[논문 리뷰] Creating a Spatial Vulnerability Index for Environmental Health

Aiden Price, Kerrie Mengersen외 2명|arXiv (Cornell University)|2024. 03. 22.

Climate Change and Health ImpactsEnvironmental Science인용 수 3

한 줄 요약

이 연구는 호주 환경 건강을 위한 가중 공간 취약성 지수(wVI)를 개발하며, 주간 및 공간적으로 해상도가 높은 데이터를 사용하여 건강 결과, 노출, 민감성, 적응 능력 요소를 통합한다. 기존 지수에 비해 건강 결과를 우선시함으로써 극단 기상 사건 동안의 취약성 급증을 정밀하게 탐지할 수 있도록 향상시켰다.

ABSTRACT

Extreme natural hazards are increasing in frequency and intensity. These natural changes in our environment, combined with man-made pollution, have substantial economic, social and health impacts globally. The impact of the environment on human health (environmental health) is becoming well understood in international research literature. However, there are significant barriers to understanding key characteristics of this impact, related to substantial data volumes, data access rights and the time required to compile and compare data over regions and time. This study aims to reduce these barriers in Australia by creating an open data repository of national environmental health data and presenting a methodology for the production of health outcome-weighted population vulnerability indices related to extreme heat, extreme cold and air pollution at various temporal and geographical resolutions. Current state-of-the-art methods for the calculation of vulnerability indices include equal weight percentile ranking and the use of principal component analysis (PCA). The weighted vulnerability index methodology proposed in this study offers an advantage over others in the literature by considering health outcomes in the calculation process. The resulting vulnerability percentiles more clearly align population sensitivity and adaptive capacity with health risks. The temporal and spatial resolutions of the indices enable national monitoring on a scale never before seen across Australia. Additionally, we show that a weekly temporal resolution can be used to identify spikes in vulnerability due to changes in relative national environmental exposure.

연구 동기 및 목표

• 대규모 데이터량, 제한된 데이터 접근성, 지역 및 시간에 걸친 시간 소모적인 데이터 정리로 인해 발생하는 환경 건강 연구의 장벽을 줄이기 위해.
• 호주 전역의 환경 건강 지표를 위한 개방형 국가 데이터 저장소를 구축하기 위해.
• 극심한 고온, 저온, 대기 오염과 관련된 인구의 민감성과 적응 능력을 더 잘 반영하는 건강 결과 가중 취약성 지수를 개발하기 위해.
• 정책 및 비상 대응 계획 수립을 향상시키기 위해 주간 및 공간 해상도가 높은 국가 수준의 환경 건강 취약성 모니터링을 가능하게 하기 위해.

제안 방법

• 연구는 특정 건강 결과(예: 고온, 저온, 대기 오염으로 인한 사망)와의 상관관계를 바탕으로 노출, 민감성, 적응 능력 구성 요소에 가중치를 할당하여 가중 취약성 지수(wVI)를 구축한다.
• 환경 노출과 건강 결과 간의 쌍별 상관관계를 활용하여 가중치를 결정함으로써, 이전 연구에서 일반적으로 사용되는 동일 가중치 또는 주성분 분석(PCA) 기반 방법을 대체한다.
• 자료는 다양한 공간 해상도(SA2, SA3, SA4, LGA 수준)와 시간 해상도(주간, 월간, 연간, 2011–2019)로 집계된다.
• 국립기상국(Bureau of Meteorology, BOM), Copernicus 대기 모니터링 서비스(Copernicus Atmosphere Monitoring Service, CAMS), 호주 통계청(Australian Bureau of Statistics, ABS), 그리고 NDVI와 같은 위성 유도 변수를 포함한 다수의 자료원에서 수집된 자료를 통합한다.
• 표준 취약성 프레임워크(노출, 민감성, 적응 능력)를 유지하면서도, 건강 결과의 관련성을 가중치 과정에 통합함으로써 이를 향상시킨다.
• 결과로 도출된 wVI는 기상 이벤트(예: 폭염 또는 오염 사건)와 같은 단기 환경 변화로 인한 급격한 취약성 증가를 탐지할 수 있다.

Figure 1: Pairwise correlation plot comparing health outcome weighted vulnerability index components against and health outcomes (heat, air quality and all-cause mortality). E, S and A correspond to exposure, sensitivity and adaptive capacity sub-indices, respectively.

실험 결과

연구 질문

• RQ1 등가 가중치 또는 PCA 기반 방법에 의존하는 것보다 실제 건강 결과를 더 잘 반영하도록 취약성 지수를 어떻게 향상시킬 수 있는가?
• RQ2 건강 결과 가중 접근법은 전통적 지수에 비해 시간적·공간적 변화를 더 정밀하게 탐지할 수 있는가?
• RQ3 주간 시간 해상도는 극단 환경 사건과 연관된 취약성 급증을 어떻게 드러낼 수 있는가?
• RQ4 사망률 데이터를 환경 및 사회 인구통계 변수와 통합함으로써 취약성 평가의 정확도는 얼마나 향상되는가?
• RQ5 고공간 및 고시간 해상도를 갖춘 확장 가능한 개방형 국가 수준의 환경 건강 취약성 지수를 구축하는 데 실현 가능성은 어느 정도인가?

주요 결과

• 등가 가중치 또는 PCA 기반 방법에 비해 가중 취약성 지수(wVI)는 실제 건강 위험과 더 잘 일치하는 인구의 민감성과 적응 능력을 반영한다.
• 연구는 주간 시간 해상도가 폭염 또는 오염 사건과 같은 일시적 환경 노출로 인한 급격한 취약성 증가를 탐지할 수 있음을 입증한다.
• wVI 방법론은 건강 결과를 가중치 과정에 성공적으로 통합하여 실제 세계의 건강 영향을 더 잘 반영하는 취약성 백분위수를 도출한다.
• 개방형 데이터 저장소는 2011년부터 2019년까지 SA2, SA3, SA4 및 LGA 수준에서 집계된 환경 건강 자료에 대한 액세스를 제공하며, 국가 수준의 모니터링을 지원한다.
• 지수 분석은 호주 전역에서 지역 간 취약성 격차가 뚜렷하게 드러나며, 기후적 극단과 사회 인구통계적 요인으로 인해 도시 및 원격 지역에서 민감성이 높은 것으로 나타났다.
• 건강 서비스 가용성, 도시 인프라, 2021년 인구 조사 데이터 등의 향후 데이터 확장은 지수의 정교화와 예측 및 정책 활용성 향상에 기여할 수 있다.

Figure 2: Scatter plot of age-standardised all cause mortality (ACM) against (A) the baseline heat vulnerability index (HVI) showing low correlation and (B) the weighted heat vulnerability index (wHVI) showing improved correlation (B).