Meteorological and Biometeorological Evaluation of a Population-Aware Heat Warning Framework for Mauritius

열기는 단 하나의 현상이 아닙니다. 태양 아래 서 있는 사람에게 열기란 기온, 땀의 증발을 막는 습도, 피부를 식혀줄 수 있는 바람, 그리고 내리쬐는 태양의 직접적인 복사열이 뒤섞인 결과물입니다. 날씨가 인간의 건강에 미치는 영향을 연구하는 과학자들에게 이는 위험한 폭염일을 설명할 수 있는 단 하나의 숫자는 존재하지 않는다는 것을 의미합니다. 3일 동안 지속되는 폭염은 단 한 번의 무더운 오후와는 다르게 느껴지며, 열기를 식혀줄 틈이 없는 더운 밤은 산들바람이 부는 더운 낮과는 다른 종류의 스트레스입니다. 인도양의 습한 섬나라인 모리셔스와 같은 곳에서 과제는 이러한 차이를 이해하는 경보 시스템을 구축하는 것입니다. 목표는 단순히 온도계의 숫자가 높이 올라갔을 때가 아니라, 그곳에 사는 사람들에게 열기가 진정으로 위험해지는 시점이 언제인지를 아는 것입니다.

모리셔스 기상청의 연구원인 야쉬비르 람루콘(Yashvir Ramlukon)은 이 열기를 측정하는 새로운 방법을 구축하고 테스트하기 위해 착수했습니다. 그는 해안 저지대부터 중앙 고지대까지 섬을 6개의 서로 다른 구역으로 나누는 프레임워크를 만들고, 다음과 같은 단순하지만 어려운 질문을 던졌습니다. 실제로 얼마나 많은 사람이 위험한 열기를 경험하고 있는가, 그리고 그것은 어떤 종류의 열기인가? 이를 답하기 위해 그는 단 한 가지 유형의 데이터에만 의존하지 않았습니다. 그는 지상의 기상 관측소에서 얻은 직접적인 측정값과 ERA5-Land라고 불리는 정교한 대기 컴퓨터 모델을 결합했습니다. 이 모델은 관측소 사이의 간극을 메워 매시간 섬 전체의 날씨를 완벽하게 그려냅니다. 그러나 연구원은 컴퓨터 모델이 완벽하지 않다는 점을 알고 있었습니다. 모델은 열기의 가장 날카로운 정점을 완만하게 만들 수 있으므로, 그는 실제 관측소의 측정값을 지상에서 실제로 일어난 일을 보여주는 가장 중요한 증거로 취급했습니다.

연구는 1991년부터 2025년까지의 긴 기간을 다루며 방대한 일일 열기 기록 저장소를 구축했습니다. 연구원은 여러 가지 다른 방식의 열기 경보 정의를 테스트했습니다. 한 방법은 특정 시기의 평년과 비교하여 낮이 얼마나 더웠는지를 살펴보았습니다. 또 다른 방법은 밤의 열기를 측정했는데, 밤 동안 냉각이 이루어지지 않는 것은 주요한 건강 위험 요소이기 때문입니다. '과잉 열량 계수(Excess Heat Factor)'라고 불리는 세 번째 방법은 열기가 신체에 가해지는 갑작스러운 충격인지, 아니면 인구가 이미 적응하기 시작한 지속적인 사건인지를 확인했습니다. 마지막으로, 그는 온도, 습도, 바람, 태양의 조합에 대해 인체가 어떻게 반응하는지를 시뮬레이션하는 복잡한 지수를 사용했습니다. '범용 열환경 지수(Universal Thermal Climate Index)'로 알려진 이 지수는 단순히 기온만을 계산하는 것이 아니라, 사람이 느끼는 실제 열적 스트레스를 계산하려고 시도합니다.

연구원이 컴퓨터 모델을 실제 기상 관측소 데이터와 비교했을 때, 모델은 온도 변화의 일반적인 패턴을 보여주는 데는 유능했지만 종종 가장 더운 날들을 과소평가한다는 것을 발견했습니다. 일부 저지대 관측소에서는 모델이 실제보다 거의 섭씨 2도 정도 낮게 나타났습니다. 이는 만약 경보 시스템이 컴퓨터 모델에만 의존한다면 가장 위험한 열기 사건들을 놓칠 수 있음을 의미했습니다. 또한 모델은 드물게 발생하는 매우 더운 날들을 포착하는 데 어려움을 겪었습니다. 이러한 이유로, 이 프레임워크는 역사적 극한치를 확인할 때는 실제 관측소 데이터를 신뢰하도록 설계되었으며, 관측소가 없는 곳의 간극을 메우는 용도로만 컴퓨터 모델을 사용하도록 했습니다.

