2.1 미세먼지와 건강영향

2013년 세계보건기구(WHO) 산하 국제암연구소(IARC)는 대기오염물질 중 미세먼지를 1급 발암물질로 지정하였다. 또한, 세계 195개국을 대상으로 한 Global Burden of Disease (GBD)에 따르면, 초미세먼지는 질병에 대한 상위 10대 위험 요인으로 포함되었다(Roth et al., 2018). 실제로 초미세먼지에 노출되면 다양한 질병 발병률과 사망률이 증가하며, 특히 뇌졸중, 허혈성 심장병, 만성 폐쇄성 폐질환, 폐암 관련 사망 위험이 높다는 것이 많은 연구에서 보고되었다(Gao et al., 2021; Liu et al., 2021). 초미세먼지 침전이 발생하는 폐는 주요 표적장기 중 하나로 기도 염증이 발생하고 폐의 정상적인 면역반응이 손상되어 다양한 호흡기 감염에 취약해진다(Jia et al., 2021). 연령, 성별, 기저질환자 등 다양한 특성을 가진 인구집단에서 천식 또는 만성폐쇄성 질환이 있는 호흡기계 기저질환자에서 건강영향에 대한 위험이 증가한다는 근거는 제한적이지만 일관되게 보고되고 있다(EPA, 2019). 건강영향에 대한 위험이 증가하는지와 더불어 노출에 차이가 있는지를 조사한 연구에서는 사회경제적 상태가 낮은 집단에서 초미세먼지 노출수준이 높은 경향성이 있으며, 사망 위험도 증가한다는 결과가 제시되었다.

2.2 미세먼지의 위험성

현재 우리나라의 미세먼지 대응 정책은 해당 지자체의 행정구역내 미세먼지 발생량이 여타 지자체보다 많고 농도가 높으면 더욱 위험하다는 가정하에 수립되고 있다. 하지만 이는 미세먼지의 위험수준을 결정하는 요인들 중 일부이며, 실효성이 있는 정책수립을 위해서는 위험의 개념적 확장이 필요하다. 미세먼지 발생량이 많고, 농도가 높으며, 외부로부터의 유입경로상에 있으며, 공기가 정체되거 있고, 흡착할 수 있는 녹지가 적으면 상대적으로 더욱 위험하다고 할 수 있으며, 행정구역단위기 아니라 상세 공간단위로 접근하면 더욱 위험을 구체화 할 수 있다.

기존 관련 연구로는 대기오염물질 중 미세먼지 위험을 분석하기 위해 미세먼지 노출농도를 산정한 연구(Hwang and Kim, 2019), 대기확산모델링을 통한 대기오염물질 확산과 대기오염도 변화에 관한 연구(Ha et al., 2017), 미세먼지 농도 패턴과 이에 영향을 미치는 요인을 파악한 연구(Jeon et al., 2018), 미세먼지와 녹지공간과의 관계를 파악한 연구(Lei et al., 2021; Chen et al., 2016; Zhang and Ma, 2023; Chen et al., 2022) 등이 있었지만 각 해당 주제에 대해 단편적으로 접근하였을뿐 위험이라는 총체적인 측면에서 분석하고 공간적으로 해석한 연구는 거의 없었다.

2.3 미세먼지의 취약성

취약성을 분석하기 위해 취약성을 구체적으로 정의하고, 취약한 수준을 어떤 기준으로 판단할 것인지를 결정해야 한다. 취약하다는 의미는 크게 두가지로 구분될 수 있다. 첫째, 대상이 자체적으로 가지고 신체적 특성으로 인한 취약성이다. 특정 연령대가 되었거나 기저질환을 가지고 있어 경제력이 떨어져 자발적 대처가 어려운 경우이다. 둘째, 주변 여건으로 인한 취약성이다. 위험공간과 인접하여 있거나 차단되어 있지 않고, 공공서비스 권에서 벗어난 경우이다. 주로 생활하는 거주지나 일터, 시설 등이 위험공간과 가깝게 위치해있어 상대적으로 영향을 크게 받을 수 있고, 노출 시 의료서비스와 같은 지원을 받기 어려운 경우이다.

