본문 바로가기 주 메뉴 바로가기

재난안전데이터 활용사례

재난안전데이터를 활용한 다양한 사례를 공유·홍보하는 페이지입니다.
 폭염 취약 요소 분석 썸네일
자연재난

폭염 취약 요소 분석

재난안전데이터를 활용하여 전국적인 폭염 트렌드를 확인하고, 폭염에 영향을 미치는 요 인을 파악하여 폭염에 취약한 요소를 시도별로 분석한 사례

등록일자

2023-02-02

※ 본 활용사례는 플랫폼에 탑재된 DB를 활용하는 방법론을 제시한 것으로, 사용한 DB와 이론식의 정합성 등에 따라 그 결과는 달라질 수 있음을 미리 밝힙니다.

검토배경
Vulnerability, Exposure, Hazards : RISK = IMPACTS > SOCIOECONOMIC PROCESSES : Socioecomomic Pathways, Adoptation and Mitigation Actions, Gocernanice > EMISSIONS and Land-use Change > Anthropogenic Climate Change, Natural Variability : CLIMATE < IMPACTS / Sensitivity, Adaptive Capacity > Vulnerability , wkfy : Applying IPCC 2014 framework for hazard-specific culnerability assessment under climate change / <그림 1 IPCC 기후변화 프레임워크>

기후변화 문제에 대처하기 위해 세계기상기구(WMO)와 유엔환경계획(UNEP)이 1988년에 공동설립한 국제기구인 기후변화에 관한 정부간 협의체(IPCC)에서 발표한 기후변화프레임 워크는 그림 1과 같다. 기후변화에 의한 피해를 줄이기 위하여 위험요소(Hazards), 노출(Exposure), 취약성(Vulnerability)에 대한 관리가 필요하다. 이 중에서 취약성(Vulnerability)은 민감도(Sensitivity)와 적응능력(Adaptive Capacity)으로 설명할 수 있다.

