1. 서론

도시를 비롯한 다양한 분야에서 기후변화는 중요한 이슈로 다루어지고 있다. 지구온난화의 영향으로 전세계적으로 기온이 계속해서 높아지고 있으며 이로 인해 혹한의 강도나 빈도는 감소하는 반면 폭염의 강도와 빈도 그리고 폭염으로 인한 피해는 증가할 것으로 예상된다(이승호･허인혜, 2011; Park et al., 2020). 폭염은 시설물에 주로 영향을 주는 태풍, 지진, 폭우 등의 자연재해와는 다르게 주로 인명에 직접적으로 영향을 미치는 경향이 있어 이에 대한 피해를 저감하기 위한 방안이 필요한 것으로 논의되고 있다(김지영 등, 2006).

폭염에 대한 피해는 매년 지속적으로 발생하고 있으며 폭염과 관련된 연구 역시 다수 진행된바 있다. 폭염과 관련된 기존 연구들은 주로 폭염에 영향을 받을 것으로 전망되는 계층에 대한 논의와 초과 사망자에 대한 논의로 구분된다. 전자와 관련해서는 사회경제적 요인에 따른 취약성을 파악하거나 인구 구조적 측면에서 고령층과 영유아층에 대한 취약성을 논의하고 있다(Kim and Joh, 2006; 배민기 등, 2020). 후자와 관련해서는 초과 사망자를 중심으로 논의하고 있는데 이는 폭염의 건강영향을 바탕으로 사망 위험을 추정하고 인명 피해를 정량화하는 것에 초점을 두고 있다(Ha and Kim, 2013; 박종철･채여라, 2020; 하종식 등, 2010; 임연희 등, 2019). 특히 이들의 연구는 과거의 폭염으로 인한 피해에서 초과사망자를 추정하고 인간생명가치를 추정하였다.

하지만 기존 연구들은 폭염의 피해가 나타날 수 있는 피해를 과소평가할 가능성이 있으며 잠재적 미래인구를 직접적으로 추정하지 못한다는 한계가 있다. 폭염으로 인한 피해를 감시하고 관리하기 위해서 질병관리청(2021)은 온열질환자 감시체계를 운영하고 있고 사망자 수를 파악하고 있다. 하지만 온열질환자만을 폭염에 대한 사망 기준으로 하여 산정할 경우 폭염으로 인한 피해를 과소평가 할 가능성이 존재한다(박종철･채여라, 2020). 폭염과 관련해서는 다양한 사망원인이 존재하며 심뇌혈관계 뿐만 아니라 호흡계질환 까지 다양한 경로를 통하여 인명피해가 발생하기 때문이다(Lim et al., 2013; Guo et al., 2011). 뿐만 아니라 폭염으로 인한 피해와 관련된 논의들은 미래에 영향을 받을 수 있는 위험인구의 수를 직접적으로 추정하고 있지 않다. 폭염으로 인한 영향은 연령과 지역에 따라 다양하나 기존의 연구들은 고령자 인구 수, 영유아 인구 수, 저소득계층 인구 수 등을 폭염의 영향과 직접 연계하지 않은 상태에서 이용하고 있다. 폭염의 영향은 도시 및 지역계획을 수립하고 지역별로 기후변화 적응대책을 수립하는데 있어 반드시 필요한 요소이다. 특히 폭염의 영향을 받을 수 있는 잠재적 계층인 고령층이 급속하게 증가하고 있는 상황에서 지역별로 어느 정도의 고령인구가 폭염으로 인하여 위험해질 수 있는가를 밝혀내는 것이 요구된다.

본 연구의 목적은 기후변화로 인한 미래의 폭염위험 고령인구를 지역별로 추정하는 것이다. 1997년부터 2017년까지의 여름철 일 기온과 사망원인통계에서 폭염으로 인하여 잠재적으로 영향을 받을 가능성이 있는 사망자 간의 관계를 분계적 회귀분석을 이용하여 파악하고 각 시･군･구 별로 임계온도를 도출한다. 임계온도를 이용하여 2037년까지 장래추계인구 중 폭염에 잠재적으로 위험할 수 있는 고령인구가 몇 명인가에 대하여 전망하고 이에 대한 공간적인 분포를 확인하고자 한다.

