webbook.me.go.krwebbook.me.go.kr/dli-file/091/018/006/5515074.pdf · - iv - §a 3 26 `````02

최 종 보 고 서

한반도 꽃가루 농도 특성 및

건강 영향 조사

2009. 12.

연 구 기 관

국립기상연구소

국 립 환 경 과 학 원

- i -

제 출 문

국립환경과학원장 귀하

본 보고서를 “한반도 꽃가루 농도 특성 및 건강 영향 조사” 사업의 최

종보고서로 제출합니다.

2009. 12.

주 관 연 구 기 관: 국립기상연구소 응용기상연구과

연 구 수 행 기 간 : 2009. 5. 28. ～ 2009. 12. 27. (7개월)

주관 연구 책임자: 김 규 랑

연 구 원 : 최영진, 박기준, 이선용, 변재영,

구해정, 박성희, 이정영

위 탁 연 구 기 관: 한양대학교

위 탁 연 구 책 임 자 : 오 재 원

위 탁 과 제 연 구 원 : 정지태, 김봉성, 강임주, 김성원,

국명희, 지수정, 윤은수

위 탁 연 구 기 관: 인제대학교

위 탁 연 구 책 임 자 : 이 중 우

위 탁 과 제 연 구 원 : 조영상, 고광근, 김현주

- ii -

목 차

제 출 문 ······························································································································· i

목 차 ·········································································································································· ii

표 목 차 ····································································································································ⅲ

그 림 목 차 ································································································································v

요 약 문 ··································································································································viii

제 1 장 서 론 ·······················································································································1

제1절 배경 ······························································································································1

제2절 추진 체계 ····················································································································2

제 2 장 한반도 꽃가루 농도 특성 조사 및 분석 ·························································· 3

제1절 목적 및 필요성 ··········································································································3

제2절 꽃가루 농도 분포 특성 및 꽃가루 달력 ······························································4

제3절 꽃가루 농도와 기상조건과의 상관관계 분석 ····················································15

제4절 꽃가루 관측망 확대를 위한 관측환경 조사 ······················································29

제5절 연구결과 요약 ··········································································································43

제 3 장 꽃가루 농도와 알레르기 유발가능성과의 관련성 연구 ·····························44

제1절 목적 및 필요성 ········································································································44

제2절 연구개발 목표와 내용 ····························································································55

제3절 연구방법 ····················································································································57

제4절 연구결과 ····················································································································60

제5절 연구결론 ····················································································································73

제 4 장 꽃가루 예보와 생명기상정보의 경제적 가치 기획연구 ·····························75

제1절 목적 및 필요성 ········································································································75

제2절 꽃가루 관련 국내․외 문헌 연구 ········································································78

제3절 꽃가루의 국민건강피해도 및 경제적 가치 ························································86

제 5 장 연구 결과 ··············································································································117

참 고 문 헌 ····························································································································119

부 록 ······································································································································124

- iii -

표 목 차

Table 2.1. Classification of allergenic plants in Korea (Korean Academy of Pediatric

Allergy and Respiratory Disease, 2001). ··········································································10

Table 2.2. Standard allergenicity for pollen count. ·······················································11

Table 2.3. Meteorological factors used in regression analyses for pollen counts in

Seoul: MeanT daily mean temperature, PRE daily rainfall, WIND average wind

speed, HUM daily relative humidity, MaxT daily maximum temperature, MinT

daily minimum temperature, DR daily temperature range, RT continued rainfall

hours, AS accumulated sunshine hours, AccumT accumulated mean temperature

(* : significant at 95% confidence interval). ··································································17


Gangneung. ······························································································································19


Gwangju. ···································································································································21


Daegu. ········································································································································23


Busan. ········································································································································25


Jeju. ············································································································································27

Table 3.1. The Contents of Questionnaire to patients (Symptom Index) ·············· 58

Table 3.2. Amount of Subjects from Each Study Area. ············································60

Table 3.3 Sensitization rate to allergy pollen from skin prick test of allergic

patients from each districts in Korea. ·············································································61

Table 3.4. Risk Grade of Pollen count for Pollen r Pollen(rrrrI). ····················· 72

Table 3.5. Risk Grade of pollen for allergy pollen forecast among each

allergic plant. ·························································································································72

Table 4.1 Death rate and medical expenditure by disease (NIEHS, USA). ··········78

Table 4.2. Status of medical insurance coverage of high frequency disease by

faceted disease classification. ······························································································79

Table 4.3. Status of medical insurance coverage by the classifications of 298

- iv -

diseases (2007). ·······················································································································87

Table 4.4. Status of medical pay by the classifications of 298 diseases. ············87

Table 4.5. Salary and working hours(2006). ··································································94

Table 4.6. Economically active population and administrational inefficiency

incurred by pollen. ·················································································································94

Table 4.7. Working hours incurred by pollen. ·······························································95

Table 4.8. Salary loss caused by pollen. ·········································································95

Table 4.9. Estimated salary through reduced estimate recipient. ·····························96

Table 4.10. The attribute and related levels of meteorological pollen information

service. ·····································································································································102

Table 4.11. An example of alternative set of meteorological pollen information

service. ·····································································································································105

Table 4.12. The estimation result of meteorological pollen information service

(with total sample). ·············································································································107

Table 4.13. The estimation result of meteorological pollen information service by region

. ·················································································································································110


(with the sample shown hospital visiting experience by pollen). ··························111

Table 4.15. The scenario of imaginary meteorological pollen information services

. ·················································································································································112

- v -

그 림 목 차

Fig. 2.1. seven-day recording volumetric spore trap. ···················································5

Fig. 2.2. Pollen calendars based on daily observation of pollen counts in (a)

Seoul, (b) Busan, (c) Daegu, (d) Gwangju, (e) Gangneung, and (f) Jeju during

1997-2009. ···································································································································9

Fig. 2.3. Pollen allergenicity calendars based on daily observation of pollen

counts in (a) Seoul, (b) Busan, (c) Daegu, (d) Gwangju, (e) Gangneung, and (f)

Jeju during 1997-2009. ··········································································································14

Fig. 2.4. Pollen network. ······································································································30

Fig. 2.5. Environment of Chunchon Pollen observation station. ·······························32

Fig 2.6. Environment of Ulsan Pollen observation station. ········································33

Fig 2.7. Environment of Seoul Pollen observation station. ········································36

Fig 2.8. Environment of Gangneung Pollen observation station. ····························· 37

Fig 2.9. Environment of Daejung Pollen observation station. ···································38

Fig 2.10. Environment of Daegu Pollen observation station. ·····································39

Fig 2.11. Environment of Gwangju Pollen observation station. ································40

Fig 2.12. Environment of Busan Pollen observation station. ·····································41

Fig 2.13. Environment of Jeju Pollen observation station. ·········································42

Fig. 3.1. Common allergic plants and its pollen in Korea. A-1) alder, A-2) alder

pollen B-1) oak, B-2) oak pollen, C-1) pine, C-2) pine pollen D-1) ragweed,

D-2) ragweed pollen E) hazelnut pollen, F) grass pollen. ·········································50

Fig. 3.2. Distribution of daily pollen counts according to temperature and

precipitation in Seoul (1997～2002). ····················································································52

Fig.3.3. The correlation between allergic pollen count and symptom index in

Seoul (1. March - 30. June. 2009). ···················································································62

Fig. 3.4. The correlation between pollens of allergic plants except pine, poplar

and symptom index in Seoul (1. March - 30. June. 2009). ·······································62

Fig. 3.5. The correlation between pine pollen count and symptom index in Seoul

and Guri (1. March - 30. June). ························································································63

Fig. 3.6. The correlation between allergic pollen count and symptom index in

Guri (1. March - 30. June. 2009). ·····················································································63

Fig. 3.7. The correlation between pine and oak pollen count and symptom index

- vi -

in Guri (1. March - 30. June). ···························································································64

Fig. 3.8. The correlation between the other allergic pollen count and symptom

index in Busan (1. March - 30. June). ···········································································64


Kangneung (1. March - 30. June. 2009). ········································································65

Fig. 3.10. The correlation between the allergic pollen count except pine, oak and

symptom index in Kangneung (1. March - 30. June. 2009). ····································65


in Kangneung (1. March - 30. June. 2009). ···································································66


Kwangju (1. March - 30. June). ·······················································································66

Fig. 3.13. The correlation between the pollen count of plant except pine, oak and

symptom index in Kwangju (1. March - 30. June. 2009). ········································67


in Kwangju (1. March - 30. June. 2009). ·······································································67

Fig. 3.15. The correlation between allergic pollen (ragweed, sagebrush, Japanese

hop) and symptom index in Seoul (1. September - 30. October). ·························· 68


hop) and symptom index in Guri (1. September - 30. October). ···························· 68

Fig. 3.17. The correlation between allergic pollen (ragweed, sagebrush, hop) and

symptom index in Kangneung (1. September - 30. October). ··································69


symptom index in Kwangju (1. September - 30. October). ······································69

Fig. 3.19. The correlation between Japanese hop pollen count and symptom index

in Daegu (1. September - 30. October). ··········································································70

Fig. 3.20. The correlation between allergic weeds pollen count and symptom

index in Daegu (1. September - 30. October). ······························································70

Fig. 4.1. Diffusion of asthma, rhinitis, and eczema in European children aged

13-14. ·········································································································································80

Fig. 4.2. Procedure of pollen information service and text information in

Germany. ···································································································································81

Fig.4.3. Internet pollen map of Germany. ······································································82

Fig. 4.4. Cost of illness (COI) Approach. ······································································83

- vii -

Fig. 4.5. Environmental allergy patients (scale: ten thousand). ································84

Fig. 4.6. Trend of increasing prevalence of allergy related disease in children (%).

····················································································································································85

Fig. 4.7. Trend of increasing patients with asthma, atopy, and dermatitis. ········· 85

Fig. 4.8. Number of patients with pollen related diseases (scale: persons). ········· 86

Fig. 4.9. Number of asthmatic patients and medical expenditure(scale: person,

hundred thousand won). ·······································································································88

Fig. 4.10. Gender distribution. ·····························································································89

Fig. 4.11. Age distribution. ··································································································89

Fig. 4.12. Job distribution. ···································································································90

Fig. 4.13. Region distribution. ·····························································································90

Fig. 4.14. The degree of influence affecting life and business activity by pollen

. ···················································································································································91

Fig. 4.15. Awareness of the relationship between pollen and related diseases. ··· 91

Fig. 4.16. The experience of visiting hospital and pharmacy by pollen. ··············· 92

Fig. 4.17. The recent year of visiting hospital and pharmacy by pollen. ··············92

Fig. 4.18. The type of disease caused by pollen. ·························································93

Fig. 4.19. The degree of administrational inefficiency incurred by pollen. ············93

Fig. 4.20. leaving office and absence by pollen. ···························································96

Fig. 4.21. The hospital and pharmacy charges incurred by pollen. ·························96

Fig. 4.22. The necessary time for visiting hospital. ····················································97

Fig. 4.23. The number of hospitalization and days of hospital treatment by pollen

. ···················································································································································97

Fig. 4.24. The hospital charges incurred by pollen. ·····················································98

Fig. 4.25. Product purchasing for the pollen related disease prevention. ···············98

Fig. 4.26. Suffering from the disease such as rhinitis or asthma. ·························· 99

Fig. 4.27. Is disease caused by pollen? ···········································································99

Fig. 4.28. Worseness of disease when pollen develops. ············································100

Fig. 4.29. Adoption of specific meteorological pollen information service. ···········100

Fig. 4.30. The adoption rate of meteorological pollen information service by price

. ·················································································································································113

Fig. 4.31. The adoption rate of meteorological pollen information service by

forecasting accuracy. ···········································································································114

- viii -

요 약 문

꽃가루의 분포를 파악하고 이에 대한 위험도를 알리는 것은 국민건강 보호를 위

해 매우 중요한 일이라 할 수 있다. 전국 6개 지역(서울, 부산, 광주, 대구, 강릉, 제

주)에서 1997년～2009년 관측된 꽃가루 농도 자료를 이용하여 지역별 꽃가루달력

및 위험도 알레르기달력을 만들었으며, 이는 꽃가루 알레르기 환자의 야외 활동에

유용하게 사용될 것이다. 꽃가루 농도 변화에 영향을 줄 것으로 생각되는 기상요소

들을 상관관계를 분석하였고, 그 결과 꽃가루 농도는 매년 각기 다른 기상요소에

영향을 받으며 지역적으로 다른 것으로 나타났다. 이에 따라 각 지역별로 꽃가루

농도 회귀식을 만들 수 있으며, 이러한 자료는 꽃가루 농도 예보에 사용될 예정이

다. 새로운 관측지점은 현재 설치위치에 따른 공간적 분포로 선정하였으며, 향후 꽃

가루 알레르기 환자 분포도 함께 고려할 예정이다.

관측망이 확대됨에 따라 꽃가루 농도 예보 및 경보를 위한 기본자료를 제공하고

꽃가루 입체관측망 및 DB 구축 기반정보를 확보하게 될 것이다. 꽃가루 예보제를

시행할 경우 알레르기 식물의 종류에 따라 알레르기를 유발하는 꽃가루 농도가 다

르므로 이들을 세분화해서 분석하여 예보를 해야 한다. 봄철에는 소나무를 제외한

자작나무, 오리나무, 참나무 등 우리나라에 많이 분포하는 알레르기 수목류를 중심

으로 알레르기 위험지수를 정하여 보고하는 것이 좋을 것으로 제시하고 소나무는

우리나라의 주된 수종이기 때문에 꽃가루가 날리는 시기에는 가장 많은 꽃가루를

날리기 때문에 이는 별도로 분석할 필요가 있다. 가을철, 특히 9월-10월에는 봄철

알레르기 발생만큼 많은 환자들이 나타나기 때문에 가을철의 꽃가루 예보도 매우

중요하다. 특히 환삼덩굴, 돼지풀, 쑥(향쑥, 산쑥)에 대해 위험지수를 보고하는 것

이 좋을 것으로 사료된다.

본 연구의 일반설문 항목을 통해 국민의 35% 정도가 꽃가루로 인해 생활 및 업

무활동을 영향을 받고 있으며, 국민의 85%가 꽃가루가 알레르기나 비염, 결막염 등

의 질병과 상관관계가 있다고 인지하는 것을 알 수 있었다. 꽃가루 기상정보 서비

스의 제공을 위해 국민들의 선호 분석을 실시한 결과를 꽃가루 기상정보 서비스의

속성 결정에 유의한 정보로 활용될 수 있을 것으로 기대한다. 꽃가루 관련 질병을

가지고 있는 사람들은 SMS 서비스나 이메일 서비스를 이용하여 꽃가루 기상정보

를 습득하고자 하는 필요성을 느끼고 있다.

- 1 -

제 1 장 서 론

제 1 절 배경

국민소득 2만 달러 시대와 주 5일제 근무의 보편화에 따라 국민들의 여가활동의

증가와 웰빙(Well-being)시대에 접어들면서 국민들의 건강에 대한 관심이 증대되고

있다. 세계적으로 기후변화에 의한 온난화 현상과 공해 증가 등으로 꽃가루로 인한

천식, 비염, 결막염 등 알레르기 질환 환자가 급증하고 있는 추세이며, 미국이나 유

럽 여러 국가의 경우 꽃가루 농도 예보 등 꽃가루와 관련된 각종 연구가 수행되고

있다..

특히, 기후변화와 관련해서 2007년 미국 농무부 연구팀의 연구결과에 따르면, 대

기오염이 심할수록 꽃가루 알레르기와 천식을 유발하는 대표적인 식물인 돼지풀의

꽃가루 농도가 짙게 나타나는 것으로 조사되었으며, 유엔 정부간 기후변화위원회

(IPCC) 보고서에서도 이산화탄소 농도가 높을수록 꽃가루가 증가해 알레르기 환자

가 늘어나는 것으로 보고되고 있다.

미국의 알레르기 환자는 3,500만명, 천식환자는 2,000만명으로 알레르기 환자의

70%이상이 천식을 함께 앓는 것으로 알려져 있으며, 그리고 1980년대 전체 인구의

3%이였던 천식환자는 2004년 6% 이상으로 2배가량 증가 하였으며, 특히 어린이 천

식환자는 3.6%에서 9%로 급증하였다.

꽃가루에 대한 국외연구는 1819년 꽃가루가 인체에 질병의 원인으로 인식하였고

(John Bostock), 이후 미국, 유럽 등지에서 꽃가루에 대한 역학적 연구가 진행되었

다. 부가적으로 대기오염 물질 중 벤젠, 자동차 타이어의 고무 입자, 석면, 미네랄,

꽃가루 등을 분석하여 국민 건강과 사회에 미치는 영향에 대한 연구가 진행되고 있

다.

국내에서는 대기오염 물질 중 벤젠과 석면, 황사에 대한 국민 건강과 사회, 경제

적 가치에 대한 연구들이 진행되었지만, 꽃가루에 대한 연구는 1998년 꽃가루와 알

레르기 질환의 연관성에 대한 연구만 진행되었다.

이에 본 연구에서는 전국 꽃가루 농도 분포 및 알레르기 위험도 평가, 꽃가루

가 국민 건강뿐만 아니라 사회, 경제적으로 미치는 영향과 경제적 가치를 도출하여

꽃가루 관측의 중요성과 기술개발의 당위성을 제시하고자 한다.

- 2 -

본과제의 연구목표는 다음과 같다.

○ 전국 꽃가루 위험도 예보 지점의 확대를 위하여 꽃가루 관측 지점 수를 확대하

며, 관측망의 운영을 통한 일별·지역별 꽃가루 농도 자료의 획득

○ 꽃가루 위험 지수 예보를 위한 관측지점의 포인트 꽃가루 농도의 기상조건에 따

른 특성 분석

○ 꽃가루(화분) 농도에 따른 알레르기 질환 유발 가능성을 조사하고, 현재 사용

중인 꽃가루 농도 예보식의 개선을 위한 꽃가루 위험도를 재조정

○ 각 지역별 알레르기 질환자에게 매일 설문을 통해 알레르기 증상 유무와 그 중

증도를 조사하여 꽃가루 농도와 기상 조건을 비교 분석함으로써 국내 고유의 꽃

가루 위험도 선정

○ 꽃가루 예보를 생명기상정보서비스로 제공하기 위한 기술개발의 경제성과 당위

성을 도출하고, 이를 사회, 경제적으로 활용할 수 있는 방안을 제시

제 2 절 추진 체계

꽃가루 농도 자료

(전국 8개 지점,

3개 이상 종별 일별

자료)

일별 기상자료

(평균기온, 강수량,

누적일조 등 10개

요소)

알레르기 질환자

선정

일별 알레르기

중증도 설문조사

기상조건에 따른

꽃가루 농도 특성 조사

꽃가루 농도에

의한 알레르기

유발 증상 및

반응에 관한 조사

한반도 꽃가루 농도

특성 및 DB 구축

꽃가루 예보와

생명기상연구의

경제적 가치

기획연구

- 3 -

제 2 장 한반도 꽃가루 농도 특성 조사 및 분석

제 1 절 목적 및 필요성

주5일 근무 시행 등으로 실외활동을 즐기는 사람들이 많아지면서 과거에 비해

꽃가루로 인한 알레르기 환자가 점차 늘어나고 있다. 이러한 추세는 꽃가루 농도의

연별 증가추세와 관련된다. 꽃가루는 알레르기성 비염, 기관지 천식, 알레르기성 결

막염 등 각종 질병의 원인이 되며, 최근에는 아토피 피부염을 악화, 자극시키는 경

우도 있다고 보고되고 있다. 유럽이나 북미의 선진국에서는 이미 오래전부터 이를

인식하고 알레르기에 민감한 사람들에게 알레르기 질환에 대한 심각성과 경각심을

홍보하고 있다.

꽃가루 알레르기는 꽃가루가 원인항원으로 작용하여 알레르기 질환을 일으키는

것으로 우리가 흔히 생각하는 것과는 달리 화려한 꽃이나 열매가 달리지 않고 향기

도 없는 아주 평범한 나무(수목), 잔디 그리고 잡초 등이 알레르기의 주된 원인이

된다. 이러한 식물의 꽃가루는 바람에 날리기 쉽도록 작고 가벼워 수백 또는 수천

km까지 이동을 하게 된다(Oh, 2006).

1819년 John Bostock에 의해 꽃가루가 인체에 질병을 일으킬 수 있다고 발표된

이후 1960년대 말부터 미국과 유럽 각지에서 꽃가루에 대한 역학적 연구가 계속해

서 발표되어 왔다(Lewis et al., 1975 Anderson, 1985 Buck et al., 1985 Stach et

al., 2007). 1970년대에는 일본, 필리핀, 대만 등지에서도 꽃가루에 대해 발표되었고,

1980년대 이후 꽃가루와 알레르기 질환과의 연관성에 대해 활발한 연구가 진행되어

오고 있다(Kaufman and Ranck, 1988 Hiroshi et al., 1983).

유럽이나 북미의 선진국에서는 이미 오래 전부터 꽃가루의 지역적 분포와 계절

적 분포를 조사하여 꽃가루 지도와 꽃가루 달력을 작성하여 시민들에게 배포하고

있을뿐더러 꽃가루 예보에도 활용하고 있다(Vazquez et al., 2003).

기후변화는 대기중의 꽃가루 농도의 증가를 야기 하고 있으며, 예측된 바에 의

하면 평균 전지구 온도는 2050년까지 2～3℃ 증가할 것으로 보고 있다. IPCC 보고

서에 의하면 기후변화와 꽃가루 알레르기 물질 증가와는 이론적 개연성이 있다고

WHO의 Bettina Menne는 말하고 있다(WMO, 2001). 국내에서는 1990년대 이래 꽃

가루와 알레르기 발병 자료가 보고되고 있다(Oh and Lee, 1997).

알레르기 유발성 꽃가루의 전국 분포에 관한 연구는 현재까지 전국적인 자료가

확립되어 있지 않고 일부지역에서 단기적으로 보고되고 있는 상태로(Oh, 2006) 연

- 4 -

구수준은 다른 선진국들에 비해 시작 단계로 볼 수 있다.

본 연구에서는 1997년～2008년까지 전국 7개 지역에서 관측된 꽃가루 농도의 종

별, 월별 분포를 분석하여 꽃가루 달력을 작성하였고, 꽃가루 농도에 영향을 주는

기상요소를 선별하여 선별된 기상요소와 꽃가루 농도와의 상관성을 분석하였으며,

관측망 확대를 위한 관측환경 분석을 실시하였다.

제 2 절 꽃가루 농도 분포 특성 및 꽃가루 달력

1. 관측방법 및 자료

꽃가루 채집 방법에는 Durham 중력채집법, Rotorod 법, Burkard trap법,

rotoslide법 등 다양한 방법이 있다(Korean Academy of Pediatric Allergy and

Respiratory Disease, 2001). 본 연구에서는 Burkard trap (seven-day recording

volumetric spore trap; Fig. 2.1)을 이용하여 전국 7개 지점(서울, 구리, 강릉, 대구,

광주, 부산, 제주)에서 1997년부터 2009년까지 관측한 ㎥당 각 꽃가루 수를 대한 소

아알레르기 호흡기학회로부터 제공받아 사용하였다. Burkard trap의 설치위치는 연

구원의 접근이 용이하고 주변의 환경이 꽃가루분포를 측정하는데 적합한 건물의 옥

상에 지면으로부터 1.5m높이에 설치되었다. 대상 지역은 한양의대 서울병원, 한양의

대 구리병원, 강릉현대병원, 대구 파티마병원, 광주보훈병원, 부산 성분도병원, 제주

대학병원이었다. 각 대상지역에 설치된 채집기를 이용하여 꽃가루를 채집한 7일용

드럼을 7일 간격으로 수집하고 지역별로 알루미늄 보관함을 이용하여 한양의대 구

리병원으로 보내어 판독을 실시하였다. 꽃가루가 채집된 글리세린 접착비닐을

Calberla's fuchsin 염색용액(10 ml glycerin, 20 ml 95% Alcohol, 30 ml distilled

water와 0.2 ml basic fuchsin)으로 염색하여 광학현미경에서 400배의 배율로 종류

별 꽃가루수를 관찰하고, m3당 각 꽃가루 수를 계산하여 기록하였다. 종별로는 수

목류는 소나무 등 15종, 잡초류는 환삼덩굴 등 8종이었다. 채집 기간 동안의 기상자

료는 각 지역의 기상대에서 관측된 자료를 사용하였다.

- 5 -

Fig. 2.1. seven-day recording volumetric

spore trap.

2. 국내 꽃가루 달력 개발

꽃가루란 꽃의 수술로부터 분리되어 날아다니는 포자들로 크게 나무 꽃가루(수

목류), 잡초 꽃가루(잡초류), 잔디 꽃가루(잔디류)로 분류된다.

대기 중에는 여러 식물에서 생산되는 많은 꽃가루가 존재하는데 우리가 알고 있

는 것과는 달리 모든 꽃가루가 알레르기 질환을 유발하는 것은 아니다. 식물은 수

정방법에 따라 충매화와 풍매화로 나눌 수 있는데, 충매화는 향기나 꽃으로 곤충을

유혹하여 꽃가루를 전파시키므로 생산량이 적고 크고 무거워 공기 중에 잘 부유하

지 않아 알레르기 질환을 유발하는 경우는 적다. 반면 풍매화는 바람에 의하여 꽃

가루가 전파되며 생산량이 많고 작고 가벼워 공기 중에 잘 날아 다닐 수 있어 호흡

기 알레르기 질환과 연관성이 많다.

꽃가루는 겨울을 제외하고 모든 계절에서 지속적으로 나타나는데 3월부터 5월까

지 수목류에 의한 꽃가루 농도가 가장 높으며 다음으로 5월부터 9월의 잔디 그리고 8

월부터 10월까지 잡초 순서로 나타난다. 특히, 가을철 돼지풀과 같은 잡초에서 발생하

는 꽃가루는 매우 강한 알레르기 항원성을 나타내며 수목류에 비해 그 농도가 적어

자칫 소홀히 다루어 질수 있으나 알레르기에 민감한 환자들에게는 치명적인 영향을

- 6 -

끼칠 수 있다.

꽃가루 농도는 기온, 바람, 강수 등 날씨의 변화에 따라 다르게 나타난다. 식물

의 활동이 영상 10도 이상에서 활발해지는 것처럼 꽃가루 또한 영상 10도 이상에서

나타나기 시작하여 20도～30도 사이에 가장 많은 농도를 보인다. 바람은 주로 2m/s

내의 약한 바람이 불 때 공중으로 높이 부양하여 멀리까지 이동하게 된다.

특히, 강수가 내린 후 대기 중의 꽃가루 입자가 땅에 떨어진 상태로 내렸던 강수

가 증발하면서 대류현상이 일어나게 되면 이와 함께 꽃가루의 부양력도 함께 높아져

갑자기 꽃가루의 농도가 증가하게 된다. 이런 날에 특히 알레르기 환자들은 외출을 삼

가야 한다고 대한 소아알레르기 호흡기학회에서는 권고하고 있다.

전국 6개 지역(서울, 부산, 대구, 광주, 강릉, 제주)에서 1997년에서 2009년까지

관측된 13년간의 꽃가루 농도 자료를 기반으로 하여 꽃가루 달력을 작성하였다(Fig.

2.4). 꽃가루 종류별로 10일 이동 평균한 자료를 보면 수목류가 잔디나 잡초류에 비

해 그 농도가 높게 나타났으며, 특히 5월 중순 소나무의 농도가 매우 높게 나타났

다. 소나무 이외에 참나무, 자작나무 등도 4월에서 5월 기간에 그 농도가 매우 높게

나타났다.

지역적인 분포를 살펴보면 수목류의 경우 대부분의 지역에서 소나무가 차지하는

비율이 가장 높게 나타났다. 한편 제주의 경우 향나무류(Juniper)의 농도가 다른 6

개 지역에 비해 상대적으로 높은 분포를 나타났다. 잡초류의 경우 또한, 전 지역에

서 유사한 분포를 보였으나 제주의 경우 마디풀과의 수영(Sorrel)이 타 지역의 경우

보다 높게 나타났다. 이는 내륙과 분리된 제주의 지역적 특성이 반영된 것으로 사

료된다.

- 7 -

(a) Seoul

(b) Busan

- 8 -

(c) Daegu

(d) Gwangju

- 9 -

(e) Gangneung

(f) Jeju

Fig. 2.2. Pollen calendars based on daily observation of pollen counts in (a)

Seoul, (b) Busan, (c) Daegu, (d) Gwangju, (e) Gangneung, and (f) Jeju during

1997-2009.

