정하였다. 본 연구에서 사용된 임계온도를 구하는 과 정은 다음과 같다.

① 서울지점의 과거 30년간(1973-2002년) 최저 기온 시계 열의 백분위수 계산

② 최저 기온 25 ℃에 대응하는 백분위수( %) 산정

③ 전국 60개 지점의 30년 기간(1973-2002년) 겉보기 온도 시계열 계산

④ 지점별 겉보기 온도 시계열의 백분위수 계산

⑤ 지점별로 ②에서 구한  %의 백분위수에 대응하는 겉보 기 온도 추정

⑥ ⑤에서 구한 겉보기 온도를 해당 지점의 임계온도로 정의

Table 1은 위 방법을 통해 구한 지점별 겉보기 임계온도이 다. 아열대 기후를 보이는 제주와 서귀포지점의 임계온도 값이 가장 크고, 관측 지점 중 842.52m의 가장 높은 고도에 위치한 대관령의 임계온도 값이 가장 작았다.

2.3 열대야의 특성

본 연구에서는 열대야는 이틀 이상 겉보기 온도가 임계온도 를 넘는 기간으로 정의한다. 즉, 하루만 임계온도보다 높을 경 우는 열대야로 분류되지 않는다. 46년 기간의 열대야는 빈도 (Frequency), 지속일수(Duration), 심도(Severity), 열대야 기 간(Timing) 총 4가지 특성(Habeeb et al., 2015)과 열대야 기 간을 세분화하여 연 중 열대야가 처음 일어난 날(Beginning day), 연 중 열대야가 마지막으로 발생한 날(Ending day)까지 총 여섯 가지 항목에 대해 조사했다. 빈도는 연간 열대야가 발 생한 횟수이며, 지속일수는 연간 발생한 열대야 중 최장지속일 수이다. 심도는 연간 발생한 열대야별 평균 겉보기 온도와 임 계온도의 차이 중에서 가장 큰 값을 나타낸다. 열대야 기간은 윤년의 2월 29일을 제외하고, 1월 1일을 1, 12월 31일을 365 로 보고, 연 중 첫 번째 열대야가 시작한 날부터 마지막 열대

Table 1. Apparent temperature at each cities

City Apparent temperature(℃) City Apparent temperature(℃) City Apparent temperature(℃)

Sokcho 25.6313 Gwangju 27.2632 Geumsan 24.9838

Daegwallyeong 20.8411 Busan 27.8311 Buan 26.1384

Chuncheon 25.4321 Tongyeong 27.3086 Imsil 24.366

Gangneung 26.2603 Mokpo 27.4403 Jeongeup 26.1438

Seoul 26.8303 Yeosu 27.3715 Namwon 25.5385

Incheon 26.7492 Wando 27.1471 Jangheung 26.2972

Wonju 25.3001 Jeju 28.1568 Haenam 26.8748

Ulleungdo 26.0732 Seongsan 27.9284 Goheung 26.4482

Suwon 26.3928 Seogwipo 28.9424 Yeongju 24.4189

Chungju 25.2545 Jinju 26.5461 Mungyeong 24.9696

Seosan 26.4874 Ganghwa 25.4051 Yeongdeok 25.0721

Uljin 25.2222 Yangpyeong 25.2139 Uiseong 24.4949

Cheongju 26.3382 Icheon 25.4188 Gumi 25.2265

Daejeon 26.5998 Inje 23.9285 Yeongcheon 25.1679

Chupungyeong 24.7563 Hongcheon 24.6374 Geochang 24.2293

Pohang 27.1588 Jecheon 24.0991 Hapcheon 25.8447

Gunsan 27.2446 Boeun 24.3396 Miryang 26.0189

Daegu 26.9933 Cheonan 25.6 Sancheong 25.3732

Jeonju 27.1173 Boryeong 26.3207 Geoje 27.1282

Ulsan 27.0027 Buyeo 26.269 Namhae 26.7845

야가 발생한 날까지의 전체기간(단위: 일)을 나타낸다.

46년 동안의 변화여부에 대한 통계적인 유의성은 유의확률 (Significance probability, p-value)을 기준으로 평가하였으며, 선형추세의 통계적인 유의성은 Mann-Kendall (M-K) test를 사용하여 살펴보았다.