2. 선행연구 검토

1) 폭염에 대한 정의와 임계온도

기상청에서는 2020년 이전에는 일 최고기온을 기준으로, 2020년 이후부터는 체감온도를 기준으로 33℃ 이상인 상태가 2일 이상 지속될 것으로 예상되는 경우에는 폭염주의보를 발효하고, 35℃ 이상인 상태가 2일 이상 지속될 것으로 예상되는 경우에는 폭염경보를 발효하고 있다. 많은 연구에서는 기상청에서 규정하고 있는 폭염의 정의에 근거하여 분석을 진행하고 있다. 기상청의 폭염 기준은 역학적 연구를 바탕으로 설계된 표준화된 기준이다(박종길 등, 2008). 하지만 지역의 여건에 따라 실제 사람에게 피해를 줄 수 있는 기온은 다양하게 나타날 수 있다.

Kim and Joh(2006)에서는 기상청에서 정의한 폭염의 기준인 기온 33℃ 이상인 경우를 폭염으로 정의하고 서울을 대상으로 분석하였다. 이 연구에서는 경제적 수준과 인구 구조에 따라 폭염에 의해 받는 영향의 차이를 확인하기 위해 온도에 따른 상대위험도를 산출하여 경제적으로는 저소득 계층이, 인구 구조적으로는 고령자 계층이 폭염에 취약하다는 결과를 제시하였다. Azhar et al.(2014)에서는 인도의 Ahmedabad 지역을 대상지역으로 폭염에 대한 연구를 수행하였다. 해당 연구에서는 Indian Meteorology Department (IMD)에서 규정하고 있는 폭염의 정의에 따라 40℃ 이하인 경우에 평년에 비해 5℃ 이상 높거나 40℃ 이상인 경우에는 평년에 비해 4℃ 이상 높거나 일 최고기온이 45℃ 이상인 경우를 폭염으로 정의하여 2009년과 2011년의 사망자를 비교하여 2010년의 Ahmedabad 지역의 초과사망자를 추정하였다. 이처럼 각 국가 또는 지역별 기관에서 규정하고 있는 폭염에 대한 정의를 그대로 받아들여 해당 기온을 연구에서 폭염에 대한 기준으로 사용하는 경우는 지역 간의 기온차가 적거나 비교적 좁은 지역을 대상으로 하는 경우에 적합하다.

하지만 Chen et al.(2019)은 고온의 환경에서 인체는 열 순환을 통해서 폭염에 자체적으로 대응하는 능력이 있는데 상대습도가 높은 환경에서는 이러한 열 순환 과정이 정상적으로 작동하는 것을 방해받기 때문에 비교적 낮은 온도일지라도 해당 지역의 상대습도에 따라 폭염으로 인한 영향이 달라질 수 있다고 설명하며 특정한 기온만을 폭염의 기준으로 사용하면 분석 결과의 설명력이 낮아질 수 있음을 제시하였다. Xu and Tong(2017)은 주간의 높은 기온으로 인해 인체에 누적된 열 스트레스가 기온이 낮아지는 야간에 해소하는 메커니즘이 있는 것으로 설명하였다. 하지만 야간에도 기온이 높은 경우 인체에 누적된 열 스트레스가 적정 수준으로 해소되지 못하기 때문에 일 최고기온과 더불어 일 최저기온도 폭염을 정의하는데 있어서 다룰 필요가 있다고 논의하였다. 이와 유사한 관점에서 Kim et al.(2019)에서는 한국에서 폭염으로 인한 영향을 추정하기 위해 여름철 일 최고기온이 33℃를 넘는 폭염과 일 최저기온이 25℃를 넘는 열대야 현상을 결합하여 지표로 사용하기도 하였다. 해당 연구에서는 지역의 전체 인구 수 및 독거노인 수, 농업 종사자 수와 폭염으로 인한 사망자수 간의 양의 상관관계를 확인하였다.