연구는 또한 이러한 열기 사건에 의해 얼마나 많은 사람이 영향을 받았는지도 살펴보았습니다. 연구원은 섬 전체의 온도를 평균 내어 일부 지역이 훨씬 더 뜨겁다는 사실을 숨기는 대신, 위험 임계치를 초과한 구역에 거주하는 인구의 비율을 계산했습니다. 그는 2022년 인구 조사 공식 통계를 사용하여 이 구역들의 가중치를 두었습니다. 이러한 접근 방식은 서로 다른 열기 사건이 사람들에게 매우 다른 방식으로 영향을 미친다는 점을 드러냈습니다. 예를 들어, 2013년 12월의 열기 사건은 더 뜨거운 낮, 따뜻한 밤, 그리고 며칠간 지속된 높은 수준의 열적 스트레스가 결합되었기 때문에 심각했습니다. 반면, 2025년 2월의 열기 사건은 열적 스트레스 지수가 섬 전체에서 위험한 수준에 도달할 만큼 강렬했지만, 장기간의 축적 과정이 없었기 때문에 '지속성' 경보를 발령하지는 않았습니다.

가장 중요한 발견 중 하나는 단 하나의 경보 규칙으로는 모든 위험한 상황을 포착할 수 없다는 것이었습니다. 연구원은 어떤 규칙들이 실제 열기 사건과 가장 잘 일치하는지 보기 위해 다양한 규칙의 조합을 테스트했습니다. 그는 과거와 비교하여 온도가 얼마나 이례적이었는지만을 보는 시스템은 물리적으로는 매우 스트레스를 주지만 통계적으로는 드물지 않은 사건들을 놓칠 수 있다는 것을 발견했습니다. 반대로, 열적 스트레스 지수만을 보는 시스템은 지속 시간 때문에 위험한 사건들을 놓칠 수 있습니다. 최선의 접근 방식은 이러한 서로 다른 척도들을 분리하여 함께 살펴보는 것이었습니다. 이렇게 하면 열파가 지속되거나, 열적 스트레스가 높거나, 혹은 밤이 이례적으로 따뜻할 때, 이 모든 서로 다른 종류의 위험을 하나의 점수로 강제로 통합하지 않고도 경보를 발령할 수 있습니다.

연구는 또한 2019년 3월의 특정 사건이 결정적인 시험 역할을 했음을 강조했습니다. 컴퓨터 모델은 열기가 심각하지 않다고 제안했지만, 실제 기상 관측소들은 강력한 다구역 열기 사건을 보여주었습니다. 이러한 불일치는 컴퓨터 모델에만 의존하는 것이 경보 실패로 이어질 수 있음을 입증했습니다. 이 프레임워크는 이 사건을 모델이 실패한 사례로 성공적으로 식별해 냈으며, 이는 실제 관측을 경보 시스템의 중심에 두어야 할 필요성을 재확인시켜 주었습니다.

궁극적으로, 이 작업은 열 관련 질환 문제를 해결했다고 주장하는 것이 아닙니다. 연구원은 여기서 개발된 경보 수준이 건강 데이터가 아닌 기상학적 및 물리적 증거에 기반하고 있음을 명시적으로 밝히고 있습니다. 이 연구에 사용된 데이터에는 이러한 열기 사건 동안 얼마나 많은 사람이 병에 걸렸거나 사망했는지에 대한 기록이 없습니다. 따라서 이 시스템은 특정 온도나 스트레스 수준이 정확히 어떤 건강 위기를 초래하는지 아직 확실하게 말할 수는 없습니다. 대신, 이 연구는 견고하고 재현 가능한 토대를 제공합니다. 이는 지난 35년 동안 모리셔스의 인구에 열기가 어떻게 영향을 미쳤는지에 대한 명확하고 상세한 기록을 제공하며, 다양한 종류의 열 스트레스를 구분하고 각 스트레스에 노출된 인구수를 정확히 보여줍니다. 이 기록 보관소는 이제 보건 전문가들이 사용할 준비가 되었습니다. 그들은 이 상세한 열 노출 지도를 가져와 미래의 건강 기록과 대조하여, 날씨가 정확히 어느 지점에서 의료적 비상사태가 되는지를 찾아낼 수 있습니다. 이러한 건강 보정 작업이 완료될 때까지, 이 시스템은 열기를 측정하는 과학적으로 엄격한 방법으로서, 경보가 발령될 때 그것이 단 하나의 숫자가 아니라 완전하고 정직한 날씨의 그림에 근거하도록 보장하는 역할을 수행합니다.