취약성은 단순히 어린이나 노인, 저소득층과 같은 인구 수 만으로 결정되지 않으며 복합적인 측면을 동시에 고려해야 한다. 미국 EPA는 취약성의 범주를 크게 민감성, 노출의 차이, 대응력의 차이, 회복력의 차이로 구분하고 있다. 민감성은 생애주기, 손상된 면역체계, 기존 병력과 유전적 특성에 기인하여 나타난다. 고령이 대기오염에 민감한 것으로 알려져있고, 유소년과 천식환자는 대기오염 노출에 상대적으로 건강영향 위험이 높은 것으로 보고되었다. 오염원 인근지역에 거주하거나 근무하는 인구집단은 일반 인구집단에 비해 상대적으로 높은 수준의 오염물질에 노출되며, 사회경제 수준이 낮은 인구집단은 영양상태의 불균형, 건강/면역체계 저하, 열악한 건강관리, 낮은 개인위생 수준, 건강정보 접근성의 부족 등으로 대응력과 회복력의 저하가 나타난다. 이처럼 미세먼지를 비롯한 대기오염의 영향을 고려할 때 취약성을 파악하는 것은 정책 및 사업추진에 있어 중요한 판단 근거가 된다.

향후 대기환경 정책이 건강영향 최소화라는 목표 달성에 초점이 맞춰질 것임을 고려할 때, 정책의 실효성을 높이기 위해서는 취약성에 대한 고려가 반드시 필요하다. 취약성 수준을 판단할 때는 수치와 공간이라는 두가지 측면에서 접근할 수 있다. 수치적인 측면에서는 취약한 사람⋅시설의 수가 많은 경우를 취약한 수준이 높다고 할 수 있고, 공간측면에서는 취약한 면적이 넓거나 대응시설이나 서비스권으로부터 접근성이 떨어질수록 취약한 수준이 높다고 판단할 수 있다. 그들이 어디에 거주하는지를 확인하고 공간이 가지고 있는 위험성과의 인접성을 중요한 기준으로 반영할 필요가 있다. 특히, ‘위험과 얼마나 더 가까이 있는지?’를 의미하는 인접성은 취약성 판단 시 반드시 필요한 기준이며, 위험과는 가까울수록, 대응시설⋅서비스권과 멀어질수록 취약성은 커진다고 할 수 있다.

2.4 기존 연구와의 차별성

본 연구는 미세먼지의 위험성과 취약성을 조작적으로 정의하고 이를 공간화하여 2개의 특성이 동시에 높은 공간을 찾아내 집중관리 할 수 있도록 하며, 대상지 내 미세먼지 위험성과 취약성을 줄일 수 있는 시사점을 도출하고자 한다. 먼저 위험성과 취약성을 정의함에 있어 고려되는 선정지표에 차별성이 있다. 미세먼지로 인한 위험수준은 단순히 발생원인 배출시설이 많이 모여있는 것만으로 결정되는 것이 아니라 농도, 정체, 확산, 흡착 등 다양한 요인들을 복합적으로 고려해 판단할 필요가 있다. 하지만 기존 연구에서는 대부분 특정 행정구역 내 배출오염원 개수와 원인물질 배출량, 농도 수준에서 위험을 판단하고 있을 뿐, 어느 지역이 더 위험한 것인지 상세 공간단위로 위험수준을 표출하는데 미흡하였다. 또한, 공간 및 시간에 따라 확산 특성을 가지고 있는 미세먼지에 대해 모델링을 통해 유입 및 이동을 예측하여 분석할 결과를 반영하였다.

한편, 기존 연구에서는 취약성을 취약집단과 일치하는 것처럼 적용하고 있다. 하지만 취약집단은 취약성을 결정하는 하나의 기준이 될 뿐 일치하는 것은 아니다. 또한, 신체나이를 기준으로 취약집단을 규정한다거나, 특정 행정구역에 일부 취약집단이 거주하고 있다는 통계자료만으로 취약성을 평가하는 경향이 있었다. 취약성은 하나의 요인으로만 결정되는 것이 아니라 복합적이고 공간적인 특성을 가지고 있기 때문에 단순히 행정구역 단위의 취약집단 수로 평가해서는 안된다. 특히, 특정 나이만을 기준으로 취약성을 평가한다면, 정책의 실효성이 저하될 수 있다. 따라서, 취약성을 반영할 때는 미세먼지 위험에 대한 취약집단이 누군지를 구체적으로 규명하고, 상대적으로 노출 위험이 크고, 같은 노출이라도 신체⋅경제적 피해가 크고 회복력이 떨어지는 대상을 포함할 필요가 있다.