한 국가와 같이 넓은 지역에 걸쳐 폭염에 의한 영항을 비교하기 위해 동일한 온도를 기준으로 폭염을 정의하는 경우에는 기후적 특성이 다른 여러 지역을 비교하는 것이 부적절할 수 있다는 문제가 있다. Tong et al.(2015)에서는 이를 보완하기 위한 방법으로 각 지역의 여름철 일 최고기온 및 최저기온을 축적한 자료에 대해 특정 분위 이상의 기온을 나타내는 경우를 폭염과 열대야로 정의하여 호주의 3개 대도시에 대해서 분위별 온도와 성별, 연령에 따라 다르게 나타나는 폭염의 영향에 대해 연구를 진행하였다. 이와 유사한 관점에서 정지훈 등(2014)에서는 폭염으로 인한 초과사망자 수의 변화에 대한 분석 과정에서 위도가 높은 서울과 인천에서는 폭염에 대한 임계온도가 더 낮게 나타나고 위도가 낮은 광주와 부산은 상대적으로 임계온도가 더 높게 나타나 지역에 따라 일찍 폭염에 대한 임계온도에 도달하는 경우가 발생한다고 설명하였다. 이와 같은 현상에 대해 김지영 등(2006)는 남부 지역의 사람들이 중부와 북부 지역의 사람들에 비해 고온의 환경에 오래 노출되어 왔기 때문에 해당 환경에 적응하였기 때문인 것으로 해석하였다. 박종철･채여라(2020)는 초과사망자 수를 추정하는데 있어 서로 다른 임계온도를 이용하였다. 이들은 지역을 35개로 구분하고 분계점 회귀분석을 이용하여 각 지역별 임계온도를 추정한 후 온열질환자와 연계하였다. 본 연구의 목적인 각 시･군･구별 폭염위험 고령인구를 미래의 기후변화와 연계하여 추정하기 위해서는 폭염관련 사망 피해와 직접적인 연계를 해야 하며 따라서 지역별로 서로 다른 임계온도를 폭염의 기준으로 이용한다.

2) 폭염으로 인한 위험과 피해의 추정

도시 공간에서 폭염으로 인한 위험과 피해는 주로 사람에 대한 피해를 중심으로 논의되고 있다. 사람에 대한 피해를 집계하여 폭염으로 인한 피해를 측정하는 방법 중 가장 대표적인 방법으로는 다른 계절의 평균적인 사망자 수에 비해 여름철에 추가적으로 사망하는 초과사망자 수를 추정하는 방법과 사망자에 대한 통계를 활용하여 온열질환에 의한 사망자 수를 집계하는 방법이 있다(김도우 등, 2014). 정지훈 등(2014)은 언급된 두 가지 방법 중 초과사망자 수를 추정하는 방법을 통해서 폭염으로 인한 피해를 추정하고자 하였다. 해당 연구에서는 실제 온열질환에 의한 사망자 수를 이용하여 분석을 하는 경우 폭염이 인명 피해로 이어지는 직접적인 영향 외에도 다양한 잡음 효과가 분석에 개입될 것을 우려하여 이를 해결하기 위한 방법으로 초과사망자 수를 추정하여 분석에 사용하는 것이 더 적절할 수 있음을 언급하였다. 하지만 초과사망자 수를 통해서 피해를 측정하는 경우는 각 연구마다 초과사망자를 추정하는 산출방법이 다르기 때문에 같은 대상을 분석하더라도 결과가 다르게 나타날 수 있다는 단점이 있다. 또한 폭염이 직접적인 사망원인이 아니라 다른 원인으로 인해 사망한 사람들도 초과사망자를 산출하는 과정에서 포함될 수 있다는 문제가 있다. 이러한 문제를 최소화하기 위해 Kim and Joh (2006)에서는 초과사망자 수를 추정하는 과정에서 사망원인 중 교통사고나 자살, 중독, 살인 등 온도와 관련이 없는 사망원인은 제외한 자료를 이용하여 연구를 수행하기도 하였다. 하지만 여전히 폭염과 관련되지 않은 다양한 사망원인이 초과사망자 산출 과정에 포함되어 있을 수 있다. 이러한 이유에서 폭염의 직접적인 영향에 의한 사망자 수를 집계하고자 하는 경우에는 사망원인통계에서 제공하는 사망원인 중 온열질환에 의한 사망자로 분류된 통계 자료를 이용하는 경우가 많다. 김지영 등(2006)에서는 폭염에 직접적인 영향을 받은 사망자만을 분석 대상에 포함하기 위해 사망원인통계에서 제공하는 자료를 통해 분석하였는데 여름철 기온 자료와 온열질환으로 인한 사망자 수 자료를 이용하여 기온에 따른 폭염 사망자 수를 추정하는 회귀식을 산정하였다. 해당 연구에서는 일 최고기온과 최저기온, 평균기온 각각에 대해 온열질환으로 인한 사망자 수에 대해 분석하였는데 그 결과에 따르면 온열질환으로 인한 사망자 수를 설명하는데 있어서는 일 최고온도와 최저온도, 평균온도 중 평균온도를 이용하여 회귀식을 산정하는 것이 설명력이 가장 높은 것으로 제시하였다.