- 10 -

Family Name Allergenicity

참나무과(Fagaceae)

상수리나무(Oriental

chestnut oak)

+

떡갈나무(Daimyo oak)

너도밤나무(Beech)

자작나무과(Betulaceae)

자작나무(Birch) ++

오리나무(Alder)

개암나무(Hazelnut)

버드나무과(Salicaceae)

버드나무(Korean willow) +

이태리포플러(Italian

poplar)

느릅나무과(Ulmaceae)느릅나무(Japanese elm) ++

팽나무(Hackberry)

단풍나무과(Aceraceae) 단풍나무(Maple) +

버즘나무과(Plantanceae)양버즘나무(플라타너

스)(Planetree)+

낙우송과(Taxodiaceae) 삼나무(Japanese Cedar) ++

소나무과(Pinaceae) 소나무(Pine) +

이 꽃가루 달력은 최근 증가하고 있는 꽃가루 알레르기 환자들의 실외활동 계획

에 큰 도움을 줄 수 있으며 지속적인 개선을 통하여 꽃가루 알레르기 환자가 질환

을 미리 예방하고 치료하는 것은 물론 국민의 삶의 질 향상에 도움을 줄 것으로 기

대된다.

알레르기 유발과 밀접한 관계가 있는 것은 꽃가루 입자의 크기로 대부분 직경이

작은 꽃가루가 알레르기를 일으킨다. 소나무의 경우 우리나라 전 지역에서 가장 많

은 수의 꽃가루 농도 분포를 보이고 있지만 알레르기를 일으키는 경우는 매우 드물

다. 반면, 관찰 농도는 낮지만 대부분의 알레르기를 일으키는 꽃가루는 수목류의 경

우 자작나무, 느릅나무, 삼나무가 있으며, 잡초류의 경우 돼지풀, 환삼덩굴, 질경이

가 있는데 이러한 식물들은 심각한 알레르기 질환을 일으킬 수 있다(Table 2.1). 또

한 Table 2.2에서 보는 바와 같이 수목류에 비해 잡초류에 의한 알레르기 유발 기

준이 낮으므로 알레르기에 민감한 사람들은 특히 잡초류 꽃가루로 인한 알레르기

질환이 발생하지 않도록 특히 주의해야 한다.

Table 2.1. Classification of allergenic plants in Korea (Korean Academy of

Pediatric Allergy and Respiratory Disease, 2001)

- 11 -

국화과(Asteraceae)돼지풀(Common ragweed)

+++쑥종류 (Wormwood)

비름과(Amaranthaceae) 털비름(Green amaranth) +

명아주과(Chenopodiaceae)

명아주(Lamb's quater,

Goosefoot)

++

양명아주(Mexican tea)

삼과(Cannabaceae) 환삼덩굴(Japanese Hop) +++

질경이과(Plantaginaceae)질경이(Asian plantain)

+++창질경이(English plantain)

마디풀과(Plygonaceae)수영(Common sorrel) +

애기수영(Sleep sorrel)

쐐기풀과(Urticaceae) 쐐기풀(Nettle) +

화본과(Gramiceae)잔디(Lawn grass) ++

우산잔디(Bermuda grass)

SpeciesPollen count

(grains/m3)Allergenicity

Trees

0-14 very low

15-99 low

100-499 high

>500 very high

Grasses

0-4 very low

5-9 low

10-199 high

>200 very high

Weeds

0-9 very low

10-49 low

50-299 high

>300 very high

Table 2.2. Standard allergenicity for pollen count

Fig. 2.4의 꽃가루 달력을 Table 2.2의 알레르기 유발 기준을 이용하여 다시 표

현한 Fig. 2.5를 통하여 꽃가루의 각 종류별 주의(low) 또는 위험시기(high)를 알 수

있다(Oh, 2002).

- 12 -

(a) Seoul

(b) Busan

- 13 -

(c) Daegu

(d) Gwangju

- 14 -

(e) Gangneung

(f) Jeju

Fig. 2.3. Pollen allergenicity calendars based on daily observation of pollen

counts in (a) Seoul, (b) Busan, (c) Daegu, (d) Gwangju, (e) Gangneung, and (f)

Jeju during 1997-2009.

- 15 -

제 3 절 꽃가루 농도와 기상조건과의 상관관계 분석

1. 관측방법 및 자료

본 연구에서는 꽃가루 농도 예보 산출식 개발을 위해 꽃가루 농도 변화에 영향

을 줄 것으로 생각되는 기상요소들을 총 10가지(평균기온, 강수량, 평균풍속, 평균습

도, 최고기온, 최저기온, 일교차, 강수지속시간, 7일 누적일조시간, 적산온도)로 선별

하여 상관관계를 분석하였다. 소나무 이외 수목류의 경우 4월과 5월 그리고 잡초류

의 경우 9월과 10월로 분류하여 상관관계를 분석하였다.

또한, 분석방법으로 다중회귀분석을 사용하였다. 회귀분석(Regression Analysis)

은 불확실한 상황 하에서 나타나는 현상을 설명하고 예측하는 문제를 정확하고 과학

적인 통계기법으로 분석하고자 하는 방법으로 본질적으로 독립변수라 불리는 하나

또는 둘 이상의 변량들에 기초하여 종속변수에 미치는 영향력의 크기를 알아보려고

하는 분석기법이라 할 수 있다.

2. 분석결과

먼저 각각의 연도별로 회귀식을 산출하여 전해의 산출식이 당해에 어떻게 적용

되는지를 살펴보기 위해 1998년～2009년 동안의 자료에 대해 각 연도별 다중회귀분

석을 실시하였다. 분석결과 Table 2.3～ Table 2.8에서 볼 수 있듯이 꽃가루 농도는

매년 각기 다른 기상요소에 영향을 받는 것으로 나타나, 전해의 산출식 만으로는

당해의 농도값을 예측해 내는데 다소 어려움이 있는 것으로 나타났다.

서울 지역 수목류에 대한 봄철 기상과 꽃가루 농도의 상관관계를 살펴보면 4월

은 수목류 꽃가루 농도가 점차 증가하는 시기로서 기온과 일조시간에 따라 증가하

는 경향을 나타내었으며, 5월은 꽃가루 농도가 점차 감소하는 시기로서 5월 수목류

꽃가루 농도는 적산온도에 따라 감소하며, 강수량에 따라 꽃가루 양이 억제되는 경

향을 나타내었다. 강수에 따른 세척 효과가 나타나는 것으로 사료된다.

서울 지역 잡초류에 대한 가을철 기상과 꽃가루 농도의 상관관계를 살펴보면 9

월과 10월은 잡초류 꽃가루의 농도가 증가하였다가 점차 감소하는 시기로서 기온에

따라 증가하는 현상이 보였고, 10월에 들어 적산온도에 따라 감소하는 경향이 나타

났다.

강릉 지역 수목류에 대한 봄철 기상과 꽃가루 농도의 상관관계를 살펴보면 4월

수목류 꽃가루 농도는 적산온도에 따라 증가하는 경향을 나타내었으며, 5월 수목류

꽃가루 농도는 적산온도에 따라 감소하는 경향을 나타내었다.

- 16 -

강릉 지역 잡초류에 대한 가을철 기상과 꽃가루 농도의 상관관계를 살펴보면 9

월의 잡초류 농도는 일조시간에 따라 증가하고 10월 잡초류 꽃가루의 농도는 적산

온도에 따라 감소하며 풍속에 따라 증가하는 경향이 나타났다.

광주 지역 수목류에 대한 봄철 기상과 꽃가루 농도의 상관관계를 살펴보면 4월

수목류 꽃가루 농도는 최고기온과 일기온차이에 따라 증가하는 경향을 나타내었으

며, 5월 수목류 꽃가루 농도는 적산온도에 따라 감소하는 경향을 나타내었다.

광주 지역 잡초류에 대한 가을철 기상과 꽃가루 농도의 상관관계를 살펴보면 9

월의 잡초류 농도는 평균기온과 최고기온에 따라 증가하고 10월 잡초류 꽃가루의

농도는 평균기온과 최고기온에 따라 증가하며 풍속에 따라 감소하는 경향이 나타났

다.

대구 지역 수목류에 대한 봄철 기상과 꽃가루 농도의 상관관계를 살펴보면 4월

수목류 꽃가루 농도는 평균기온, 적산온도, 최고기온과 최저기온에 따라 증가하는

경향을 나타내었으며, 5월 수목류 꽃가루 농도는 풍속과 일조시간에 따라 감소하는

경향을 나타내었다.

대구 지역 잡초류에 대한 가을철 기상과 꽃가루 농도의 상관관계를 살펴보면 9

월의 잡초류 농도는 평균기온에 따라 증가하고 10월 잡초류 꽃가루의 농도는 평균

기온, 최저기온, 습도, 강우량 및 강수시간에 따라 증가하며 일기온차이에 따라 감

소하는 경향이 나타났다.

부산 지역 수목류에 대한 봄철 기상과 꽃가루 농도의 상관관계를 살펴보면 4월

과 5월 수목류 꽃가루 농도는 적산온도에 따라 증가하는 경향을 나타내었으며 잡초

류에 대한 가을철 기상과 꽃가루 농도의 상관관계를 살펴보면 9월의 잡초류 농도는

평균기온, 최고기온, 최저기온 및 일조시간에 따라 증가하고 10월 잡초류 꽃가루의

농도는 적산온도에 따라 감소하며 평균기온, 최고기온, 습도와 관련있었다.

제주 지역 수목류에 대한 봄철 기상과 꽃가루 농도의 상관관계를 살펴보면 4월

과 5월 수목류 꽃가루 농도는 적산온도에 따라 증가하고 감소하는 경향을 나타내었

으며 잡초류에 대한 가을철 기상과 꽃가루 농도의 상관관계를 살펴보면 9월의 잡초

류 농도는 적산온도, 일기온차이, 최저기온과 관련있고 10월 잡초류 꽃가루의 농도

는 평균기온, 적산온도, 최고기온, 강수량 등과 관련있었다.

이러한 기상현상과 꽃가루 농도와의 상관관계에 따라 각지역별로 꽃가루 농도

회귀식을 만들 수 있으며, 이러한 자료는 꽃가루 농도 예보에 사용될 예정이다.

- 17 -

Table.2.3 Meteorological factors used in regression analyses for pollen counts in

Seoul: MeanT daily mean temperature, PRE daily rainfall, WIND average wind

speed, HUM daily relative humidity, MaxT daily maximum temperature, MinT

daily minimum temperature, DR daily temperature range, RT continued rainfall

hours, AS accumulated sunshine hours, AccumT accumulated mean temperature

(* : significant at 95% confidence interval).

(a) April trees

Year MeanT AccumT MaxT MinT DR HUM WIND PRE RT AS

1998 0.2557 0.5101 0.2697 0.3276 -0.0735 0.0782 -0.0516 0.0256 0.0225 -0.4546

1999 -0.2779 -0.4639 -0.3416 -0.1887 -0.3423 -0.2606 0.5208 -0.3015 -0.3148 0.4381

2001 -0.0546 -0.5154 0.0667 0.0633 0.0019 0.3657 0.5603 0.2001 0.3051 -0.9511

2002 0.4156 0.0531 0.3783 0.2999 0.157 0.0807 -0.0503 -0.2721 -0.1794 0.1424

2003 0.4424 -0.374 0.5114 0.0478 0.523 -0.556 0.0959 -0.3554 -0.4398 0.4522

2004 0.4124 0.2686 0.2861 0.5158 -0.0665 0.2523 0.1099 -0.1216 -0.0846 0.2094

2005 0.0763 -0.4285 -0.1301 0.1491 -0.3351 0.4553 0.0817 0.9231 0.9105 -0.3469

2006 -0.1603 0.1424 -0.0874 -0.1286 0.0283 -0.3042 0.1347 -0.2113 -0.3015 -0.0122

2007 0.1267 0.0706 0.0128 0.391 -0.3794 0.6144 0.0775 0.1162 0.373 -0.2603

2008 0.601 0.1762 0.5881 0.5395 0.3158 -0.3751 -0.2044 -0.1632 -0.2064 0.5279

2009 0.0375 0.5127 -0.0581 0.0464 -0.1234 0.1866 0.0977 0.2889 0.3453 -0.3626

Total 0.263 0.0813 0.2655 0.2028 0.1583 -0.14 -0.059 -0.0352 -0.0512 0.1773

(b) May trees


1998 -0.3298 -0.7116 -0.2961 -0.2798 -0.1498 0.0632 -0.326 -0.0812 -0.0119 -0.301

1999 -0.2999 -0.4818 -0.2527 0.1322 -0.2614 0.0591 -0.0659 0.1089 0.0303 0.3437

2001 -0.4647 -0.5834 -0.4148 -0.4686 -0.0787 -0.2328 -0.2827 -0.1954 -0.174 -0.6011

2002 0.3029 0.1854 0.2224 0.1624 0.1758 -0.1251 -0.1498 -0.1855 -0.2967 -0.0847

2003 0.3031 -0.2512 0.5836 -0.1257 0.5246 -0.4992 0.2055 -0.0752 -0.2215 0.2699

2004 0.1261 0.1436 0.1362 0.0094 0.1034 0.0491 -0.0766 -0.3684 -0.3376 -0.4719

2005 -0.699 -0.738 -0.7303 -0.6325 -0.5189 0.2964 0.3372 0.0898 0.4463 -0.1553

2006 -0.0994 -0.3536 -0.144 0.026 -0.1518 -0.1226 -0.0832 0.0724 0.2396 0.3682

2007 -0.338 -0.7505 -0.2589 -0.2326 -0.0951 0.1684 0.2253 -0.2047 -0.1698 0.0507

2008 0.0766 -0.3505 0.1218 0.0748 0.0865 -0.3293 0.1006 -0.1111 -0.0822 -0.0504

2009 -0.1658 -0.5907 0.0036 -0.5291 0.3748 -0.0567 0.1027 -0.1323 -0.1527 0.1109

Total -0.1059 -0.3177 -0.0496 -0.1205 0.0396 -0.0405 -0.0046 -0.1342 -0.114 -0.1101

- 18 -

(c) September weeds


1997 0.231 -0.372 0.2101 0.2485 -0.0609 -0.2663 0.2548 0.0093 -0.0607 -0.3954

1998 -0.2308 0.4956 -0.2292 -0.1609 -0.1376 0.0867 -0.2773 -0.1371 -0.0959 -0.4153

1999 0.4712 -0.4226 0.3355 0.5959 -0.1958 0.2931 0.0974 -0.032 0.1383 -0.2987

2000 0.0569 -0.4263 0.0276 0.1134 -0.0705 -0.0876 0.2583 -0.2217 -0.003 -0.3495

2001 0.5389 -0.5442 0.384 0.6073 -0.4854 0.4472 -0.0259 0.0885 0.0035 -0.5902

2002 0.4444 -0.4886 0.4197 0.3291 0.0592 -0.1957 0.2035 -0.2075 -0.0306 -0.1786

2003 0.7185 -0.266 0.6678 0.7319 -0.1079 0.0313 0.3488 -0.1483 -0.2133 -0.5181

2004 0.3428 -0.004 0.3368 0.1586 0.2637 -0.193 -0.1423 -0.3533 -0.405 -0.0638

2005 0.3577 -0.4246 0.3188 0.3098 0.0364 -0.2248 0.0563 -0.0754 -0.0993 0.2176

2007 0.3335 -0.0587 0.303 0.3211 0.157 -0.19 -0.0183 -0.0511 -0.2994 0.2977

2008 0.2512 -0.5717 0.1297 0.3379 -0.2347 0.3616 0.0735 0.1044 0.1376 0.2096

Total 0.2056 -0.2645 0.153 0.227 -0.0612 -0.017 0.0406 -0.0741 -0.0767 0.0843

(d) october weeds


1997 0.0687 -0.3443 0.0473 0.0466 0.0114 -0.0486 0.1754 -0.2631 -0.3378 -0.3656

1999 0.483 -0.3963 0.4 0.4168 -0.0717 -0.1179 0.0854 -0.1879 -0.1854 -0.5999

2000 -0.1502 -0.4089 -0.1949 -0.068 -0.2301 -0.3733 0.5248 -0.1699 -0.1737 -0.2608

2001 0.4335 -0.7357 0.1836 0.3513 -0.1033 0.1583 0.3146 -0.0356 -0.082 -0.7277

2002 0.0793 -0.3852 0.1245 -0.0262 0.3264 -0.1293 -0.2075 -0.0093 -0.1802 0.2106

2003 0.0619 -0.5494 -0.2919 0.2837 -0.591 0.7139 0.5379 0.8957 0.9466 -0.2526

2004 0.4366 0.0503 0.2989 0.4921 -0.2509 -0.1319 -0.018 0.2848 0.0584 0.1698

2005 0.2334 -0.4219 0.2397 0.2014 0.0062 -0.4063 0.5757 -0.1913 -0.1497 -0.4137

2006 0.4081 -0.6487 0.4232 0.3366 0.0617 0.1024 0.0837 0.0511 0.0505 0.471

2007 0.6084 -0.5638 0.5215 0.5631 -0.1508 -0.0024 -0.0259 -0.108 -0.116 -0.5928

2008 0.4535 -0.4163 0.3385 0.5224 -0.1113 0.096 0.0171 -0.1768 -0.1308 0.1829

Total 0.3415 -0.2089 0.2827 0.3541 -0.1014 -0.0169 0.0986 -0.0494 -0.0481 -0.1252

- 19 -


Gangneung.

(a) April trees


1998 0.4635 0.8262 0.4420 0.4598 0.1612 0.2014 -0.4161 -0.1948 -0.2732 0.5008

1999 0.1854 0.5658 0.0743 0.2538 -0.1354 0.0530 -0.1000 -0.0821 -0.0888 0.3029

2001 -0.3632 0.3320 -0.3566 -0.0454 -0.4062 0.1702 0.3807 -0.3860 -0.1371 -0.4400

2002 0.0592 0.4620 -0.0311 0.1301 -0.2265 -0.3028 0.1759 -0.2101 -0.3113 0.2956

2003 -0.2614 0.0376 -0.3943 -0.0742 -0.5561 0.3824 -0.2139 -0.1466 0.4871 -0.1745

2004 -0.0593 0.2604 -0.0757 -0.0232 -0.0937 0.1972 -0.0975 0.0271 -0.0791 -0.2740

2005 0.1861 0.3104 0.1546 0.1881 -0.0253 -0.1928 -0.1395 -0.1979 -0.2550 0.0061

2007 0.0694 0.3017 0.0674 -0.1224 0.2344 0.0745 -0.0063 -0.1259 -0.0891 -0.2311

2009 -0.1609 0.1473 -0.2717 -0.1602 -0.2563 -0.0477 0.1820 -0.1374 -0.2965 -0.3965

Total 0.0233 0.3668 -0.0071 0.0772 -0.0959 0.0011 -0.0454 -0.0661 -0.0366 0.0214

(b) May trees


1998 0.1321 -0.5066 0.1325 -0.1960 0.3530 -0.1994 0.0475 -0.1711 -0.2047 0.0709

1999 0.1378 -0.2834 0.2422 -0.5524 0.6675 -0.4016 0.0069 -0.2098 -0.3328 0.3255

2001 -0.3954 -0.4915 -0.2738 -0.4508 0.0835 0.4814 -0.5585 -0.0855 -0.0427 -0.5714

2002 0.2109 0.0604 0.3132 0.1108 0.3749 -0.3312 0.1640 -0.2344 -0.2794 0.1517

2003 -0.0440 0.0669 -0.1892 0.2336 -0.3566 0.3246 -0.2741 -0.0957 0.1508 0.1952

2004 0.0851 -0.2068 0.0120 0.1336 -0.1443 -0.0899 0.3272 0.0744 0.0207 -0.3076

2005 -0.1544 0.3471 -0.1121 -0.1177 -0.0462 0.2828 -0.4493 -0.0794 -0.1020 -0.0298

2007 0.1104 -0.4888 0.0687 0.1632 -0.0603 -0.0779 0.3215 0.2550 0.2402 0.1802

2009 -0.1771 -0.3767 -0.2128 -0.0773 -0.2109 0.0698 -0.0648 0.1362 0.1448 0.2551

Total 0.0109 -0.0766 0.0152 -0.0081 0.0286 0.0206 -0.0411 -0.0593 -0.0170 0.0641

- 20 -

(c) September weeds


1997 0.4105 -0.2894 0.4112 0.4347 0.0538 -0.0078 -0.0089 -0.0263 0.1254 0.3984

1998 0.3048 0.1648 0.3481 0.0283 0.4615 -0.1384 -0.2550 -0.2069 -0.1689 0.0431

1999 -0.0912 -0.0555 -0.0060 -0.0195 0.0072 0.0926 0.1774 -0.2925 -0.1847 0.0430

2000 0.0541 -0.0905 -0.1683 0.2243 -0.4255 0.1480 0.3280 0.6022 0.3569 -0.3764

2001 0.4516 -0.4024 0.3838 0.4089 0.0392 0.0614 -0.1002 0.0537 -0.0051 0.1596

2002 -0.1918 0.4873 -0.0620 -0.2378 0.1322 -0.3468 0.1190 -0.1165 -0.1030 0.1866

2003 0.3347 -0.0825 0.3767 0.2793 0.0950 -0.0174 -0.0665 0.0233 -0.0499 -0.0237

2004 -0.1640 0.0105 -0.1539 -0.0813 -0.1267 0.1738 -0.1346 -0.1173 -0.1006 -0.1441

2007 0.1402 -0.2758 0.1785 0.0694 0.1891 -0.0372 0.0297 0.1763 -0.0159 0.2487

Total 0.1095 0.1022 0.1417 0.0422 0.1285 -0.1022 0.0606 -0.0167 -0.0396 0.1845

(d) october weeds


1997 0.3056 -0.5808 0.2391 0.3046 -0.0395 0.2824 0.1371 0.5354 0.1657 -0.4468

1998 -0.1691 0.0836 -0.1594 -0.0637 -0.0816 0.1720 -0.1279 -0.0663 0.2649 0.2070

1999 -0.0403 -0.5200 -0.4725 0.3043 -0.5876 0.1994 0.0042 0.0825 0.1014 -0.4767

2000 0.3112 -0.5180 0.2559 0.2970 0.0377 -0.0535 0.2613 -0.2294 -0.2827 0.3106

2001 0.2510 -0.5637 0.5469 -0.1429 0.6441 -0.2281 0.7829 0.0443 -0.0687 -0.4206

2002 0.4621 -0.6766 0.5086 0.4054 0.2972 -0.1248 0.3069 -0.1424 -0.1470 -0.0995

2003 0.1970 -0.5693 0.1515 0.2502 -0.1241 -0.1566 0.2415 -0.1877 -0.1922 -0.6883

2004 -0.7835 0.4738 -0.7448 -0.7159 -0.2970 0.2524 -0.2222 -0.2500 0.3789

2006 -0.3394 0.5325 -0.1251 -0.8870 0.4102 -0.3363 0.4979 -0.3115 0.1519

2007 0.4223 -0.3615 0.3796 0.2830 0.1022 0.2031 -0.0437 0.1018 0.0796 0.0261

Total 0.1619 -0.3269 0.1664 0.1241 0.0695 -0.1246 0.1962 -0.0358 -0.0671 -0.0753

- 21 -


Gwangju.

(a) April trees


1998 -0.0438 0.0050 -0.1542 0.0526 -0.2790 0.0671 0.4164 -0.0057 0.0966 -0.0166

1999 0.4043 0.0715 0.4543 0.3304 0.3129 -0.0254 -0.4409 -0.1745 -0.2511 0.2243

2000 0.1479 -0.6336 0.2439 -0.0568 0.2149 -0.4201 0.0017 -0.1341 -0.1608 -0.1114

2001 -0.7482 -0.7929 -0.5064 -0.7340 0.2226 -0.0957 -0.1462 -0.3110 -0.3444 -0.4333

2002 0.3310 0.0392 0.3679 0.1191 0.2081 0.0178 0.1625 -0.0438 0.0070 0.0248

2004 0.1897 0.1153 0.0767 0.2411 -0.1036 -0.3239 0.3319 -0.1637 -0.2154 -0.1465

2005 0.1605 0.3943 0.1823 0.1183 0.0796 -0.1257 -0.0300 -0.3273 -0.3922 0.1810

2007 0.6289 0.4722 0.4951 0.5988 0.1137 0.1500 0.4427 -0.1930 -0.1435 -0.3811

2009 0.2434 0.1426 0.2866 -0.0411 0.3271 -0.2115 0.2916 -0.0561 -0.0837 -0.0031

Total 0.0849 0.0881 0.1448 -0.0374 0.1837 -0.1269 0.0959 -0.0774 -0.0948 -0.0495

(b) May trees


1998 -0.1867 -0.5105 -0.5528 0.0178 -0.5911 0.6665 0.5710 0.7746 0.7479 0.4081

1999 -0.1361 -0.5411 -0.1496 -0.2718 0.0204 0.2135 -0.0359 0.6040 0.4105 0.1783

2000 -0.3237 -0.5625 -0.2464 -0.4468 0.0541 -0.3988 0.0217 0.0280 -0.0069 0.5434

2001 -0.3868 -0.7197 -0.4677 -0.1367 -0.2512 0.3834 0.1077 0.1371 0.1135 -0.5779

2002 -0.2020 -0.3761 -0.0541 -0.1400 -0.0005 0.2088 -0.1027 -0.1093 -0.0648 -0.3513

2003 0.2646 0.3770 -0.4882 0.7482 -0.6762 0.1834 0.3468 0.2602 0.5814 -0.2693

2004 -0.6614 -0.0501 -0.5082 -0.1737 -0.2403 0.2596 0.0616 0.1852 0.1934 -0.3521

2005 0.2207 -0.5842 0.4355 -0.1074 0.4251 -0.3283 -0.4397 -0.2366 -0.3199 0.2541

2007 -0.3493 -0.6260 -0.3494 0.0300 -0.3379 0.4382 -0.1568 0.4251 0.3670 -0.6529

2009 -0.1616 -0.6111 0.0205 -0.1174 0.0815 -0.0208 0.1170 0.0355 -0.0332 0.0881

Total -0.1316 -0.3248 -0.0423 -0.0825 0.0150 -0.0332 -0.0012 0.0210 0.0225 -0.0512

- 22 -

(c) September weeds


1997 0.3836 -0.3843 0.3968 0.3254 0.0491 0.0357 -0.1195 -0.2255 -0.0412 0.3575

1998 0.2991 -0.1347 0.2925 0.3155 0.0908 0.0734 -0.2824 -0.1348 -0.1436 0.0682

1999 0.0916 0.2354 0.0370 0.1218 -0.0878 -0.0358 0.4304 0.0809 0.1274 0.5107

2000 -0.5593 0.2055 -0.5371 -0.3333 -0.1969 0.1291 0.4614 0.5073 0.5848 -0.6968

2001 0.6207 -0.6656 0.5273 0.5469 -0.1357 -0.0494 0.2483 -0.1588 -0.2233 -0.6070

2002 0.6094 -0.7392 0.5072 0.5815 -0.0645 0.3977 0.0463 -0.0944 0.0123 -0.7121

2003 0.1502 -0.3085 0.1913 0.1224 0.0223 0.0951 -0.3077 -0.0976 -0.1619 -0.3623

2004 -0.0919 0.3025 0.0706 -0.2676 0.3492 -0.1562 -0.1322 -0.1793 -0.2378 -0.0595

Total 0.1600 0.0460 0.1811 0.1216 0.0602 0.0250 -0.0082 -0.0568 -0.0357 0.0024

(d) october weeds


1997 0.3569 -0.4386 0.3838 0.3814 0.1690 0.3912 -0.2221 -0.1369 0.0996 0.1977

1998 -0.2613 0.1215 -0.3735 0.0237 -0.4019 0.3871 0.1381 0.2960 0.2377 0.2475

1999 0.1952 -0.2206 0.0641 0.2430 -0.2387 0.0178 0.0993 -0.1727 -0.0928 -0.0408

2000 -0.1450 -0.0633 -0.1336 -0.2101 0.0193 -0.2841 0.3064 -0.0447 -0.1715 0.0611

2002 0.6089 -0.9155 0.6419 0.4370 0.5459 0.0567 -0.2305 -0.3115 -0.5404 0.4533

2003 0.6081 -0.8430 0.4210 0.6835 -0.4302 0.3600 -0.0458 -0.0751 0.1209 0.0382

2004 0.2303 -0.1352 0.2005 0.0929 0.1313 0.0230 0.0537 -0.1132 -0.1132 0.6725

2006 0.2121 -0.7729 0.3840 -0.0837 0.4343 -0.5160 -0.2896 -0.2391 -0.3645 0.4759

2007 0.1642 -0.4092 0.0607 0.1352 -0.0479 -0.2049 0.3340 0.0541 0.0813 -0.3532

Total 0.2232 -0.1197 0.2512 0.1616 0.1377 -0.1047 -0.1934 -0.0676 -0.1001 0.1115

- 23 -


Daegu.