2.4 Mann-Kendall test

본 연구에서 사용된 Mann-Kendall test는 다른 통계학적 검정법과 달리 표본자료의 특성에 민감하지 않고 자료의 상관 측정치를 통해 자료의 증가 또는 감소가 통계적으로 유의한지 판단하여 경향성 여부를 확인하는 비모수적 통계방법이다.(Oh et al., 2006; Shin et al., 2013; Yun et al., 2015)

개의 변수 가 존재할 때, 관찰치 간의 차이의 합을 나타 내는 통계량(







  

  

   





_ _ (2)

여기서, _와 _는 자료의 j번째와 k번째 값이다. _ _ 는 다음과 같이 산정한다.

_ _  _ _   (3a)

_ _  _ _   (3b)

_ _  _ _    (3c)

식(2)에 계산된









      



  



__ _ (4)

식(4)의 는 자료에서 같은 값을 가지는 동점그룹의 수, 

는 p번째 동점그룹의 자료수이다.

















(5a)

















(5c)

     



 (6)

식(5)에 제시한



고 판단한다. 본 연구에서는 95% 신뢰구간에서 0.05 유의수 준을 사용하였다.

3. 연구결과

3.1 시대별 추세

Fig. 2는 통계적 유의성과 관계없이 46년 동안의 60개 지점 의 자료를 이용하여 시대별로 60개 지점의 평균을 나타낸 것 이다. 이 때, 열대야가 발생하지 않은 해의 자료는 계산에서 제외하였다. 여섯 개의 특성 모두 시간이 지남에 따라 열대야 가 심화되는 결과를 보인다.

이들 중 가장 큰 변화를 보인 것은 지속일수이다. 2010년대 의 지속일수는 1970년대의 지속일수에 비하여 78 % 증가하였 으며, 지난 10년 동안의 변화율도 72 % 증가로 가장 빠르게 증가하는 추세를 보이고 있다(Fig. 2b). 연간 열대야가 발생한 횟수는 40여 년 전 보다 현재에는 1회 이상 더 많이 발생하고 있으며(Fig. 2a), 발생된 열대야의 심도는 1970년대와 비교할 때 2010년대에는 40% 이상 강해진 것으로 나타났다(Fig. 2c).

이는 과거에 비하여 열대야가 더 자주 발생하고 있으며, 발생 된 열대야의 심도와 지속일수가 더 깊어지고 길어졌음을 의미 한다. Fig. 2d의 열대야가 처음 시작된 날의 경우에는 음의 추 세를 보여야 시작 일이 빨라지는 것으로, 열대야가 심화되었다 고 판단할 수 있다. 다른 특성들에 비해 변화율이 가장 작긴 하지만 1970년대와 2010년대를 비교해보면 4일 정도 빠르게 열대야가 발생된 것으로 나타났으며, 최근 10년 동안만 살펴 보면 5일 이상 빠르게 열대야가 나타나고 있음을 알 수 있다.

연 중 열대야가 처음 발생한 날이 앞당겨지고 있다는 것은 인 체가 아직 더위에 적응하기 전에 열대야에 노출되기 때문에 보건학적인 측면에서는 매우 중요한 의미를 가진다(Habeeb et al., 2015). 열대야가 마지막으로 발생된 날도 7일 정도(최근 10년은 5일) 늦춰짐에 따라서 전체 열대야 기간은 11일 정도 늘어난 것을 살펴볼 수 있다(Fig. 2e). 또한 모든 특성들이 2000년대에 들어 1990년대보다 열대야가 완화된 결과를 보였 지만 2010년대에 들어서 반등하여 큰 폭으로 열대야가 더욱 강력해지고 있음을 보여주고 있다.

3.2 열대야 특성별 추세

Fig. 3은 Fig. 2의 전국 평균의 추세가 아닌 본 연구의 60개 지점별 여섯 가지 특성에 따른 추세를 나타낸다. 시간에 따른 선형회귀분석을 수행하여 지점별 자료의 기울기와 p-value를 구하였다. 유의수준을 p-value 0.5를 기준으로 통계적으로 유 의한 지점은 색이 채워진 동그라미, 유의하지 않은 지점은 빈 동그라미로 표시하였다. 자료의 기울기 크기에 따라 동그라미 크기를 다르게 표시하였고, 이 중 기울기가 음의 값을 보이는 지점은 파란색으로 표시하였다. p-value 평가는 유의수준을 0.5까지 낮춰도 통과되지 않는 지점이 다수 발견되었으며, 파 란색으로 표시된 열대야가 완화되는 경향을 보이는 지점도 드 물지 않게 발견됨을 확인할 수 있다.

