기본 콘텐츠로 건너뛰기

21세기 중반에는 폭염이 4-6배 더 위험해진다?


 지구 평균 기온은 지난 100여년간 기복은 좀 있을지라도 꾸준히 상승중에 있습니다. 그 결과 과거에 비해서 폭염의 가능성 역시 세계 여러 국가에서 증가하고 있습니다. 우리 나라만 해도 점차 여름의 시작이 앞으로 당겨지면서 폭염 지수의 증가 가능성이 높아지고 있죠. 미국 역시 마찬가지입니다.
 미 국립 대기 연구소 (National Center for Atmospheric Research (NCAR))​와 뉴욕 시립대학(City University of New York (CUNY))의 연구자들은 미 국립 과학 재단 및 미 에너지부의 지원을 받아 21세기 중반 미국에서 폭염(heat wave)에 노출될 인구가 얼마나 많을지 연구했습니다. 이들이 저널 Nature Climate cchange에 발표하 예측에 의하면 열파에 노출되는 가능성은 지금보다 4배에서 많게는 6배에 이를 수 있다고 합니다.

(This graphic illustrates the expected increase in average annual person-days of exposure to extreme heat for each US Census Division when comparing the period 1971-2000 to the period 2041-2070. Person-days are calculated by multiplying the number of days when the temperature is expected to hit at least 95 degrees by the number of people who are projected to live in the areas where extreme heat is occurring. The scale is in billions.
Credit: Copyright UCAR)
 연구의 공저자인 미 국립 대기 연구소의 과학자 브라이언 오닐(NCAR scientist Brian O'Neill)에 의하면 이는 기후 변화와 인구 변화 모두에 의한 것(Both population change and climate change matter)이라고 합니다.
 이들은 11개의 서로 다른 정교한 기상 시뮬레이션의 도움으로 각 지역별 온도가 어느 정도 상승할 것인지를 추정했습니다. 이 데이터는  North American Regional Climate Change Assessment Program에서 가져온 것입니다. 그리고 미래 미국의 인구 증가 수준을 같이 고려해서 폭염에 노출되는 날 X 인구의 개념인 person-days의 개념으로 폭염 노출정도를 수량화했습니다.
 이 자료에 의하면 1971년에서 2000년 사이 폭염 노출 정도가 연간 23억 person-days 였다고 합니다. 그리고 현재 온실 가스 배출이 큰폭으로 감소하지 않는다는 가정하에 (아마도 그렇게될 가능성이 높은데) 2041-2070년사이에는 연간 100억에서 140억 person-days가 될 가능성이 높다고 합니다. 이는 4배에서 6배 정도로 증가한다는 의미입니다.
 이렇게 폭발적으로 증가하는 이유는 물론 지금보다 폭염이 더 흔해지기 때문이기도 하지만, 폭염이 잘 생기는 지역에서 인구 증가율이 빠르기 때문이라고 합니다. 이 두 가지가 합쳐지면 폭염에 노출되는 인구가 폭발적으로 증가하게 되는 것입니다.
 여기에 또 한 가지 추가로 생각해야 하는 문제는 바로 고령화입니다. 점차 인구가 고령화되면서 폭염에 취약한 인구가 급격히 증가하고 있는데, 사실 이 문제는 미국만의 문제가 아니라 전세계적인 이슈이기도 합니다. 우리 나라 역시 예외가 될 수 없는 것이죠.
 따라서 앞으로 보건 의료 정책은 이와 같은 폭염 가능성의 증가와 고령화 추세에 맞춰서 대응책을 마련할 필요가 있습니다. 물론 주택 및 건물 건설에 있어서도 낮은 비용과 에너지로 냉방이 가능한 에너지 절약형 건물을 지을 필요가 있겠죠. 이와 같은 추정은 반드시 100% 맞지는 않는다고 해도 앞으로 어떻게 대응하는 것이 좋을지 정보를 주는 귀중한 역할을 합니다.
 앞으로 폭염 문제는 단순히 기후 문제를 떠나 사회적인 문제가 될 가능성이 있습니다. 여기에 대한 연구와 대응이 필요한 이유입니다.
 참고
Journal Reference:
  1. Bryan Jones, Brian C. O’Neill, Larry McDaniel, Seth McGinnis, Linda O. Mearns, Claudia Tebaldi. Future population exposure to US heat extremesNature Climate Change, 2015; DOI: 10.1038/nclimate2631

   

댓글

이 블로그의 인기 게시물

통계 공부는 어떻게 하는 것이 좋을까?