(a) April trees


1998 0.3094 0.4792 0.2827 0.3702 -0.0007 -0.2777 0.2665 -0.2228 -0.2637 -0.0186

1999 0.4388 0.3663 0.4245 0.4123 0.1719 -0.1934 -0.0887 -0.2343 -0.3025 0.2192

2000 -0.0463 -0.0768 -0.1418 0.1165 -0.1990 0.3125 -0.0238 0.5913 0.5350 -0.2312

2001 -0.3260 0.0729 -0.3415 -0.1848 -0.1326 0.0604 0.2856 0.1468 0.2709 -0.4437

2002 0.4869 0.2953 0.3844 0.3436 0.0319 0.1657 -0.2605 0.0554 -0.0270 0.1805

2003 -0.5918 0.2101 -0.4589 -0.4623 -0.2739 0.1776 0.1797 -0.1868 -0.0369 -0.4083

2004 0.3777 0.2916 0.3438 0.3559 0.1962 -0.4140 0.2030 -0.3234 -0.3646 -0.0787

2005 0.3410 0.4551 0.3126 0.4239 -0.3481 0.8255 -0.6064 -0.4548

2007 0.7517 0.7377 0.7595 0.6348 0.4978 -0.1603 -0.0316 -0.1138 -0.1883 0.0989

2009 0.3526 0.2654 0.3158 0.2882 0.1820 0.2141 -0.2768 0.0343 0.0258 -0.3880

Total 0.2161 0.3312 0.2116 0.1471 0.1204 0.0153 -0.1065 -0.0198 -0.0036 -0.0924

(b) May trees


1998 0.4381 -0.2911 0.1940 0.6835 -0.3472 0.3711 -0.3667 -0.1413 -0.1342 -0.3779

1999 -0.2234 0.5438 -0.1175 -0.6981 0.0543 -0.3544 0.0683 0.1051 0.1051 -0.3296

2000 -0.2768 -0.5783 -0.0708 -0.4217 0.2682 -0.3276 0.2686 -0.2757 -0.2954 0.2282

2001 -0.2162 -0.3992 -0.3770 0.0033 -0.4246 0.4201 -0.6019 0.8287 0.5648 -0.4427

2002 0.0896 -0.3384 0.1835 0.0129 0.2113 -0.1367 -0.0152 -0.1943 -0.2963 -0.0758

2003 0.0535 -0.3072 0.0375 0.0018 0.0321 -0.3117 0.1516 -0.0457 -0.2124 0.3037

2004 -0.4729 -0.5706 -0.5139 0.0677 -0.4167 0.5993 -0.0710 0.5052 0.7057 -0.2243

2005 0.0668 0.0627 0.2144 0.1252 0.1883 0.1046 0.1784 0.5426 0.5525 0.1465

2007 -0.0182 0.0316 0.0259 -0.3136 0.1788 -0.0695 -0.1726 -0.1922 -0.1591 -0.4034

2009 0.0732 -0.7352 0.1782 -0.1052 0.2151 -0.1331 -0.2564 -0.1176 -0.0442 0.4590

Total -0.0192 -0.0765 -0.0507 0.0179 -0.0645 0.0721 -0.2298 0.1547 0.0932 -0.1551

- 24 -

(c) September weeds


1997 0.0296 0.0483 0.0149 0.0688 -0.0932 -0.1211 0.0232 -0.0966 -0.1424 -0.2056

1998 0.5505 -0.3245 0.5310 0.3655 0.4047 -0.2131 -0.1209 -0.2036 -0.2761 0.3633

2001 0.4090 -0.2316 0.1227 0.4108 -0.3246 0.0044 -0.0270 0.0190 -0.0862 -0.4894

2002 -0.0990 -0.0804 -0.0369 -0.1380 0.1002 0.0838 -0.0286 0.1399 0.2416 -0.0231

2003 0.1550 -0.3924 0.1078 0.1624 -0.0912 0.2453 -0.1530 0.2378 0.1979 -0.3943

2004 0.3469 -0.5447 0.1270 0.4322 -0.2333 0.1014 0.0335 0.1804 0.2390 -0.1420

2007 0.2738 0.0983 0.2750 0.2064 0.2001 -0.1333 0.1303 0.2102 -0.1044 0.3889

Total 0.1614 -0.0263 0.1339 0.1320 0.0139 -0.0431 -0.0577 0.0293 -0.0432 0.0486

(d) october weeds


1997 0.2441 -0.1856 0.1886 0.2966 -0.0712 -0.1578 -0.0494 -0.2299 -0.1975 0.1576

1998 0.1097 -0.3126 -0.0538 0.1325 -0.2712 0.5910 -0.4955 0.0000 0.2213

2001 0.2460 -0.1696 -0.5496 0.3191 -0.5891 0.3125 0.3537 0.7605 0.6834 0.0493

2002 0.5388 -0.6522 0.4851 0.5555 -0.0499 0.2352 -0.2975 0.1885 -0.1422 0.3232

2003 0.0760 -0.1227 -0.0652 0.0836 -0.1157 -0.0848 0.0188 -0.2469 -0.2469 0.3368

2004 0.4146 -0.4200 0.3875 0.3343 -0.0250 0.0329 -0.3411 -0.0801

2006 0.5095 -0.6386 0.5012 0.3962 0.1228 0.0368 -0.1379 -0.0999 -0.1790 0.5009

2007 0.6100 -0.5701 0.4319 0.6864 -0.5340 0.2194 -0.2844 0.0010 0.0115 -0.4824

Total 0.2039 -0.0810 0.0694 0.2866 -0.2681 0.2929 -0.0319 0.3974 0.3078 -0.1159

- 25 -


Busan.

(a) April trees


1998 0.2250 0.4654 0.3077 0.1352 0.3113 -0.2416 -0.0763 -0.1427 -0.2211 -0.3960

1999 0.0358 0.1180 -0.4924 0.4564 -0.8838 0.7419 0.7431 0.9907 0.9984 -0.5983

2000 0.8968 0.9860 0.0991 0.9825 -0.9279 0.9998 0.9959 0.9531

2001 -0.2748 -0.8300 -0.0776 -0.5892 0.4870 -0.6924 -0.1856 -0.7671 -0.7641 0.3720

2002 0.1990 0.1027 -0.0202 0.2471 -0.2643 0.3533 0.2877 0.1862 0.2669 0.0380

2003 -0.1852 0.3011 -0.0694 -0.0744 -0.0411 -0.0837 0.1296 0.0553 -0.0264 -0.0444

2004 -0.1984 0.0473 -0.2935 -0.1105 -0.3020 0.3715 0.1836 0.6529 0.4969 -0.0737

2005 0.0621 0.2198 -0.0930 0.2036 -0.4138 -0.0513 0.0421 0.6888 0.3421 0.0974

2007 0.4419 0.5649 0.3975 0.4716 -0.1506 0.3469 -0.0074 -0.1020 -0.1797 -0.1730

2009 0.0208 0.3076 0.0546 0.0471 0.0157 0.4053 -0.0549 0.0585 0.2841 0.0157

Total 0.0488 0.2309 0.0349 0.0759 -0.0426 0.1302 0.0192 0.0648 0.0555 0.0771

(b) May trees


1998 0.1772 -0.3243 -0.4286 0.5856 -0.9057 0.6169 0.9114 0.9559 0.9660 0.4782

1999 -0.9885 0.6747 -0.9864 -0.1817 -0.7370 0.9965 -0.9921 0.7035 0.6794 -0.6146

2001 -0.1351 -0.3288 0.0788 -0.3161 0.4894 -0.2863 -0.2819 -0.1203 -0.1681 0.0352

2002 0.4496 0.2935 0.5717 0.2030 0.6079 -0.4628 -0.1544 -0.4514 -0.5517 0.3710

2003 0.1513 0.2890 -0.1511 0.4933 -0.4681 0.3459 0.0173 -0.0759 0.0055 -0.1211

2004 -0.5116 -0.4914 -0.4572 -0.4100 -0.2019 0.2667 0.0622 0.4272 0.3832 -0.3189

2005 0.2001 -0.0362 0.2229 -0.0327 0.4065 -0.2635 0.3969 0.1682 -0.1519 0.3542

2007 -0.5088 -0.4064 -0.7507 -0.0968 -0.7512 0.4799 0.0388 0.3276 0.4420 -0.4191

2009 -0.3737 -0.6303 -0.2133 -0.3817 0.0082 0.2017 -0.1769 -0.1722 -0.1247 0.1491

Total -0.0120 -0.1133 0.0466 0.0008 0.0564 -0.0222 -0.0641 -0.0855 -0.1057 0.1249

- 26 -

(c) September weeds


1997 -0.0582 0.0998 -0.0147 -0.0413 0.0569 -0.0308 -0.1510 -0.2085 -0.2135 -0.2615

1998 0.7277 -0.7534 0.6689 0.7186 -0.1273 0.3820 -0.6286 -0.3444 -0.3269 0.3518

1999 0.3605 0.2056 -0.0229 0.5634 -0.4474 -0.1454 0.6901 0.1071 0.0498 0.3806

2000 -0.3041 0.1922 -0.2804 -0.2631 -0.1855 -0.0353 0.7346 0.6978 0.0361 -0.6472

2001 0.2999 -0.1479 0.3447 0.1861 0.1327 0.3270 -0.2581 0.1293 -0.0107 -0.1026

2002 -0.0272 0.0358 0.0454 0.0310 0.0301 -0.2303 -0.1750 -0.3006 -0.2300 0.0197

2003 0.3514 -0.4323 0.2190 0.4397 -0.2419 0.5546 -0.2113 0.1267 0.1456 -0.2209

2004 0.0251 -0.1684 -0.2218 0.1806 -0.4904 0.2264 0.0279 0.0211 0.3994 -0.3669

2007 -0.1238 0.2572 -0.2505 0.1088 -0.3322 -0.2500 -0.3656 0.1151 0.0799 0.2481

Total 0.2363 0.0789 0.2472 0.2332 0.0497 -0.0042 0.0635 0.0046 -0.1133 0.2876

(d) october weeds


1997 0.2480 -0.4036 0.2692 0.2411 0.0701 0.1515 0.0722 -0.1474 -0.1523 0.1448

1998 0.0920 0.0707 0.0232 0.1871 -0.2952 0.4083 0.1165 0.5395 0.5669 0.4472

1999 0.7907 -0.8658 0.8393 0.6150 0.0569 0.0519 -0.0036 -0.0963 -0.2228 0.1385

2000 0.8204 -0.8584 0.6471 0.8602 0.0141 0.5459 -0.1582 0.2393 0.2582 0.4088

2002 0.3334 -0.5195 0.3515 0.3018 0.1474 0.3556 -0.4132 0.1358 0.1802 0.1644

2003 -0.2345 0.1379 -0.4135 0.0336 -0.7854 -0.1431 -0.0560 0.0000 -0.1344 0.2142

2004 0.4343 -0.2816 0.4661 0.3566 -0.0499 -0.2799 0.2042 -0.3162 -0.3098 -0.6935

2006 0.7500 -0.5600 0.6256 0.6967 -0.3006 0.2038 -0.0918 0.4090

2007 0.3210 -0.2014 0.3125 0.3048 -0.1051 0.4267 0.0907 -0.2008 -0.0199 -0.4876

Total 0.2221 -0.3775 0.2681 0.1746 0.1300 0.1860 -0.1422 -0.0221 -0.0014 0.1318

- 27 -


Jeju.

(a) April trees


1998 0.2173 -0.1828 0.1197 0.1207 -0.0329 -0.0896 -0.6512 -0.2868 -0.2776 -0.5736

1999 0.5504 -0.1136 0.6494 0.3151 0.3982 0.4385 0.0535 0.0783 0.0638 -0.4648

2000 0.6966 0.1942 0.6210 0.4961 0.2371 -0.1197 -0.0408 0.1140 0.0896 0.3917

2001 -0.0522 -0.3117 -0.0340 -0.2953 0.3434 0.3021 -0.4830 -0.2099 -0.2099 0.2991

2002 -0.0271 0.5719 -0.1222 0.0934 -0.2941 0.2021 -0.0794 0.2455 0.1834 -0.6232

2003 -0.0275 0.1194 0.1576 0.0577 0.1793 0.3411 0.3829 0.4440 0.5347 -0.4655

2004 -0.3655 -0.3096 -0.3514 -0.3441 -0.1446 -0.0342 0.1119 -0.0730 -0.0237 -0.3021

2005 0.0559 0.2155 -0.0433 0.1729 -0.2834 0.1435 -0.1291 0.0911 -0.0589 -0.0434

2007 -0.2280 -0.9181 -0.2687 -0.2449 -0.0990 0.4748 0.6057 -0.4575 -0.4575 -0.7008

Total -0.0626 0.0529 -0.0668 -0.0599 -0.0219 -0.0164 -0.0022 -0.0348 -0.0296 -0.1179

(b) May trees


1999 -0.4331 -0.1071 -0.2690 -0.4818 0.2690 -0.3696 -0.0451 -0.2976 -0.3281 -0.2870

2000 -0.7103 -0.2083 0.6419 -0.2248 0.4345 0.7502 0.9234 -0.2500 -0.0982 -0.5119

2002 0.3635 -0.4905 0.3896 0.1471 0.2840 -0.4696 0.3509 0.1265 -0.1959 0.1718

2003 0.1488 -0.6500 0.3037 -0.0525 0.3606 -0.1897 -0.4549 -0.3276 -0.2634 0.3656

2004 -0.3268 0.0153 -0.0816 -0.3053 0.1081 0.1772 0.0684 0.0027 0.1934 -0.4453

2005 0.4443 -0.2661 0.6082 0.0464 0.6694 -0.3870 -0.1724 -0.1328 -0.1532 0.1387

2007 -0.1730 -0.3222 0.0608 -0.4734 0.4659 -0.3632 0.1069 0.0583 -0.1018 0.0487

2009 -0.3044 -0.4707 -0.1722 -0.4436 0.1411 0.1490 -0.0739 -0.0977 -0.0994 0.1985

Total -0.1297 -0.2478 -0.0449 -0.2302 0.1154 0.0480 -0.0288 -0.0164 -0.0260 0.0051

- 28 -

(c) September weeds


1997 0.3684 -0.4792 0.3429 0.3218 0.0464 0.2223 0.1874 0.2707 0.1575 0.0833

1998 0.3271 -0.7397 0.3855 0.0282 0.3941 -0.4469 -0.5433 -0.2602 -0.3359 0.3867

1999 0.5544 -0.3374 0.3828 0.5957 -0.3394 0.1454 -0.0407 -0.1562 -0.1524 0.0941

2000 -0.1646 -0.3375 -0.3499 -0.0261 -0.4312 0.2547 0.2511 0.2869 0.3384 -0.4028

2001 -0.1943 0.2363 -0.1961 -0.0600 -0.2091 -0.2219 -0.2631 0.5658 0.3176 0.1592

2003 0.0562 0.1394 0.0022 0.1735 -0.2115 0.2332 -0.1976 -0.1623 0.1207 0.0825

2004 0.2481 -0.4674 0.0972 0.2111 -0.0625 -0.0258 0.0251 -0.1932 -0.2830 0.5028

2007 -0.2266 0.3354 -0.0860 -0.3365 0.1600 -0.1026 -0.1357 0.0799 -0.1059 0.3526

Total 0.1211 -0.1838 0.0036 0.1489 -0.1760 0.0964 -0.0274 -0.0121 0.0437 0.0122

(d) october weeds


1997 -0.0034 -0.2581 0.1114 -0.2736 0.5202 -0.3107 -0.1413 -0.0803 -0.0192 -0.1299

1998 0.0527 -0.1981 -0.2843 0.1738 -0.5106 0.1191 0.1561 -0.2182 -0.2499 -0.6726

1999 0.5379 -0.5175 0.6691 0.4899 0.4211 0.1768 0.1239 -0.0878 -0.0331 0.4005

2000 0.3849 -0.5202 0.3679 0.3906 0.1166 0.3707 0.1062 0.1413 0.0604 -0.2072

2004 0.5606 -0.5072 0.5215 0.4292 0.1942 0.2014 -0.0393 -0.2006 -0.1460 -0.1283

2007 0.1539 -0.2766 0.1511 0.0055 0.2816 0.3616 -0.2927 0.6042 0.5644 -0.3402

Total 0.2730 -0.2692 0.3141 0.2025 0.1952 0.1268 -0.0273 0.2409 0.1438 0.0144

- 29 -

제 4 절 꽃가루 관측망 확대를 위한 관측환경 조사

1. 필요성 및 목적

꽃가루는 기상조건에 따라 계절적으로 발생하기 때문에 꽃가루에 의한 알레르기

발생도 꽃가루 유행 시기의 기상상황에 따라 발생한다. 꽃가루에 의한 천식, 비염과

결막염 등 알레르기 질환의 발생빈도가 증가하고 있는 추세이며, 주 5일 근무에 따

라 꽃가루 알레르기 위험도 예보와 같은 고급 웰빙 기상정보에 대한 수요가 확대되

고 있다.

이러한 웰빙기상정보는 위험기상 예보와는 달리 좁은 지역 규모이며, 개인 맞춤

형 및 지역 특화령 기상정보로서 그 필요성이 증대되고 있다. 따라서 꽃가루 기본

관측망의 확대를 통해 꽃가루 예보의 기초자료가 되는 꽃가루 농도 DB의 확보에

그 목적이 있다.

2. 국내 꽃가루 관측망 확대

현재 국내 꽃가루 관측망은 대한 소아알레르기 학회(7개지역)와 기상청(3개지역)

에서 총 10개 관측망을 보유하고 있다. 대한 소아 알레르기 호흡기학회에서는 서울

(한양대학교 서울병원), 경기지역(구리병원), 강원지역(강릉현대 병원), 대구(대구파

티마병원), 부산(부산성모병원), 광주(광주보훈병원), 전북지역(전주예수병원) 등 7곳

이며, 기상청은 서울(기상청), 대전(대전지방기상청), 제주(제주대) 등 3곳이다.

안정적 꽃가루 예보를 위해 전국 꽃가루 분포의 DB 확보를 위한 지역을 선정

(Fig. 2.7)하였으며 경기(이천, 동두천), 경북(안동, 포항), 경남(진주, 거창), 전남(목

포, 여수), 충남(천안, 서산), 충북(충주, 청주), 강원(춘천, 원주), 제주(서귀포), 울산,

인천 등 총 17 지역을 선정하였다. 연차적인 확대추진 계획으로 2009년(3소)로 강

원(춘천), 경북(안동), 인천지역, 2010년(6소)로 경남(진주), 전남(목포), 충남(천안),

충북(충주), 울산, 제주(서귀포)지역, 2011년(8소)로 경기(이천, 동두천), 경북(포항),

경남(거창), 전남(여수), 충남(서산), 충북(청주), 강원(원주)지역에 설치 될 예정이다.

관측지점은 현재 설치위치에 따른 공간적 분포로 선정하였으며, 향후 꽃가루 알

레르기 환자 분포도 함계 고려할 예정이다. 관측망이 확대됨에 따라 꽃가루 농도

예보 및 경보를 위한 기본자료를 제공하고 꽃가루 입체관측망 및 DB 구축 기반정

보를 확보하게 될 것이다.

- 30 -

강릉

서울

구리

대구

부산광주

전주

대전

제주

안동

포항

진주

거창

목포여수

천안서산

충주

청주

춘천

원주

서귀포

울산

인천

학회

기상청

2009

2010

2011

이천

동두천

강릉

서울

구리

대구

부산광주

전주

대전

제주

안동

포항

진주

거창

목포여수

천안서산

충주

청주

춘천

원주

서귀포

울산

인천

학회

기상청

2009

2010

2011

학회

기상청

2009

2010

2011

이천

동두천

Fig. 2.4. Pollen network.

3. 지점 선정을 위한 꽃가루 관측 환경 검토

2009년 설치 예정인 춘천, 울산 2지점의 꽃가루 관측환경을 검토하여 보았다. 자

료는 국립환경과학원의 생태평가과에서 연구하고 있는 현존식생도 자료를 사용하였

다. 관측지점의 공간 대표성을 알아보기 위하여 각 관측지점별 10km, 30km 와

100km 범위내 식물군락의 비율을 알아보았다.

Fig. 2.8은 춘천지역의 10km, 30km와 100km 반경내의 식물군락 및 비율을 나타

낸것으로서 10km 반경에서는 가장 많이 차지 하는 군락은 신갈나무, 소나무, 굴참

나무, 상수리나무 군락으로 나타났으며, 이중 신갈나무와 굴참나무, 상수리 나무군

락은 참나무류로서 참나무류 57.2%, 소나무류 42.7%를 차지하는 것으로 나타났다.

30km 반경에 있어서는 소나무 26.9%, 참나무류 72.9%로 나타났으며,100km 반경에

있어서도 소나무 40.3%, 참나무류 58.2%로 나타났다.

- 31 -

춘천지역의 대표 수종은 참나무류와 소나무류이며 참나무류만으로 보면 신갈나무

군락으로 나타났으며, 약간의 굴참나무군락과 상수리나무군락이 존재하는 것으로

나타났다.

Fig. 2.9는 울산지역의 10km, 30km와 100km 반경내의 식물군락 및 비율을 나타

낸것으로서 10km 반경에서는 가장 많이 차지 하는 군락은 소나무, 굴참나무, 곰솔

군락, 졸참나무 군락으로 나타났으며, 이중 굴참나무와 졸참 나무군락은 참나무류로

서 참나무류 29.0%, 소나무류 60.3%를 차지하는 것으로 나타났다. 30km 반경에 있

어서는 소나무 48.5%, 참나무류 47.4%로 나타났으며,100km 반경에 있어서도 소나

무 53.8%, 참나무류 37.2%로 나타났다.

울산지역의 대표 수종은 참나무류와 소나무류이며 참나무류만으로 보면 굴참나무

군락으로 나타났으며, 약간의 신갈나무군락과 졸참나무군락이 존재하는 것으로 나

타났다.

- 32 -

Fig. 2.5. Environment of Chunchon Pollen observation station.

- 33 -

Fig. 2.6. Environment of Ulsan Pollen observation station.

- 34 -

4. 현재 관측지점의 꽃가루 관측 환경 검토

2009년 현재 관측하고 있는 꽃가루 관측지점 7곳(서울, 강릉, 대전, 대구, 광주, 부

산, 제주)의 관측환경을 검토하여 보았다.

Fig. 2.10은 서울지역의 10km, 30km와 100km 반경내의 식물군락 및 비율을 나타

낸것으로서 10km 반경에서는 가장 많이 차지 하는 군락은 신갈나무, 소나무, 상수

리나무 군락으로 나타났으며, 46.7%.20.3%, 20.3%를 차지하는 것으로 나타났다.

30km 반경에 있어서는 신갈나무 58.8%, 상수리나무 23.3%로 나타났으며,100km 반

경에 있어서도 신갈나무 50.7%, 소나무 22.8%로 나타났다.

서울지역의 대표 수종은 신갈나무군락과 소나무군락으로 나타났다.

Fig. 2.11은 강릉지역의 10km, 30km와 100km 반경내의 식물군락 및 비율을 나타

낸것으로서 10km 반경에서는 가장 많이 차지 하는 군락은 소나무군락으로서 91%

를 차지하며 굴참나무 군락이 5.8%를 차지하였다. 30km 반경에 있어서는 소나무

50.9%, 신갈나무 41.4%로 나타났으며,100km 반경에 있어서도 신갈나무 52.8%, 소나

무 40.3%로 나타났다.

강릉지역의 대표 수종은 소나무군락으로 나타났다.

Fig. 2.12는 대전지역의 10km, 30km와 100km 반경내의 식물군락 및 비율을 나타

낸것으로서 10km 반경에서는 가장 많이 차지 하는 군락은 상수리나무, 신갈나무,

소나무 군락으로 나타났으며, 56.4%. 14.4%, 12.5%를 차지하는 것으로 나타났다.

30km 반경에 있어서는 상수리나무 35.46%, 굴참나무 28.8%로 나타났으며,100km 반

경에 있어서도 소나무 35.6%, 신갈나무 28.8%로 나타났다.

대전지역의 대표 수종은 상수리나무군락과 신갈나무군락으로 나타났다.

Fig. 2.13은 대구지역의 10km, 30km와 100km 반경내의 식물군락 및 비율을 나타

낸것으로서 10km 반경에서는 가장 많이 차지 하는 군락은 소나무군락으로서 86.7%

를 차지하며 신갈나무 군락이 12.9%를 차지하였다. 30km 반경에 있어서는 소나무

61.5%, 신갈나무 23.1%로 나타났으며,100km 반경에 있어서도 소나무 52.5%, 신갈나

무 18.5%로 나타났다.

대구지역의 대표 수종은 소나무군락으로 나타났다.

Fig. 2.14은 광주지역의 10km, 30km와 100km 반경내의 식물군락 및 비율을 나타

낸것으로서 10km 반경에서는 가장 많이 차지 하는 군락은 소나무군락으로서 75.4%

를 차지하며 졸참나무 군락이 12.3%를 차지하였다. 30km 반경에 있어서는 소나무

70.4%, 굴참나무 12.5%로 나타났으며,100km 반경에 있어서도 소나무 40.4%, 굴참나

무 16%로 나타났다.

광주지역의 대표 수종은 소나무군락과 졸참나무군락으로 나타났다.

- 35 -

Fig. 2.15는 부산지역의 10km, 30km와 100km 반경내의 식물군락 및 비율을 나타

낸것으로서 10km 반경에서는 가장 많이 차지 하는 군락은 굴참나무군락으로서

75%를 차지하며 졸참나무 군락이 15%를 차지하였다. 30km 반경에 있어서는 소나

무 27.9%, 굴참나무 26.3%로 나타났으며,100km 반경에 있어서도 소나무 48.5%, 곰

솔군락이 14.6%로 나타났다.

부산지역의 대표 수종은 굴참나무군락과 졸참나무군락으로 나타났다.

남부지방으로 내려올수록 신갈나무와 소나무군락에서 굴참나무와 졸참나무군락으

로 변하고 있음을 보였다.

Fig. 2.16은 제주지역의 10km, 30km와 100km 반경내의 식물군락 및 비율을 나

타낸것으로서 10km 반경에서는 가장 많이 차지 하는 군락은 졸참나무군락으로서

29.3%를 차지하며 서어나무 군락이 21.4%를 차지하였다. 30km 반경에 있어서는 곰

솔나무 11.8%, 졸참나무 11.8%로 나타났으며,100km 반경에 있어서도 서어나무

26.8%, 곰솔군락이 26.6%로 나타났다.

제주지역의 대표 수종은 졸참나무군락과 서어나무군락으로 나타났다.

현존식생도를 이용한 각지역별 수목류의 분포현황을 살펴보았다. 이러한 자료는

앞으로의 관측망 확대 및 이동에 사욜될 예정이다.

- 36 -

Fig. 2.7. Environment of Seoul Pollen observation station.

- 37 -

Fig. 2.8. Environment of Gangneung Pollen observation station.

- 38 -

Fig. 2.9. Environment of Daejung Pollen observation station.

- 39 -

Fig. 2.10. Environment of Daegu Pollen observation station.

- 40 -

Fig. 2.11. Environment of Gwangju Pollen observation station.

- 41 -

Fig. 2.12. Environment of Busan Pollen observation station.

- 42 -

Fig. 2.13. Environment of Jeju Pollen observation station.

- 43 -

제 5 절 연구결과 요약


해 매우 중요한 일이라 할 수 있다.

본 연구에서는 전국 6개 지역(서울, 부산, 광주, 대구, 강릉, 제주)에서 관측된 꽃

가루 농도 자료를 이용하여 지역별, 기상별, 알레르기 발현성별로 꽃가루 농도 분포

특성을 조사․분석하였다. 수목류, 잡초류의 꽃가루 농도는 전국적으로 연중 유사한

분포를 보이고 있으며 수목류는 3월～5월, 잡초류는 8월～10월에 주로 발생하는 것

으로 나타났다. 6개 지역의 농도 분포 또한 전국적으로 유사한 분포를 보이고 있으

나 제주지역은 내륙과 분리된 지역적 특성이 고려된 꽃가루 농도 분포를 보였다.