 [성별 표] 구분 : 인원(명) 합계 : 1,564, 남자 : 1,256, 여자 : 308 / 구성비(%) 합계 : 100, 남자 : 803, 여자 : 197 
[연령 표] 구분 인원(명) 합계 : 1,564, 0-9 : 3, 10-19 : 42, 20-29 : 168, 30-39 : 176, 40-49 : 246, 50-59 : 344, 60-69 : 281, 70-79 : 163, 80+ : 141, 65+ : 422 / 연령 구분 구성비(%)합계 : 100, 0-9 : 0.2, 10-19 : 2.7, 20-29 : 10.7, 30-39 : 11.3, 40-49 : 15.7, 50-59 : 22.0, 60-69 : 18.0, 70-79 : 10.4, 80+ : 9.0, 65+ : 27.0
[보험유형 표] 구분 인원(명) 합계 : 1,564, 건강보험 : 1,355, 산재보험 : 27, 의료급여1종 : 65, 의료급여2종 : 14, 일반 : 57, 미상 : 0, 기타 : 46 / 구성비(%)합계 : 100, 건강보험 : 86.6, 산재보험 : 1.7, 의료급여1종 : 4.2, 의료급여2종 : 0.9, 일반 : 3.6, 미상 : 0.0, 기타 : 2.9
[직업 표] 구분 인원 (명) 합계 : 1,564, 관리자 : 8, 전문가 및 관련종사자 : 47, 사무 종사자 : 42, 서비스 종사자 : 41, 판매종사자 : 9, 농림어업 숙련종사자 : 153, 기능원및관련 기능종사자 : 86, 장치기계조작 및 조립종사자 : 71, 단순노무 종사자 : 395, 군인 : 58, 주부 : 53, 학생 : 50, 무직(노숙인제외자) : 175, 노숙인 : 4, 미상 : 287, 기타 : 85 /  구성비(%) 합계 : 100, 관리자 : 0.5, 전문가 및 관련종사자 : 3.0, 사무 종사자 : 2.7, 서비스 종사자 : 2.6, 판매종사자 : 0.6, 농림어업 숙련종사자 : 9.8, 기능원및관련 기능종사자 : 5.5, 장치기계조작 및 조립종사자 : 4.5, 단순노무 종사자 : 25.3, 군인 : 3.7, 주부 : 3.4, 학생 : 3.2, 무직(노숙인제외자) : 11.2, 노숙인 : 0.3, 미상 : 18.4, 기타 : 5.4
[질환 표] 구분 인원(명) 합계 : 1,564, 열사병 : 315, 열탈진 : 809, 열경련 : 278, 열실신 : 119, 열부종 : 0, 기타 : 43 / 구성비(%) 합계 : 100, 열사병 : 20.1, 열탈진 : 51.7, 열경련 : 17.8, 열실신 : 7.6, 열부종 : 0.0, 기타 : 2.7
[발생시간 표] 구분 인원(명) 합계 : 1,564, 00-06 : 32, 06-10 : 125, 10-12 : 258, 12-13 : 170, 13-14 : 137, 14-15 : 165, 15-16 : 179, 16-17 : 153, 17-18 : 124, 18-19 : 91, 19-24 : 130 / 구성비(%) 합계 : 1000, 00-06 : 2.0, 06-10 : 8.0, 10-12 : 16.5, 12-13 : 10.9, 13-14 : 8.8, 14-15 : 10.5, 15-16 : 11.4, 16-17 : 9.8, 17-18 : 7.9, 18-19 : 5.8, 19-24 : 8.3
[발생장소 표] 구분 인원(명) 합계 : 1,564, 실외 - 소계 : 1,285, 작업장 : 581, 운동장(공원) : 95, 논밭 : 230, 산 : 41, 강가/해변 : 17, 길가 : 161, 주거지 주변 : 57, 기타 : 103 / 실내 - 소계 : 279, 집 : 66, 건물 : 36, 작업장 : 127, 비닐하우스 : 22, 기타 : 28 / 구성비 (%) 합계 : 100, 실외 - 소계 : 82.2, 작업장 : 37.1, 운동장(공원) : 6.1, 논밭 : 14.7, 산 : 2.6, 강가/해변 : 1.1, 길가 : 10.3, 주거지 주변 : 3.6, 기타 : 6.6 / 실내 - 소계 : 17.8, 집 : 4.2, 건물 : 2.3, 작업장 : 8.1, 비닐하우스 : 1.4, 기타 : 1.8
<그림 2 2022년 온열질환감시체계 운영결과(출처 : 질병관리청)>

한편, 그림 2와 같이 2022년 질병관리청에서 발표한 온열질환감시체계 운영결과 (‘22.5.20.~9.30.)의 주요 내용을 보면 다음과 같다. 먼저, 온열질환자의 성별 구조를 살펴보 면, 남성이 80.3%로 여성보다 약 4배 정도 많은 수를 차지한다. 또한, 연령별로는 65세 이상이 전체의 27%를 차지하고 있다. 온열질환의 종류는 열탈진이 51.7%로 가장 많았으며, 온열질환자의 직업은 단순노무 종사자가 25.3%로 가장 많았는데, 이런 수치는 온열질환의 발생 장소가 대부분 실외에서 82.2%로 발생하는 결과와 일맥상통한다. 특히, 실외공간에서도 작업장이 37.1%인데, 이는 온열질환자의 직업에서 단순노무 종사자가 가장 많았던 이유를 설명할 수 있다.