Fig. 3a의 빈도는 여섯 개의 특성 중 유의수준을 만족하는 지점 수가 52개로 가장 많은 것으로 나타났다. Fig. 3b의 지속일수는 전체적으로 빨간색 동그라미가 56개로 열대야가 증가되는 방향 이 대세를 이루고 있지만 빨간 동그라미 중 통계적으로 유의하지 않은 지점 수가 15개에 이른다. Fig. 3c의 심도는 유의수준을 만족하는 지점 수는 47개이고, 그 중 2개 지점을 제외하고는 양 의 추세를 나타낸다. Fig. 2에서 가장 적은 변화율을 보인 연 중 열대야가 처음 일어난 날은 Fig. 3d에서도 통계적으로 유의하지 않은 지점의 수가 20개로 가장 많았으며, 오히려 파란색으로 표 시된 열대야가 완화되는 추세를 보이는 지점의 수도 9개로 가장

많은 것으로 나타났다. Fig. 3e의 열대야가 마지막으로 발생한 날은 완화되는 추세를 보이는 지점의 수가 6개로 확인된다. 열대 야 기간은 음의 추세를 보이는 지점 수가 3개로 가장 적게 나타 나며, Fig. 2에서 확인한 바와 같이 열대야가 처음 일어난 날이 많이 빨라지지는 않았으나, 열대야가 마지막으로 발생한 날이 연장됨에 따라 전체적인 기간으로 보았을 때는 유의한 증가 폭을 보인 것으로 판단된다. 특성들에서 유의한 증가를 보이는 지점들 의 수를 계산해보면 그림 순서대로 85 %, 68 %, 75 %, 67 %, 65 %, 80 %로 빈도가 가장 많고, 열대야가 마지막으로 발생한 날이 가장 작다.

(a) Frequency of tropical night (b) Duration of tropical night

(c) Severity of tropical night (d) Beginning day of tropical night

(e) Ending day of tropical night (f) Timing of tropical night Fig. 2. Decadal average for tropical night characteristics across all 60 sites.

(a) Tropical night frequency (b) Tropical night duration

(c) Tropical night severity (d) Tropical night beginning day

(e) Tropical night ending day (f) Tropical night timing Fig. 3. Linear trends of individual characteristics.

Fig. 4. Tropical night trend using M-K test.

Fig. 3에서 6개 특성에서 모두 유의한 증가를 보이는 지점은 대관령, 인천, 원주, 수원, 청주, 대전, 포항, 군산, 광주, 목포, 여수, 제주, 서귀포, 양평, 홍천, 보령, 부안, 임실, 정읍, 구미, 거창, 밀양, 산청, 거제, 남해, 총 25곳이다. 6개 특성에서 열대 야가 처음 일어난 날의 특징을 제외하고 유의수준 상관없이 완화되는 추세를 보이는 지점은 문경, 1개 지점으로 나타났다.

열대야 빈도 측면에서 대전 지점은 전체 지점 중 10년마다 평 균 0.64개로 늘어나 가장 큰 변화를 보였고, 지속일수 측면에서는 인천이 10년마다 평균 2.52일씩 증가하여 가장 큰 변화를 나 타냈다. 인천 지점의 지속일수는 1970년대 대비 2010년대에 들어서 평균 10일이 증가했다. 심도 측면에서는 목포 지점이 10년마다 평균 0.24℃ 증가하여 가장 큰 변화를 보였고, 열대 야 기간 측면에서는 서귀포 지점이 10년마다 평균 5.29일씩 증가하여 가장 큰 변화를 나타내었다. 서귀포 지점은 2000년 대에 들어 1970년대보다 약 26일정도 증가하였다.