하지만 온열질환은 폭염이 야기할 수 있는 사망원인 중 하나이며 단순히 사망원인 중 온열질환 사망자만을 사용하게 되면 폭염으로 인한 피해를 과소평가할 가능성이 존재한다(박종철･채여라, 2020). 고온이 사람을 사망에 이르게 하는 경우의 수는 다양하며(Mora et al., 2017), 심혈관계 질환(Lim et al., 2013), 호흡기 질환 및 심폐질환(Guo et al., 2011) 등 역시 폭염으로 인하여 직･간접적으로 영향을 받을 수 있는 사망원인으로 논의되고 있다.

본 연구에서 추정하고자 하는 폭염위험 고령인구는 기존 연구에서 추정하고자 하였던 초과사망자가 아니라 폭염에 따라 위험할 가능성이 존재하는 잠재적 위험인구를 의미한다. 잠재적 위험인구를 파악하고 추정하는 것은 미래에 폭염의 위험에 영향을 받을 수 있는 범위를 파악하는 것이기 때문에 직･간접적 영향을 포함시킬 필요가 있다. 많은 연구에서 이용하고 있는 외인사를 제외한 전체 사망인구를 이용하거나 온열질환자만을 분석의 대상으로 이용할 경우 과대추정 혹은 과소추정의 문제가 발생할 가능성이 있다. 따라서 본 연구는 폭염의 피해에 대한 범위에 있어 직접적 피해가 되는 온열질환 뿐만 아니라 간접적 원인으로 논의되고 있는 심혈관계 질환과 호흡계 질환, 심폐질환을 모두 포함하여 추정의 정확성을 개선하고자 하였다. 또한 본 연구는 폭염위험에 대해 초과사망자 혹은 온열질환 사망자의 추정과 분포를 파악하고 있는 기존 연구들과 다른 접근을 시도한다. 폭염에 가장 위험할 것이라고 알려져 있는 고령인구를 대상으로 각 지역별로 다른 임계온도에서 얼마나 많은 고령인구가 위험에 처할 가능성이 있는가에 대해 추정한다. 장래인구추계의 결과를 바탕으로 폭염에 위험할 가능성이 있는 고령인구를 파악한 결과는 초과사망자, 온열질환사망자의 추정결과와 더불어 폭염에 대한 대응 정책과 계획을 중･장기적으로 수립하는데 이용되어질 수 있다.

3. 연구방법

1) 분석 자료 및 범위

기후변화 시나리오에 따라 미래 폭염위험 고령인구¹⁾를 전망하기 위해서 본 연구에서 이용한 자료는 표 1과 같다. 폭염위험이 발생할 수 있는 시기는 여름철인 6월부터 8월까지로 설정하였으며, 각 일별 자료를 이용하였다. 기후변화 시나리오에 따른 미래 기온전망 자료는 RCP 시나리오²⁾에 바탕을 둔 기상청 자료를 이용하였으며 미래 인구의 추정 값은 통계청의 장래인구추계 자료를 이용하였다. 고령인구의 범위는 65세 이상으로 하였다. 폭염에 대한 위험은 선행연구 논의에서 언급하였듯이 잠재적 건강위험의 가능성이 높은 온열질환(T67), 심혈관 및 심폐 질환(I00-I99), 호흡기 질환(J00-J99)으로 설정하였으며 해당 질환으로 사망한 경우를 파악하기 위해 사망원인통계를 이용하였다. 본 연구의 공간적 범위는 우리나라의 인천 옹진군, 세종시, 강원 고성군을 제외한 시･군･구 226개를 대상으로 하였다.³⁾ 시간적 범위는 임계온도를 계산하는데 있어 1997년부터 2017년까지를 사용하였고 미래 전망에 있어서는 장래인구추계가 전망된 2037년을 기준으로 하였다.