폭염 영향 데이터 주요 취약 요인
(구분) 신체적요인 : 분석기준 : 신체적으로 약한 계층, 본 분석에서 고려한 요인 : 고령인구, 유소년인구 / 사회적 요인 : 분석기준 : 사회적 위치나 거주 공간 여건 , 본 분석에서 고려한 요인 : 건축물 노후도, 무더위 쉼터 / 경제적 요인 : 분석기준 : 경제적으로 어려운 빈곤계층, 본 분석에서 고려한 요인 : 기초생활수급자, 1인가구)

선행연구결과 등의 분석을 통해 폭염에 영향을 미치는 요인으로 신체적요인, 사회적요인, 경제적요인으로 구분하였다. 구체적인 분석을 위해서 신체적요인으로 고령인구, 유소년인구를 분석데이터로 선정하고, 사회적 요인으로는 건축물 노후도, 무더위쉼터를, 경제적 요인으로는 기초생활 수급자, 1인가구를 분석할 데이터로 선정하였다. 필요한 데이터 중에서 재난안전데이터 공유 플랫폼에 있는 자료는 우선적으로 재난안전데이터를 사용하였고, 그 외 자료는 통계청, 기상청 등의 자료를 활용하였다.

데이터 수집

「행정안전부 재난안전데이터 공유 플랫폼」 재난안전데이터

그 외 데이터

폭염 영향 요인별 현황 신체적 요인
(구분) 신체적요인 : 분석기준 : 신체적으로 약한 계층, 본 분석에서 고려한 요인 : 고령인구, 유소년인구 / 사회적 요인 : 분석기준 : 사회적 위치나 거주 공간 여건 , 본 분석에서 고려한 요인 : 건축물 노후도, 무더위 쉼터 / 경제적 요인 : 분석기준 : 경제적으로 어려운 빈곤계층, 본 분석에서 고려한 요인 : 기초생활수급자, 1인가구 2020년 유소년인구수 그래프 : 서울: 270,481, 부산 : 97,374, 대구 : 74,200, 인천 : 96,320, 광주: 48,770, 대전 : 47,684, 울산 : 41,335, 세종 : 20,901, 경기 : 486,768, 강원 : 45,209, 충북 : 52,777, 충남 : 73,073, 전북 : 51,498, 전남 : 56,034, 경북 : 80,061, 경남 : 109,520 제주 : 25,018 / <b.유소년인구>

a. 고령인구 - 2020년 온열질환자는 경기도가 176명으로 가장 많았고 경상남도 139명,경상북도 119명, 전라남도 117명 순으로 100명 이상의 수치를 기록했다.
b.유소년인구 -2020년 5세 미만 인구는 경기도가 486,768명으로 가장 많았고 서울 270,481명, 경상남도 109,520명 순이다.

사회적 요인
2020년 유소년인구수 그래프 : 서울: 270,481, 부산 : 97,374, 대구 : 74,200, 인천 : 96,320, 광주: 48,770, 대전 : 47,684, 울산 : 41,335, 세종 : 20,901, 경기 : 486,768, 강원 : 45,209, 충북 : 52,777, 충남 : 73,073, 전북 : 51,498, 전남 : 56,034, 경북 : 80,061, 경남 : 109,520 제주 : 25,018 / <b.유소년인구> 2020년 무더위쉼터 수 그래프 : 서울: 1,630, 부산 : 571,  대구 : 565, 인천 : 671, 광주: 849, 대전 : 240,  울산 : 318, 세종 : 149, 경기 : 2,641, 강원 : 515, 충북 : 923, 충남 : 684, 전북 : 3,243, 전남 : 1,550, 경북 : 6,776, 경남 : 4,202, 제주 : 764 / <d.유소년인구>

c. 노후건축물수 - 2020년 노후건축물수는 경상북도가 362,065동으로 가장 많은 수를 기록했고 전라남도가 316,167동, 경상남도가 307,243동으로 그 뒤를 이었다.
d.무더위쉼터수 - 2020년 무더위쉼터는 경상북도가 6,776곳으로 가장 많았고 경상남도 4,202곳, 전라북도 3,243곳 순으로 무더위 쉼터가 있었다.