따라서, 본 연구에서는 3가지 특성을 고려하였다. 첫째, 취약성 지표로 취약집단이 많은 곳, 민감집단이 오래 머무르는 시설, 취약집단이 많이 거주할 것으로 추정되는 경제적인 조건, 의료서비스 취약 권역, 기저질환자 등을 반영하였다. 특히, 기저질환자를 고려함으로써 미세먼지로 인한 취약성이라는 특성을 최대한 반영하고자 하였다.

둘째, 국가 단위가 아닌 지자체 단위 대기환경정책 지원을 위해서는 행정구역 단위가 아닌 상세 공간단위 기반으로 한 공간 및 속성 DB 구축⋅분석이 요구되어, 100 m 격자의 세밀한 공간단위의 분석을 통해 위험⋅취약성을 공간화하고자 하였다.

셋째, 미세먼지의 건강영향을 파악하기 위해서는 대기오염이라는 위험과 영향을 보다는 국민이라는 수용체와의 접근성을 비롯한 공간관계를 파악하는 것이 필수적이지만, 아직까지 배출사업체 수, 대기오염월별 발생량, 취약집단 수와 같은 단편적인 통계자료를 기반으로 분석이 이루어졌기 때문에 공간분석 적용은 부족한 실정이다. 더불어 기존의 연구에서는 대부분 미세먼지 배출원 중심으로 한 저감정책이나 미세먼지 취약집단 지원 등에 대한 접근을 하였으나 미세먼지의 위험성과 취약성 간의 공간관계를 파악한 연구는 거의 없었다. 현실적으로 위험성과 취약성 간의 공간분석이 필요한 이유는 대기질 개선정책 시행에 있어 항상 선별의 문제가 있기 때문이다. 즉 선별 문제를 해결하기 위해 어느 곳에 저감시설 설치가 필요한가? 어느 지역부터 먼저 설치할 것인가? 어떤 지역의 취약집단을 먼저 지원할 것인가? 이라는 문제해결을 위해 합리적인 의사결정을 지원할 수 있으며, 대기환경정책의 실효성 및 체감도를 높이는 기여할 수 있을 것이다.

3.1 연구대상지

본 연구는 충청북도 청주시를 대상으로 분석을 진행하였다. 청주시는 도시-농촌 복합시로 중심에 도심지역과 외곽에 농촌, 산림지역이 있다. 동쪽과 남쪽 지역의 높은 산들에 둘러싸인 분지지역으로 미세먼지 내부 발생과 더불어 중국발 오염물질과 황사, 충청남도 지역의 화력발전소, 수도권 지역 및 인접한 음성군과 진천군의 다수의 제조업체로부터 발생하는 대기오염물질까지 더해져 유입되고 정체되어 고농도 미세먼지가 발생하고 있다. 실제로 폐암, 급성호흡기감염증 입원 환자 및 오존주의보 발령 횟수가 증가하고 있다. 또한, 청주시 복대⋅송정동 일대에는 일반산업단지가 위치하였고, 청주시 외곽에 위치한 오송⋅오창읍에도 산업단지가 위치하였으며 향후 추가적으로 산업단지⋅소각장 등 산업시설 입지계획이 있기 때문에 연구결과 활용성이 높을 것으로 판단되어 연구사례지로 선정하였다.

3.2 연구 조작적 정의

본 연구에서는 미세먼지의 위험성과 취약성을 동시에 고려하였는데, 크게 보면 위험성은 미세먼지 자체에 대한 것이고 취약성은 미세먼지에 영향을 받는 대상에 대한 것이다. 미세먼지 정책이 미세먼지의 발생량 저감정책과 국민의 건강영향 최소화 정책으로 크게 구분할 수 있는 것과 같은 맥락이라고 할 수 있다.

본 연구에서는 미세먼지 위험성을 미세먼지의 배출량이 많은 곳, 현재 미세먼지 농도가 높은 곳, 대기의 흐름에 의해 정체될 가능성이 높은 곳, 시간이 흐름에 따라 배출⋅정체되어 있는 곳, 미세먼지가 외부에서 유입되고 확산되는 경로상에 있는 곳, 녹지면적이 적어 흡착량이 적은 곳으로 구분하였으며, 배출⋅농도⋅정체⋅확산⋅흡착이라는 5가지 조건에 모두 중첩되는 곳이 가장 위험성이 높다고 조작적으로 정의하였다.