Fig. 4는 상기 여섯 개의 열대야 특성별로 M-K test가 수행 되어 시간에 따른 변화가 경향성을 보이는 특성들의 개수를 나타내었다. 초록색은 경향성을 보이는 특성이 하나도 없는 경 우이고, 경향성을 보이는 특성이 많을수록 동그라미의 크기가 커지고 붉은색이 진해지도록 표시하였다. 전체적으로 서해안, 제주도, 중부내륙, 대구지점 주위에 붉은색이 진한 지역이 분 포하고 있다. Fig. 4에서 3개 이상의 특성이 경향성을 보이는 18개의 지점 모두 Fig. 3에서 6개의 특성이 모두 유의한 증가 를 보이는 25개의 지점에 포함되는 결과가 나타났다.

Fig. 4에서 6개의 특성을 모두 만족하는 지점은 없었다. 하지만 열대야가 처음 일어난 날과 열대야가 마지막으로 발생한 날을 열대 야 기간으로 살펴보면, 총 4개의 특성을 만족하는 곳은 원주, 수원, 포항, 제주, 서귀포, 양평, 보령, 거창, 총 8지점으로 나타났다.

4. 토 론

Fig. 5는 1973년부터 2018년까지 46년 동안 빈도, 지속일 수, 심도, 열대야 기간의 특성 중 최소 2개의 열대야 특성이

전국 평균보다 빠르게 악화되고 있는 지점들(34개 지점)을 보 여주고 있다. 시계방향순서로 빈도, 지속일수, 심도, 열대야 기 간을 나타낸다. 선형의 변화를 보이는 특성은 검정색으로, 아 닌 특성은 회색으로 나타내었다.

Fig. 5. Sites that have at least two tropical night characteristics

with significant trends above the national average.

Fig. 6. Points that satisfy four characteristics.

열대야 추세가 전국 평균보다 빠르게 증가하고 있는 34개 지점 중 19개 지점은 네 가지 특성 모두 큰 변화를 겪었음을 확인할 수 있다. 이 중 제주와 서귀포 지점은 변화율이 아주 높은 편에 속한다. 이는 두 지점이 가장 남쪽에 위치해 있고 지구온난화와 주변 따뜻한 해류의 영향으로 보인다. Fig. 5에 표시된 지점들 중 네 가지 특성 모두 표시된 지점은 서해안부 근, 중부내륙지방, 경상북도의 남쪽, 제주 지역에 분포해있다.

최종적으로 Fig. 6은 Fig. 5의 3개 이상의 특성이 표시된 지 점과 Fig. 4의 M-K test의 결과로 4개 특성들 중 3개 이상의 특성이 통계적 유의성을 보이는 지점을 나타내었다. Fig. 6에

서 (1)는 M-K test의 결과로 4개 특성이 모두 통계적 유의성 을 보이는 8개 지점, (2)은 M-K test의 결과로 3개 특성이 통 계적 유의성을 보이는 8개 지점, (3)은 Fig. 5의 4개 특성이 모 두 표시된 19개 지점, (4)은 Fig. 5의 3개 특성이 표시된 4개 지점이다. 이 중 두 지표에서 모두 4개 특성이 통계적 유의성 을 보이는 지점을 빨간색으로, 한 지표는 3개 특성을 다른 지 표는 4개 특성을 보이는 지점은 주황색으로, 그 외의 지점들은 노란색으로 나타내었다.

표시된 원이 빨간색에 가까울수록 시간에 따른 열대야 특성 의 변화가 통계적으로 유의함을 보이며, 선형추세를 띄는 지점 을 나타낸다. 두 지표에서 4개 특성 모두 만족하는 지점은 총 일곱 지점으로 60개의 연구대상 지점 중 11.6%에 해당한다.

주황색으로 표시된 지점들도 일곱 지점으로 전체 연구대상 지 점 중 11.6%에 해당한다. 빨간색과 주황색으로 표시된 지점들 은 전체 지점의 23.3%에 해당하며 열대야 우심지역으로 볼 수 있고, 나머지 노란색으로 표시된 10개 지점은 열대야 관심지 역으로 살펴볼 수 있다. 열대야 우심지역의 경우 주로 중부내 륙지방, 서해안부근 그리고 제주지역에 분포해있다.