수목류 중 소나무 꽃가루의 농도는 전 지역에서 가장 높게 나타나고 있으나, 소나

무 꽃가루로 인한 알레르기 유발 가능성은 다른 종류의 꽃가루에 비해 매우 낮다.

반면 자작나무, 느릅나무 등과 같은 수목류와 돼지풀, 환삼덩굴 등과 같은 잡초류는

그 발생량은 적으나 알레르기를 유발할 가능성은 매우 높아 알레르기에 민감한 사

람들에게는 특히 주의해야 할 식물이다.

꽃가루 농도 변화에 영향을 줄 것으로 생각되는 기상요소들을 총 10가지(평균기

온, 강수량, 평균풍속, 평균습도, 최고기온, 최저기온, 일교차, 강수지속시간, 7일 누

적일조시간, 적산온도)로 선별하여 상관관계를 분석하였다. 소나무 이외 수목류의

경우 4월과 5월 그리고 잡초류의 경우 9월과 10월로 분류하여 상관관계를 분석하였

다.

먼저 각각의 연도별로 회귀식을 산출하여 전해의 산출식이 당해에 어떻게 적용되

는지를 살펴보기 위해 1998년～2009년 동안의 자료에 대해 각 연도별 다중회귀분석

을 실시하였다. 분석결과 꽃가루 농도는 매년 각기 다른 기상요소에 영향을 받으며

지역적으로 다른 것으로 나타났다. 이러한 기상현상과 꽃가루 농도와의 상관관계에

따라 각지역별로 꽃가루 농도 회귀식을 만들 수 있으며, 이러한 자료는 꽃가루 농

도 예보에 사용될 예정이다.

새로운 관측지점은 현재 설치위치에 따른 공간적 분포로 선정하였으며, 향후

꽃가루 알레르기 환자 분포도 함계 고려할 예정이다. 관측망이 확대됨에 따라 꽃가

루 농도 예보 및 경보를 위한 기본자료를 제공하고 꽃가루 입체관측망 및 DB 구축

기반정보를 확보하게 될 것이다.

- 44 -

제 3 장 꽃가루 농도와 알레르기 유발가능성과의

관련성 연구


1. 연구 배경

공중화분(꽃가루)과 연관된 유발되는 알레르기질환을 화분병, 혹은 화분증 (꽃가

루병; pollinosis)이라 불리며, 관련된 질환으로는 알레르기 비염, 알레르기 결막염,

기관지 천식이나 아토피피부염 등 피부질환을 악화시키는 경우도 보고되고 있다.

이와 같은 사실은 이미 오래 전부터 구미 각국에서 인식되어 이들 알레르기성 식물

등에 대한 연구가 활발하게 진행되어 왔고, 이미 유럽이나 미국에서는 일반인과 알

레르기환자들을 위한 정보가 제공되고 있어 화분증의 심각성을 홍보하고 있다.

1960년대 말부터 미국과 유럽 각지에서 공중화분에 대한 역학적 연구가 계속되어

발표되어 왔으며, 1980년대 이래 공중화분과 알레르기질환 및 호흡기질환과의 연관

성에 대한 연구가 많이 보고되고 있다.

국내에서도 1980년대 초부터 공중화분 분포에 대한 조사가 보고되고 있으며 최근

에는 우리나라 소아에서도 공중화분에 의한 알레르기비염이나 알레르기성 각결막염

등 화분증과 관련된 질환들이 증가하고 있다.

이러한 공중 화분가 날리는 정도는 날씨의 변화와 매우 밀접한 연관성이 있어 세계

적으로 이에 대한 연구가 많이 진행되고 있으며 특히 일반인이나 알레르기 환자들

에게 필요한 정보를 제공하기 위해서는 공중화분의 수 뿐 만 아니라 그 시점에서의

다양한 기온의 조건이 중요하게 작용하기 때문에 가장 필요한 자료로서 매일 기후

의 변화에 따른 공중화분의 수의 변화와 이를 예측할 수 있는 공식을 개발하는 것

이다. 현재 국내에서 사용하고 있는 화분지수의 기본 등급분류는 미국에서 사용하

고 있던 자료로 국내 고유의 자료가 절대적으로 필요하게 되었다.

이에 대해 본 연구에서는 알레르기 화분 예측치를 개발을 위한 가장 기본적인

자료로서 알레르기꽃가루 농도와 알레르기 발생과의 상관관계가 기후변화와의 상관

성에 대하여 연구를 하고자 하였다.

2. 알레르기성 공중화분의 특성

대기 중에는 여러 식물에서 생산되는 많은 화분이 존재하는데, 이는 화초, 고초,

목초, 잡초, 수목 등에서 생성된다. 이 모든 화분이 알레르기 질환을 유발하는 것은

- 45 -

아니며 각각의 수정 생리에 따라 인체의 질병발생과 연관이 있게 되는데, 이러한

식물은 수정방법에 따라 크게 풍매화(風媒花)와 충매화(蟲媒花)로 나눌 수 있다. 충

매화는 향기나 아름다운 꽃으로 곤충을 유혹하여 화분을 전파시키므로 화분의 생산

량이 적고, 크고 무거우며, 공기 중에 잘 부유하지 않아 알레르기 질환을 유발하는

경우는 적고, 정원사나 원예가 등 특수한 경우에만 유발할 수 있다. 반면 풍매화는

바람에 의하여 화분이 전파되며 생산량이 많고, 작고 가벼우며, 공기주머니 등 특수

한 기관들이 있어서 공기 중에 잘 날라 다닐 수 있어 호흡기 알레르기 질환과 연관

성이 많다. 소나무科의 화분은 봄부터 여름까지 많은 양의 화분이 분산되나 알레르

기를 일으키는 경우는 드물다. 공중화분이나 진균 포자의 입자 크기는 알레르기 발

생과 밀접한 관계가 있는데, 알레르기를 유발하는 공중 화분은 직경이 대부분

20-60㎛이다. 한편 세기관지나 폐포의 직경은 3-5㎛로 도달될 수 있는 입자 크기는

5㎛미만으로, 화분이나 진균에 의한 천식은 화분의 파편을 흡입하여 생긴 것으로

해석된다. 이를 뒷받침하는 증거로 돼지풀 화분을 8㎛ 필터에 걸러낸 추출액으로

피부단자시험을 하여도 양성 반응을 보이며, 돼지풀이 없는 지역 공기 중에도 Amb

a I이 검출 된다. 다른 요인으로 화분에서 알레르겐이 용해되는 속도가 있는데 이

기전은 분진이나 화분은 기도점액에 섞여 10분 내로 위장 기관으로 흡수되나, 일부

화분의 알레르겐은 화분이 위장으로 삼켜지기 전에 점액에 용해되어 기도 점막에

흡착될 수 있다.

3. 꽃가루의 알레르기성(allergenicity)

알레르기성 평가는 각 꽃가루의 IgE 항체와의 반응 정도로 측정할 수 있는데, 알

레르기 환자에서 피부반응시험이나 혈액 검사 상 양성 반응을 보이는 경우, 의미가

있다고 판정하며, 화분의 여러 항원 중 오직 일부만이 분리되어 사용하기 때문에

어떤 화분에 알레르기가 있다고 하여 모든 환자가 그 화분에서 추출된 항원에 반응

을 보이는 것은 아니다. 따라서 알레르기성 유무를 판정할 때 피부반응시험이나 혈

청 검사뿐 아니라 임상적인 자료를 참고가 필수적이다. 주요 알레르겐(major

allergen)은 화분증 환자의 90%에서 화분의 추출 항원 중 0.001㎍/㎖ 이하 농도에서

양성 반응을 보이는 항원이나 화분증 환자 50%이상의 혈청 내 IgE와 결합하는 항

원으로 정의한다. 대부분 화분 알레르겐은 분자량이 5,000-60,000 Da의 산성 혹은

당단백이다.

4. 알레르기발현 식물의 구성

일반적으로 종자식물은 구과(球果)와 꽃의 생식구조에 의해 분류된다. 크게 나자

- 46 -

식물門(Gymnosperms)과 피자식물門(Angiosperms) 두 군으로 분류되는데, 나자식

물문은 구과내에 씨를 갖고 있는 식물이고, 피자식물문은 꽃의 암생식 구조에서 씨

를 생산하는 식물이다. 피자식물은 다시 하나의 떡잎을 갖고 있는 단자엽식물

(moncotyledons)과 두 개의 떡잎이 있는 쌍자엽식물(dicotyledons)로 분류된다. 모

든 잔디류는 평행맥의 잎을 가진 단자엽이며, 대부분의 알레르기식물은 그물맥의

잎을 가진 쌍자엽이다.

기본적으로 꽃은 네 부분으로 형성되어 있다. 그 부위를 나누어 보면,

① 암술(pistils), 이는 씨방(ovary), 암술대(style), 주두(stigma)로 구성되어 있으

며, 이 주두부에 날라 온 화분이 붙게 된다.

② 수술(stamens), 이는 수술대(filaments)와 꽃밥(anthers)으로 구성되며, 이 꽃밥

에서 화분(pollen)을 생산한다.

③ 화판(petals), 색깔을 나타내는 꽃잎부분으로 3개 이상으로 구성된다.

④ 꽃받침(sepals), 꽃잎을 지지하는 지지대이며 3-6개로 나누어져 있다.

5. 우리나라에 분포하는 알레르기성 식물의 분류

5.1. 수목류(trees)

1) 나자식물 (Gymnosperms)

(1) 측백나무科

화분의 크기는 20-30㎛로 2월 중순부터 나타나기 시작하며, 알레르기비염 등을 일

으키는 것으로 알려져 있다. junipers, cypresses, cedars 등이 속한다.

(2) 소나무科

화분의 크기는 45-65㎛ 정도로 2개의 주머니를 가지고 있으며, 알레르기 발현성은

적다. pines(Fig 2c), spruces 등이 속한다.

2) 피자식물 (Angiosperms)

대부분의 알레르기를 발현하는 수목류는 이 군에 속해 있다.

(1) 자작나무科

초봄에 화분이 2월 말경 가장 먼저 나타나는 식물과로서 강력한 알레르기 발현성

을 가지고 있으며 크기는 20-30㎛이며, 3개의 홈(pores)와 얇은 외막(exine)을 갖고

있다. 자작나무(birch), 오리나무(alder; Fig 2a), 개암나무(hazelnut; Fig 2d) 등이 속

한다.

- 47 -

(2) 참나무科

풍매화로 자작나무와 비슷하나 약간 늦은 3월말부터 나타나기 시작하는 식물과로

역시 이 시기에 대표적인 화분증 유발 화분이며, 강력한 알레르기를 유발한다. 크기

는 40㎛ 정도로 크며, 불규칙한 외막층과 3개의 특징적인 구(溝, furrow)를 갖고 있

다. 너도밤나무(beeches), 떡갈나무(oaks; Fig 2b) 등이 속한다.

(3) 버드나무科

대부분의 버드나무과는 충매화에 속하나 포플러나무 등은 풍매화로서 알레르기성

이 강하며 화분의 크기는 27-34㎛이며, 두꺼운 내막층(intine)을 가지고 있다. 5-6월

에 솜털처럼 나라 다니는 술이 많이 있으나 실제로 이는 접촉성 자극반응이 일어날

수 있으나 일반적으로 알레르기를 유발하는 것은 아니다. 버드나무(willow), 포플러

나무(poplars) 등이 속한다.

(4) 느릅나무科

5-6월에 화분증 유발에 중요한 화분이며, 크기는 30-40㎛이며, 5개의 홈과 두껍고,

물결모양의 외막을 갖고 있다.

(5) 단풍나무科

우리나라에서 매우 다양하게 있는 식물과로 역시 알레르기성이 있는 것으로 알려

져 있으나 비교적 화분증은 많지 않은 것으로 알려져 있다.

(6) 버즘나무科

알레르기성이 있는 식물과로 크기는 20㎛이며, 3-4개의 구(furrow)와 얇은 외막을

구성하고 있다.

5.2. 초목류 (grasses; Fig 2f)

초목류는 피자식물문의 단자엽강이다. 화분의 크기는 20-25㎛로 1개의 홈 또는

구(furrow)가 있고, 비교적 두꺼운 내막을 형성하고 있다. 4월말부터 9월까지 화분

이 날라 다니며, 이 시기에 알레르기성을 나타내고, 특히 사람이 많이 거주하는 지

역에 많이 경작되고 있어 이것에 의한 화분증의 유병률이 더욱 높게 나타난다. 이

초목류는 수십 종이 우리나라에 서식하고 있는 것으로 알려져 있으나 광학현미경상

각 종별로 화분을 구분하는 것은 매우 힘들고, 알레르기 유발과의 연관성도 비슷하

- 48 -

여 그것의 동정은 별의미가 없으나, 우리나라에서 많이 채집되는 종으로는 잔디

(korean lawngrass), 큰조아재비(timothy grass), 우산잔디(bermuda grass), 등이 많

다.

5.3. 잡목류 (Weeds)

잡목류는 일반적으로 경작되지 않는 식물로 사람이 많이 거주하는 길가나 개울가

에 많이 산재해 있는 식물로서 피자식물문의 쌍자엽강에 속한다. 이는 늦여름부터

화분이 날라 다니기 시작하여 우리나라에서 가을철 화분증의 주원인이 되고 있다.

1) 국화科(Asteraceae)

우리나라 가을철에 가장 많이 날라 다니는 화분으로 알려져 있으며, 다양한 종이

있는데 그 중 쑥(sagebrush; Artemisia), 돼지풀(두드러기쑥; ragweed; Ambrosia)은

대표적인 알레르기성 화분을 생성하는 식물이다.

(1) 쑥族(Tribe Asteraceae)

크기는 20-30㎛이고, 3개의 구(furrow)와 비교적 두꺼운 외막(exine)을 형성하고

있으며, 우리나라의 가을철 화분증을 유발하는 대표적 식물이다.

(2) 두드러기쑥族(Tribe Ambrosieae; Fig 2e)

가을철 화분증의 대표적인 식물로 원래 북미에서 서식하는 식물로서 1960대 국내

화분 조사에서는 발표되지 않았으나 1970년대에 외국과의 교역이 활발해지면서 수

입되어 1980년대 초부터 중요한 알레르기 화분으로 대두되어 현재는 우리나라 전역

의 가을철에 대표적 알레르기를 유발하는 화분으로 보고되고 있다. 줄기 높이가

1-2.5m되는 단풍잎 돼지풀(Ambrosia trifida; giant ragweed), 둥근잎 돼지풀

(Ambrosia integrifolia), 줄기 높이가 1m 정도의 돼지풀(Ambrosia artemisiifolia;

short ragweed)이 대표적인 식물이다. 화분의 크기는 15-20㎛이며, 여러 개의 가시

로 둘러싸인 공 모양으로 비교적 두꺼운 외막층을 형성하고 있다.

2) 명아주科(Amaranthaceae: pigweed and waterhemp family), 비름族

(Chenopodiaceae: Goosefoot family)

이는 쑥, 두드러기쑥族 다음으로 많은 화분을 날리며, 가을철 화분증을 유발하는

중요한 식물이다. 그 모양은 특징적으로 골프공 모양을 하고 있어 동정이 용이하며,

크기는 20-30㎛ 정도이며, 광학현미경상 명아주족과 비름족을 구분하기는 불가능하

- 49 -

며, 공중 화분 조사 시에는 비름-명아주족(Chenopod- Amaranth)로 명기하기도 한

다.

3) 삼科(Cannabaceae)

덩굴성 한해살이 초본으로 꽃은 암수 딴그루이며 8-9월에 개화한다. 전국 각처의

들, 빈터, 개천가 등에 집단으로 군생하며 길가의 축대, 아파트 담장 밑 등 도시

및 근교 가릴 것 없이 도처에서 흔히 발견되는 생명력이 강한 잡초이다. 한강 지천

인 양재천, 중랑천, 안양천, 탄천 및 여의도, 난지도 주변에 집단으로 군락을 이루어

자생한다. 가을철의 주요한 알레르기 화분증의 원인으로 중요히 고려해야할 식물이

다. 환삼덩굴(Japanese hop) 등이 속한다.

4) 질경이科(Plantaginaceae)

원산지는 유럽으로 현재는 전국 각 지역에 분포되어 있는 식물로 화분은 우리나라

에서는 6-7월경에 날라 다니며, 모양은 구형으로 여러 개의 홈이 있으며, 크기는

25-40㎛이며, 창질경이(English plantain; Plantago lanceolata)는 중요한 알레르기성

이 높은 식물로 알려져 있다.

- 50 -

A-1) A-2)

B-1) B-2)

C-1) C-2)

D-1) D-2)

E) F)

Fig. 3.1. Common allergic plants and its pollen in Korea. A-1) alder, A-2) alder

pollen B-1) oak, B-2) oak pollen, C-1) pine, C-2) pine pollen D-1) ragweed,

D-2) ragweed pollen E) hazelnut pollen, F) grass pollen.

- 51 -

5. 꽃가루내의 항원

한 개의 돼지풀에서 하루에 약 100만개 정도의 화분을 생산하여 날려 보낸다.

이들은 하루 중 오전 6-8시에 가장 많은 량이 날라 다니며 그 때의 기온과 습도에

따라 변화하게 된다. 화분이 날라 갈 수 있는 범위는 식물에 따라 다른데, 보고에

의하면 돼지풀 화분은 600㎞ 이상이며, 수목류 경우는 비산거리가 작아서, 도심에

생활하는 경우 수목류보다는 목초류나 잡초류에 의한 화분에 영향 받기가 더 쉽다.

돼지풀 화분 내에는 최소한 52개의 항원이 있으나, 돼지풀에 과민반응을 보이는

환자의 혈청에서 특이 IgE에 반응하는 항원은 오직 22개 항원이다. 이 중 알레르기

성의 90%는 Amb a I 에 의해 나타나는데, 분자량은 37,800으로, 돼지풀 항원의 전

체 단백 중 37,800으로 돼지풀 항원의 전체 단백 중 6% 정도밖에 안 된다. 그 다음

의 항원으로 Amb a II로 전체 단백의 3%를 차지하며, 돼지풀 환자의 90-95%에서

양성 피부반응을 나타낸다. 이들 두 항원은 교차반응을 일으킬 수 있다. 목초류 화

분은 세계적으로 가장 많은 화분증의 원인이 되고 있는데, 이 목초류 화분은 수목

이나 잡초화분과는 달리 각 종간의 교차반응이 크며, 각 목초 당 20-40개의 항원을

갖고 있다. 그래서 일부 보고에 의하며 교차반응을 보이는 목초류 별로 항원을 8개

군(I, II, III, IV, V, VI, VII, VIII)으로 분류하였다. 수목류 화분은 잡초나 목초류만

큼 항원이 연구 되고 있지 않은데, 그 이유는 수목화분 경우 잡초나 목초류에 비해

각 종간의 교차반응이 적고 각 화분의 항원이 독특하고 단순하기 때문이다.

국내에서 알레르기를 유발할 수 있는 공중 화분은 날씨, 특히 기온과 밀접한 관

계가 있어, 영하에는 개화하지 않고 날라 다니지 않으며, 영상 10도 이상에서 활발

하게 날라 다닌다. 평균적으로 연 2회 절정기로 봄과 가을이 있으며, 그 이후 현격

히 감소한다. 종류별로는 2월말부터 5월까지 수목류가 주를 이루며, 8-9월까지 돼지

풀(Ambrosia), 쑥(Artemisia) 화분이 주를 이룬다. 지역별로 비교하면 남부지방과

중부지방간에 날라 다니는 시기와 종류에 약간 차이를 보인다.

각 화분종류별로 오리나무와 측백나무가 가장 먼저 날라 다니며, 2월말에서 3월

말사이에 가장 많이 날라 다니며, 측백나무는 남부지역에 많이 분포한다. 소나무는

가장 많이 채집되는 화분으로 4월말부터 5월 중순에, 초목류는 8월 초에서 9월말까

지 많이 날라 다니며, 돼지풀은 8월말에서 10월초에, 쑥은 8월초에서 10월초에 환삼

- 52 -

덩굴은 8월말에서 9월말에 절정기를 이룬다.

최근 연구에 따르면 잡초류 화분은 지역별 차이는 약간씩 있으나 평균 8월 5일

부터 9월 25일에 주로 채집이 되며 이중 돼지풀과 쑥의 화분이 가장 많이 나타났으

며 전국 평균의 최고치가 1997-2000년에는 89-128/㎥이었으나 2001년 302/㎥, 2002

년 512/㎥, 2003년 488/㎥로 급증하는 경향을 보였다.

한편 소아연령에서 년 도별 알레르기성 화분에 대한 감작률을 조사하기 위하여

수목류, 목초류, 잡초류로 크게 분류를 하여 비교한 결과 잡초류에서 1998년 6.2%과

1999년 4.4%에서 2000년 7.1%, 2001년 7.4%, 2002년 8.5%, 2003년 7.7%로 증가하는

추세를 보였다.

6. 꽃가루 농도와 기후와의 연관성

꽃가루 농도의 변화는 기온, 강수량 등 기상요소의 변화와 밀접한 관계가 있다.

특히, 기온과 강수는 꽃가루 농도를 결정짓는데 가장 중요한 역할로 작용한다. 온도

에 따른 꽃가루의 분포를 살펴보면 주로 10℃～30℃ 사이에 꽃가루 농도가 집중되

는 것을 볼 수 있는데 이러한 온도분포는 식생이 성장하기에 적합한 온도를 나타내

기도 한다. 강수의 경우에는 무강수일에 집중적으로 나타나고 있다. (Fig. 3.2)

Fig. 3.2. Distribution of daily pollen counts according to temperature and

precipitation in Seoul (1997～2002).

국내에서 화분량이 매년 증가하는 추세를 보이고 있으며 동시에 소아연령에서 이

들에 대한 감작률이 증가되고 있는 경향을 보이고 있다. 이에 대한 원인으로 돼지

풀 등과 같은 잡초류 번식이 급증할 뿐 아니라 교통량의 증가와 아파트 건축, 공장

등에 따른 공기오염이 증가하고 있어 이들 위해 식물의 증식을 배가하게 되어 결과

적으로 알레르기질환에 대한 위해한 환경을 제공하고 있다고 사료되어 이를 예측할

- 53 -

수 있는 보건자료를 구축하고자 이에 대한 연구를 시행하였다.

7. 기후온난화와 알레르기 증가현상과의 연관성

최근 국내에서 보고된 역학조사에 따르면 성인 뿐 아니라 소아에서도 천식이나

알레르기비염, 알레르기성 결막염 등이 매년 증가하고 있는 추세이다. 특히 알레르

기비염의 경우 ‘알레르기비염으로 진단받은 적이 있는가?’ 설문에서 초등학교 경우

1995년 16.8%, 2000년에 22.0%로 증가하였다. 이전의 보고에 의하면 주로 청소년

이상 연령에서 발병률이 더 높은 것으로 보고되고 있었으나 최근 이러한 질환이 어

린 연령에서도 서서히 증가되고 있다. 이에 대해 현재까지는 실내 알레르겐인 집먼

지 진드기나 개, 고양이 등 애완동물 털, 바퀴벌레 등이 많은 원인 알레르겐으로 작

용하는 것으로 알려져 있는데 최근에는 각 알레르기클리닉에서 계절성 알레르기비

염이나 알레르기성 결막염을 호소하는 성인 뿐 아니라 소아에서도 급증하고 있는

추세를 보이고 있어 알레르기성 꽃가루(화분) 등에 대한 실외 알레르기 유발물질이

나 공해 등과 같은 환경에 의한 알레르기 자극물이 증가하고 있어 이에 대한 조사

도 절실하게 요구되고 있다.

1997년부터 대한소아알레르기 호흡기학회 화분연구회 주관으로 전국 알레르기 꽃

가루 분포에 대해 조사를 꾸준하게 실시하고 있다. 이 연구에 따르면 매년 몇 가지

꽃가루의 경우 서서히 꽃가루의 수가 증가되고 있는 것으로 나타나고 있는데 특히

가을철에는 잡초류가 2000년 이후 들어 급증하고 있음을 보여 주고 있다.

본 연구에 의하면 잡초류 화분은 지역별 차이는 약간씩 있으나 평균 8월 5일부터

9월 25일에 주로 채집이 되며 이중 돼지풀과 쑥의 꽃가루가 가장 많이 보였다.

한편 소아연령에서 년도별 알레르기성 꽃가루에 대한 감작률을 조사하기 위하여

수목류, 목초류, 잡초류로 크게 분류를 하여 비교한 결과 잡초류에서 1998년 6.2%과

1999년 4.4%에서 2000년 7.1%, 2001년 7.4%, 2002년 8.5%, 2003년 7.7%로 증가하는

추세를 보였다(Figure 2). 이들 소아 연령을 4군(3-5, 6-9, 10-12, 13-15세)으로 분

류하여 각 군별 알레르기성 꽃가루에 대한 감작률을 연도별, 나이별로 비교한 결과

1999년 2.7%, 2000년 2.9%에서 2001년 3.1%, 2002년 4.8%, 2003년 4.1%, 2004년

4.3%로 점차적으로 증가하는 경향을 나타냈으며 6-9세의 경우 2000년 4.1%에서

2001년 6.0%까지 증가되는 양상을 나타냈으며, 2002년에는 5.2%, 2003년 5.4%,

2004년 5.1%로 약간 감소하였으나 1999년 이전에 비해 증가된 추세를 보였다.

이와 같은 현상은 기후 온난화와 연관이 있을 것으로 추정되는데 현재 이에 대

한 연구가 진행되고 있다. 연구의 주된 배경은 지구 온난화로 인하여 식물의 개화

- 54 -

기가 앞당겨지게 되고 꽃이 피어 있는 기간도 더 길어지게 되어 일찍 개화하고 늦

게 꽃이 지는 현상이 일어나면서 알레르기 꽃가루에 노출되는 기간도 더 길어지게

되고 이에 공해의 증가가 배가됨으로써 알레르기 반응을 더 자극하게 됨으로써 이

전보다 점차적으로 알레르기 비염이나 천식, 그리고 아토피피부염 등과 같은 알레

르기 질환이 급증하게 되는 중요한 요인으로 작용하고 있다는 것이다. 이에 대한

상관성을 더 구체적으로 파악하여 이를 증명하고 하며, 이와 유사한 연구가 몇몇

국가에서 진행 중에 있다.

한편 본 연구팀의 이전 연구에서 공해지역으로서 서울 강남지역과 농촌지역으로

서 경기도 파주지역을 선정하여 그 지역에서의 돼지풀의 꽃가루를 채집하여 알레르

기 독성(Amb a I)을 측정한 결과 강남지역이 파주지역에 비해 200배정도의 역가가

높은 것으로 측정되었다.

이와 같은 현상은 돼지풀의 생태 특성은 도시나 공장지대, 폐기물 야적지역 등에

서식을 하는데 주로 이산화탄소가 많은 지역에서 많이 서식을 하여 공해가 많은 지

역이나 밀집 주거지역 등 오염지역에 많이 번식을 하게 되기 때문으로 추정된다.

결론적으로 세계적으로 지구 온난화에 대한 폐해가 속출하고 있는데 그 심각성이

더 깊어 가고 있는데 이에 대한 문제는 인체에 대해 미치는 영향도 점점 크게 부각

되고 있는 것 같다.

여러 질환이 관련될 수 있지만 꽃가루 알레르기에 대한 영향도 무시할 수 없게

커지고 있어 지구 온난화가 진행되는 것을 억제하는 것이 무엇보다도 시급하겠고

동시에 진행되고 있는 이러한 변화에 대한 알레르기 현상을 억제해야 할 대책을 마

련하기 위해 이에 대한 연구가 절실하게 요구되고 있다.

이에 꽃가루 발생수치를 예측할 수 있는 보건자료를 구축하고자 국내의 기상 조

건과 화분 농도와 알레르기비염, 알레르기결막염, 천식, 아토피피부염 등 알레르기

질환 유발 가능성과의 관련성 연구를 시행하였으며, 이에 대한 연구를 시행하여 최

종보고 하는 바이다.

- 55 -

제 2 절 연구 개발 목표와 내용

1. 연구 목표

각 지역별로 알레르기피부검사나 혈액 검사를 통해 알레르기 환자를 선별, 설

문을 통해 알레르기 증상 유무와 그 중증도를 조사하여 꽃가루 농도와 기상 조건을

비교 분석하여 국내 고유의 꽃가루 위험지수를 제작하여 현재 개발되고 있는 꽃가

루 농도 예보제에 적용하여 향후 예보 시 각 알레르기 식물에 대한 위험지수를 함

께 제시하여 알레르기환자들이나 일반 국민들이 쉽게 예보제를 이용할 수 있도록

한다.