다음으로, 청주시 내에서 미세먼지 위험성에 상대적으로 취약한 공간을 추출하기 위해 취약성 평가를 동시에 진행하였다. 일반적으로 취약집단이 밀집 거주하는 지역은 주거 및 생활환경 악화 및 부정적 이미지로 이어지는 악순환이 반복되어 특정 공간으로 분리되는 분리 현상(Residential Segregation)이 발생된다(SI, 2016; Hwang and Koo, 2019; Hong et al., 2020). 따라서, 본 연구에서는 취약요인들이 많이 중첩되어 있는 격자망일수록 취약성이 높다고 판단하였다.

취약성 평가를 위한 지표는 신체적, 건강, 경제적, 생활여건, 대응여건 등 5개로 구분하였다. 1) 신체적 취약요인은 위험상황으로부터 판단하는 데 어려움을 겪는 집단으로 유소년, 독거노인을 고려하였다. 2) 건강 취약요인은 미세먼지를 비롯한 대기오염으로 인해 이미 사망하였거나, 천식에 걸렸거나, 향후 미세먼지로 인해 건강 악영향을 받을수 있는 집단을 고려하였다. 3) 경제적 취약요인은 미세먼지의 노출시 일상으로의 회복에 한계가 있는 요인을 의미하며, 개별주택가격 및 공시지가, 기초생활수급권자 비율로 구성하였다. 4) 생활여건 취약요인은 노후되고 좁은 건물에 거주하거나 경로당, 학교, 어린이 집 등 미세먼지 노출시 상대적으로 취약한 집단이 밀집해 있는 취약시설 분포를 고려하였다. 마지막으로 5) 대응여건 취약요인은 의료이용 및 의료자원 활용을 위한 시설물(종합병원/응급의료시설, 보건소/보건진료소⋅지소)와 미세먼지 저감능력이 있는 도시공원과의 접근성을 정량적으로 평가하였다.

본 연구에서는 미세먼지의 취약성을 미세먼지 노출시 신체적으로 악영향을 받기가 쉽고, 기저질환이 있거나 건강하지 않으며, 경제적으로 어려워 회복력이 낮고, 거주공간 등 생활여건이 나쁘며, 대응시설로부터 접근성이 떨어지는 것으로 구분하였으며, 상기한 5가지 조건에 모두 중첩되는 곳이 가장 취약성이 높다고 조작적으로 정의하였다.

3.3 자료의 수집 및 분석 방법

청주시 미세먼지 미시적인 공간분석을 위해 격자망 단위로 분석을 진행하였다. 100 m × 100 m 격자망 단위는 총 95,256개이며, 지역의 형평성 분석을 위해 토지피복지도의 교통지역 및 산림지역, 수역 등 인구 미거주지역을 제외한 7,751개의 격자망을 활용하여 분석을 진행하였다. 미세먼지에 대한 공간분석을 위해 각 요인지표는 격자망 자료(100 m × 100 m)로 구축되어 있거나, 구축될 수 있는 자료들을 선정하여 구축하였다. 미세먼지는 다양한 활동에 의해 발생되고(Kim, Choi et al., 2019; Kim, Youn et al., 2019), 한 곳에 머무르는 것이 아니라 이동성을 지닌 입자임을 고려하여 정체, 유입⋅확산 요인들도 고려하였다. 각 요인지표는 Table 1과 같으며, 요인지표를 활용한 분석의 흐름은 Fig. 1과 같다.

Table 1

Classification of Evaluation Factors

Fig. 1

Framework of Analysis

3.3.1 위험성

미세먼지 배출은 배출시설 뿐만 아니라 각종 경제, 산업 활동을 고려하여 공간적 분포를 확인할 필요가 있다. 따라서, 경제⋅산업 활동 지표들의 중첩 및 계산 등과 같은 공간 분석이 필요하다(Kim, Choi et al., 2019). 환경부의 대기정책지원시스템(Clean Air Policy Support System, CAPSS)에서는 대기오염물질 별로 광역자치단체(시도별), 기초자치단체(시군구별, 읍면동), 격자(1 km × 1 km) 단위로 점⋅선⋅면배출원 단위의 배출량을 제공해주고 있으며, CAPSS 자료를 기반으로 각 배출원 특성에 맞게 GIS 모델링과 공간할당(Spatial Allocation)을 진행하며, 기존 자료를 더 세분화할 수 있다(Kim, Choi et al., 2019).