한국의 대도시 중 대구지점은 ‘대프리카’라는 별명이 있을 정도로 해마다 여름철 일 최고기온이 다른 지점에 비해 높은 지역이다. 하지만 본 연구의 결과로 대구지점은 열대야 우심지 역, 관심지역에 속하지 않았다. 실제로 대구지점은 폭염이 많 이 발생하는 지점이라(Kim et al., 2015) 열대야도 빈번히 발 생할 것으로 예상하였지만, 분지지형으로 습한 기단이 지형적 으로 차단이 되기 때문에 습도가 높은 지역은 아니다(Choi et al., 2002). 온도는 높지만 습도가 낮기에 온도와 습도를 모두 고려한 겉보기 온도의 임계온도가 비교적 낮게 정해져서 나온 결과로 판단된다.

5. 결 론

폭염은 두 개 이상의 특성이 복합적으로 작용하여 열 관련 질병을 일으킨다. 예를 들어, 높은 심도와 긴 지속일수를 가진 폭염이 짧은 지속일수의 높은 심도의 폭염보다 인구에 더 큰 위협이 된다(Anderson and Bell, 2011). 이러한 연관성에 비추 어, 본 연구에서는 시간에 따른 한국의 60개 지점에 걸친 열대 야의 빈도, 지속일수, 심도, 열대야 기간에 대해, 열대야를 겉보 기 온도를 사용하여 정의하고 지점 자료를 선형회귀분석과 M-K test를 이용하여 추세를 분석하였다. 결과로 평균 77%의 지점에 대하여 통계적으로 유의미하게 증가했음을 발견했다.

이 중 34개 지점은 최소 2개의 열대야 특성에 대해 전국 평균 보다 빠른 속도로 증가하고 있는 추세를 보여주고 있다.

본 연구에서는 46년간의 자료를 사용하여 추세를 분석하였다.

본 연구에서는 60개 지점의 열대야를 분석하여 열대야 우심 지역과 열대야 관심지역을 분류하였다. 열대야 관심지역으로 는 인천, 강릉, 청주, 전주, 광주, 장흥, 여수, 거제, 구미, 영덕 등 10개 지역이 식별되었고, 열대야 우심지역은 홍천, 양평, 수원, 원주, 보령, 대전, 부안, 정읍, 목포, 거창, 밀양, 포항, 제 주, 서귀포 등 14개 지역을 지정할 수 있었다. 이러한 연관성

에 비추어, 본 연구에서는 시간에 따른 한국의 60개 지점에 걸 친 열대야의 빈도, 지속일수, 심도, 열대야 기간에 대해, 열대 야를 겉보기 온도를 사용하여 정의하고 지점 자료를 선형회귀 분석과 M-K test를 이용하여 추세를 분석하였다. 결과로 평 균 77%의 지점에 대하여 통계적으로 유의미하게 증가했음을 발견했다. 이 중 34개 지점은 최소 2개의 열대야 특성에 대해 전국 평균보다 빠른 속도로 증가하고 있는 추세를 보여주고 있다.. 이 지역들은 열대야의 피해를 줄이기 위해 적절한 계획 을 세울 필요가 있다. 예시로 2003년 유럽의 치명적인 폭염 이전에는 유럽의 두 도시만이 폭염 비상 대응 계획을 수립하 고 있었다. 이러한 대비의 부족은 치명적인 폭염이 발생하면 인명피해 증가의 원인이 된다.

우리나라에서 열대야 우심지역으로 나타난 지역은 한 지점 을 제외하고는 대도시가 아니다. 대도시가 아닌 지역의 특성상 고령화 인구의 비중이 높고 이는 열대야 우심지역 주민들이 열에 더 취약하다는 것을 나타낸다. 이에 열대야 우심지역의 비상 대응 계획은 비상 알림만 작동하는 것이 아니라 공중 보 건상의 계획도 잘 수립할 필요가 있는 것으로 판단된다. 46년 기간의 자료들을 분석한 결과, 한국의 7개 대도시 중 대전지점 을 제외하고는 열대야 특성이 뚜렷하게 나타나지 않는 것으로 확인되었다.