경제적 요인
2020년 1인가구수 그래프 : 서울: 1,390,701, 부산 : 455,207, 대구 : 304,543, 인천 : 324,841, 광주: 193,948, 대전 : 228,842, 울산 : 122,848, 세종 : 43,577, 경기 : 1,406,010, 강원 : 231,371, 충북 : 236,208, 충남 : 304,973, 전북 : 255,269, 전남 : 256,633, 경북 : 388,791, 경남 : 417,737, 제주 : 27,855 / <f.1인가구수> 2020년 기초수급자수 그래프 : 서울: 246,877, 부산 : 139,005, 대구 : 93,732, 인천 : 39,579, 광주: 56,736, 대전 : 46,766, 울산 : 20,030, 세종 : 4,046, 경기 : 232,774, 강원 : 54,040, 충북 : 45,550, 충남 : 53,428, 전북 : 81,419, 전남 : 62,305, 경북 : 90,616, 경남 : 91,272, 제주 : 19,429 / <e.기초수급자수>

e. 기초수급자수 -2020년 기초수급자수는 서울이 246,877명으로 가장 많았으며 그 뒤로 경기도가 232,774 명, 부산이 139,005명을 기록했다.
f. 1인가구수-2020년 1인가구수는 경기도가 1,406,010가구로 가장 많고, 서울이 1,390,701가구로 뒤를 이었다.서울·경기권을 제외한 시도에서는 부산이 455,207가구로 가장 많았다.

온열질환자수 및 폭염일수
2020년 온열질환자 응급실 감시체계 / 서울 : 38, 인천 : 27, 경기 : 176, 강원 : 50, 충북 : 54, 세종 : 2, 충남 : 59, 대전 : 18, 경북 : 119, 전북 : 71, 대구 : 26, 광주 : 39, 경남 : 139, 울산 : 26, 부산 : 52, 전남 : 117, 제주 : 66 / (출차 : 질병관리청) / <온열질환자수> 2020년 시,도별 최대 폭염 일수 / 서울 : 7일, 인천 : 7일, 경기 : 26일, 강원 : 18일, 충북 : 28일, 세종 : 18일, 충남 : 28일, 대전 : 24일, 경북 : 38일, 전북 : 32일, 대구 : 29일, 광주 : 26일, 경남 : 28일, 울산 : 22일, 부산 : 13일, 전남 : 36일, 제주 : 29일 / (출처 : 기상청) / <2020년 시도별 최대 폭염일수>
분석방법
STEP1 / 폭염 취약요인 분석 / 신체적 요인 : 고령 인구, 유소년 인구 / 사회적 요인 : 건축물 노후도, 무더위쉼터 / 경제적 요인 : 기초생활수급자, 1인가구 STEP2 / 폭염 지도 도출 / 폭염지도 생성 : Landsat, 토지피복도 / ※ (시간)연평균, (공간)시군구, ※Landsat : 미국 지질조사국 (USGS), 인공위성 지구관측 데이터 (1회/16) STEP3 / 폭염 위험도 도출 / 신체적요인, 사회적요인, 경제적요인 ↔ 온열질환자 (과거), 폭염지도 STEP4 / 지역별 폭염 취약요소 / 1.고령인구 0.77%, 2.건축물노후도 0.60%, 3.기초생활수급자 0.55%, 4.1인가구 0.54%, 5.유소년 가구 0.40%, 6.무더위쉼터 0.33%