따라서, 본 연구에서는 미시적 분석을 위해 기존 1 km × 1 km 격자망 자료를 더 세분화하였다. 배출량 단위로 격자화 분석을 진행하기 위해 배출원 특성에 따른 각 배출량을 격자 내 공간적 값에 대한 비율(길이, 면적)을 적용하여 산출하였다(EEA, 2016; Kim, Choi et al., 2019).

점배출원(Point Source)은 에너지산업⋅비산업⋅제조업 연소 등 사업장 기반으로 배출되기 떄문에, 환경부의 국가미세먼지정보센터 대기배출원 관리시스템(Stack Emission Management System, SEMS)을 통해 각 사업장의 주소를 지오코딩(GeoCoding)하여 격자망에 직접 할당하였다. 선배출원(Line Source)은 도로⋅비도로이동오염원, 비산먼지 등 주로 도로망에서 배출되므로 교통량에 영향을 받아 청주시 교통 빅데이터플랫폼에서 제공해주는 노드(Node)와 링크(Link)를 활용하였다. 노드에 산정된 교통량을 링크에 배분하고, 각 격자망에 배분된 링크 길이의 비율에 따라 교통량을 격자망에 할당하였다. 면배출원(Area Source)은 농업, 생물성 연소 등 소규모 배출시설 및 토지이용상황 등에서 생성되기 때문에, 도시계획 및 토지피복도 등 격자에 배분되는 면적의 비율을 할당하였다. 이후, 격자망에 할당된 각 배출원별 배출량을 통합하여 배출지역의 분포현황을 도출하였다.

미세먼지 농도는 현재 대기현황으로부터 추출이 가능하여 한국환경공단의 에어코리아(Air Korea) 측정데이터를 활용하였다. 연구대상지인 청주시 내에 측정소는 도시의 외곽보다 중심에 설치되는 등 균일하게 설치되어 있지 않다고 판단되어 청주시에 인접한 대전광역시⋅세종특별자치시⋅충청남도⋅경상북도 등에 설치된 총 48개의 측정소를 활용하였다.

각 측정소에서 측정된 데이터를 공간화하기 위해 지형통계기법 중 하나인 GIS 보간법을 활용하였다. 일반적으로 보간법은 결정론적 방법(Deterministic Methods)과 지형통계적 방법(Geostatistical Methods)로 구분된다. 결정론적 방법은 공간 확률이론이 아닌 각 격자 주변 값의 평균을 이용하여 값을 추정한다. 이에 반해 지형통계적방법은 자기 상관을 포함하는 통계모델로써, 주변 값과의 거리 뿐만 아니라 주변에 이웃한 각 겨자망의 값 사이의 상관강도를 반영하여 전체적인 경향을 파악한다.

본 연구에서는 결정론적 방법과 지형통계적 방법을 비교하여 활용하기 위해 역거리 가중법(Inverse Distance Weighted, IDW)와 크리깅 보간법(Kriging)을 실시하였다. 보간법 결과 Kriging 보간법이 상대적으로 세밀한 값이 도출되었으며, 대기 분야에서 보간법을 적용한 연구(Kim et al., 2010; Cho and Jeong, 2007; Kim and Jo, 2012)를 참고하여, Kriging 보간법을 통해 농도지역 도출하였다.

미세먼지 정체지역 분석을 위해 대기 확산모델을 적용하였고, WRF-Chem (Weather Reserach and Forecasting Model coupled with Chemistry) 모델과 PALM (Parallelized Large eddy simulation Model) 모델을 이용하여 다중규모 모델링 체계로 구축하였다. 한반도 영역, 남한을 포함하는 영역, 충북⋅충남⋅대전⋅세종을 포함하는 영역, 청주시는 포함하는 영역을 순서적으로 모의하여 1~3번째 영역은 WRF-Chem 모델을 4번째 영역은 PALM 모델을 접합하여 활용하였다. 또한, 지표면 조건 반영을 위해 수치표고모델, 토지피복도, 임상도, 건물통합정보 등을 이용하여 고도, 건물높이, 식생 높이 및 밀도 등 모델의 입력자료를 생성하였다.

WRF-Chem 모델은 중규모 기상모델 WRF 모델에 화학과정을 포함시켜 대기질 모델링을 진행한 것으로, 대기질 예측⋅모의, 대기오염물질 배출량 산정, 대기오염물질 수송⋅확산 등을 포함하고 있다. 또한, 기상 변수와 화학종 변수를 동시에 계산하기 떄문에 기상과 화학 상호 작용 모의를 진행하였다. 에어로졸 화학 매커니즘과 기체상 화학 매커니즘을 사용하기 위해 GOCART (Global Ozone Chemistry Aerosol Radiation and Transport model)와 RACM (Regional Atmospheric Chemistry Mechanism)을 활용하였다.