열대야 특성이 나타난 지역은 중부내륙지방과 서해안 부근 그리고 제주지역으로 나타났는데, 바다가 인접한 지역도 아니 고 내륙지방에만 한정적으로 나타나는 결과도 아니고 산맥의 영향을 받는다고 보기도 어려운 지점이 있어 공통점을 아직 파 악하지 못하였다. 하지만 열대야 특성이 뚜렷한 지점들의 공통 점을 파악하는 연구를 추가적으로 진행한다면 미래 한국의 열 대야 추세에 대해 어느 정도 예측이 가능할 것으로 판단된다.

사 사

본 결과물은 환경부의 재원으로 한국환경산업기술원의 환경 정책기반공공기술개발사업의 지원을 받아 연구되었습니다 (2016000200002).

References

Anderson, B.G., and Bell, M.L. (2009) Weather-related mortality: how heat, cold, and heat waves affect mortality in the United States. Epidemiology, 20, pp. 205–213. [DOI : 10.1097/EDE.0b013e318190ee08].

Anderson, B.G., and Bell, M.L. (2011) Heat waves in the United States: mortality risk during heat waves and effect modification by heat wave characteristics in 43 US communities. Environmental Health Perspectives, 119(2), pp. 210–218. [DOI : https://doi.org/10.1289/ehp.1002 313]

Bador, M., Terray, L., Boe, J., Somot, S., Alias, A., Gibelin, A.L., and Dubuisson, B. (2017) Future summer

mega-heatwave and record-breaking temperatures in a warmer France climate.

Environmental Research Letters

aa751c]

Basara, J.B., Basara, H.G., Illston, B.G., and Crawford, K.C.

(2010) The impact of the urban heat island during an intense heat wave in Oklahoma City.

Adv Meteorol

230365]

BBC (British Broadcasting Corporation). (2018, July 2). UK weather: Heatwave to continue for another two weeks.

BBC Internet. [https://www.bbc.com/news/uk-44687564]

Choi, G., Choi, J., Kim, J., and Son, S. (2002) The Climatology of Perceived Sultriness in South Korea.

Journal of the Korean Geographical Society

Choi, G., and Kwon, W. (2005) Spatial-Temporal Patterns and Recent Changes of Tropical Night Phenomenon in South Korea.

Journal of the Korean Geographical Society

Habeeb, D., Vargo, J., and Stone, B. (2015) Rising heat wave trends in large US cities.

Nat. Hazards

1651-1665. [DOI : https://doi.org/10.1007/s11069-014- 1563-z]

Hajat, S., Kovats, R.S., Atkinson, R.W., and Haines, A. (2002) Impact of hot temperatures on death in London: a time series approach.

J Epidemiol Community Health

367–372. [DOI : http://dx.doi.org/10.1136/jech.56.5.

367]

Imada, Y., Watanabe, M., Kawase, H., Shiogama, H., and Arai, M. (2019) The July 2018 high temperature event in Japan could not 1 have happened without human- induced global warming.

SOLA

Kalkstein, L.S., and Davis, R.E. (1989) Weather and human mortality: an evaluation of demographic and interregional responses in the United States.

Annals of the Association of American Geographers

Kalkstein, L.S. (1991) A new approach to evaluate the impact of climate on human mortality.

Environ. Health Persp

9196145]

Kalkstein, L.S., and Greene, J.S. (1997) An evaluation of climate/mortality relationships in large US cities and the possible impacts of a climate change.

Environ Health Perspect

1289/ehp.9710584]

Kim, D., Chung, J., Lee, J., and Lee, J. (2014) Characteristics of Heat wave Mortality in Korea.

Korean Meteorological Society

: http://dx.doi.org/10.14191/Atmos.2014.24.2.225]

Kim, E., Park, J., and Jung, W. (2014) A Study on the Occurrence Characteristics of Tropical Night Day and Extreme Heat Day in the Metropolitan City, Korea.

Journal of Environmental Science International

[Korean Literature] [DOI : https://doi.org/10.5322/

JESI.2014.5.873]

Kim, J., Kim, G., and Kim, B. (2015) The Occurrence Characteristic and Future Prospect of Extreme Heat and Tropical Night in Daegu and Jeju.