 사실 저도 통계 전문가가 아니기 때문에 이런 주제로 글을 쓰기가 다소 애매하지만, 그래도 누군가에게 도움이 될 수 있다고 생각해서 글을 올려봅니다. 통계학, 특히 수학적인 의미에서의 통계학을 공부하게 되는 계기는 사람마다 다르긴 하겠지만, 아마도 비교적 흔하고 난감한 경우는 논문을 써야 하는 경우일 것입니다. 오늘날의 학문적 연구는 집단간 혹은 방법간의 차이가 있다는 것을 객관적으로 보여줘야 하는데, 그려면 불가피하게 통계적인 방법을 쓸 수 밖에 없게 됩니다. 이런 이유로 분야와 주제에 따라서는 아닌 경우도 있겠지만, 상당수 논문에서는 통계학이 들어가게 됩니다.   문제는 데이터를 처리하고 분석하는 방법을 익히는 데도 상당한 시간과 노력이 필요하다는 점입니다. 물론 대부분의 학과에서 통계 수업이 들어가기는 하지만, 그것만으로는 충분하지 않은 경우가 많습니다. 대학 학부 과정에서는 대부분 논문 제출이 필요없거나 필요하다고 해도 그렇게 높은 수준을 요구하지 않지만, 대학원 이상 과정에서는 SCI/SCIE 급 논문이 필요하게 되어 처음 논문을 작성하는 입장에서는 상당히 부담되는 상황에 놓이게 됩니다.  그리고 이후 논문을 계속해서 쓰게 될 경우 통계 문제는 항상 나를 따라다니면서 괴롭히게 될 것입니다.  사정이 이렇다보니 간혹 통계 공부를 어떻게 하는 것이 좋겠냐는 질문이 들어옵니다. 사실 저는 통계 전문가라고 하기에는 실력은 모자라지만, 대신 앞서서 삽질을 한 경험이 있기 때문에 몇 가지 조언을 해줄 수 있을 것 같습니다.  1. 입문자를 위한 책을 추천해달라  사실 예습을 위해서 미리 공부하는 것은 추천하지 않습니다. 기본적인 통계는 학과별로 다르지 않더라도 주로 쓰는 분석방법은 분야별로 상당한 차이가 있을 수 있어 결국은 자신이 주로 하는 부분을 잘 해야 하기 때문입니다. 그러기 위해서는 학과 커리큘럼에 들어있는 통계 수업을 듣는 것이 더 유리합니다. 잘 쓰지도 않을 방법을 열심히 공부하는 것은 아무래도 효율

R 패키지 설치 및 업데이트 오류 (1)

 R 패키지를 설치하거나 업데이트 하다보면 여러 가지 문제가 생기는 경우들이 있습니다. 이 경우 아예 R을 재설치하는 것도 방법이지만, 어떤 경우에는 이렇게해도 해결이 안되고 계속해서 사용자는 괴롭히는 경우도 있습니다. 이런 경우 중 하나를 소개합니다.  새로운 패키지를 설치, 혹은 업데이트 하는 과정에서 같이 설치하는 패키지 중 하나가 설치가 되지 않는다는 메세지가 계속 나왔는데, 사실은 백신 프로그램 때문이었던 경우입니다.   dplyr 패키지를 업데이트 하려고 했는데, 제대로 되지 않아 다시 설치를 진행했습니다. 그런데 일부 패키지가 제대로 설치되지 않는다는 메세지가 나왔습니다.  > install.packages("dplyr") Error in install.packages : Updating loaded packages > install.packages("dplyr") Installing package into ‘C:/Users/jjy05_000/Documents/R/win-library/3.4’ (as ‘lib’ is unspecified) also installing the dependencies ‘bindr’, ‘bindrcpp’, ‘Rcpp’, ‘rlang’, ‘plogr’ trying URL ' https://cran.rstudio.com/bin/windows/contrib/3.4/bindr_0.1.1.zip ' Content type 'application/zip' length 15285 bytes (14 KB) downloaded 14 KB trying URL ' https://cran.rstudio.com/bin/windows/contrib/3.4/bindrcpp_0.2.2.zip ' Content type 'application/zip' length 620344 b

R에서 반올림하기. Round 사용법

 이제 다른 사후 검정에 대한 이야기를 하기 전에 간단한 데이터 정리에 대해서 먼저 설명하겠습니다. round 함수의 사용법에 대한 이야기입니다. 다른 통계 패키지나 언어에서도 반올림은 널리 사용되는 방식입니다. 소수점 아래까지 너무 길게 나오는 것을 적당히 짤라서 해석하기 쉽게 만드는 것이죠. round의 사용법은 간단합니다. round(개체, digits= 소수점 아래 반올림 하고 싶은 위치) 입니다.   앞서 키의 예제에서 사실은 7자리 유효숫자가 나왔기 때문제 실제 키의 분포 같은 느낌이 들지 않았습니다. round를 이용해서 소수점 한 자리에서 숫자를 줄여보겠습니다.  set.seed(1234) A<-rnorm span=""> A A1<-round digits="1)</span"> A1  round(A, digits = 1)로 소수점 한 자리에서 반올림하니까 훨씬 실제 키 데이터에 가까운 모습입니다. 물론 이렇게 데이터를 편집하는 것은 데이터를 변형하는 일이기 때문에 사실 가급적 하지 않는 것이 좋을 수 있습니다. 다만 목적에 따라 유용하게 사용할 수 있을 것입니다. 예를 들어 지금처럼 연습 데이터를 더 깔끔하게 보이는 경우가 그렇습니다.   그런데 소수점 아래가 아니라 위에서 반올림하려면 어떻게 해야 할까요? 0보다 작은 마이너스의 숫자를 사용합니다.  A1<-round digits="0)</span"> A1 A1<-round digits="-1)</span"> A1  이런 방식으로 반올림 하는 위치를 조절할 수 있는데, 여기까지 봤으면 당연히 무조건 올림과 내림 함수도 있을 것이라고 당연히 짐작할 수 있습니다. 올림하는 경우는 ceiling, 내림하는 경우는 floor를 사용합니다.