PALM 모델은 중규모이상 모델부터의 Nesting/Coupling이 가능하며, Radiation, Land Surface, Urban surface, Chemistry, Aerosol model들을 내장하고 있어 다양한 규모의 기상, 기후 현상, 복사, 도시지역 에너지, 식생, 토양 에너지, 대기화학적 수송 반응 등의 다양한 현상에 대한 복합적인 조사와 분석이 가능하다. 본 연구에서 모델 설계에서도 대기화학반응, 식생의 증산작용, 대기복사, 지면 및 건물벽면의 에너지교환을 반영하였다. 두 모델의 접합은 3번째 영역에서 4번째 영역으로 모의될 때 이루어졌으며, WRF-Chem 모델의 결과를 NetCDF 형태의 파일을 출력하고, 이를 내삽 및 외삽하여 4번째 영역의 격자별 초기장 및 경계장을 생성하였다.

미세먼지 흡착은 수목의 미세먼지 흡착 특성으로 인해 미세먼지 농도가 감소한다(Kim et al., 2018). 이러한 특성으로 인해 도시공원 조성 등 그린 인프라(Green Infrastructure)에 대한 관심이 증가되고 있다. 그린 인프라의 수목은 미세먼지 저감 뿐만 아니라 기온이 주변보다 상대적으로 낮고 습도가 높아 미세먼지를 침강시키는데 효과적이다(Kim et al., 2018).

그린 인프라의 수목은 침엽수, 활엽수, 혼효림으로 구분되며, NIFoS (2017)에 따르면 수종에 따른 미세먼지 흡착 능력은 침엽수가 활엽수보다 약 1.3배가 많고 여과능력이 높은 것으로 분석되었다. 미세먼지 흡착량은 잎에 표면적에 의해 좌우되는데 가시적인 표면적은 침엽수가 활엽수보다 넓고, 오랫동안 낙엽이 떨어지지 않아 이러한 결과가 도출되었다고 판단된다.

본 연구에서는 각 수종별 흡착량을 고려하기 위해 NIFoS (2017)에서 도출된 분석결과를 기반으로 침엽수는 1.3, 활엽수는 1, 침엽수와 활엽수가 혼합되어있는 혼효림은 1.15의 가중치를 활용하였다. 토지피복도를 활용하여 각 격자망에 수종별 면적을 계산하고, 계산된 면적에 각 수종별로 가중치를 곱해 미세먼지 흡착량을 도출하였다. 각 위험성 요인에 대한 결과는 Fig. 2와 같다.

Fig. 2

Status of Spatial Distribution of Risk Evaluation Factors

3.3.2 취약성

신체적 취약요인은 유소년과 독거노인 데이터를 활용하였다. 유소년은 국토통계플랫폼에서 제공해주는 데이터를 활용하였다. 독거노인 데이터는 통계청에서 제공해주는 1인가구 비율과 국토통계플랫폼에서 제공해주는 고령 인구 데이터를 활용하였다. 1인가구 비율은 집계구 단위로 제공해주기 때문에, 집계구 내에 위치한 격자망에 1인가구 비율을 공간 조인(Spatial Join)하고, 각 고령 인구를 곱해 격자망에 할당하였다. 결과는 Fig. 3과 같다.

Fig. 3

Status of Spatial Distribution of Biologically Conditions

건강 취약요인은 호흡기계 질환 사망자수, 유소년 천식 유병률, 대기오염배출시설(1~3종) 이격거리별 노출인구 비율 데이터를 활용하였다. 호흡기계 질환 사망자수는 국민건강보험공단에서 제공해주는 호흡기계의 질환 진료현황 데이터를 활용하였다. 진료현황 데이터는 청주시 각 구별로 호흡기계의 질환(주상병코드: J00-J99)로 인해 진료(한의분류⋅약국 제외)를 받은 인원이며, 각 구별 진료인원을 비율로 산정하고, 각 구별 내에 격자망에 비율과 인구수를 곱해 격자망에 할당하였다. 어린이 천식 유병률은 국민건강보험공단의 건강보험 청구자료를 활용하였다. 청구자료 중 청주시의 15세 미만 유소년를 대상으로 천식질환(주상병코드: J45-J46)으로 진료형태가 입원인 대상을 선정하였다. 각 구별 입원인원을 비율로 산정하고, 각 구별 격자망에 비율과 유소년수를 곱해 격자망에 할당하였다. 대기오염배출시설(1~3종) 이격거리별 노출인구 비율 데이터는 선행연구(Beale et al., 2010)에서 활용된 방법론을 기반으로 대기오염배출시설 반경 2.5 km 내에 거주하는 인구수를 비율로 산정하여 활용하였다. 결과는 Fig. 4와 같다.