Journal of Environmental Science International

24.11.1493]

Koppe, C., Kovats, S., Jendritzky, G., and Menne, B. (2004)

Heat-waves: risks and responses

Korea Centers for Disease Control (KCDC). (2016). [Korean Literature] [http://health.cdc.go.kr/health/HealthInfoArea/

HealthInfo/View.do?idx=14200]

Korea Centers for Disease Control (KCDC). (2019). [Korean Literature] [http://www.cdc.go.kr/menu.es?mid=a20304 010500]

Kysely, J., and Huth, R. (2004) Heat-related mortality in the Czech Republic examined through synoptic and 'traditional' approaches.

Climate Research

Laaidi, K., Zeghnoun, A., Dousset, B., Bretien, P., Vandentorren, S., Giraudet, E., and Beaudeau, P. (2012) The impact of heat islands on mortality in Paris during the August 2003 heat wave.

Environmental Health Perspectives

254-259. [DOI : https://doi.org/10.1289/ehp.1103532]

National Disaster Management Research Institute (NDMI).

[Korean Literature] [http://www.ndmi.go.kr/promote/

knowledge/nature.jsp?link=9]

Oh, J., Kim, H., Seo, B. (2006) Trend and Shift Analysis for Hydrologic and Climate Series.

Journal of the Korean Society of Civil Engineers

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

1520-0477(2001)082<1353:TNAIOT>2.3.CO;2]

Park, W., and Suh, M. (2011) Characteristics and Trends of Tropical Night Occurrence in South Korea for Recent 50 Years (1958-2007).

Korean Meteorological Society

10.14191/Atmos.2011.21.4.361]

Pascal, M., Laaidi, K., Ledrans, M., Baffert, E., Caserio, S.C., Tertre, A.L., Manach, J., Medina, S., Rudant, J., and

Empereur, B.P. (2006) France's heat health watch warning system.

International Journal of Biometeorology

144-153. [DOI : 10.1007/s00484-005-0003-x]

Revich, B.A. (2011) Heat-wave, air quality and mortality in European Russia in summer 2010: preliminary assessment.

Ekologiya Cheloveka/Human Ecology

Revich, B., and Shaposhnikov, D. (2012) Climate change, heat waves, and cold spells as risk factors for increased mortality in some regions of Russia.

Studies on Russian Economic Development

Robine, J.M., Cheung, S.L., Le Roy, S., Van Oyen, H., Griffiths, C., Michel, J.P., and Herrmann, F.R. (2008) Death toll exceeded 70,000 in Europe during the summer of 2003.

Comptes Rendus Biologies

Robinson, P.J. (2001) On the definition of a heat wave.

Journal of Applied Meteorology

Shin, J., Park, Y., Kim, T. (2013) Estimation of Future Design Rainfalls in Administrative Districts Using Nonstationary GEV Model.

Journal of KOSHAM

[Korean Literature] [DOI : http://dx.doi.org/10.9798/

KOSHAM.2013.13.3.147]

Steadman, R.G. (1984) A universal scale of apparent temperature.

J Climate Appl Meteorol

[DOI : https://doi.org/10.1175/1520-0450(1984)023<1674:

AUSOAT>2.0.CO;2]

Tan, J., Zheng, Y., Tang, X., Guo, C., Li, L., Song, G., Zhen, X., Yuan, D., Kalkstein, A.J., Li, F., and Chen, H. (2010) The urban heat island and its impact on heat waves and

human health in Shanghai.

Int J Biometeorol

84. [DOI : 10.1007/s00484-009-0256-x]

Whitman, S., Good, G., Donoghue, E.R., Benbow, N., Shou, W., and Mou, S. (1997) Mortality in Chicago Attributed to the July 1995 Heat Wave.

American Journal of Public Health

Yun, J., Hwang, S., Kim, D., Kim, S. (2015) Trend Analysis of Monthly Water Quality Data in Nakdong River Based on Seasonal Mann-Kendall Test.

Journal of the Korean Society of Agricultural Engineers

[Korean Literature] [DOI : http://dx.doi.org/10.5389/

KSAE.2015.57.6.153]

<저자소개>

Ryoungeun Kim

Pukyong National University

Graduate student / [email protected] Jeongeun Won

Pukyong National University

Graduate student / [email protected] Jungmin Lee

Land & Housing Institute

Senior Researcher / [email protected] Jeonghyeon Choi

Pukyong National University

Ph.D. candidate / [email protected] Sangdan Kim

Pukyong National University Professor / [email protected]