2. 꽃가루(화분) 농도에 따른 알레르기 질환 유발 가능성 조사

1) 화분 알레르기 내원 환자 조사 및 알레르기 반응에 대한 자료 분석

화분 알레르기로 진단이 된 개인 병력을 조사하여 화분 알레르기의 빈도를 파

악하고 자료를 분석.

2) 계절별(월별) 종별 꽃가루 농도에 따른 알레르기 중증도 판정조사

알레르기 유발과 관련이 적은 화분 농도가 급증하여 예보할 경우 위험 경고를

하는 경우가 있기 때문에 실제적으로 화분의 종별에 따른 인체 위험도를 재조사하

여 조정

- 각 지역의 선정된 꽃가루알레르기 환자에게 전화 설문조사

- 알레르기 중증도와 꽃가루 농도 상관성 조사

3. 꽃가루(화분) 농도 예보식 개선을 위한 꽃가루 위험도 재조정

1) 꽃가루 종별 인체 위험도 재조정

현재 수집하여 보고하고 있는 화분 농도는 비특이적인 방법으로 알레르기 유발정

도와 관계없이 수목, 초목, 잡초류 등으로만 분류하여 보고하고 있다. 그런 이유로

알레르기 유발과 관련이 적은 화분 농도가 급증하여 예보할 경우 위험 경고를 하는

경우가 있다. 이런 경우를 피하기 위해 실제적으로 화분의 종별에 따른 인체 위험

도를 재조사하여 조정한다.

2) 조정된 위험도에 따른 꽃가루 농도 예보식 검증을 위한 준비단계

현재 사용되고 있는 알레르기지수의 등급은 미국에서 사용하고 있는 것을 이용하고

있기 때문에 국내 조건과 맞질 않아 이에 대한 기초 자료를 확보하여 국내 고유의

알레르기 지수 등급을 개발한다.

- 56 -

최종적으로 각 종별로 조정된 화분농도에 따른 위험도를 예년 보고된 농도와 비교

하여 향후 연구에서 이를 기본으로 각 종별 화분농도에 따른 예보식을 세우고 이를

검증하고자 한다. 이를 위해서는 최소한 3년 이상의 자료를 수집하여 객관성 및 정

확성을 향상시켜야 할 것이다.

- 57 -

제 3 절 연구 방법

1. 화분 채집센터

2009년 3월 1일부터 2009년 10월 31일까지 8개월간 전국적으로 서울, 구리, 강릉,

대전, 대구, 광주, 부산, 제주 등 8개 지역을 대상으로 선정하여 연구원이 접근이 용

이하고 주변의 환경이 공중화분이나 공중진균의 분포를 측정하는데 적합한 병원이

나 건물의 옥상에 지면으로부터 1.5미터 높이에 Burkard seven days sampler

(Burkard Manufacturing Co Ltd. Hertfordshire, UK)를 설치하여 매일 측정하였다.

대상 지역은 서울 강북지역은 한양의대 서울병원, 강남지역으로 기상청, 경기지역은

한양의대 구리병원, 강원지역은 강릉 현대아산병원, 충남지역은 대전 기상청, 호남

지역은 광주보훈병원, 경북지역은 대구 파티마병원, 경남, 부산지역은 부산 성모병

원, 제주지역은 제주대학으로 지정하였다. 각 공동연구자들과 협의를 통해 화분 알

레르기환자 통계를 수집한 결과를 가지고 연구자 회의를 개최하였다.

2. 채집 방법 및 측정

각 대상 지역에 설치된 sampler를 이용하여 매주 공중 꽃가루를 포집한 주간용

드럼을 매주 수집하여 지역별로 알루미늄 보관함에 넣어 매주 마다 판독을 담당하

는 한양대학 구리병원 알레르기화분센터로 보내어 2명의 판독연구원이 포집된 글리

세린 접착비닐을 Calberla's fuchsin 염색용액 (10ml glycerin, 20ml 95% Alcohol,

30ml distilled water와 0.2 mL basic fuchsin)으로 염색하여 광학현미경에서

200-400배의 배율로 꽃가루를 관찰 동정하여, ㎥ 당 각 공중화분과 공중진균 수를

계산하여 기록하고 있으며 이를 공동연구자들과 자료에 대해 토의하여 환자의 분포

와 비교하였다.

3. 꽃가루의 동정 및 관찰방법

알레르기 꽃가루의 형태적 감별은 전국의 알레르기 유발과 연관된 식물분포에 관

한 연구와 연계하여 각 지역의 수목 및 잡초 등의 분포를 조사하면서 화분의 크기,

화분공의 형태, 화분의 표면무늬에 따라 채취된 꽃가루와 비교 분류하였다. 채집 기

간 동안 각 지역에서의 채집 날짜에 따른 날씨에 관한 여러 변수를 각 지역의 기상

자료와 연계하면서 기록하여 그 지역의 꽃가루의 분포와의 연관성을 비교하였다.

4. 알레르기 피부시험 및 혈액검사를 이용한 감작 조사

연구 기간 동안 알레르기성 꽃가루에 대한 감작을 조사하기 위하여 각 화분 채

- 58 -

Questions none A little mild Moderate severe

1. 코가려움

(Nasal itching)5 10 15 20 25

2. 재채기

(Sneezing)5 10 15 20 25

3 코막힘

(Nasal Obstruction)5 10 15 20 25

4. 콧물 5 10 15 20 25

집센터가 소재한 병원들 중 소아과, 내과, 이비인후과 등과 협의하여 알레르기 증상

을 호소하는 환자를 대상으로 하고 이들 중 알레르기피부시험 및 혈액 검사 등이

가능한 환자를 대상으로 자료를 수집하였으며 이중 화분알레르기에 대해 연구기간

동안 지역별 대상 환자수와 연령별, 성별 등으로 분류하여 정리하였다. 서울경기지

역(한양대학 서울병원과 구리병원, 고려대학 안암병원, 연세대학 신촌 세브란스병원

및 영동세브란스병원), 경북지역은 대구파티마병원, 부산지역은 부산성모병원, 광주

지역은 광주보훈병원, 강원도지역은 강릉현대병원의 소아과, 내과, 이비인후과 등

각 해당 과에서 자료를 수집하였다.

5. 각 지역별 알레르기 환자 대상 모집

계절별 알레르기 증상을 호소하는 환자를 대상으로 알레르기피부시험 및 혈액 검

사 등을 이용하여 꽃가루 알레르기 환자를 해당 지역에서 모집하였다. 해당 병원은

서울경기지역(한양대학 서울병원과 구리병원, 고려대학 안암병원), 경북지역은 대구

파티마병원, 부산지역은 부산성모병원, 광주지역은 광주보훈병원, 강원지역은 강릉

현대병원에서 지역별로 설문대상 모집하였다.

1) 환자 선정 및 알레르기 중증도 평가를 위한 질문 내용

o 매년 가을이 되면 증상이 반복됩니까?

o 알레르기 비염 이외의 다른 증상이 있습니까? (천식, 아토피피부염 등)

o 가족 중 알레르기 질환을 가진 경우가 있습니까?

o 이 질환으로 병원에서 치료를 받았습니까?

상기 네 가지 질문에 긍정적으로 대답한 환자를 대상으로 2008년 3월 1일부터 10월

31일까지 주 3회 전화 설문 조사를 실시하였다.

Table 3.1. The Contents of Questionnaire to patients (Symptom Index)

- 59 -

(Rhinorhea)5. 두통, 발열

(Headache, fever)5 10 15 20 25

6. 기침

(Cough)5 10 15 20 25

7. 가래

(Sputum)5 10 15 20 25

8. 호흡곤란

(Dyspnea)5 10 15 20 25

환자의 증상을 객관적으로 기록하기 위한 symptom index를 이용하였으며 8개

증상 항목을 정하였다. 각 항목별로 최소 5점에서 최대 25점까지 증상 중증도를 분

류하였다.

증상지수(symptom index)는 각 항목의 점수를 합한 것으로 하였다. 즉, 증상이

없는 경우 40점이 되며 증상이 가장 심한 경우 200점으로 평가하여 매주 월, 목요

일 환자에게 질문을 하여 그 주 매일의 증상 지수를 기록하였다.

6. 통계분석

통계방법은 window system의 SPSS program(version 7.0, SPSS Inc., Chicago,

IL, USA)을 사용하였고, 꽃가루(화분) 농도와 알레르기 증상 지수를 비교하기 위해

서 Correlation analysis를 이용하였다. 변수간의 선형적 관계를 분석할 때 서로 독

립적인 두 변수(화분수와 증상지수)간의 관계의 강도를 상관계수로 나타냈고, 이때

Pearson correlation coefficient와 Spearman correlation coefficient를 사용하였다. 상

관관계의 정도를 나타내는 단위로 상관계수 ρ를 사용하였고 ρ>0.7 을 strong

relation으로 판정하였다. P값은 0.05 미만인 경우에 통계적 유의성이 있는 것으로

판단하였다.

- 60 -

Area Spring Autumn

Seoul 25 20

Guri 22 21

Kangneung 20 15

Busan 16 25

Daegu 17 19

Kwangju 23 27

Total amount 123 127

제 4 절 연구 결과

1. 알레르기 꽃가루와 증상의 상관관계 연구 대상 모집 결과

각 지역 해당 병원에 내원한 환자를 대상으로 문의를 하여 본 연구에 참여할 알

레르기 환자를 대상으로 선정하여 주당 3회의 전화설문을 하기로 하였다 (Table

3.2).

Table 3.2. Amount of Subjects from Each Study Area.

2. 연구기간동안 각 지역별 화분에 감작된 알레르기 환자수

연구 기간 동안의 각 지역별로 모집한 계절별 알레르기 환자의 꽃가루 종류별 수

목류, 목초류, 잡초류로 3가지 분류를 하여 피부반응시험이 알레르기 혈액검사에서

나타난 알레르기식물에 대한 감작률을 분석하였다. 연구기간동안에 발생된 환자들

에 대해 알레르기 화분에 대한 감작률을 조사한 결과 전체적으로 돼지풀(5.9%), 산

쑥(5.8%), 오리나무(4.9%), 자작나무(4.8%) 순으로 감작률이 높게 나타났으며 본 결

과는 이전의 다른 연구와 유사한 결과를 보여 주고 있다(Table 3.3).

- 61 -

　 Alder Birch Oak Grass Ragweed Hop Mugwort

Seoul 6.80 5.95 4.25 3.82 6.38 4.97 5.53

Guri 4.13 4.54 4.54 4.47 6.54 4.30 5.30

Busan 3.97 4.22 3.24 4.47 5.07 3.76 6.15

Daegu 5.38 4.61 6.13 6.13 7.56 3.77 6.45

Kwangju 4.53 3.09 3.39 3.47 4.98 4.06 5.65

Kangneung 4.49 6.39 3.19 3.39 4.79 3.69 5.39

Mean rate 4.9 4.8 4.1 4.3 5.9 4.1 5.4

Table 3.3 Sensitization rate to allergy pollen from skin prick test of allergic

patients from each districts in Korea.

3. 지역별 알레르기 화분수와 알레르기 증상과의 상관성 비교

계절별 (3-6월, 9-10월) 연구대상지역의 알레르기 식물의 알레르기 꽃가루수와 그

지역의 알레르기환자들의 증상발생빈도와의 상관성에 대해 연구 비교하였다.

본 연구에서 화분 측정지역은 서울, 구리, 대전, 강릉, 대구, 부산, 광주, 제주 지역이

었으나 알레르기 설문을 위해 알레르기 환자를 모집할 수 있는 대상지역에는 제한

점이 있어 서울 경기지역과 강원 강릉지역, 경남 부산지역, 전남 광주지역과 경북

대구 지역을 대상으로 전화 설문을 실시하였다.

3.1. 봄철 (2009. 3. 1 - 6. 30) 지역별 알레르기 꽃가루수와 알레르기증상 지수와의

상관관계

- 62 -


Seoul (1. March - 30. June. 2009).

Fig. 3.4. The correlation between pollens of allergic plants except pine, poplar

and symptom index in Seoul (1. March - 30. June. 2009).

- 63 -

Fig. 3.5. The correlation between pine pollen count and symptom index in Seoul

and Guri (1. March - 30. June).


Guri (1. March - 30. June. 2009).

- 64 -


in Guri (1. March - 30. June).

Fig. 3.8. The correlation between the other allergic pollen count and symptom

index in Busan (1. March - 30. June).

- 65 -


Kangneung (1. March - 30. June. 2009).

Fig. 3.10. The correlation between the allergic pollen count except pine, oak and

symptom index in Kangneung (1. March - 30. June. 2009).

- 66 -


in Kangneung (1. March - 30. June. 2009).


Kwangju (1. March - 30. June).

- 67 -

Fig. 3.13. The correlation between the pollen count of plant except pine, oak and

symptom index in Kwangju (1. March - 30. June. 2009).


in Kwangju (1. March - 30. June. 2009).

- 68 -

3.2 가을철 (2009. 9. 1 - 10. 30) 지역별 알레르기 꽃가루수와 알레르기증상 지수와

의 상관관계


hop) and symptom index in Seoul (1. September - 30. October).


hop) and symptom index in Guri (1. September - 30. October).

- 69 -


symptom index in Kangneung (1. September - 30. October).

Fig 3.18. The correlation between allergic pollen (ragweed, sagebrush, hop) and

symptom index in Kwangju (1. September - 30. October).

- 70 -

Fig. 3.19. The correlation between Japanese hop pollen count and symptom index

in Daegu (1. September - 30. October).

Fig. 3.20. The correlation between allergic weeds pollen count and symptom

index in Daegu (1. September - 30. October).

- 71 -

4. 꽃가루 종별 인체 위험도 작성

꽃가루 예보식을 개발하기 위해 기본적인 자료로 꽃가루 종별 인체 위험도를 작

성하는 것이 우선 과제로서 알레르기 꽃가루 수와 알레르기 환자가 증상을 호소하

게 되는가의 상관관계를 파악하여 좀 더 임상적으로 밀접하게 꽃가루 수별 등급을

분석하였다.

그러나 각 지역별로 알레르기 꽃가루수와 환자증상의 상관성에 차이를 나타냈으

며 각 식물별로도 꽃가루수와 환자증상의 상관성에 차이를 보였는데 이는 꽃가루

수치 뿐 아니라 여러 다른 기상환경과 황사 등과 같은 여러 대기 상태나 알레르기

에 영향을 미치는 공기의 오염상태, 더구나 측정하는 날의 환자의 신체 조건의 정

도에 따라 임상적인 증상이 의미 있게 차이가 날 수 있기 때문에 꽃가루 수치, 단

일 변수만으로 알레르기 증상지수와의 상관성을 현실적으로 정확한 통계를 실제로

구하는 것은 불가능하였다.

본 연구에서는 여러 상황과 조건을 모두 만족할 수 없었으나 주어진 조건에서의

위험 등급을 구하기 위해 각 지역별 알레르기 증상지수의 평균치 (mean Symptom

index)가 70을 넘었을 때 미약(mild), 75을 지나면 조심(moderate), 80을 넘을 경우

위험(severe)로 등급을 정하였으며 이전 연구의 자료에 대입하였다.

예를 들어 수목류 중에서 년 중 가장 먼저 꽃가루가 나타나는 오리나무(alder)는

지역별로 차이는 있으나 광주지역 경우 3월 11일 꽃가루수가 104개/㎥에서 시작하

는 날의 증상지수(Symptom index) 70.1이었으며, 4월 8일 꽃가루수가 33개/㎥로 감

소할 때 증상지수는 64.6이었고 최대 꽃가루가 날리는 기간이 되는데 이 기간에 꽃

가루수가 최대 476개/㎥까지 올라갔으나 이때 수목류 알레르기환자가 증상지수는

평균 71.5이었다. 이들 수치 간에는 의미있는 차이를 보이지 않으나 그 기간에 증상

지수는 63.0 - 87.7에서 매우 큰 폭으로 차이를 보이고 있었다. 이와 같이 환자마다

지역마다 차이가 있어 통계적으로 의미 있는 위험등급을 구하기는 어렵다. 현재 미

국 학회 (American Academy of Asthma, Allergy, Clinical Immunology)에서 이용

하고 있는 위험 등급을 보면 매우 큰 폭으로 차이를 두고 있는데 (Table 3.4), 이는

미국과 같이 광범위한 지역의 차이를 포괄적인 범위로 하였으며, 다년간의 자료의

축적에 의한 결과로 판단되며 본 연구와 같이 일 년의 연구로 의미 있는 통계를 구

하는 것은 불가능하며 향후 더 많은 연구가 필요할 것으로 사료된다.

- 72 -

Risk Grade Alder Birch Oak Pine RagweedJapanese

hopMugwort

미약 (Mild) 0-49 0-19 0-49 0-499 0-19 0-49 0-19

조 심(Moderate)

50-99 20-49 50-99 500-999 20-49 50-99 20-49

위험 (Severe) 100-299 50-99 100-199 1000-1499 50-199 100-299 50-199

매우위험

(dangerous)�300 �100 �200 �1500 �200 �300 �200

Risk Grade tree Grasses Weed

mild 0-14 0-4 0-9

moderate 15-99 5-19 10-49

severe 100-499 20-199 50-299

Dangerous >500 >200 >300

Table 3.4. Risk Grade of Pollen count for Pollen Allergy (AAAAI)

*AAAAI : American Academy of Asthma, Allergy, and Clinical Immunology

Table 3.5. Risk Grade of pollen for allergy pollen forecast among each

allergic plant.

- 73 -

제 5 절 연구 결론

최근 국내에서 보고된 역학조사에 따르면 성인 뿐 아니라 소아에서도 천식이나

알레르기비염, 알레르기성 결막염 등이 매년 증가하고 있는 추세이다. 이전의 보고

에 의하면 주로 청소년 이상 연령에서 발병률이 더 높은 것으로 보고되고 있었으나

최근 이러한 질환이 어린 연령에서도 서서히 증가되고 있다. 이에 대해 현재까지는

실내 알레르겐인 집먼지 진드기나 개, 고양이 등 애완동물 털, 바퀴벌레 등이 많은

원인 알레르겐으로 작용하는 것으로 알려져 있는데 최근에는 각 알레르기클리닉에

서 계절성 알레르기비염이나 알레르기성 결막염을 호소하는 성인 뿐 아니라 소아에

서도 급증하고 있는 추세를 보이고 있어 알레르기성 꽃가루(화분) 등에 대한 실외

알레르기 유발물질이나 공해 등과 같은 환경에 의한 알레르기 자극물이 증가하고

있어 이에 대한 조사도 절실하게 요구되고 있다.

1997년부터 대한소아알레르기 호흡기학회 화분연구회 주관으로 전국 알레르기

꽃가루 분포에 대해 조사를 꾸준하게 실시하고 있다. 이 연구에 따르면 매년 몇 가

지 꽃가루의 경우 서서히 꽃가루의 수가 증가되고 있는 것으로 나타나고 있는데 특

히 가을철에는 잡초류가 2000년 이후 들어 급증하고 있음을 보여 주고 있다.

연구결과에 대한 분석으로서 꽃가루 예보제를 시행할 경우 알레르기 식물의 꽃

가루 종류에 따라 알레르기를 유발하는 꽃가루 수치가 다르게 나타나기 때문 이들

을 세분화해서 분석하여 보고할 예보를 해야 한다.

봄철에는 소나무를 제외한 자작나무, 오리나무, 참나무 등 우리나라에 많이 분포

하는 알레르기 수목류를 중심으로 알레르기 위험지수를 정하여 보고하는 것이 좋을

것으로 제시하고 소나무는 우리나라의 주된 수종이기 때문에 꽃가루가 날리는 시기

에는 가장 많은 꽃가루를 날리기 때문에 이는 별도로 분석할 필요가 있다.

본 연구에서 봄철에 알레르기 화분수와 환자의 증상지수를 비교한 결과 소나무

알레르기가 없는 경우에도 소나무 꽃가루가 자극요인으로 작용하여 알레르기 증상

을 자극할 가능성이 있음을 시사하고 있기 때문에 일정량 이상의 소나무 꽃가루도

위험지수에 포함 하여 보고해야 할 것으로 사료된다.

가을철, 특히 9월-10월에는 봄철 알레르기 발생만큼 많은 환자들이 나타나기 때문

에 가을철의 꽃가루 예보도 매우 중요하다. 특히 환삼덩굴, 돼지풀, 쑥(향쑥, 산쑥)

에 대해 위험지수를 보고하는 것이 좋을 것으로 제시하며 이들에 대한 위험등급을

제시할 필요가 있으나 본 과제에서 현재 연구가 진행중인 관계로 의미 있는 자료를

구하는 것은 불가능하며 향후 더 많은 연구가 축적되어 이를 기초로 좀 더 구체적

이고 정확한 위험등급을 작성할 필요가 있다고 사료된다.

- 74 -

제주지역과 대전지역에는 본 연구에 참여한 해당 지정병원이 없기 때문에 설문

조사 환자를 섭외할 수 없어 이 지역의 꽃가루 수와 알레르기 유발 상관성은 조사

가 불가능하였다. 이정 연구와 본 연구 결과를 보면 이들 지역의 설문조사에서 제

외되었어도 전반적으로 화분수와 알레르기 유발연구에는 큰 영향을 미치지 않을 것

으로 예상한다.

- 75 -

제 4 장 꽃가루 예보와 생명기상정보의 경제적

가치 기획연구


1. 연구 필요성

우리나라는 국민소득 2만달러 시대의 도래와 함께 주 5일제 근무의 보편화에 따

라 국민들의 여가활동 증가와 건강한 삶을 유지하기 위한 웰빙(Well-being)시대에

접어들면서 건강에 대한 관심이 증대되고 있다. 그러나 한편, 산업사회가 발전되면

서 공기오염이나 대기 오염으로 인한 사회, 경제적 피해가 급증하고 있다.

이에 세계기상기구(WMO)는 1999년 세계기상의 날 주제를 "날씨, 기후와 건강"으

로 정하여 기상정보가 인류의 건강에 기여하는 역할을 재조명하고 그 중요성을 강

조하고 있다. 특히, 기상의 변화와 관련해서 그 증상이 발생하거나 악화, 또는 회복

되는 질환군을 기상병(meteorological disease)으로 명명하고, 천식, 신경통, 관절염,

급성폐렴, 결석에 의한 통증, 알레르기 및 기관지 천식발작, 뇌출혈, 협심증, 심장병,

고혈압, 노인병이 날씨에 민감한 병들로 널리 알려져 있다. 이 중에서 특히 꽃가루

로 인해 알레르기성 비염, 결막염, 후드 알레르기, 피부 알레르기, 천식 등 우리 생

활에 밀접한 질병들을 유발하고 있다.

기후변화와 관련해서 2007년 미국 농무부 연구팀의 연구결과에 따르면, 대기오염

이 심할수록 꽃가루 알레르기와 천식을 유발하는 대표적인 식물인 돼지풀의 꽃가루

농도가 짙게 나타나는 것으로 조사되었으며, 유엔 정부간 기후변화위원회(IPCC) 보

고서에서도 이산화탄소 농도가 높을수록 꽃가루가 증가해 알레르기 환자가 늘어나

는 것으로 보고되고 있다.

미국의 알레르기 환자는 3,500만명으로 그 중 천식환자는 2,000만명으로 알레르기

환자의 70%이상이 천식을 함께 앓는 것으로 알려져 있다. 그리고 1980년대 전체 인

구의 3%이였던 천식환자는 2004년 6% 이상으로 2배가량 증가하였다. 그 중에서 어

린이 천식환자는 3.6%에서 9%로 급증하고 있다. 그리고 알레르기와 관련된 연간

약품비용 추정액은 24억 달러이며, 의사 진료비는 11억 달러로 총 35억 달러에 이

르고 있다.

꽃가루에 대한 국외연구는 1819년 꽃가루가 인체에 질병의 원인으로 인식하였고

(John Bostock, 1849), 이후 미국, 유럽 등지에서 꽃가루에 대한 역학적 연구가 진

행되었다. 부가적으로 대기오염 물질 중 벤젠, 자동차 타이어의 고무밀 입자, 석면,

미네랄, 꽃가루 등을 분석하여 국민 건강과 사회에 미치는 영향에 대한 연구들이

- 76 -

활발히 진행되고 있다.

그러나 국내에서는 대기오염 물질 중 벤젠과 석면, 황사에 대한 국민 건강과 사

회, 경제적 경에 대한 연구들이 진행되었지만, 꽃가루에 대한 연구는 1998년 꽃가

루와 알레르기 질환의 연관성에 대한 연구만 진행되었다.

이에 본 연구에서는 꽃가루가 국민 건강뿐만 아니라 사회, 경제적으로 미치는 영

향과 경제적 가치를 도출하여 꽃가루 관측의 중요성과 기술개발의 당위성을 제시하

고자 한다.

2. 연구목적

국내에서는 꽃가루의 사회⋅경제적 가치에 대한 연구는 아직 진행되지 않았다. 그

러나 대기오염으로 인한 사회, 경제적 가치에 대한 연구에서는 대기오염으로 인한

급성호흡기 질환으로 병원에 지불하는 금액은 1회 5,600원이며, 직장을 갖고 있는

유직자가 치료를 받기 위해 지불한 시간적 기회비용의 평균이 15,400원이며, 유직자

와 더불어 무직자 및 어린이 동반 보호자가 소비한 시간의 기회비용을 반영한 총

평균금액은 34,000원이라는 연구결과를 도출하였다(신영철, 2002).

꽃가루는 대기오염 물질의 한 요소로 꽃가루와 관련된 연구들을 살펴보면 국민의

건강에 가장 큰 영향을 미치는 것으로 조사되고 있다. 꽃가루는 코나 눈에 접촉됨

으로 증상도 코나 눈과 관련된 질환으로 이어지며, 꽃가루 화분 항원은 최종적으로

전신에 호흡되어지므로 알레르기성 비염, 결막염, 후드 알레르기, 피부 알레르기, 천

식 등 전신에 다양한 증상을 나타낸다.

이처럼 꽃가루 알레르기는 국민 건강에 미치는 영향은 매우 크지만, 생명기상정보

라는 공공재적인 성격을 가지고 있어 민간에 의해 제공되기 어려워, 꽃가루와 관련

한 국민 건강과 복지를 위해서는 정부의 역할이 중요하게 제기되고 있다. 또한, 옥

외활동과 현장 작업을 중심으로 경영활동을 하는 산업에서 꽃가루의 영향과 꽃가루

로 인해 발생하는 업무상의 제약들을 조사하고, 의료산업에서 꽃가루와 관련된 질

병예방의 생명 기상정보를 적극적으로 활용할 수 있는 방안이 필요한 실정이다.

이에 본 연구는 꽃가루 예보의 적극적인 활용을 위한 꽃가루 기상정보 서비스 체

계 구성과 꽃가루 기상정보 서비스의 잠재적 수요 및 가치를 예측하고자 한다. 그

리고 꽃가루 관측의 중요성과 꽃가루 예보를 기상정보 사용자에게 효과적인 생명기

상정보 서비스로 제공하기 위한 기술개발의 경제성과 당위성을 도출해 꽃가루 예보

의 사회적, 경제적 활용 방안 및 경제적 가치를 분석하는데 목적이 있다.

- 77 -

3. 연구단계별 범위

본 연구는 크게 4단계로 구분 할 수 있다. 1단계는 꽃가루에 대한 국내⋅외 문헌

을 조사하였다. 2단계에서는 꽃가루의 국민 건강유지에 영향력과 파급효과를 조사

하였다. 3단계에서는 꽃가루의 산업적인 피해와 활용도를 조사하고자 한다. 그리고

4단계에서는 꽃가루 기상정보 서비스의 국민 경제적 편익을 추정하고자 한다.

단계별 세부내용은 아래와 같다.