< 폭염 취약 분석 절차 >

취약률 산출 방식 - 엔트로피 기법 / 엔트로피는 확률분포가 가지는 정보의 확신도 혹은 정보량을 수치로 표현한 것, 엔트로피 기법은 측정된 자료만을 가지고 수리적인 방법을 사용하기 때문에 연구자의 주관을 배제하고 객관적으로 가중치를 산정할 수 있음. 
1.모든지표 min-max정규화, 확룰 대신 사용(Pij) Pi,j = xi,j - min(x) / max(x) - min(x) * i는 각 세부지표, j는 각 시군구 → 2. 엔트로피 값 (Ej) 산출 Pij = xi.j - min(x) / max(x) - min(x) *상수k는 각 시군구 개수 고려 → 속성 값 다양성(d_j)산출 후 각 지표별 가중치 도출(Wj) dj = 1 - Ej , wj = dj /  n∑j=1 dj
각 지표별 트로피 가중치 산정 : Index of Vulnerability , Weight / 노후화 건물 : 0.196, 무더위 쉼터 : 0.134, 유소년 인구 : 0.139, 고령 인구 : 0.190, 기초생활수급자 : 0.177, 1인 가구 : 0.162

분석 절차는 다음과 같다. 먼저재난안전데이터에서 폭염 취약 요인의 데이터를 수집하고 신체적, 사회적, 경제적 요인을 바탕으로 폭염 취약요인 분석을 실시한다. 다음으로 Landsat(미국의 지구 자원 탐사 위성) 데이터와 토지 피복도 데이터를 통해 폭염지도를 도출하였으며, 기상청에서 제공하는 폭염일수 데이터를 참조하였다. 분석된 폭염 취약요인과 온열질환자(과거)데이터 그리고 표출된 폭염지도를 종합(전국 폭염트렌드) 분석하여 지역별 폭염 취약요인을 제시하였다.

분석결과
표1. 경기도 취약요인별 취약율 / 순위, 취약요인, 취약율 / 1.고령인구:0.19, 2.기초수급자 : 0.166, 3.1인가구 : 0.162, 4.노후건축물 : 0.139, 5.유소년인구 : 0.139, 6.무더위쉼터 : 0.050 표2. 경상남도 취약요인별 취약율 / 순위, 취약요인, 취약율 / 1. 노후건축물 : 0.166, 2. 무더위쉼터 : 0.081, 3. 기초수급자 : 0.063, 4.고령인구 : 0.059, 5.1인가구 : 0.044, 6.유소년인구 : 0.026 표3. 경상북도 취약요인별 취약율 / 순위, 취약요인, 취약율 / 1. 노후건축물 : 0.197, 2. 무더위쉼터 : 0.134, 3. 고령인구 : 0.058, 4. 기초수급자 : 0.055, 5.1인가구 : 0.041, 6.유소년인구 : 0.017 표4. 전라남도 취약요인별 취약율 / 순위, 취약요인, 취약율 / 1. 노후건축물 : 0.171, 2. 고령인구 : 0.043 3. 기초수급자: 0.042, 4. 무더위쉼터 : 0.028, 5.1인가구 : 0.025, 6.유소년인구 : 0.010

본 플랫폼에 탑재된 DB를 근거로 온열질환자수가 많은 상위 4개 시도를 선별하여 지역별 폭염취약요인을 다음 표1부터 표4와 같이 도출하였다. 하지만,폭염위험도의 산출식에 대한 신뢰성, 데이터의 기간과 수집단위의 한계 등으로 인하여 세부적인 결과를 도출하기에는 어려운 한계가 있다. 따라서, 조금더 세밀한 분석을 위해서는 지속적인 데이터 축적과 데이터 수집단위를 세분화하는 등 재난안전 빅데이터 구축이 필요하다.

참고문헌
  • 도시기후변화 재해취약성 분석 및 활용에 관한 지침(국토교통부 훈령 제 956 호, 2018)
  • 최혜림, 한우석(2021). 의료 취약성을 고려한 폭염재해 취약성 분석 및 취약지역 의 특성 도출. 국토연구, 64-79.
  • 김지숙, 김호용(2020). Landsat 8 영상과 취약성 분석을 활용한 폭염재해 취약지 역의 특성분석. 한국지리정보학회지, 23(1), 1-14.
  • 김권, 엄정희(2017). WUDAPT Protocol을 활용한 Local Climate Zone 분류 - 서울특 별시를 사례로 - . 한국조경학회지, 45(4), 131-142.