2) 분석 방법

(1) 기온 자료의 공간 보간

본 연구는 기상청에서 관측지점별로 제공하는 1997년에서 2017년 여름철 일 최고기온 자료를 역거리 가중법(식 1)을 이용한 공간보간기법을 통하여 시･군･구로 전환하였다. 역거리 가중법은 정규분포의 특성을 가지지 않는 경우에도 적용이 가능하며(Chen and Liu, 2012), 특히 기온과 강우 등 기상 관련 자료를 보간하는데 있어 예측 성능이 우수하다(김희준 등, 2020).

여기에서 z0^는 보간 기법을 통해 추정하고자 하는 값이고, zi는 관측지점 i에서의 관측값이다. wi(x)는 가중치 함수로 관측지점간의 거리를 나타내는 d(x,xi)의 역수에 관계가 있으며 p값이 커질수록 가까운 관측지점의 영향을 많이 받는 것으로 이해할 수 있다. 따라서 역거리 가중법을 사용하면 가까운 관측지점에서의 관측값에 영향을 크게 받고 먼 관측지점에서의 관측값에 적은 영향을 받도록 추정을 할 수 있다. 본 연구에서는 ESRI사의 ArcMap 10.5 프로그램을 통해 역거리 가중법을 수행하였다.

(2) 고령인구의 폭염에 대한 임계온도 도출

한국은 지역에 따라 기온 차이가 많이 발생하며 지역에 따라 폭염에 취약한 정도가 다르다고 논의되고 있다(김지영 등, 2009). 각 지역별로 고령인구가 폭염에 위험해지는 기온이 달라질 수 있으며 이를 추정하기 위해서 분계점 회귀분석을 수행하였다. 분계점 회귀분석은 종속변수와 독립변수 사이의 관계를 추정하는 과정에서 독립변수의 계수가 급격하게 변화하는 분계점이 있다고 가정하고 분계점 전후의 회귀식을 선형으로 추정하는 방법이다(Hansen, 2000). 본 연구에서는 폭염과 관련한 고령인구의 사망자가 변화하는 특정한 기온인 임계온도를 추정하기 위하여 인구 1만명당 폭염 관련 사망자를 종속변수로 하고 일 최고기온을 독립변수로 하여 분석을 시행하였다(식 2).

여기에서 i는 각 시･군･구를 의미하며, 분계점 𝛾 전후로 두 개의 회귀식이 구성된다. 두 식에서 모두 yi는 종속변수로 본 연구에서는 시･군･구별 일 폭염 관련 사망자 수에 해당한다. 위쪽에 있는 식을 상태 1, 아래쪽에 있는 식을 상태 2에 대한 식이라고 할 때, 상태 1과 상태 2에서 시･군･구별 일 최고기온을 나타내는 독립변수 xi에 대한 계수 β1,β2의 값을 산출하게 되며 이때 상수항인 αi는 두 식에서 같은 값으로 고정되어 산출된다. 여기서 분계점 𝛾는 상태 1과 상태 2의 식을 추정하였을 때 잔차 ϵi의 제곱의 합이 최소가 되는 지점을 말하며 본 연구에서는 각 지역별 폭염 관련 고령인구 사망자의 임계온도를 의미한다.

(3) 미래 폭염위험 고령인구의 추정

각 지역별로 추정된 폭염 관련 고령인구 사망자의 임계온도를 이용하여 기후변화 시나리오와 연계한 미래 폭염위험 고령인구를 전망하였다. 기후변화 시나리오는 IPCC 5차보고서에서 제시된 RCP 시나리오를 이용하였다. 기상청에서 제공하는 RCP 시나리오에 따른 기온예측자료와 통계청의 장래추계인구를 이용하였으며 두 자료가 이용가능한 2037년을 전망의 연도로 설정하였다. 미래 기온이 높아짐에 따라 잠재적인 위험을 가지는 폭염위험 고령인구는 (식 3)을 통해서 추정하였다. 먼저 각 시･군･구별 추정된 식 (2)에 미래 기후 시나리오에서 제공하는 2037년 여름철(6월 1일~8월 31일) 예상 일 최고기온을 대입하면 해당 년도의 인구 만 명당 일 폭염 관련 사망자를 추정할 수 있다. 지역별 인구 만 명당 일 폭염 관련 사망자 값을 합하면 2037년의 인구 만 명당 폭염 관련 사망자를 추정할 수 있다. 이렇게 추정한 값에 장래 시･군･구별 추계 인구를 고려하여 계산하면 2037년 시･군･구별 폭염위험인구가 추정되며 이를 식으로 나타내면 다음과 같다.