Fig. 4

Status of Spatial Distribution of Health Conditions

경제적 취약요인은 개별주택가격, 공시지가, 국민기초생활보장수습자수 비율 데이터를 활용하였다. 개별주택가격 및 공시지가는 국토통계플랫폼에서 제공해주는 데이터를 활용하였다.

국민기초생활보장수습자수는 공공데이터 포털에서 제공해주는 청주시 행정동 국민기초생활보장수습자수를 활용하기 위해 행정동 내 격자망에 비율과 인구수를 곱해 격자망에 할당하였다. 결과는 Fig. 5와 같다.

Fig. 5

Status of Spatial Distribution of Economically Conditions

생활여건 취약요인은 건축연수, 건축면적, 취약시설 분포를 고려하였다. 건축연수 및 건축면적은 국토통계플랫폼에서 제공해주는 데이터를 활용하였다. 취약시설 분포는 복지시설, 어린이집, 학교, 유치원분포 현황을 격자망 위에 중첩시켜 격자망 내에 위치한 시설의 개수를 파악해 데이터를 구축하였다. 결과는 Fig. 6과 같다.

Fig. 6

Status of Spatial Distribution of Living Conditions

대응여건 취약요인은 병원(종합병원, 응급의료시설)⋅보건기관(보건소, 보건진료소, 보건지소)⋅도시공원 접근성을 GIS 네트워크 분석을 통해 각 격자망의 중심점으로부터 각 대응시설까지의 거리를 정량적으로 평가해 자료를 구축하였다. 결과는 Fig. 7과 같다.

Fig. 7

Status of Spatial Distribution of Response Conditions

4.1 위험성 평가

미세먼지 배출량이 많아서 상대적으로 더욱 위험한 지역은 산업단지가 위치해있는 송정동⋅복대동 일대와 산업시설 및 교통량이 급격히 증가하고 있는 오송읍과 오창읍으로 나타났다.

미세먼지의 농도가 높아 위험한 지역은 배출지역과 유사하게 송정동⋅복대동 일대로 나타났으며, 천안시 내 산업단지에 가깝게 위치해 있는 옥산면도 위험성이 높은 것으로 나타났다.

바람이 정체되어 미세먼지의 농도가 높아질 위험이 높은 지역은 주로 청주시의 서쪽에서 많이 나타났다. 이는 청주시 동쪽에는 우암산을 비롯한 높은 산이 많아서 동고서저의 지리적 특성으로 인해 미세먼지 외부유입 및 내부 배출 시 지형이 낮은 서쪽에 정체되고 있다고 판단된다.

외부로부터 미세먼지 유입경로 상에 있어 위험한 지역은 청주시 도심지역에 많이 나타났다. 특히, 산업단지가 위치한 송정동과 봉명동 일대에서 가장 높게 도출되었고, 산업단지로부터 거리가 멀어질수록 위험이 낮아지는 것으로 나타났다.

마지막으로, 녹지 면적의 비율이 낮은 도심지역에는 흡착량이 낮게 도출되어 미세먼지에 대한 위험도가 높게 나타났다.

4.2 취약성 평가

신체적 취약요인 중 14세 미만의 유소년은 복대동, 개신동, 오송읍, 오창읍 등 도심 외곽에 신축된 아파트 단지에 많이 거주하였고, 독거노인 수는 중앙동, 성안동, 수암동, 수곡동 등 구도심 지역에 상대적으로 많이 거주하는 것으로 나타났다.

건강 취약요인 중 호흡기계 질환 사망자수는 오창읍, 복대동 등에서 높게 나타났고, 유소년 천식 유병률은 오송읍과 봉명동에서 높은 것으로 나타났으며, 대기오염배출시설 이격거리별 노출인구 비율은 오송읍과 오창읍, 복대동에서 높게 나타나 산업단지 주변에 있는 격자망에서 건강 취약성이 높은 것으로 나타났다.

