Projecting the Elderly Population at Heat Wave Risk for Climate Change: A Spatial Approach

Ju Han Lee; Donghyun Kim

doi:10.22776/kgs.2022.57.3.269

All Issue

2022 Vol.57, Issue 3 Preview Page Next Page

Research Article

Projecting the Elderly Population at Heat Wave Risk for Climate Change: A Spatial Approach 기후변화에 따른 지역별 미래 폭염위험 고령인구의 추정

30 June 2022. pp. 269-283

PDF XML

Abstract

The purpose of this study is to project the heat wave risk elderly population of 2037 due to climate change targeting si, gun, gu in the South Korea. Threshold temperature was derived by threshold regression model using heat wave-related death data and meteorological data from 2007 to 2017, and the elderly population at risk of heat wave was derived according to projected temperature by climate change scenarios and projected population by National Statistics. As a result of the analysis, 110 si-gun-gu were statistically significant in deriving the threshold temperature to heat wave risk. Applying the RCP 4.5 climate change scenario, the three locals with the highest number of elderly population at risk of heat wave per 10,000 population in 2037 were Samcheok-si, Gangwon, Gimhae-si, Gyeongnam, and Hap cheon-gun, Gyeongnam. Considering the number of elderly population, the three locals with the highest number of elderly population at risk of heat wave were Changwon-si, Gyeongnam, Buk-gu, Daegu, and Gimhae-si, Gyeongnam. As a result of applying the RCP 8.5 climate change scenario, in 2037, Yanggu- gun, Gangwon-do, Eumseong-gun and Jeungpyeong-gun, Chungbuk were three locals with highest values at risk of heat wave per 10,000 population. Considering the number of the elderly population, the three regions with the highest value for the elderly population at risk of heat wave were Gimhae-si and Changwon-si, Gyeongnam, and Siheung-si, Gyeonggi-do. This study has policy implications in that it directly estimates and presents the number of the elderly at risk of heat waves due to future climate change.

Keywords

Heat wave

Climate Change

Elderly

Threshold

Threshold regression

본 연구의 목적은 우리나라 시･군･구를 대상으로 기후변화에 따른 2037년 폭염위험 고령인구를 전망하는 것이다. 2007년에서 2017년까지 폭염과 관련된 사망자료와 기상자료를 이용한 분계적 회귀분석을 수행하여 임계온도를 도출하였으며 미래 기후변화 시나리오에 따른 기온과 장래인구추계 값에 따라 폭염위험 고령인구를 도출하였다. 분석 결과 110개 시･군･구가 임계온도 도출에 있어 통계적으로 유의하였으며 RCP 4.5 기후변화 시나리오를 적용한 결과 2037년 인구 만 명당 폭염위험 고령인구는 강원 삼척시, 경남 김해시, 경남 합천군 등의 순으로 지역의 고령인구 수를 고려한 폭염위험 고령인구는 경남 창원시, 경남 김해시 대구 북구 등의 순으로 나타났다. RCP 8.5 기후변화 시나리오를 적용한 결과 2037년 인구 만 명당 폭염위험 고령인구는 강원 양구군, 충북 음성군, 충북 증평군 순으로 나타났으며 지역의 고령인구 수를 고려한 폭염위험 고령인구는 경남 김해시, 경남 창원시, 경기 시흥시 순으로 나타났다. 본 연구의 결과는 미래 기후변화에 따른 폭염위험 고령인구 수를 직접 추정하여 제시하고 있다는 점에서 정책적 활용성이 있다.

키워드

폭염

기후변화

고령인구

임계점

분계점 회귀분석

References

기상청, 2021, 기후정보포털, http://www.climate.go.kr/home/

기상청, 기상자료 개방포털, https://data.kma.go.kr/cmmn/main.do

김도우･정재학･이종설, 이지선, 2014, "우리나라 폭염 인명피해 발생특징," 대기, 24(2), 225-234. 10.14191/Atmos.2014.24.2.225

김지영･이대근･박일수･최병철･김정식, 2006, "한반도에서 여름철 폭염이 일 사망률에 미치는 영향," 대기, 16(4), 269-278.

김지영･이대근･Jan Kysely, 2009, "한국 주요도시의 폭염에 대한 기후 순응도 특성," 대기, 19(4), 309-318.

김희준･안숙희･지준범･윤상후, 2020, "공간보간법을 이용한 정량적 강우 추정 비교분석," 한국데이터정보과학회지, 31(2), 243-254. 10.7465/jkdi.2020.31.2.243

박종길･정우식･김은별, 2008, "폭염이 일사망자수에 미치는 영향에 관한 연구," 한국대기환경학회지, 24(5), 525-537.

박종철･채여라, 2020, "2018년 폭염으로 인한 온열질환자와 초과사망자 분석," 대한지리학회지, 55(4), 391-408.