여기서 Yi,2037는 2037년의 여름철 일별 폭염으로 사망할 위험이 있는 인구를 추정한 값을 모두 더한 값으로 2037년의 폭염위험인구를 의미한다. 하지만 이 값은 2017년의 인구를 기준으로 추정한 회귀식에서 도출된 값으로 2037년의 폭염위험인구를 추정하기 위해서는 2037년 추계인구 Pi,2037로 보정할 필요가 있다. 회귀식을 추정할 때 인구 만 명당 폭염 관련 사망자를 종속변수로 사용하였기 때문에 Pi,2037을 δi로 조정한 후, Yi,2037과 곱하여 시･군･구별 2037년 폭염위험 고령인구를 추정하였다.

4. 분석결과

1) 폭염위험 임계온도 추정

각 시･군･구별 폭염관련 사망자의 폭염에 대한 임계온도를 분계점 회귀분석을 통하여 도출한 결과는 표 2와 같이 요약된다. 226개 시･군･구 중 분계점 회귀분석에서 통계적 유의성이 있는 곳은 110개로 나타났다(부록 1 참고). 임계온도가 가장 높은 곳은 33.5도로 계룡시였고 가장 낮은 곳은 22.1도로 여수시였다. 6월부터 8월까지 일 최고기온의 평균 값은 과거(2007~2017년)에 비해 2037년에는 약 3도 정도 일 평균 기온이 증가하는 것으로 전망되었다. 또한 과거에 비해 일 최고기온의 최대값은 약 4도, 최소값은 약 3.7도 증가하는 것으로 전망되었다. 지역별로는 내륙 지역에서 기온이 높게 나타났으며, 전체의 기온이 상승하였지만 패턴은 유지되고 있는 것으로 나타났다(그림 1).

그림 1.

임계온도 및 일 최고기온 평균 값의 공간 분포

임계온도를 시･군･구 별로 상이하게 나타났다(그림 1). 서울특별시는 15개의 구가 통계적으로 유의하였으며, 가장 높은 곳은 중구(30.4도)였으며 가장 낮은 곳은 강남구(24.8도)와 성동구(24.8도)였다. 부산광역시는 7개 구가 통계적으로 유의하였으며, 가장 높은 곳은 사하구(30.8도) 가장 낮은 곳은 동구(25.2도)였다. 인천광역시는 4개 구･군이 통계적으로 유의하였으며 가장 높은 곳은 동구(28.7도) 가장 낮은 곳은 강화군(24.8도)이었다. 대구광역시는 3개 구가 통계적으로 유의하였으며 북구(32.9도), 남구(30.5도), 중구(29.6도) 순으로 나타났다. 대전광역시는 중구(30도)만 통계적으로 유의하였다. 광주광역시는 3개 구가 유의하였으며 동구(31.2도), 광산구(29.8도), 서구(27도) 순으로 나타났다. 울산광역시는 3개 구가 유의하였으며 북구(29.5도), 동구(26.1도), 중구(24.8도) 순으로 나타났다. 경기도는 15개 시･군이 통계적으로 유의하였으며 가장 높은 곳은 안성시(31.7도), 가장 낮은 곳은 광주시(25.3도)였다. 강원도는 7개 시･군이 유의하였으며 가장 높은 곳은 삼척시(30.6도), 가장 낮은 곳은 원주시(26.2도)였다. 충청남도는 7개 시･군이 유의하였으며 가장 높은 곳은 계룡시(33.5도), 가장 낮은 곳은 서산시(26.8도)였다. 충청북도는 7개 시･군이 유의하였으며 가장 높은 곳은 괴산군(31도), 가장 낮은 곳은 청주시(26.6도)였다. 전라북도는 3개 시･군이 유의하였으며 완주군(32도), 군산시(31.3도), 진안군(29.7도) 순으로 나타났다. 전라남도는 8개 시･군이 유의하였으며 가장 높은 곳은 순천시(28.1도), 가장 낮은 곳은 여수시(23.1도)였다. 경상남도는 12개 시･군이 유의하였으며 가장 높은 곳은 합천시(31.3도), 가장 낮은 곳은 진주시(24.7도)였다. 경상북도는 15개 시･군이 유의하였으며 가장 높은 곳은 고령군(32.8도), 가장 낮은 곳은 울릉군(25도)이었다.