1) 꽃가루에 대한 국내⋅외 문헌조사

① 국내 꽃가루와 관련된 연구의 조사, 분석

② 국외 연구에 대한 조사- 독일 기상청의 꽃가루 지도 작성과정과 활용사례의

조사, 분석

2) 꽃가루의 국민 건강유지에 영향력과 파급효과 조사

① 꽃가루의 농도와 관측자료 조사 및 분석

② 국민의 꽃가루에 대한 인식 조사

- 설문지를 통한 꽃가루의 인식조사

- 꽃가루 예보에 대한 필요성 조사

- 꽃가루 예보의 활용과 가치 조사

③ 꽃가루에 의한 발생질병(호흡기 질환, 알레르기 등)과의 상관관계 조사, 분석

- 꽃가루 관측자료

- 병원 외래, 입원 환자 자료 수집 및 분석

- 이들 간의 상관관계 분석 및 회귀분석

3) 꽃가루의 산업적 피해 및 활용도 조사

① 제약 및 의료산업에서의 꽃가루 예보의 활용과 가치 분석

- 꽃가루 관측자료

- 제약 및 의료산업의 꽃가루 관련 제품의 판매자료 수집 및 분석

- 이들 간의 상관관계 분석 및 회귀분석

② 옥외작업 및 활동을 위주로 경영활동을 실시하는 산업 조사

③ 인터뷰와 설문지를 통한 산업적 피해 및 활용도 조사

④ 향후 꽃가루 예보의 활용 가능성 및 가치 조사

- 78 -

4) 꽃가루 기상정보 서비스의 국민 경제적 편익 추정

① 꽃가루 기상정보 서비스를 위한 지수 개발의 당위성 제시 및 활용방안 제시

② 꽃가루 기상정보 서비스의 최적화 전략

제 2 절 꽃가루 관련 국내⋅외 문헌연구

1. 국외 문헌연구

1.1. 세계기상기구(WMO)

WMO에서는 세계 인구의 5~10%인 3억명이 꽃가루로 인하여 가지는 질환으로 20

명 가운데 1명이 천식을 앓고 있는 것으로 보고되고 있다. 그리고 천식 환자 10명

중 0.5~1명이 사망하는 심각한 질환 5위에 랭크되었다.

1.2. 미국

미국의 AOIF(Air Quality Information and Forecast)에서는 천식과 꽃가루가 깊

은 상관관계가 있다는 것을 도출하였다. 꽃가루에 대한 정량적 평가에 의하면, 미국

의 한 Seacoast 지역에 꽃가루로 인한 천식 서비스와 치료가 25% 증가한다면,

75,000달러의 비용이 발생할 수 있다고 예상하고 있다. 그리고 전체 Seacoast 지역

주민이 15만명인 것을 감안한다면, 미국인구가 2억 9600백만명이므로 국가적인 건

강비용은 140백만 달러로 추정하고 있다.

National Institute of Environmental Health Science에서는 2001년 기준으로 호흡

기 질병환자는 31.3백만명으로 추정되며, 특히 살면서 천식을 겪는 환자는 1,000명

당 113명으로 보고되고 있다. 그 중 질병당 사망률과 비용을 살펴보면, 천식으로 인

한 사망률은 1000명당 1.6명으로 직접적인 비용이 94억 달러, 간접적인 비용이 46억

달러로 산출되고 있다.

Table 4.1. Death rate and medical expenditure by disease (NIEHS, USA).

질병 사망률(1000명당)비용(billion dollars)

전체 직접 간접

천식 1.6 14.0 9.4 4.6

인플레인자와 폐렴 23.7 29.7 24.0 5.7

폐기종 42.7 32.1 18.0 14.1

- 79 -

그리고 대기오염의 감소로 유아들의 질병발생으로 인한 경제적 이익을 살펴보면,

유아들의 천식 입원환자가 1만명 이하로 감소되고 그에 따른 경제적 가치는 20백만

달러에서 46백만 달러로 추정하고 있으며, 어린이의 응급실 방문이 4만명 이하로

1.3백만~5.8백만 달러, 학교 결석이 2천만명 이하로, 0.7조~1.8조 달러, 출생저체중아

가 1만명 이하로, 230백만 달러, 어린이의 질병률 감소로 10, 20억~80억 달러, 사망

률 감소로 6억~1000억 달러의 경제적 이익을 추정하고 있다.

Table 4.2. Status of medical insurance coverage of high frequency disease by

faceted disease classification.

분류 인원감소 경제적 이익

천식 입원환자 1만명 이하 20백만 달러~46백만 달러

어린이의 응급실 방문 4만명 이하 1.3백만~5.8백만 달러

학교 결석이 2천만명 이하 0.7조~1.8조 달러

저출생 체중아 1만명 이하 230백만 달러

어린이의 질병률 10, 20억~80억 달러

사망률 감소 6억~1000억 달러

1.3. 일본

2005년 FujiSankei Business에서는 일본 국민 10명 중에 한 사람이 꽃가루 알레르

기로 시달리고 있으며, 꽃가루 알레르기와 관련된 의약품의 시장규모가 매년 꾸준

한 증가세를 나타나고 있다. 꽃가루 알레르기와 관련된 의약품은 약 1,100억엔(13.2

조원)이상의 시장규모를 형성하고 있는 것으로 조사되었다.

우리나라 한국무역협회(KOTRA)의 일본시장보고에서는 국민 4명 중 1명이 꽃가

루 알레르기 환자로 조사되었다. 특히, 그 지역별 분포도는 동경지역이 29.5%, 나고

야지역 27.8%, 오사카지역이 25.9%로 대도시에 꽃가루 알레르기 환자가 많이 발생

하고 있는 것으로 조사되었다. 그리고 2005년 1분기 꽃가루로 인해 마스크, 약, 꽃

가루 부착방지제, 침구, 녹차, 유산균식품, 공기청정기 등과 같은 관련 상품의 매출

이 전년대비 8.4%가 증가한 633억엔을 기록하였다. 반면 이 기간 꽃가루의 대량발

생으로 국내총생산(GDP) 성장률이 전년대비 0.6포인트 하락하여, 개인소비를 7549

억엔 감소시켰다.

1.4. 유럽

유럽천식학회에서는 유럽에서 3,000만명 이상의 천식 환자가 발생되는 것으로 집

계하고 있다. 그리고 천식으로 인해 매년 18만명이 사망하고, 이로 인한 경제적 비

- 80 -

용은 170억 유로이며, 천식발생으로 인한 근로자의 생산성 감소로 98억 유로의 손

실이 발생되는 것으로 조사되었다.

최근 스페인의 연구에 따르면, 천식환자의 50%는 진단을 받지 않고 일상생활을

하고 있으며, 천식환자로 진단을 받는 26%는 치료를 받지 않고 있는 것으로 조사되

고 있다. 그리고 천식은 아열대의 질환이나 인간의 유전적 요소와 11% 연관이 있

다. 그러나 반도 지형에서는 15%로 그 연관성이 더 높게 나타났다1).

유럽에서 꽃가루 알레르기로 인한 질병과 관련된 13~14세의 어린이들의 천식, 비

염, 습진의 확산정도가 <figure-1>과 같이 나타나고 있다. 유럽지역 중 영국 어린

이들의 확산정도가 3가지 질병에서 모두 15%이상으로 나타났으며, 서유럽지역의 대

부분이 10~15%정도로 나타났다. 이는 유럽지역에서 경제발전이 높은 선진국일수록

이러한 질병들의 발병률이 높게 나타남을 알 수 있다.

[asthma] [rhinitis] [eczema]

Fig. 4.1. Diffusion of asthma, rhinitis, and eczema in European children aged

13-14.

1.5. 영국

영국에서는 여러 가지 알레르기로 인해서 직장에서 병가를 신청하면서, 이로 인한

경제 손실이 1년에 60억 파운드로 1파운드가 2,100원(2008년 기준)인 것을 감안한다

면, 12조 6천억원에 이르고 있다. 영국의 한 제약회사가 성인 천명을 대상으로 실시

한 조사 결과, 영국 직장인들이 알레르기로 인해서 내는 병가는 1년에 무려

64,000,000근무일이며, 성인 근로자의 16%가 지난해 알레르기로 인해서 5일 이상 병

가를 낸 것으로 집계되고 있다.

그리고 영국 전체적으로는 근로자 5명 중에 1명이 알레르기로 인해 병가를 신청

한 일수는 근무일 245,000일에 달하고, 남성은 한해 평균 알레르기로 인해 2.4일의

1) 출처: http://www.interasma09grancanaria.com/present.html

- 81 -

병가를 제출한데 반해 여성은 이보다 적은 0.8일의 병가를 제출하였다.

1.6. 덴마크

덴마크에서 인구의 5~10%가 꽃가루 알레르기 환자로 파악되고 있으며, 이들 꽃가루

알레르기 환자중 어린이는 5~30%, 어른은 2~30%가 천식을 경험하고 있다(allergy,

2004). 일반적으로 꽃가루 예보의 정확률은 75% 수준으로 꽃가루 예보의 정확도 향상

이 국민 건강에 미치는 영향이 큰 것으로 조사되고 있다(Goldberg et. al., 1988).

덴마크의 꽃가루 알레르기로 인한 비용은 1년에 환자 1명당 2,580DKK(63만원)

직접적인 비용 발생하고 있다.2)

1.7. 독일

독일의 경우 15백만명이 비염을 겪고 있으며, 약 7년후 비염환자의 43%가 천식으

로 발전할 것으로 예상하고 있다. 이러한 상황에서 독일 기상청은 꽃가루 알레르기

가 비염환자에 영향을 많이 주는 것으로 판단하여 국민의 생활과 활동에 활용할 수

있는 꽃가루 예보를 실시하고 있다.

독일 기상청에서는 꽃가루 데이터 수집을 위해 44개의 PID지점으로부터 자료를 수

집하여 기후학적 데이터와 비교하고, 일반적인 기상정보와 지역날씨를 감안하여 지역

적 꽃가루 예보를 하게 된다. 이러한 예보는 텍스트 정보로 전환하여 2일전의 꽃가루

예보를 27개의 지역으로 1, 2, 3 단계로 구분하여 일반 국민들에게 제공하고 있다.

Fig. 4.2. Procedure of pollen information service and text information in

Germany.

또한, 독일 기상청에서는 뉴스레터나 인터넷을 통해 꽃가루 지도를 작성하여 보다

더 쉽게 국민들이 이해하고, 활용할 수 있게 하고 있다. 꽃가루 지도는 27개 지역으

로 꽃가루의 농도를 그래픽으로 9단계로 구분하여 제공하고 있다.

2) 출처: International Journal of Biometeorology, 1993.

- 82 -

Fig. 4.3. Internet Pollen Map in Germany.

1.8. 꽃가루 예보에 대한 경제적 가치 산출

국외 연구에서는 꽃가루 예보에 대한 정확한 경제적 가치를 산출한 연구는 없다.

그러나 꽃가루가 원인이 될 수 있는 알레르기나 대기오염과 같은 환경과 관련된 부

분의 경제적 가치에 관한 연구들이 주류를 이루었다.

대부분의 환경과 관련된 연구들에서는 대기오염과 관련된 사망률 감소로 경제적

가치를 추정하고 있다. 이러한 연구들의 기본적인 배경은 경제학적인

Willingness-To-Pay(WTP) 접근법을 통해 경제적 가치를 산출하고 있다. 이는 소

비자가 새로운 정보나 제품을 구매함으로써 기꺼이 지불할 금액으로 그 정보나 제

품의 가치를 평가하는 가장 기초적인 방법이다.

이후 주로 사용된 방법은 WTP 접근법을 기반으로 한 질병으로 인하여 발생하는

비용에 기초로 한 방법이다. 즉, 질병으로 인한 수입 손실과 의료비와 약제비 등의

의학적 지출을 고려하여 경제적 가치를 산출하는 Cost of illness (COI) 접근법

(Crocker et al. 1979; Willett, 1980; Ostro, 1983; Manuel et al. 1983)과 대기오염과

업무 손실일 사이에 관계를 추정하여 대기질 데이터와 결합한 Work Loss Days

(WLDs) 접근법(Crocker et al. 1979, Ostro 1983)이 개발되었다.

- 83 -

Fig. 4.4. Cost of illness (COI) Approach.

그리고 업무 손실일(WLDs)을 보완하여 좀 더 제한된 활동일[Restricted Activity

Days (RADs)]과의 상관관계를 도출하여 경제적 가치를 산출한 RADs 접근법

(Loehman, et al. 1982)이 개발되었다. 또한, 대기오염 감소의 경제적 가치 추정에서

방어적인 활동과 지출을 시간소비와 예방활동 등을 포함시켜 경제적 가치를 산출하

였다(Cropper, 1981).

2. 국내 문헌연구

국민건강보험관리공단의 자료에 따르면, 국민 8명 중 1명 꼴로 알레르기 질환을

겪고 있으며, 특히 저항력이 낮은 9세 이전 아동의 20%가 천식, 16%가 비염 질환

을 겪고 있고 있는 것으로 조사되었다.

국내 알레르기 환자는 지난 2002년 552만명에서 2007년 714만명으로 29.3% 증가

하였다. 이 중 비염환자는 46% 늘어났고, 천식은 17.7% 증가하였다. 그리고 5~9세

의 천식 유병률은 2001년 인구 1000명당 15.8명에서 2005년 38.9명으로 급증했으며,

65세 이상은 2001년 54.2명에서 2005년 72.2명으로 증가한 것으로 조사되었다.

- 84 -

source: National Health Insurance Corporation

Fig. 4.5. Environmental allergy patients (scale: ten thousand).

질병관리본부 자료에 따르면, 천식질환으로 발생하는 사회, 경제적 비용은 연간 2

조 5천억원으로 국내 사망률 1위 질환인 암(5조 5천억)의 절반 수준으로 매우 높게

나타났다.

세계보건기구(WHO)에서는 우리나라에 천식으로 고통받는 환자는 300만명으로

이 중 매년 4000명 이상이 사망하고 있는 것으로 집계하고 있다. 특히 소아 천식

유병률이 10%에 이르러 10년 전보다 2배 증가하였고, 65세 이상 노인의 유병률은

12.7%로 집계하고 있다. 그리고 전 세계적으로 3억명 이상이 천식을 앓고 있으며,

천식으로 인한 사망자도 연간 25만명으로 추정하고 있다.

2005년 국민건강영양조사에서는 국내 천식 환자의 공식 유병률은 6% 정도이지만,

천식은 국내 인구의 17.45%가 앓는 흔한 질병으로 질병 유병률은 폐암보다 33배,

유방암보다 20배, 뇌졸중보다 15배나 높은 질병으로 국민 건강과 매우 밀접한 연관

이 있는 것으로 나타났다.

소아알레르기 질환의 경우, 2005년 기준으로 10년 전인 1995년보다 알레르기성 비

염은 약 1.6배, 아토피피부염은 약 1.5배, 식품 알레르기는 약 1.3배씩 증가하였으며,

천식의 경우 다소 감소하였다.

- 85 -

Fig. 4.6. Trend of increasing prevalence of allergy related disease in children (%).

그리고 보건복지가족부의 천식, 아토피 피부염 환자 증가추이 자료에 의하면, 국

민 1,000명당 천식 환자 수는 1998년 11.0명에서 2005년 23.3명으로 두 배 이상 증

가하였으며, 아토피성 피부염 환자도 2001년 1,000명당 12.0명에서 2005년 91.4명으

로 661% 증가하였다. 특히 소아ㆍ청소년기 질병부담 조사에서 천식은 1위, 아토피

성 피부염 등 피부질환은 3위로, 이로 인해 아토피성 피부염과 천식은 결석 및 결

근, 의료비 증가, 사회활동 제약에 따른 삶의 질 저하 등 막대한 사회경제적 부담을

낳고 있는 것으로 파악하고 있다.

source: The Minister for Health, Welfare and Family Affairs.

Fig. 4.7. Trend of increasing patients with asthma, atopy, and dermatitis.

2009년 한국천식알레르기협회와 서울대 보건대학원 김창엽 교수팀의 조사 결과,

천식으로 인한 사회적 비용은 의료비, 약제비, 건강식품 등 직접비용이 9,620억원이

며, 또한 생산성 손실을 뜻하는 간접비용이 1조864억원으로 천식으로 인한 사회적

비용은 약 2조484억원으로 추산된다. 여기에 삶의 질 저하와 관련된 무형 비용인 2

조664억원까지 합치면 총 4조1148억원으로 추산하고 있다.

- 86 -

제 3 절 꽃가루의 국민건강피해도 및 경제적 가치

꽃가루와 관련된 질병은 주로 천식, 알레르기 비염, 아토피 피부염, 접촉성 피부염

4가지로 파악되고 있다. 이러한 질병들과 관련된 통계자료를 살펴보면, 크게 통계청

과 국민건강관리공단 및 건강보험심사평가원의 자료로 구분된다.

1. 통계청

통계청 자료의 질병소분류별 다빈도 상병 급여현황(2004~2007년) 자료를 분석해

보면, 혈관운동성 및 알레르기와 알레르기성 접촉피부염은 매년 꾸준히 증가하는

추세임을 알 수 있다(<figure-8> 참조).

꽃가루 관련 질병추이

500,000

1,000,000

1,500,000

2,000,000

2,500,000

3,000,000

3,500,000

4,000,000

4,500,000

2004 2005 2006 2007

혈관운동성 및 알레르기 알레르기성 접촉피부염 천식 아토피 피부염

Fig. 4.8. Number of patients with pollen related diseases (scale: persons).

2007년 기준으로 혈관운동성 및 알레르기성 비염으로 진료받은 인원은 427만명으

로 의료보험 지급건수는 855만건, 내원일수는 1023만일으로 진료일수는 1071만일로

총진료비는 1255억원으로 집계되었다. 알레르기성 접촉피부염으로 진료받은 인원은

362만명으로 663만건, 내원일수는 771만일, 진료일수는 844만일로 총진료비는 879억

원으로 집계되었다. 그리고 천식, 아토피 피부염으로 진료를 받은 사람을 포함한다

면 꽃가루로 인해 병원에서 진료받은 인원은 1,122만명 정도로 전체 국민의 22%가

- 87 -

진료를 받았으며, 총진료비는 총 4천억으로 집계되었다.

이러한 통계자료를 바탕으로 꽃가루로 인해 1인당 진료받은 진료일수는 2.8일이

며, 1회 진료비로 36,000원의 진료비를 지불하였다.

Table 4.3. Status of medical insurance coverage by the classifications of 298

diseases (2007).

상별 순위별진료실인원

(명)

지급건수

(건)

내원일수

(일)

진료일수

(일)

총진료비

(천원)

급여비

(천원)

J30-혈관운동성 및

알레르기성 비염4,279,667 8,552,539 10,235,995 10,713,923 125,573,854 84,482,953

L23-알레르기성

접촉피부염3,626,956 6,634,771 7,712,197 8,441,580 87,954,490 63,068,507

J45-천식 2,235,943 6,644,692 9,373,485 10,413,466 163,311,835 116,559,535

L20-아토피 피부염 1,083,201 2,027,606 2,365,241 2,472,537 29,980,454 20,141,637

합계 11,225,767 23,859,608 29,686,918 32,041,506 406,820,633 284,252,632

2. 국민건강관리공단과 건강보험심사평가원

국민건강관리공단과 건강보험심사평가원의 298 질병분류별 급여현황(2004~2007년)

자료를 분석해 보면, 2004년부터 2007년동안 천식으로 진료받는 인원은 연평균 221

만명 정도이며, 입원하는 환자는 48천명에 이르고 있다. 통계청의 질병소분류별 다

빈도 상병 급여현황에 진료실 인원을 감안한다면, 천식환자는 230만명으로 꽃가루

관련 질병의 21%를 차지하고 있으며, 1인당 평균 4.2일의 내원일수와 1회 진료비로

76,700원의 비용을 지불하고 있다.

Table 4.4. Status of medical pay by the classifications of 298 diseases.

구분 진료실인원 지급건수 내원일수 총진료비

2004입원 46,040 54,471 406,672 36,616,572외래 2,075,561 4,473,917 9,490,473 111,766,034

2005입원 49,252 57,647 436,274 40,900,933외래 2,247,191 4,861,376 10,183,744 125,918,670

2006입원 49,515 58,801 461,358 45,596,597외래 2,293,877 5,035,460 10,213,290 132,664,008

2007입원 49,151 59,244 482,658 50,393,178외래 2,246,318 6,713,581 9,128,144 123,129,127

- 88 -

천식 환자수 및 진료비

500,000

1,000,000

1,500,000

2,000,000

2,500,000

2004 2005 2006 2007

환자수 총진료비

Fig. 4.9. Number of asthmatic patients and medical expenditure(scale: person,

hundred thousand won).

이상에서 살펴본 봐와 같이 꽃가루로 인한 질병의 분류가 체계화 되어 있지 않고

통계자료를 제출하는 기관마다 데이터가 조금씩 상의한 문제점이 나타났다.

3. 꽃가루의 기상정보 서비스의 국민 경제적 편익 추정

3.1. 설문개요

본 연구에서는 꽃가루 기상정보 서비스의 국민 경제적 편익을 추정하고, 꽃가루

기상정보 서비스의 최적화를 위해 컨조인트 분석(Conjoint Analysis)을 실시하였다.

이를 위한 설문의 내용은 일반적인 항목과 컨조인트 항목으로 구분하였다. 일반적

인 항목은 꽃가루가 생활과 건강에 미치는 영향에 대한 질문으로 꽃가루가 건강에

미치는 영향과 꽃가루로 인해 병원이나 약국의 방문경험 및 비용에 대한 질문으로

구성했다. 그리고 컨조인트 항목은 꽃가루 기상정보 서비스의 구성을 예보 지역(광

역, 동네), 예보간격(3, 6, 12시간), 예보매체(TV, 신문, 핸드폰 등), 예보방식(5단계

분류, 실제농도값), 예보범위(당일, -1일, -2일), 가격(1 가원, 5 가원, 1 가가원, 5 가가원)

으로 구성해 648개의 가상적 꽃가루 기상정보 서비스 중에서 직교성 테스트

(Orthogonal Test)를 통과한 대안들을 중심으로 컨조인트 대안(alternative)을 구성

하였다. 이렇게 나온 대안중 대표적인 16개의 꽃가루 기상정보 서비스를 설문응답

자에게 이용여부를 조사하였다. 이를 통해 개별 속성에 대한 소비자의 지불의사액

(WTP)을 추정할 수 있으며, 결론적으로 꽃가루 정보 서비스의 경제적 가치를 추정

하고 소비자가 원하는 최적의 서비스 속성조합을 도출하고자 한다.

- 89 -

3.2. 인구통계학적 결과

본 설문에 총 응답자는 402명으로 이중 남, 여 응답자 수를 살펴보면, 남성이 202

명으로 50.2%, 여성이 200명으로 49.8%를 나타냈다.

Fig. 4.10. Gender distribution.

연령별 분포를 살펴보면, 30대가 26.4%인 106명으로 가장 많았으며, 그 다음으로

20대가 25.6%로 102명, 40대가 22.1%인 89명, 50대가 16.2%인 65명, 10대가 9.7%인

39명 순으로 나타났다.

Fig. 4.11. Age distribution.

직업별 분포를 살펴보면, 사무직이 41.5%인 167명으로 가장 많았으며, 전업주부와

대학생이 각각 13.7%인 55명, 자영업이 8.5%, 중고생이 6.5%순으로 나타났다. 그리

고 이중 경제활동인구로 볼 수 있는 근로자는 55.4%인 223명, 자영업자는 35명으로

나타났다.

- 90 -

Fig. 4.12. Job distribution.

거주지역 분포를 살펴보면, 서울이 47.5%인 191명이 응답하였고, 부산이 14.9%인

60명, 인천이 10.7%, 대구가 10.2% 순이였다.

Fig. 4.13. Region distribution.

3.3. 일반 설문항목 결과

꽃가루가 평상시 생활 및 업무 활동에 어느 정도 미친다고 생각하느냐는 질문에

보통이라는 응답이 39%로 제일 많았으며, 꽃가루가 생활 및 업무 활동에 영향을 미

친다와 매우 영향을 미친다는 응답이 35%를 차지했다. 이러한 결과를 통해 국민의

35%정도가 꽃가루로 인해 생활 및 업무활동을 영향을 받는 것으로 인지할 수 있다.

- 91 -

Fig. 4.14. The degree of influence affecting life and business activity by pollen.

봄철 꽃가루로 인해 알레르기나 비염, 결막염 등의 질병이 발생되는 경우를 보거

나 들으신 적이 있는가에 대한 질문에 85.3%인 343명이 있다라고 응답했다. 그러나

응답자들이 꽃가루가 알레르기나 비염 등의 질병에 영향을 미치는 것은 인지하고

있음을 알 수 있다.

Fig. 4.15. Awareness of the relationship between pollen and related diseases.

꽃가루로 인한 질병으로 병원을 가거나 약국을 방문하신 적이 있느냐는 질문에

66.9%인 269명이 아니오라고 응답했다. 반면 병원이나 약국을 방문한 적이 있다라

고 응답한 사람은 133명인 33.1%로 나타났다. 이러한 결과를 통해 일반국민들이 꽃

가루와 질병관계를 인지하고 있지만 그로 인해 병원이나 약국을 방문할 정도로 심

각한 질병이라고 인지하고 있지 못하다고 할 수 있다.

- 92 -

Fig. 4.16. The experience of visiting hospital and pharmacy by pollen.

꽃가루로 인한 질병으로 병원이나 약국을 방문한 적이 있는 사람(133명) 중 언제

꽃가루로 인한 질병으로 병원을 가거나 약국을 방문하였는가에 대한 질문에 55.6%

인 74명이 올해(2009년)에 병원이나 약국을 방문한 적이 있다고 응답하였으며, 최근

3년(2007~2009)내에 병원이나 약국을 방문한 사람은 93.2%를 나타냈다.

Fig. 4.17. The recent year of visiting hospital and pharmacy by pollen.

꽃가루로 인한 질병으로 병원이나 약국을 방문한 적이 있는 사람(133명) 중 당시

질병의 병명이 무엇이였느냐는 질문에 37.6%인 50명이 비염이라고 응답했으며, 그

- 93 -

다음으로 알레르기가 44명인 33.1%를 차지했다. 그리고 결막염이 18.8%, 아토피 피

부염이 7.5%를 나타냈다.

Fig. 4.18. The type of disease caused by pollen.

꽃가루로 인한 질병으로 병원이나 약국을 방문한 적이 있는 사람(133명) 중 꽃가

루로 인한 질병 발생시 평상시에 비해 업무 효율성이 어느 정도나 저하되느냐는 질

문에 30% 저하된다는 응답이 18.8%로 가장 높게 나타났으며, 그 다음으로 60% 저

하된다가 16.5%, 50% 저하된다가 15%로 나타났다. 결론적으로 응답자들의 가장 높

게 나타나는 업무효율성 저하의 평균값은 46.2%로 나타났다.

Fig. 4.19. The degree of administrational inefficiency incurred by pollen.

꽃가루로 인한 업무 효율성 저하 정도의 결과를 바탕으로 꽃가루로 인한 업무 효

- 94 -

율성의 경제적 가치를 평가해보고자 한다. 통계청의 사업체 임금, 근로시간조사

(2006년 기준)에 따르면, 근로자는 11,869천명이고 자영업자는 961천명으로 이들은

월 22.7일에 171.20시간을 근무하며, 월 254만원의 임금을 받는 것으로 집계되고 있

다. 그리고 이들의 일일 평균근무시간(근무시간/근무일수)은 7.54시간으로 나타났다.

Table 4.5. Salary and working hours (2006).

근로자 자영업자 근무시간 근무일수 임금

11,869,493명 961,702명 171.20시간/월 22.7일 2,541,886원/월

이를 기초로 하여, 설문결과를 바탕으로 한 추정치 및 업무효율성 저하률을 산출

하면, 아래 <table-6>과 같다.

Table 4.6. Economically active population and administrational inefficiency

incurred by pollen.

응답자/전체표본 추정 대상자 업무효율성 저하률

근로자 35.16% 4,173,314명 44.52%

자영업자 29.41% 282,837명 34%

본 설문의 직업분포에서 근로자로 분류할 수 있는 직종은 사무직, 판매직, 전문직,

기술직, 관리직에 해당하는 응답자 중 꽃가루로 인해 업무 효율성 저하에 응답한

사람은 402명 중 141명으로 35.16%로 나타났다. 이를 바탕으로 전체 근로자 중 꽃

가루로 인해 업무에 영향을 받는 사람을 추정해 보면, 전체 근로자의 35.16%인

4,173,314명이 꽃가루로 인해 업무에 영향을 받는다고 예측할 수 있다. 그리고 이들

직종에 응답자의 업무효율성 저하률을 산출하면 평균 44.52%로 나타났다.