경제적 취약요인 중 개별주택가격이 낮은 지역은 복대동, 성화동, 용암동 일대로 도출되었으며, 공시지가가 낮은 분포현황은 청주시 외곽지역에 밀집되어있고, 상당구 및 청원구에 위치한 격자망 일부에서 도출되었다. 국민기초생활보장수급자수 비율은 모충동, 수곡동 등 구도심 위주에서 상대적으로 높게 나타났다.

생활여건 취약요인 중 노후주택은 사직동, 모충동, 내덕동 등 구도심에 위치한 주택단지에 위치한 지역에서 많이 분포하였으며, 강내면, 문의면, 미원면 등 청주시 외곽에서 주택면적이 적은 것으로 나타났다. 어림이집, 경로단, 학교 등 미세먼지 취약시설 분포는 신축된 아파트 단지 주변에서 상대적으로 높게 나타났다.

대응여건 취약요인의 경우, 청주시 외곽지역 및 오창읍에서 병원 접근성이 낮은 것으로 나타났으며, 보건기관은 병원에 비해 골고루 분포하는 것으로 나타났다. 도시공원 접근성은 도심지역과 오송읍에서 접근성이 상대적으로 낮게 나타났다.

4.3 위험성과 취약성이 동시에 높은 공간 분석

앞서 분석된 각 평가의 지역을 모두 동일한 가중치 1로 가정하고 중첩하여 위험성 평가결과와 취약성 평가결과를 도출하였다. 각 평가결과는 정규화(Normalization) 과정 중 Min–Max방법을 통해 0~1 범위로 스케일을 재조정하고, Jenks Natural Breaks 방법을 활용하여 위험하거나 취약할수록 1에 가깝도록 설정하였다.

위험성 평가결과, 봉명동, 운청⋅신봉동, 내덕동, 오송읍 일대 등이 다른 곳에 비해 위험요인이 많이 밀집되어 있어 상대적으로 미세먼지에 의해 위험하다는 것을 의미하며, 미세먼지가 상대적으로 많이 배출되고, 농도가 높으며, 정체 및 확산될 가능성이 높고, 미세먼지 흡착 능력이 있는 수목의 비율이 낮다는 곳을 의미한다.

취약성 평가결과, 오송읍, 오창읍, 복대동, 내덕동, 봉명동, 수곡동 일대 등이 다른 곳에 비해 취약요인이 많이 밀집되어 있는 것으로 도출되었다. 취약요인이 높은 곳은 상대적으로 취약하다는 것을 의미하며, 신체적으로 민감성이 크고, 기저질환이 있거나 향후 미세먼지로 인하여 건강 악영향을 받을 수 있으며, 경제적으로 어려워 회복력이 떨어지며, 생활여건이 나쁜 곳에 거주하고 대응여건이 떨어지는 곳을 의미한다. 각 위험성과 취약성 분석에 대한 결과는 Fig. 8과 같다.

Fig. 8

Status of Spatial Evaluation Factors

도출된 위험성과 취약성의 공간적 상관성을 위해 Bivariate Local Moran’s I 분석을 진행하였다. 분석결과는 Fig. 9로 유의수준은 5% 이내로 양(+)의 공간자기상관성을 가지는 것으로 나타났다. 분석을 통해 도출된 H-H 지역은 미세먼지 위험성이 높은 지역에 취약성이 높은 지역이 분포하고 있다는 것을 의미한다.

Fig. 9

Status of Spatial Correlation between Risk and Vulnerability

도출된 H-H 지역은 오송읍과 오창읍, 복대동, 봉명동, 내덕동 일대이다. 오송읍, 오창읍, 복대동 일대는 용도지역 중 공업지역 비율이 높은 지역으로 산업단지 등이 위치해 있어 미세먼지 배출 위험성이 높은 지역이다. 취약성의 경우, 신축아파트 단지 및 학교가 인접해있는 신도심 지역으로 상대적으로 미세먼지에 대해 위험성과 취약성이 높게 도출된 것으로 판단된다. 한편, 내덕동 일대는 표고가 낮고, 도심공원 비율이 낮은 곳으로 미세먼지 정체의 위험성이 높으며, 녹지지역 비율이 낮아 흡착성이 떨어지는 지역이다. 또한, 노후주택이 밀집해있어 정주여건 개선이 필요한 구도심 지역으로 미세먼지에 대해 취약성이 상대적으로 높은 지역이다.