2) 미래 폭염위험 고령인구 추정 결과

2037년 미래 폭염위험 고령인구를 기후변화 시나리오에 따라 추정한 결과는 표 3 및 부록 1과 같다. 표 3은 인구 만 명당 폭염위험 고령인구와 2037년의 고령인구 수를 고려한 폭염위험 고령인구의 상위 10개 및 하위 10개 시･군･구 값을 나타낸 것이다. 인구 만 명당 폭염위험 고령인구는 폭염에 영향을 받을 수 있는 상대적인 순위를 의미하며 폭염위험 고령인구는 영향을 받을 수 있는 절대적인 순위를 의미한다. 그림 1에 제시된 기후변화 시나리오의 기온 값과 표 3에 제시된 인구 만 명당 폭염위험 고령인구와 폭염위험 고령인구 간 관계는 명확하지 않다. 표 4는 각 기후변화 시나리오에 따른 일 최고기온의 평균 값과 인구 만 명당 폭염위험 고령인구, 폭염위험 고령인구 간 피어슨 상관계수와 스피어만 순위상관계수를 보여준다. 단순 상관관계이기는 하지만 일 최고기온 평균과 폭염위험 고령인구 간 관계를 특정할 수 없으며 오히려 역의 관계가 존재할 수도 있음을 보여준다. 이 결과는 여름철 일 최고기온이 높은 지역에서 폭염의 영향이 더 크게 나타날 것이며 건강과 사망의 위험이 클 것이라고 전망하는 기존 정책 및 계획에서 바탕이 된 가정과 논리의 오류 가능성을 보여준다.

기후변화 시나리오에 따라 추정된 2037년 폭염위험 고령인구의 공간적 분포는 그림 2와 같다. 인구 만 명당 폭염위험 고령인구는 대한민국의 중동부 지역인 강원 삼척시, 경북 봉화군, 경북 영양군, 경북 청송군, 경북 영덕군, 경북 포항시 등에서 비교적 높게 나타나며 중부 내륙지역인 충북 음성군, 충북 괴산군, 경북 문경시 등의 지역 그리고 전북 완주군, 전북 진안군 충남 금산군 등의 지역, 경남 합천군, 경남 고령군, 경남 의령군 경북 김천시 등의 지역, 북부 내륙지역인 강원 양구군, 강원 철원시, 강원 화천시, 경기 가평군 등 지역에서 비교적 높게 나타났다. 이는 전체 인구 대비 폭염위험 고령인구의 상대적 비중이 높은 곳을 의미한다.

그림 2.

2037년 기후변화 시나리오별 인구 만 명당 폭염위험 고령인구의 공간분포

각 시･군･구 지역별 고령인구의 수를 고려하여 폭염위험 고령인구를 파악한 결과는 특정한 시･군･구 지역에서 비교적 높은 특성이 나타났으며 공간적 분포의 형태는 뚜렷하게 구분되었다. RCP 4.5와 RCP 8.5 시나리오 모두 경남 김해시와 경남 창원시가 가장 높게 나타났으며 인근 지역인 부산광역시의 사하구, 부산진구, 해운대구 등 역시 높게 나타났다. 대구 북구와 경북 포항시, 경기 시흥시, 경기 가평군 등 역시 폭염위험 고령인구가 높을 것으로 전망되는 지역으로 나타났다.