자영업자의 경우 꽃가루로 인해 업무 효율성 저하에 응답한 사람은 402명 중 118명

으로 29.41%로 나타났다. 이를 바탕으로 전체 자영업자 중 꽃가루로 인해 업무에 영향

을 받는 사람을 추정해 보면, 전체 근로자의 29.41%인 282,837명으로 예측할 수 있다.

그리고 자영업자에 해당하는 응답자의 업무효율성 저하률은 평균 34%로 나타났다.

이상의 결과를 기초해 근로자와 자영업자의 근무시간과 임금에서 꽃가루가 가지

는 경제적 가치를 산출해 보면, 근로자의 경우 꽃가루로 인해 하루 업무에 영향을

받는다고 가정한다면, 추정 대상자인 4,173,314명이 일일 평균 근무시간인 7.54시간

에 업무효율성 저하율인 44.5%를 곱하면, 근로자들이 꽃가루로 인해 피해를 입게

되는 근무시간은 1,400만 시간이며, 자영업자의 경우 72만 시간으로 꽃가루로 인해

- 95 -

발생되는 근무 손실 시간은 총 14,727,800시간으로 산출된다. 이를 근무일수로 환산

한다면, 1,953,289근무일로 나타났다.

Table 4.7. Working hours incurred by pollen.

추정 대상 평균근무시간 업무효율성 저하률꽃가루로 인해 발생되는

근무 손실 시간

근로자 4,173,314명 7.54 시간 44.5% 14,002,720시간

자영업자 282,837명 7.54 시간 34% 725,080시간

임금의 경우 꽃가루로 인해 업무 효율성이 떨어짐에 따라 추가적인 근무에 의해

발생되는 비용으로 볼 수 있다. 앞서 근무시간의 산출 방법과 동일한 방법으로 해

단 추정자의 수에 일일 평균임금인 111,977원을 곱하고 이에 업무 효율성 저하률을

곱하면 산출할 수 있다. 그 결과 근로자의 경우 2,079억원, 자영업자의 경우 107억

원으로 꽃가루로 인해 발생되는 비용은 2,186억원으로 나타났다.

Table 4.8. Salary loss caused by pollen.

추정 대상 평균임금 업무효율성 저하률꽃가루로 인해 발생되는

손실 임금

근로자 4,173,314명 111,977원 44.5% 2,079억원

자영업자 282,837명 111,977원 34% 107억원

만약 꽃가루로 인한 근무 손실 시간과 임금이 1년에 1회 발생한다면, 이상의 결과

에 한정될 수 있지만 1년에 2회 내지 그 이상의 횟수가 발생한다면, 꽃가루로 인한

사회, 경제적 가치는 더 커질 것이다. 예를 들어 꽃가루로 인한 질병이 1년에 1회

발생한다면, 근무 손실시간은 연간 1,472만 시간, 손실 임금은 2,186억원이지만, 봄,

가을 2회 꽃가루로 인해 질병을 앓게 된다면, 근무 손실시간은 3,944만 시간, 손실

임금은 4,372억원으로 커질 것이다. 그리고 본 설문항목 중 꽃가루로 인해 입원시

평균 입원일수의 결과에 따르면, 평균 2.4일 입원하는 것으로 조사되고 있다. 이를

감안한다면, 꽃가루로 인한 총피해는 근무손실 시간은 8,063만 시간이며, 손실임금

은 1조 1975억원으로 산출할 수 있다.

만약 이들 추정 대상자를 5%에서 30%까지 각각 감소시킨다면, 아래 <table-9>

와 같이 109억원에서 666억원의 임금 손실을 감소시킬 수 있다.

- 96 -

Table 4.9. Estimated salary through reduced estimate recipient.

추정 대상 꽃가루로 인해 발생되는 손실 임금 5% 10% 20% 30%

4,456,151명 2,186억원 109억원 218억원 438억원 666억원

다음 질문으로는 꽃가루로 인해 병원이나 약국을 방문한 사람 중 질병 발생시, 회

사에 결근이나 조퇴를 하신 적이 있느냐는 질문에 41명인 30.8%가 조퇴나 결근을

한 적이 있다고 응답했다.

Fig. 4.20. leaving office and absence by pollen.

꽃가루로 인해 병원이나 약국을 방문한 사람 중 병원이나 약국 방문시 1회 지불

하는 금액에 대한 질문으로 금액을 직접 쓰도록 하였다. 그 결과 병원비의 경우 5

천원미만이 45.1%로 가장 높게 나타났으며, 약국 처방비의 경우 3천원~5천원 미만

이 35.3%로 가장 높게 나타났다. 그리고 응답자의 평균값은 병원비가 12,878원, 약

국처방비는 6,820원으로 나타났다.

hospital charges pharmacy charges

Fig. 4.21. The hospital and pharmacy charges incurred by pollen.

- 97 -

꽃가루로 인해 병원이나 약국을 방문한 사람 중 병원 1회 방문시 총 소요되는 평

균 시간에 대한 질문에 44.4%인 59명이 30분~1시간이내라고 했으며, 1시간~1시간

30분이 19.5%, 30분 이내가 17.3%로 나타났다.

Fig. 4.22. The necessary time for visiting hospital.

꽃가루로 인해 병원이나 약국을 방문한 사람 중 병원에 입원한 횟수는 몇 회인

가? 그리고 입원당시 입원일수는 몇 일이였는가에 대한 질문에 응답자의 75.2%인

100명이 입원을 하지 않으며, 33명인 24.8%만 입원을 하는 것으로 나타났다. 그리고

입원을 한 적이 있는 33명 중 54.5%인 18명이 하루 입원한 적이 있다고 응답했으

며, 입원한 적이 있는 응답자의 평균 입원일수는 2.4일로 조사되었다.

Number of Hospitalization Days of hospital treatment

Fig. 4.23. The number of hospitalization and days of hospital treatment by pollen.

- 98 -

그리고 입원한 당시 평균 입원비에 대한 금액을 적는 질문에 33명 중 36.4%인 12

명이 5만원 이하와 11만원~30만원 이하라고 응답했으며, 31만원 이상이라는 응답도

12%를 차지했다. 응답한 33명의 금액을 평균한 금액은 18.3만원으로 조사되었다.

Fig. 4.24. The hospital charges incurred by pollen.

꽃가루가 발생하면 마스크, 꽃가루 부착방지제, 녹차, 유산균식품, 공기청정기 등

과 같은 제품들을 구입하신 적이 있는가에 대한 질문에 41.5%인 167명이 구입한 적

이 있다고 응답했다. 이는 황사발생에 따라 판매가 급증하는 돼지고기, 공기청정기

등과 같이 꽃가루 발생시 관련 상품을 판매하는 프로모션을 수립하는 등 기업의 경

영활동에 적극적으로 활용할 필요가 있다.

Fig. 4.25. Product purchasing for the pollen related disease prevention.

- 99 -

현재 비염이나 천식과 같은 질병을 가지고 있는가에 대한 질문에 122명인 30.3%

가 현재 비염이나 천식을 앓고 있다고 응답했다. 이는 우리나라 국민 8명 중 1명꼴

로 알레르기를 앓고 있는 결과와 비슷한 결과를 나타냈다.

Fig. 4.26. Suffering from the disease such as rhinitis or asthma.

이러한 질병을 가진 사람 중 질병의 원인이 꽃가루라고 생각하는가에 대한 질문

에 45.1%인 55명이 꽃가루가 원인이라고 응답했다. 이는 비염이나 천식과 같은 질

병을 가진 사람들의 경우 질병과 꽃가루간의 상관관계가 매우 밀접하다고 인식하고

있다는 것을 알 수 있다.

Fig. 4.27. Is disease caused by pollen?

- 100 -

그리고 천식이나 비염 등의 질병을 가진 사람 중 꽃가루가 많이 발생되는 봄이나

가을철에 증상이 심해진다고 생각느냐에 대한 질문에 100명인 82%가 심해진다고

응답했다.

Fig. 4.28. Worseness of disease when pollen develops.

만약 기상청에서 꽃가루와 관련된 특화된 기상정보 서비스를 제공한다면 이용하

실 의향에 대한 질문에 응답자의 35.6%인 135명이 향후 꽃가루와 관련된 특화된 기

상정보 서비스를 이용할 의사를 나타냈다. 이러한 결과는 국민들이 꽃가루 기상정

보 서비스와 같은 특화된 맞춤형 기상정보 서비스에 대한 욕구를 확인할 수 있다.

Fig. 4.29. Adoption of specific meteorological pollen information service.

- 101 -

3.4. 꽃가루 기상정보 서비스의 컨조인트 분석

컨조인트 분석은 일반적으로 시장에서 거래될 수 없는 재화 혹은 서비스 등에 대

한 소비자 선호 분석을 위해 마케팅(Green and Srinivasan, 1990; Desarbo et al.,

1995), 교통(Hensher, 2001), 환경(Hanley et al., 1998; Layton, 2000) 등과 같은 여

러 분야에서 두루 사용되고 있으며, 국내에서는 최근 방사광가속기, 대형 해양연구

과학선, 일체형 원자로 등과 같은 대형 국가 연구개발 사업의 경제적 타당성 분석

을 위해 KDI, KISTEP 등과 같은 국가 연구기관에서도 사용되고 있다.

꽃가루 기상정보 서비스의 편익 분석을 위해서는 일반적인 컨조인트 분석 방법론

에 기초하여 다음과 같은 분석 과정을 거치게 된다. 먼저 꽃가루 기상 정보 서비스

의 기술적 특성을 나타내는 속성(attribute)들과 각 속성들에 대한 수준(level)을 정

하고, 이에 기반하여 꽃가루 기상정보 서비스의 속성들의 조합으로부터 가상적인

꽃가루 기상정보 서비스의 대안집합을 구성한다. 대안집합이 구성되면 다음으로 설

문조사를 통해 응답자들의 각 대안에 대한 선호를 파악하게 되며, 이후 얻어진 응

답자의 선호자료는 효용이론에 근거한 이산선택모형(disrete choice model)을 이용

하여 추정하고, 추정결과로부터 분석결과를 도출하게 된다.

3.4.1. 꽃가루 기상정보 서비스의 속성 및 수준 설정

꽃가루 기상정보 서비스는 국민들의 이용 수준과 만족도에 영향을 미치는 많은 속

성을 가지고 있으며, 이러한 속성들 중에서 중요한 속성을 선별하고 이를 측정 가능

한 개념으로 전환하는 것이 필요하다. 본 연구에서는 꽃가루 기상정보 서비스의 국민

선호 분석을 위해 다음의 <table-10>에 정리된 7가지 속성과 수준들을 고려하였다.

- 102 -

Table 4.10. The attribute and related levels of meteorological pollen information

service.

속성 수준

예보 지역 단위광역예보

동네예보

예보 간격

3시간

6시간

12시간

예보 방식5단계 방식

실제농도 방식

예보 기간

오늘 (1일)

오늘+내일 (2일)

오늘+내일+모래(3일)

예보 매체대중매체와 인터넷

핸드폰 문자메세지와 이메일

예보 정확도

50%

70%

90%

가격 (원/월)

100원

500원

1,000원

꽃가루 기상정보 서비스의 국민 효용에 미치는 요인으로는 여러 가지가 있지만,

본 설문에는 이들 중에서 ‘예보 지역 단위’, ‘예보 간격’, ‘예보 방식’, ‘예보 기간’, ‘예

보 매체’, ‘예보 정확도’, ‘가격’을 중요한 속성으로 선정하였다. 이러한 속성 선정은

일반적인 기상정보 서비스에 대한 기존 연구들과 보고서, 신문 등을 참조하여 연구

진의 회의를 거쳐 결정되었다.

먼저 예보 지역 단위는 꽃가루 기상정보 서비스가 제공될 때 제공되는 정보의 지

역 단위를 의미한다. 여기서는 ‘광역예보’와 ‘동네예보’의 두가지 수준을 고려하였으

며, ‘광역예보’는 시, 도 단위로 꽃가루 기상정보를 제공하는 것인데 반해, ‘동네예보’

는 최근 기상청에서 제공하고 있는 읍, 면, 동 단위로 꽃가루 기상정보를 제공하는

것으로 ‘광역예보’보다 더욱 작은 지리적 단위에 대한 정보를 제공하는 것을 의미한

다. 사전적으로 국민들은 ‘광역예보’보다 ‘동네예보’를 더욱 선호할 것으로 예상할 수

있다.

두 번째로 ‘예보 간격’은 꽃가루 기상정보를 업데이트하여 제공하는 시간의 간격

을 의미하며, 3시간, 6시간, 12시간의 3가지 수준을 고려하였다. 여기서 ‘예보 간격’

이 3시간인 경우에는 매 3시간마다 꽃가루 기상정보를 갱신하여 제공하는 것을 의

미하며, 일반적으로 이러한 예보 간격이 짧을수록 국민들의 효용을 증가할 것으로

예상된다.

세 번째로 ‘예보 방식’은 꽃가루 농도를 제공하는 방식을 의미하며, ‘5단계 방식’과

- 103 -

‘실제 농도 방식’의 2가지 수준을 고려하였다. 여기서 ‘5단계 방식’이란 대기 중의 꽃

가루 농도를 없음, 다소 약함, 보통임, 강함, 매우 강함과 같이 단계를 사용하여 제

공하는 것이며, ‘실제 농도 방식’은 대기중의 실제 꽃가루 농도를 수치로 제공하는

것을 의미한다. 일반적으로 전자의 경우 일반 국민들이 쉽게 꽃가루 농도의 심각성

을 인지할 수 있으며, 5단계에 따라 대응방안을 제시할 수 있는 장점이 있는 반면,

실제 단계에 못 미치는 꽃가루 농도로 인지할 수 있는 단점이 있을 수 있다. 후자

의 경우에는 개인이 꽃가루 농도를 보고 심각성을 인지할 수 있는 장점이 있지만,

꽃가루로 인해 질병을 겪지 않은 사람은 농도만으로 심각성을 인지 못할 수도 있

다. 사전적으로 ‘예보 방식’과 관련하여서는 국민들이 어떠한 방식을 보다 선호할지

예상하기 어렵다.

네 번째로 ‘예보 기간’은 꽃가루 기상 정보 서비스가 제공하는 꽃가루 정보가 언

제의 정보인가를 의미한다. 여기서는 1일, 2일, 3일의 3가지 수준을 고려하였으며,

여기서 1일은 오늘 하루의 정보만을 제공하는 것을, 2일은 오늘과 내일, 3일은 오

늘, 내일, 모레의 꽃가루 정보를 제공하는 것을 의미한다. 사전적으로 국민들은 꽃

가루 기상정보 예보 기간이 긴 것을 선호할 것으로 예상된다.

다섯 번째로 ‘예보 매체’는 꽃가루 기상정보 서비스가 전달되는 경로를 의미하며,

여기서는 현재와 같이 TV, 신문, 라디오와 같은 대중매체의 기상예보 시간에 꽃가

루 관련 정보를 제공하고 동시에 인터넷 홈페이지에서 정보를 제공하는 방식과 핸

드폰 문자메세지와 이메일을 통해 직접 개인에게 정해진 시간에 정보를 제공하는 2

가지 방식을 고려하였다. 이와 같은 서비스의 경우, 정보통신 서비스 이용도와 관련

질병 유무에 따라 선호도가 다르게 나타날 것으로 예상된다.

여섯 번째로 ‘예보 정확도’는 꽃가루 기상정보 서비스가 제공하는 예상 정보가 실

제 상황과 어느 정도 일치하는지를 의미한다. 여기서는 50%, 70%, 90% 수준의 3가

지를 고려하였으며, 일반적으로 기상정보의 정확성에 대한 국민들의 기대 수준을

고려해보면 정확도의 증가에 따라 국민들의 만족도는 증가할 것으로 예상된다.

마지막으로 ‘가격’은 이러한 꽃가루 기상정보 서비스를 기상청이 제공하고 국민들

이 제공받기 위해서 국민들이 부담해야 하는 경제적 비용을 의미한다. 일반적으로

이러한 서비스를 제공받기 위해서는 추가적인 비용이 요구되며, 이는 국민들의 세

금 부담으로 이어지기 때문에 매우 중요한 속성이라고 할 수 있다. 사전적으로 국

민들은 자신들의 세금 부담이 증가하는 것을 꺼려하기 때문에 가격 증가에 대해 음

(-)의 선호를 가질 것으로 예상된다.3)

3) 본 연구에 사용된 속성과 수준, 그리고 실제 설문에서 응답자에게 제시된 설명은 보고서 뒤의 ‘별첨’을 참조하

기 바람.

- 104 -

3.4.2. 선택대안집합 설계와 구성

꽃가루 기상정보 서비스의 기술적 특성을 설명하는 속성과 수준을 결정한 후에는

다음 단계로서 이와 같은 속성의 수준이 적절히 조합된 선택대안집합을 생성하는

과정이 필요하다. 일반적으로 많은 속성들과 대안들이 포함됨에 따라 단순조합을

이용하게 되면 많은 선택대안집합이 만들어지고, 실제 설문 응답자가 이들 모두에

대한 선호를 표현하기에는 현실적 어려움이 존재한다.4) 따라서 본 분석에서는 선택

행위에 대한 개별 속성들의 효과들을 분리해 내기 위해 개별 속성들 간의 직교성을

보장해 주는 직교분할설계법(fractional factorial design)을 이용하여 총 16개의 선택

대안집합을 얻었으며, 한 선택대안집합에 4개의 대안을 포함하도록 하여 4개의 선

택대안집합을 설계하였다.

실제 설문에서 응답자들은 각각 4개의 선택대안 집합에 대해 응답을 하였으며, 하

나의 선택대안집합 중에서 가장 선호하는 대안부터 차례로 1부터 4까지 순위를 매

기는 방식을 사용하였다. 일반적으로 컨조인트 분석에서 응답자는 자신이 가장 선

호하는 대안에 대해서만 표시하는 방식, 각각의 대안에 선호하는 순서대로 순위를

매기는 방식, 각각의 대안에 점수를 부여하는 방식 등이 사용될 수 있으나, 각각의

대안에 자신의 선호도를 나타내는 방식이 보다 많은 정보를 도출할 수 있는 장점이

있다.

아래의 <table-11>은 실제 설문에 사용된 선택 대안의 예시를 보여주고 있다. 각

설문에서 응답자들은 다양한 수준으로 정의된 4개의 가상적인 꽃가루 기상정보 서

비스의 선택대안 중에서, 여러 속성과 지불해야 하는 가격을 고려한 후에 자신이

가장 선호하는 대안부터 차례로 순위를 표현하게 하였다.

4) <table-9>에 나타난 모든 속성과 수준으로부터 만들어지는 가상적 꽃가루 기상정보 서비스는 총 648개임.

- 105 -

Table 4.11. An example of alternative set of meteorological pollen information

service.

1 2 3 4

예보지역단위 광역예보 동네예보 동네예보 광역예보

예보간격 6시간 6시간 12시간 3시간

예보방식 실제농도방식 실제농도방식 실제농도방식 5단계 방식

예보기간오늘

(1일)

오늘

(1일)

오늘+내일+모레

(3일)

오늘

(1일)

예보매체핸드폰 문자메세지와

이메일

대중매체와

인터넷대중매체와 인터넷

대중매체와

인터넷

예보정확도 70% 90% 50% 50%

가격(원/월) 1,000원 100원 1000원 100원

선호 순서

3.4.3. 분석 모형

설문자들의 응답자료는 확률효용모형에 기초한 이산선택모형을 이용하여 추정하

였다. 설문에서 응답자들은 여러 대안들 중에서 본인이 선호하는 순서대로 순위를

매기게 되므로, 선택자료는 본질적으로 이산적인 특성을 가지게 된다. 이산선택모형

을 간략하게 살펴보면, 먼저 확률효용이론에 기초하여 응답자 i가 선택대안집합 Ci

내의 한 선택대안 j로부터 얻는 간접효용은 다음과 같이 표현될 수 있다.

U ij=V(wi,xj)+ε ij=β'X ij+ε ij

여기서 Uij는 응답자 i가 대안 j를 선택할 때의 간접효용을 나타내며, 이 때 효용

은 확정적 효용( Vij, deterministic utility)과 확률적 효용( εij

, stochastic utility)으로

구성된다. 확정적 효용( Vij)은 응답자와 대안의 속성에 영향을 받게 되는데, 이에 wi

는 응답자 i의 개인특성 벡터를, xj는 대안 j의 속성수준 벡터를 의미한다. 각 응답

자는 이러한 효용에 기초하여 높은 효용을 주는 대안순으로 순위를 매기게 되며,

응답자 i가 선택대안집합 Ci내의 총 J개의 대안에 r i={r i1,r i2,...,r iJ}과 같이 순위를

준 경우, 이러한 순위가 나올 확률은 Pr(r i)=Pr{U i(r i1)>U i( r i2)>...>U i( r iJ)}과

같으며, 이를 다시 정리하면 다음과 같다. 여기서 X(rih)는 응답자 i의 h번째 순위

대안의 속성을 나타낸다.

- 106 -

1 2

1 2 , 1

Pr[ ( ) ( ) ... ( )]

Pr[ ( ) ( ) 2,..., ] Pr[ ( ) ( ) 3..., ] Pr[ ( ) ( )]i i i i i iJ

i i i ij i i i ij i i J i iJ

U r U r U r

U r U r for j J U r U r for j J U r U r-

> > >

= > = ´ > = ´ ´ >L

' ( )1 1

' ( )1 1

ih ih

im im

V X rJ J

J JV X rh h

m h m h

e ee e

b

b

- -

= == =

é ù é ùê ú ê ú= =ê ú ê úë û ë û

Õ Õå å

일반적으로 위의 식을 분석하기 위해서는 Ordered Probit Model이나 Rank

Ordered Logit Model (ROLM)이 사용되는데, 특히 ROLM은 계수의 추정이 쉽다는

장점이 있어 본 연구에서는 ROLM을 사용하였다. 위의 식으로부터 도출되는 우도

함수(Log-Likelihood Function)는 아래와 같으며, 이를 극대화하는 과정을 통해 계

수들을 추정할 수 있다.

' ( )1

' ( )1 1

1 1' ( )

1 1 1 1

( ) ln

' ( ) ln

ih

im

im

X rJN

J X ri h

m h

N J N J JX r

ihi h i h m h

eLe

X r e

b

b

b

b

b

-

= ==

- -

= = = = =

é ùê ú=ê úë û

é ù= - ê úë û

å Õ å

åå åå å

분석을 통해 국민들의 꽃가루 기상정보 서비스 효용함수를 도출하면, 이에 기반하

여 한계지불의사액(Marginal Willingness to Pay)을 계산할 수 있다. 한계지불의사

액은 속성의 양 또는 질이 한 단위 변할 때 자신의 효용을 이전과 동일하게 유지하

기 위해서 국민이 지불하고자 하는 금액을 의미하며, 이는 속성 변화 시 소비자의

보상후생(Compensated Surplus)의 변화량으로 해석할 수 있다. 위 식에 기초한 추

정결과로부터 꽃가루 기상정보 서비스의 각 속성에 대한 한계지불의사액은 다음의

식을 통해 계산할 수 있으며, 여기서 βt와 xjt

는 각각 가격을 제외한 나머지 속성과

계수를, βprice와 x jprice

는 각각 가격 속성과 그 계수를 나타낸다.

- 107 -

MWTPx jt=-

∂U ij/∂xjt

∂U ij/∂xjprice

=-β t

β price

3.4.4. 분석 결과

본 연구에서 국민들의 꽃가루 기상정보 서비스 이용과 관련한 효용함수를 추정하

기 위해 결정적 효용을 구성하는 변수들을 다음과 같이 구성하였다.

국민효용(U) = a×(예보지역단위) + b×(예보간격) + c×(예보방식) + d×(예보

기간) + e×(예보매체) + f×(정확도) + g(가격)

분석은 402명의 설문 자료를 바탕으로 Limdep을 이용하여 진행되었다. 분석 결과

를 살펴보면, 먼저 꽃가루 기상정보 서비스의 속성들 중 예보매체를 제외한 모든

속성들이 유의수준 1% 수준에서 유의한 것으로 나타났다(<table-12> 참조). 개별

속성들의 추정치들을 살펴보면, 먼저 예보 지역 단위의 경우 양(+)를 나타내고 있으

며, 이는 국민들이 ‘광역 예보’ 보다는 ‘동네 예보’를 선호하는 것을 의미한다. ‘예보

간격’의 경우 추정치가 음(-) 부호를 나타내고 있는데, 이는 국민들이 꽃가루 기상

정보 서비스가 갱신되는 시간이 증가할수록 효용이 감소함을 의미한다. 즉, 국민들

은 최신의 정보로 빨리 갱신되어 제공되기를 바란다고 할 수 있다. ‘예보 방식’은

양(+)의 부호를 가지는 것으로 나타났으며 이는 5단계 방식보다 실제 농도 방식을

보다 선호함을 의미한다. ‘예보 기간’ 역시 양(+)의 부호를 가지는 것으로 나타났으

며, 이는 꽃가루 기상 정보 서비스가 매일 매일의 정보를 제공하는 것보다는 한번

정보를 제공할 때, 내일, 모레, 혹은 주중 정보를 함께 제공하는 것을 국민들이 보

다 선호함을 의미한다. ‘예보 정확성’은 사전적 예상과 같이 양(+)의 값이 나타나 국

민들은 정확도가 증가할 수록 효용이 증가하는 것을 알 수 있으며, 마지막 가격 역

시 예상과 같이 음(-)의 값이 나와 세금 부담이 증가하는 것을 꺼려하는 것을 알

수 있다.


(with total sample).

- 108 -

추정치 t-ratio P-value 상대적 중요도한계지불의사액

(원/월)

예보지역 단위 0.2048 5.4555 0.0000 8.1224% 172.7606

예보간격 -0.0258 -3.7053 0.0002 9.2247% -21.8007

예보방식 0.1511 4.0652 0.0000 5.9913% 127.4334

예보기간 0.0899 4.2499 0.0000 7.1298% 75.8243

예보매체 0.0282 0.7497 0.4534 1.1167% 23.7524

예보정확성 0.0165 20.5337 0.0000 26.1013% 13.8791

가격 -0.0012 -22.7636 0.0000 42.3138%

이러한 추정치들을 통해 꽃가루 기상정보 서비스의 속성에 대한 상대적 중요도를

계산하였다. 상대적 중요도는 국민들이 개별 속성에 부여하는 일종의 가중치로서 i

속성의 중요도는 다음과 같이 계산될 수 있다.

(i 속성의추정치)(i 속성의최대수준 -i속성의최저수준)

∑(i 속성의추정치)(i 속성의최대수준 -i속성의최저수준)

이러한 분석 결과, 국민들은 꽃가루 기상정보 서비스를 제공받기 위해 첫 번째로

본인들이 지불해야 하는 세금 부담을 42.3%로 가장 중요하게 생각하고 있는 것으로

나타났다. 세금 부담에 이어 국민들은 두 번째로 예보의 정확성을 중요한 속성으로

간주하고 있으며, 뒤를 이어 예보 간격과 예보지역 단위를 각각 26.1%, 9.2%, 8.1%

로 중요하게 생각하는 것으로 나타났다. 이는 꽃가루 기상 정보 서비스에 대해 국

민들이 중요하게 생각하는 속성들의 순서이기 때문에, 거꾸로 이러한 속성들을 충

족시키는 것이 서비스 제공자의 입장에서는 매우 중요하다고 할 수 있다. 즉, 기상

청이 향후 꽃가루 기상정보 서비스를 개발하고 준비하는 과정에서 기술 개발 순위

를 예보정확성, 예보간격, 예보지역단위, 예보기간, 예보방식 순으로 결정하는 것이

보다 많은 국민들을 충족시킬 수 있는 합리적인 접근이라고 할 수 있다.

꽃가루 기상정보 서비스의 속성별 한계지불의사액을 살펴보면, 먼저 ‘예보 정확성’

의 경우 정확성이 1% 증가하는 것에 대해 국민들은 매월 약 13.9원을 추가적으로

지불할 의사가 있는 것으로 나타났다. 이는 1% 정확도 향상을 위해서 국민 전체적

으로는 경제활동인구 2,300만명을 기준으로 연간 약 38.4억원을 추가적으로 지불할

의사가 있는 것으로 해석될 수 있다. 또한 만약 50% 수준의 꽃가루 기상 정보 서비

스의 정확도를 90% 수준의 정확도로 향상시킬 경우 국민 개개인은 약 556원을 매

월 추가적으로 지불할 의사가 있음을 의미한다. ‘예보 간격’의 경우 음(-)의 한계지

불의사액을 나타내고 있는데, 이는 새로운 꽃가루 기상정보 서비스의 갱신이 1시간

- 109 -

씩 단축될 때마다 국민 개개인은 매월 21때마원을 추가적으로 지불할 의사가 있음을

의미한다.5) ‘예보 지역 단위’의 경우 광역수준에서 동네수준으로 할 경우, 국민 개개

인은 추가적으로 매월 약 173원을 추가적으로 지불할 의사가 있는 것으로 나타났

다. 이를 정확도와 마찬가지로 경제활동인구를 기준으로 전환하면, 연간 약 476.9억

원의 추가 지불 의사가 있음을 의미한다. ‘예보 방식’의 경우에는 단계 농도 방식에

서 실제 농도 방식으로 전환할 경우 국민 개개인은 추가적으로 매월 75때마원을 지불

할 의사가 있는 것으로 나타났다.