배민기･김보은･이채연, 2020, "폭염 시 위험지역과 취약계층 거주지역 간의 공간관계 분석," 환경정책, 28(3), 243-280. 10.15301/jepa.2020.28.3.243

이승호･허인혜, 2011, "한국에서 극한기온의 변화에 관한 연구," 대한지리학회 학술대회논문집, 164-168.

임연희･이현지･홍윤철, 2019, "2006~2018년 폭염으로 인한 초과사망자 추정," 주간 건강과 질병, 12(37), 1435-1441.

정지훈･김인경･이대근･신진호･김백조, 2014, "우리나라 지역별 고온 극한 현상에 의한 사망 취약도 비교," 대한지리학회지, 49(2), 245-263.

질병관리청, 2021, 온열질환 응급실감시체계, https://www.kdca.go.kr/contents.es?mid=a20304010500

통계청, 국가통계포털-장래인구추계, https://kosis.kr/index/index.do

통계청, 마이크로데이터센터, https://mdis.kostat.go.kr/index.do

하종식･신용승･배현주, 2010, 고온으로 인한 사망 누적효과 분석방법론 연구, 한국환경정책･평가연구원.

Azhar, G. S., Mavalankar, D., Nori-Sarma, A., Rajiva, A. and Dutta, P. 2014, Heat-related mortality in India: excess all-cause mortality associated with the 2010 Ahmedabad heat wave, PLoS One, 9(3), e91831. 10.1371/journal.pone.009183124633076PMC3954798

Chen, F-W. and Liu, C-W., 2012, Estimation of the spatial rainfall distribution using inverse distance weighting (IDW) in the middle of Taiwan, Paddy and Water Environment, 10, 209-222. 10.1007/s10333-012-0319-1

Chen, X., Li, N., Liu, J., Zhang, Z. and Liu, Y., 2019, Global heat wave hazard considering humidity effects during the 21st century, International Journal of Environmental Research and Public Health, 16(9), 1513. 10.3390/ijerph1609151331035681PMC6539408

Guo, Y., Barnett, A. G., Pan, X., Yu, W. and Tong, S., 2011, The impact of temperature on mortality in Tianjin, China: a case-crossover design with a distributed lag nonlinear model, Environment Health Perspectives, 119(12), 1719-1725. 10.1289/ehp.110359821827978PMC3261984

Ha, J. and Kim, H., 2013, Changes in the association between summer temperature and mortality in Seoul, South Korea, International Journal of Biometeorology, 57, 535-544. 10.1007/s00484-012-0580-422872184

Hansen, B. E., 2000, Sample splitting and threshold estimation, Econometrica, 68(3), 575-603. 10.1111/1468-0262.00124

Kim, D-W., Deo, R. C., Park, S-J., Lee, J-S. and Lee, W-S., 2019, Weekly heat wave death prediction model using zero-inflated regression approach, Theoretical and Applied Climatology, 137, 823-838. 10.1007/s00704-018-2636-9

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, 82-88. 10.1016/j.scitotenv.2006.08.01417007909

Lim, Y. H., Kim, H. and Hong, Y. C., 2013, Variation in mortality of ischemic and hemorrhagic strokes in relation to high temperature, International Journal of Biometeorology, 57(1), 145-153. 10.1007/s00484-012-0542-x22527757

Mora, C., Cunsell, C. W. W., Bielecki, C. R. and Louis, L. V., 2017, Twenty-seven ways a heat wave can kill you: deadly heat in the era of climate change, Circ Cardiovasc Qual Outcomes, 10(11), e004233 10.1161/CIRCOUTCOMES.117.00423329122837

Park, M., Jung, D., Lee, S. and Park, S., 2020, Heatwave damage prediction using random forest model in Korea, Applied Sciences, 10(22), 8237. 10.3390/app10228237

Tong, S., FitzGerald, G., Wang, X-Y., Aitken, P., Tippett, V., Chen, D., Wang, X. and Guo, Y., 2015, Exploration of the health risk-based definition for heatwave: a multi-city study, Environmental Research, 142, 696-702. 10.1016/j.envres.2015.09.00926386208

Xu, Z. and Tong, S., 2017, Decompose the association between heatwave and mortality: which type of heatwave is more detrimental?, Environmental Research, 156, 770-774. 10.1016/j.envres.2017.05.00528494429

Information

Publisher :The Korean Geographical Society
Publisher(Ko) :대한지리학회
Journal Title :Journal of the Korean Geographical Society
Journal Title(Ko) :대한지리학회지
Volume : 57
No :3
Pages :269-283
Received Date : 2022-04-07
Revised Date : 2022-04-27
Accepted Date : 2022-05-11
DOI :https://doi.org/10.22776/kgs.2022.57.3.269

Journal of the Korean Geographical Society ISSN:1225-6633(Print) 대한지리학회지

All Issue