5. 결론 및 시사점

본 연구는 우리나라의 시･군･구를 대상으로 폭염과 관련된 사망자료와 과거 기상자료를 이용한 분계점 회귀분석을 수행하여 임계온도를 찾아내고, 그 결과를 토대로 기후변화 시나리오에 따른 미래 기온과 장래인구추계 자료를 결합하여 기후변화에 따른 미래 폭염위험 고령인구를 전망하고 그 공간적 분포를 살펴보았다. 분석의 결과 분계점 회귀분석에서 통계적 유의성이 있는 시･군･구는 110개였으며 표준편차는 지역 간 기온보다 크게 나타났다. 임계온도의 자료에 기초하여 2037년 폭염위험 고령인구를 추정한 결과 RCP 4.5 시나리오에서는 인구 만 명당 폭염위험 고령인구가 강원 삼척시, 경남 김해시, 경남 합천군, 경북 청송군, 경북 고령군 등의 순으로 높게 나타났으며, 폭염위험 고령인구는 경남 창원시, 경남 김해시, 대구 북구, 부산 사하구, 경기 시흥시 등의 순으로 높게 나타났다. RCP 8.5 시나리오에서는 인구 만 명당 폭염위험 고령인구가 강원 양구군, 충북 음성군, 충북 증평군, 충북 괴산군, 경북 청송군 등의 순으로 높게 나타났으며 폭염위험 고령인구는 경남 김해시, 경남 창원시, 경기 시흥시, 경북 포항시, 대구 북구의 순으로 나타났다. 기후변화에 따른 미래 폭염위험 고령인구의 공간적 분포는 인구 만 명당의 경우 대한민구의 남동부, 중부 내륙, 중동부, 북부 내륙 등에서 높은 지역들이 나타났으며 RCP 4.5와 RCP 8.5 시나리오 간 공간적 분포의 차이는 크게 없었다. 폭염위험 고령인구의 경우 경남 창원시 및 경남 김해시, 부산 일부 지역과 대구 북구 및 경북 포항시, 경기 시흥시, 경기 가평군 등이 높게 나타났다.

본 연구는 폭염과 관련한 잠재적 위험이 있는 질병에 대한 사망자료를 포함하였음에도 불구하고 분계점 회귀분석의 결과 통계적 유의성이 있는 결과가 전체 시･군･구의 약 절반에 미치지 못하는 110개 밖에 도출되지 못하여 대한민국의 전체 공간적 패턴을 확인하지 못하였다는 한계가 있다. 이러한 한계는 향후 폭염위험과 관련된 질환이 명확해지고 사망자에 대한 자료가 추가적으로 누적된다면 극복할 수 있을 것으로 여겨진다. 본 연구의 두 번째 한계는 폭염에 가장 위험할 것이라고 선행연구에서 논의되어왔던 만 65세 이상 고령인구만을 대상으로 하였으나 폭염위험은 고령자 뿐만 아니라 전 연령에서 나타날 수 있다는 것이다. 하지만 폭염과 관련된 사망자가 고령 외의 집단에서는 그 수가 많지 않아 분계점 회귀분석의 통계적 유의성을 확보하기 어려웠다. 폭염으로 인한 사망 뿐만 아니라 질환에 대한 자료를 포함시킨다면 추후 연구에서는 인구 코호트 별 폭염위험 인구를 추정한 결과를 도출할 수 있을 것으로 여겨진다. 뿐만 아니라 본 연구에서 범위로 활용한 기간을 확장하고 시계열성을 통제한 상황에서 자료를 확대한다면 가능할 것이라 여겨진다. 본 연구의 마지막 한계는 폭염위험 고령인구를 추정하는데 있어 통계청의 장래인구추정 결과를 이용하였기 때문에 추정의 결과가 2037년으로 한정되었다는 것이다. 기후변화 시나리오는 2100년까지 이용할 수 있으나 장래인구추정의 결과는 미래의 불확실성으로 인한 인구 추정의 한계가 있기 때문에 미래 전망의 값을 이용할 수 있는 범위가 제한적이다. 본 연구는 가장 먼 미래의 값인 2037년을 적용하였으나 추후 그 전망의 값이 더 주어진다면 분석 결과를 확대할 수 있을 것이다.

본 연구는 이러한 한계에도 불구하고 다음과 같은 시사점을 가진다. 첫째, 본 연구의 결과는 폭염에 위험할 수 있는 고령인구의 수를 폭염의 건강상 피해인 사망과 연계하여 직접 추정하고 있다는데 의의가 있다. 폭염은 가까운 미래에 가장 위험한 기후변화 영향으로 인지되고 있음에도 불구하고 폭염에 영향을 받아 위험할 수 있는 잠재적 계층의 인구 수가 몇 명인지를 추정하는데 한계가 있어왔다. 많은 선행연구들은 초과 사망자를 추정하는데 초점을 두었으나 이는 과거의 사건에 대한 사후적인 분석에 불과하였다는 한계가 있었다. 미래에 대한 대응과 정책, 계획을 수립하기 위해서는 미래에 영향을 받을 수 있는 집단의 인구 수가 얼마인지 추정될 필요가 있는데 본 연구의 결과는 제한적이지만 그 값을 제시고 있다는데 활용성이 있다.

부 록