꽃가루 기상정보 서비스에 대한 국민들의 선호도가 지역별 차이가 존재하는지를

살펴보기 위해 샘플을 지역별로 나누어 동일한 분석을 실시하였다. 그 분석 결과는

아래의 <table-13>과 같다.

지역별로 나누어 분석한 결과, 서울의 경우에는 전체 결과와 매우 유사한 결과를

나타내고 있음을 확인할 수 있으며, 특히 ‘예보정확성’과 ‘예보방식’에서는 전체 평균

보다 높은 중요도를 부여하여 상대적으로 높은 한계지불의사액을 가지는 것으로 나

타났다. 반면 서울을 제외한 6개 광역도시의 경우 샘플수의 제약으로 인해 유의한

속성의 개수, 유의도, 상대적 중요도 등이 매우 다르게 나타나는 것을 확인할 수 있

다. 그러나 이러한 차이에도 불구하고 공통적으로 ‘예보 정확성’ 속성은 전 지역에

서 모두 유의한 것으로 나타나 꽃가루 기상정보 서비스에서 가장 중요한 속성임을

다시 한번 확인할 수 있었다.

5) ‘예보 간격’의 경우 음(-)의 추정치를 보이고 있으며, 이는 예보 간격이 증가할 수록 국민의 효용이 감소함을

의미한다. 즉 예보 간격을 짧게 예보를 자주 하는 것이 거꾸로 국민의 효용을 증가시키는 것이며 이는 한계지

불의사액의 해석에서도 동일하다.

- 110 -

Table 4.13. The estimation result of meteorological pollen information service by region.

구분 추정치 t-ratio P-value상대적

중요도

한계지불의사액

(원/월)

서울

예보지역 단위 0.2271 4.0987 0.0000 8.1250% 162.8306예보간격 -0.0252 -2.4589 0.0139 8.0993% -18.0350예보방식 0.2014 3.6762 0.0002 7.2034% 144.3609예보기간 0.0588 1.8866 0.0592 4.2060% 42.1455예보매체 -0.0154 -0.2768 0.7819 -0.5508% -11.0384

예보정확성 0.0196 16.3556 0.0000 28.0082% 14.0325가격 -0.0014 -18.0112 0.0000 44.9089%

부산

예보지역 단위 0.1937 1.9911 0.0465 7.9017% 158.5410예보간격 -0.0132 0.0803 0.9360 -0.5375% 1.1983예보방식 0.1878 1.9515 0.0510 7.6630% 153.7518예보기간 0.2934 2.6997 0.0069 11.9681% 120.0648예보매체 0.1140 1.1756 0.2398 4.6513% 93.3240

예보정확성 0.5760 6.9902 0.0000 23.4971% 11.7862가격 1.0995 -9.1076 0.0000 44.8562%

인천

예보지역 단위 0.0697 0.6108 0.5413 3.0229% 59.6882예보간격 -0.0232 -1.1015 0.2707 9.0784% -19.9174예보방식 0.1465 1.2970 0.1947 6.3563% 125.5070예보기간 0.0882 1.3589 0.1742 7.6499% 75.5250예보매체 0.1055 0.9246 0.3552 4.5756% 90.3465

예보정확성 0.0137 5.6442 0.0000 23.7369% 11.7174가격 -0.0012 -7.3467 0.0000 45.5802%

대구

예보지역 단위 0.2657 2.2872 0.0222 10.5551% 276.4838예보간격 0.6185 -3.1659 0.0015 24.5714% -71.5147예보방식 0.1605 1.3932 0.1636 6.3773% 167.0501예보기간 0.0792 0.6033 0.5463 3.1459% 41.2023예보매체 0.0078 0.0670 0.9466 0.3084% 8.0787

예보정확성 0.5206 5.2749 0.0000 20.6832% 13.5445가격 0.8649 -6.0327 0.0000 34.3586%

대전

예보지역 단위 0.3615 2.4006 0.0164 10.7419% 442.9395예보간격 0.5947 -2.3141 0.0207 17.6709% -80.9618예보방식 0.1213 0.8120 0.4168 3.6057% 148.6790예보기간 0.6019 3.4803 0.0005 17.8853% 368.7495예보매체 0.3320 2.2123 0.0269 9.8651% 406.7849

예보정확성 0.6194 4.9396 0.0000 18.4049% 18.9731가격 0.7345 -3.9693 0.0001 21.8262%

광주

예보지역 단위 0.0547 0.3622 0.7172 3.1182% 65.6298예보간격 0.2483 -0.9782 0.3280 14.1421% -33.0727예보방식 -0.0557 -0.3726 0.7095 -3.1717% -66.7572예보기간 0.3454 2.0459 0.0408 19.6750% 207.0540예보매체 -0.1343 -0.8923 0.3722 -7.6477% -160.9654

예보정확성 0.5464 4.3195 0.0000 31.1237% 16.3768가격 0.7507 -4.0290 0.0001 42.7606%

울산

예보지역 단위 0.2956 1.7104 0.0872 26.2468% 461.4222예보간격 -0.0166 0.0578 0.9539 -1.4785% 2.8880예보방식 -0.1264 -0.7312 0.4646 -11.2237% -197.3134예보기간 -0.1163 -0.5908 0.5547 -10.3281% -90.7843예보매체 -0.1310 -0.7556 0.4499 -11.6296% -204.4498

예보정확성 0.6443 4.3732 0.0000 57.2188% 25.1478가격 0.5765 -2.6658 0.0077 51.1942%

- 111 -

꽃가루 기상정보 서비스의 경우 연령, 성별, 경제력과 같은 경제 사회적 변수보다

는 개인의 꽃가루 관련 질병 유무가 서비스 수용 및 만족도와 깊은 관계가 있을 것

으로 판단되어 꽃가루로 인해 병원을 방문한 경험이 있는 응답자 133명을 대상으로

추가 분석을 실시하였다. 분석 결과, 꽃가루로 인해 병원을 방문한 경험이 있는 사

람들의 경우 전체 평균보다 ‘예보지역단위’와 ‘예보간격’, ‘예보기간’에 상대적으로 높

은 가중치와 한계지불의사액을 가지고 있는 것으로 나타났다. 특히 전체 샘플에 대

한 분석과 지역별 분석에서 모두 ‘예보매체’가 유의하지 않은 것으로 나타난 것에

반해, 이들 133명은 7.3% 수준으로 유의한 것으로 나타났다. 이러한 결과는 샘플수

의 제한으로 일반화하기에는 어려움이 있으나, 꽃가루 관련 질병을 가지고 있는 사

람들의 경우 SMS 서비스나 이메일 서비스를 이용하여 꽃가루 기상정보를 실시간

으로 습득하고자 하는 필요성을 느끼고 있음을 의미한다고 볼 수 있다.


(with the sample shown hospital visiting experience by pollen).

추정치 t-ratio P-value 상대적 중요도한계지불의사액

(원/월)

예보지역 단위 0.2294 5.6266 0.0000 8.5403% 186.8111

예보간격 -0.0313 -4.1205 0.0000 10.4918% -25.5000

예보방식 0.1263 3.1270 0.0018 4.7017% 102.8459

예보기간 0.0996 4.3307 0.0000 7.4147% 81.0950

예보매체 0.0731 1.7905 0.0734 2.7201% 59.4987

예보정확성 0.0168 19.2438 0.0000 24.9869% 13.6642

가격 -0.0012 -21.7190 0.0000 41.1445%

3.4.5. 꽃가루 기상정보 서비스 수용 분석

꽃가루 기상정보 서비스에 대한 선호 분석을 바탕으로 향후 기상청이 제공하게

될 꽃가루 기상정보 서비스를 가상적으로 설정하고 이에 대한 서비스 이용률을 분

석하였다. 현재 기상청에서 기획하고 있는 꽃가루 기상정보 서비스는 예산과 기간

에 따라 다양한 형태가 될 수 있어 여기서는 <table-15>과 같이 4가지 가상의 꽃

가루 기상정보 서비스를 설정하고 이를 분석하였다. 서비스 이용률은 아래의 공식

을 통해 도출되었다.

- 112 -

꽃가루 기상정보 서비스이용률 =exp(β'X)

1+exp(β'X)

Table 4.15. The scenario of imaginary meteorological pollen information services.

시나리오1 시나리오2 시나리오3 시나리오4

예보지역 단위 광역예보 광역예보 동네예보 동네예보

예보간격(시간) 12 3 6 3

예보방식 5단계 방식 실제농도 방식 실제농도 방식 실제농도 방식

예보기간 2일전 1일전 1일전 2일전

예보매체 대중매체와 인터넷핸드폰 SMS와

이메일대중매체와 인터넷

핸드폰 SMS와

이메일

정확성(%) 70 90 50 90

가격(원/월) 100 300 150 200

서비스 이용률 73.0% 80.3% 73.6% 86.1%

시나리오-1은 현재 기상청에서 제공되는 일반적 생활기상 수준으로 설정하였다.

여기서 꽃가루 기상정보 서비스는 광역예보, 12시간 간격, 5단계 예보 방식, 이틀

동안의 정보, 대중매체와 인터넷을 통해 제공되는 것을 가정하였으며, 가장 중요한

예보 정확성은 70% 정도의 수준으로 가정하였다. 이러한 꽃가루 기상정보 서비스가

제공되고 이에 따라 국민 개개인의 추가적인 세금 부담이 월 100원인 경우, 해당

서비스의 이용률은 약 73% 수준으로 도출되었다.

시나리오-2는 시나리오-1과 달리 ‘예보 간격’, ‘예보 방식’, ‘예보 기간’, ‘예보매체’,

‘정확성’을 설정하고 세금 부담이 추가적으로 200원 증가한 상황을 설정하였다. 분

석 결과 시나리오-2의 경우 정확성의 증가로 인해 세금 부담이 증가하였음에도 불

구하고 시나리오-1에 비해 보다 높은 이용률 80.3%를 보이는 것으로 나타났다.

시나리오-3은 시나리오-1에 비해 예보지역 단위와 예보방식을 달리하고, 국민 부담

이 매월 50원 증가하였지만, 예보정확도가 50%로 낮아져 서비스 이용률에 거의 변화

가 없는 것으로 나타났다. 이는 다른 속성들로 조합된 꽃가루 기상정보 서비스가 동

일한 이용률을 가질 수 있음을 의미하며, 바꾸어 말하면 주어진 예산의 제약 하에서

속성들간의 교환(trade-off)을 통해 동일한 수준의 이용률을 달성할 수 있음을 의미한

다.

시나리오-4는 상대적으로 높은 기술적 속성들로 구성된 상황을 나타내고 있다.

시나리오-4에서는 동네예보 수준으로 3시간 마다 정보를 업데이트하며, 실제 농도

- 113 -

를 제공하고, 2일전까지의 예보를 대중 매체 뿐 아니라 핸드폰 SMS와 이메일로

90%의 정확도를 가진 꽃가루 기상정보를 제공하는 경우를 가정하고 있다. 이러한

꽃가루 기상정보 서비스의 제공을 위해 국민 개개인이 월 200원의 추가적 비용이

발생한다면, 해당 서비스의 이용률은 86.1%로 나타났다.

이상의 간단한 시나리오 분석을 통해 도출되는 시사점은 국민 세금 부담이 증가

하더라도, 서비스 속성을 어떻게 설정하느냐에 따라 국민들의 서비스 이용률이 유

지 혹은 증가할 수 있다는 사실이다. 이는 시나리오-1과 시나리오-3, 시나리오-1과

시나리오-4의 비교를 통해 쉽게 확인할 수 있으며, 결국 국민들은 자신들이 중요하

게 생각하는 속성들이 만족되고 자신들이 지불하고자 하는 한계지불액을 초과하지

않는 만큼의 세금부담이 발생한다면 기꺼이 해당 서비스를 이용할 것이라는 사실을

유추할 수 있다. 추가적으로 시나리오-1과 시나리오-3의 경우, 예보의 정확도가 감

소했음에도 불구하고 예보지역, 예보간격, 예보방식이 변화함에 따라 비슷한 수준의

서비스 이용률이 가능함을 보이고 있다. 이는 앞에서 기술한 바와 같이 속성들 간

에 무수히 많은 조합을 통해 다양한 형태의 꽃가루 기상정보 서비스가 가능하고 이

러한 속성들간의 교환(trade-off)을 통해 동일한 예산 하에서 국민 이용률과 만족도

를 증가시킬 수 있는 방안들이 논의될 수 있음을 의미한다.

본 연구에서는 응답자들이 가격과 정확도를 가장 중요한 두 요인으로 고려하고

있는 것으로 나타나, 추가적으로 가격과 정확도가 서비스 이용률에 어떠한 영향을

미치는지를 보다 구체적으로 살펴보았다. 먼저 국민들의 세금 부담 변화에 따른 서

비스 이용률을 분석해 보기 위해 아래와 같은 가상의 시나리오를 설정하고 정확성

이 0%에서 100%까지 단계적으로 향상됨에 따라 세금 부담이 150원일 경우와 300

원일 경우 서비스 이용률이 어떻게 변화하는지를 살펴보았다.

가상의 시나리오

예보지역 단위 동네예보

예보간격 6시간

예보방식 실제농도 방식

예보기간 2일전

예보매체 대중매체와 인터넷

정확성 0→100%

가격 150/300(원/월)

50.00%

55.00%

60.00%

65.00%

70.00%

75.00%

80.00%

85.00%

90.00%

0 5 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100

정확도

이용률 150원 300원

Fig. 4.30. The adoption rate of meteorological pollen information service by price.

- 114 -

위의 <figure-30>은 분석 결과를 나타내고 있다. 분석 결과 정확도가 낮을수록

가격 차이에 따른 서비스 이용률의 차이가 크게 나타나지만, 정확도가 높을수록 서

비스 이용률의 차이가 감소하는 현상을 살펴볼 수 있었다. 이는 정확도의 증가가

국민들의 세금 증가로 인한 불만 혹은 부담을 일정정도 상쇄할 수 있음을 의미한다

고 볼 수 있다.

다음으로는 정확도 변화에 따른 서비스 이용률을 분석해 보기 위해 아래와 같은

가상의 시나리오를 설정하고 정확성이 50%에서 90% 향상될 경우 가격이 0원일 경

우와 500원일 경우로 나누어 서비스 이용률의 변화를 살펴보았다. 분석 결과, 세금

증가에 따른 이용률 변화는 50% 정확도일 경우가 90% 정확도일 경우에 비해 상

대적으로 큰 것으로 나타났다. 이는 위의 분석과 유사하게 국민 세금 증가로 인한

경제적 부담이 예보의 정확성 증가로 인해 일정정도 상쇄될 수 있다고 해석될 수

있다.

가상의 시나리오

예보지역 단위 동네예보

예보간격 6

예보방식 실제농도 방식

예보기간 2일전

예보매체 대중매체와 인터넷

정확성 50/90

가격 500→0

65%

67%

69%

71%

73%

75%

77%

79%

81%

83%

85%

87%

89%

500 480 460 440 420 400 380 360 340 320 300 280 260 240 220 200 180 160 140 120 100

가격

이용률 50%정확도 90%정확도

Fig. 4.31. The adoption rate of meteorological pollen information service by

forecasting accuracy.

- 115 -

4. 결론 및 시사점



의 질병과 상관관계가 있다고 인지하는 것을 알 수 있었다. 그리고 꽃가루로 인한

업무효율성 저하로 최소 14,727,800시간/년(1,953,289근무일)과 2,186억원/년의 기회

비용이 발생함을 알 수 있었다. 만약 이들 추정 대상자를 5%에서 30%까지의 범위

를 두어 감소시킨다면, 109억원에서 666억원까지의 임금 손실을 감소시킬 수 있다.

꽃가루 기상정보의 경제성 분석에서는 더욱이 꽃가루로 인한 입원 환자수까지 발

생하는 비용을 부가적으로 산출하면, 총 1조 1975억원의 경제적 비용이 발생한다.

꽃가루 기상정보 서비스의 제공을 위해 국민들의 선호 분석을 실시한 결과를 꽃가

루 기상정보 서비스의 속성 결정에 유의한 정보로 활용될 수 있을 것으로 기대한

다. 그 결과, 국민 부담 비용과 정확도를 가장 중요한 요인으로 생각하고 있으며,

그 다음으로 예보간격, 예보지역단위, 예보기간, 예보방식의 순으로 중요하게 여기

고 있었다.

만약 꽃가루 기상정보 서비스가 높은 정확도로 제공될 경우, 일정 정도 비용이 증

가하더라도 꽃가루 기상정보 서비스의 이용률은 증가함을 알 수 있었다. 그리고 꽃

가루로 인해 병원을 방문한 경험이 있는 사람들의 경우 전체 평균보다 예보지역단

위와 예보간격, 예보기간에 상대적으로 높은 가중치와 한계지불의사액을 가지고 있

는 것으로 나타났다.

예보매체의 경우 10% 유의수준에서 유의한 것으로 나타났으며, 이는 꽃가루 관련

질병을 가지고 있는 사람들은 SMS 서비스나 이메일 서비스를 이용하여 꽃가루 기

상정보를 습득하고자 하는 필요성을 느끼고 있음을 의미하고 있다.

본 연구 결과를 바탕으로 기대할 수 있는 효과로 첫째, 국민의 삶의 질 향상을 위

한 꽃가루 알레르기 환자와 질병 방지를 위한 홍보 활동의 강화이다. 꽃가루로 인

해 발생하는 질병의 위험정도와 향후 이들 질병의 발병률 등의 자료를 통해 앞으로

꽃가루 기상정보의 체계적 서비스 강화의 필요성을 주장할 수 있다. 기상청에서는

보다 국민이 쉽게 체계적으로 접근할 수 있는 꽃가루 기상정보 서비스의 내용과 전

달체계를 구축⋅실행할 필요가 있다. 이와 더불어 꽃가루로 인한 피해를 감소시키

기 위한 대책 등을 일반 국민들이 인식할 수 있게 꽃가루로 인한 피해를 최소화하

기 위한 홍보활동을 적극적으로 펼칠 필요가 있다.

둘째, 국민과 기업의 종업원을 위한 복지 제도적 장치 개발의 필요성이다. 꽃가루

는 야외활동과 옥외작업이 많은 직종에 큰 영향을 미친다. 이에 기업들은 종업원들

- 116 -

의 복지적인 측면에서 꽃가루가 발생할 시 보호 장비를 지급하거나 다른 실내업무

로 대체하는 종업원의 건강과 쾌적한 환경의 근무를 할 수 있는 기업내 제도적 장

치가 마련될 필요가 있다.

셋째, 질병의 원인이 꽃가루로 인한 발병의 일원화된 체계적 분류가 필요하다. 본

연구에서 국민건강관리보험공단, 보험심사평가원, 통계청 등의 질병과 관련된 자료

들을 조사, 분석했다. 그 결과 각 기관마다 질병에 대한 상의한 분류와 꽃가루가 원

인인 질병을 명확하게 분류되지 않아 꽃가루로 인해 발생되는 질병인원 및 피해액

산출의 정확성이 다소 떨어지게 되었다. 이에 앞으로 질병 분류시 꽃가루가 원인이

되는 질병들을 구분하여 체계적인 분류가 이루어져야 할 것이다.

넷째, 반도체, 조선, 레져 산업의 경우 꽃가루로 인한 옥외 작업 및 현장 활동에

대한 생산성 저하에 대한 방재 계획 수립의 필요성이다. 반도체는 생산에 있어 가

장 중요한 것이 생산설비에 미세먼지 등과 같은 물질이 침투하지 못하게 하는 것이

다. 봄철 황사로 인한 반도체 공장의 피해는 우리가 잘 알고 있지만, 꽃가루도 이러

한 피해를 입힐 수 있는 가능성을 배제할 수 없다. 그리고 옥외 작업과 활동이 많

은 조선산업과 레져산업은 꽃가루로 인해 작업 공정에 피해나 고객의 활동에 영향

을 미칠 수 있으므로 이에 대한 체계적인 대응책이 필요한 실정이다.

다섯째, 제약회사의 꽃가루로 인한 질병에 관련된 약품 개발 및 꽃가루 알레르기

약품의 수요예측으로 인한 실제 생산증가이다. 꽃가루로 인한 국민 건강 피해가 증

가됨에 따라 제약회사들은 독자적으로 꽃가루와 관련된 약품을 개발해야 할 것이

다. 또한, 꽃가루 기상정보 서비스를 바탕으로 정확한 수요예측을 통해 생산계획을

수립함으로써 자원의 효율적 활용과 최대 수익을 창출할 수 있다.

여섯째, SMS나 이메일을 통한 꽃가루 기상정보의 전달은 국가 전체적으로 해당

서비스의 이용률 증가에 미치는 효과가 미미할 것으로 예상되지만, 특정 집단, 예를

들면, 천식으로 병원을 방문한 적이 있는 사람들의 경우 SMS나 이메일을 통한 서

비스가 이용률을 증가시킬 수 있을 것으로 전망된다.

- 117 -

제 5 장 연구 결과

제 1 절 한반도 꽃가루 농도 특성 조사 및 분석


해 매우 중요한 일이라 할 수 있다.

본 연구에서는 전국 6개 지역(서울, 부산, 광주, 대구, 강릉, 제주)에서 1997년～

2009년 관측된 꽃가루 농도 자료를 이용하여 지역별 꽃가루달력 및 꽃가루 위험도

알레르기달력을 만들었으며 이러한 달력은 꽃가루 알레르기 환자의 야외 활동에 유

용하게 사용될 것이다. 수목류, 잡초류의 꽃가루 농도는 전국적으로 연중 유사한 분

포를 보이고 있으며 수목류는 3월～5월, 잡초류는 8월～10월에 주로 발생하는 것으

로 나타났다. 6개 지역의 농도 분포 또한 전국적으로 유사한 분포를 보이고 있으나

제주지역은 내륙과 분리된 지역적 특성이 고려된 꽃가루 농도 분포를 보였다. 특히

자작나무, 느릅나무 등과 같은 수목류와 돼지풀, 환삼덩굴 등과 같은 잡초류는 그

발생량은 적으나 알레르기를 유발할 가능성은 매우 높아 알레르기에 민감한 사람들

에게는 특히 주의해야 할 식물이다.

꽃가루 농도 변화에 영향을 줄 것으로 생각되는 기상요소들을 총 10가지(평균기

온, 강수량, 평균풍속, 평균습도, 최고기온, 최저기온, 일교차, 강수지속시간, 7일 누

적일조시간, 적산온도)로 선별하여 상관관계를 분석하였고, 분석결과 꽃가루 농도는

매년 각기 다른 기상요소에 영향을 받으며 지역적으로 다른 것으로 나타났다. 이러

한 기상현상과 꽃가루 농도와의 상관관계에 따라 각지역별로 꽃가루 농도 회귀식을

만들 수 있으며, 이러한 자료는 꽃가루 농도 예보에 사용될 예정이다.

새로운 관측지점은 현재 설치위치에 따른 공간적 분포로 선정하였으며, 향후

꽃가루 알레르기 환자 분포도 함계 고려할 예정이다. 관측망이 확대됨에 따라 꽃가

루 농도 예보 및 경보를 위한 기본자료를 제공하고 꽃가루 입체관측망 및 DB 구축

기반정보를 확보하게 될 것이다.

제 2 절 꽃가루 농도와 알레르기 유발가능성과의 관련성 연구

연구결과에 대한 분석으로서 꽃가루 예보제를 시행할 경우 알레르기 식물의 꽃

가루 종류에 따라 알레르기를 유발하는 꽃가루 수치가 다르게 나타나기 때문 이들

을 세분화해서 분석하여 보고할 예보를 해야 한다.

봄철에는 소나무를 제외한 자작나무, 오리나무, 참나무 등 우리나라에 많이 분포

하는 알레르기 수목류를 중심으로 알레르기 위험지수를 정하여 보고하는 것이 좋을

- 118 -

것으로 제시하고 소나무는 우리나라의 주된 수종이기 때문에 꽃가루가 날리는 시기

에는 가장 많은 꽃가루를 날리기 때문에 이는 별도로 분석할 필요가 있다.

본 연구에서 봄철에 알레르기 화분수와 환자의 증상지수를 비교한 결과 소나무

알레르기가 없는 경우에도 소나무 꽃가루가 자극요인으로 작용하여 알레르기 증상

을 자극할 가능성이 있음을 시사하고 있기 때문에 일정량 이상의 소나무 꽃가루도

위험지수에 포함 하여 보고해야 할 것으로 사료된다.

가을철, 특히 9월-10월에는 봄철 알레르기 발생만큼 많은 환자들이 나타나기 때

문에 가을철의 꽃가루 예보도 매우 중요하다. 특히 환삼덩굴, 돼지풀, 쑥(향쑥, 산

쑥)에 대해 위험지수를 보고하는 것이 좋을 것으로 제시하며 이들에 대한 위험등급

을 제시할 필요가 있으나 본 과제에서 현재 연구가 진행중인 관계로 의미 있는 자

료를 구하는 것은 불가능하며 향후 더 많은 연구가 축적되어 이를 기초로 좀 더 구

체적이고 정확한 위험등급을 작성할 필요가 있다고 사료된다.

제 3 절 꽃가루 예보와 생명기상정보의 경제적 가치 기획연구



의 질병과 상관관계가 있다고 인지하는 것을 알 수 있었다. 그리고 꽃가루로 인한

업무효율성 저하로 최소 14,727,800시간/년(1,953,289근무일)과 2,186억원/년의 기회

비용이 발생함을 알 수 있었다. 만약 이들 추정 대상자를 5%에서 30%까지의 범위

를 두어 감소시킨다면, 109억원에서 666억원까지의 임금 손실을 감소시킬 수 있다.

꽃가루 기상정보 서비스의 제공을 위해 국민들의 선호 분석을 실시한 결과를 꽃

가루 기상정보 서비스의 속성 결정에 유의한 정보로 활용될 수 있을 것으로 기대한

다. 그 결과, 국민 부담 비용과 정확도를 가장 중요한 요인으로 생각하고 있으며,

그 다음으로 예보간격, 예보지역단위, 예보기간, 예보방식의 순으로 중요하게 여기

고 있었다.

만약 꽃가루 기상정보 서비스가 높은 정확도로 제공될 경우, 일정 정도 비용이 증

가하더라도 꽃가루 기상정보 서비스의 이용률은 증가함을 알 수 있었다. 그리고 꽃

가루로 인해 병원을 방문한 경험이 있는 사람들의 경우 전체 평균보다 예보지역단

위와 예보간격, 예보기간에 상대적으로 높은 가중치와 한계지불의사액을 가지고 있

는 것으로 나타났다.

예보매체의 경우 10% 유의수준에서 유의한 것으로 나타났으며, 이는 꽃가루 관련

질병을 가지고 있는 사람들은 SMS 서비스나 이메일 서비스를 이용하여 꽃가루 기

상정보를 습득하고자 하는 필요성을 느끼고 있음을 의미하고 있다.

- 119 -

참 고 문 헌

건강보험심사평가원, 국민건강보험공단, 2004~2007년 건강보험통계연보.

메디컬투데이, 기후변화로 천식⋅알레르기 환자 급증, 2009년 2월 14일자.

이승종, 일본 꽃가루알레르기 상품 판매 급증, KOTRA 해외동향, 2005년 1월 13일

자.

서울신문, 천식, 아토피 경제부담 눈덩이, 2008년 5월 6일자.

신영철, 2002, Estimating the Value of Mortality Risk Reduction for

Environmental Policy in South Korea: A Benefit Transfer Test,

International Journal of Sustainable Development, vol. 3, no 3, Inderscience

Enterprise Ltd.,

정성일, 일본, 네명 중 한명 꽃가루 알레르기 환자, KOTRA 해외동향, 2005년 4월

13일자.

통계청, 2004~2007년 질병소분류별 다빈도 상병 급여현황.

한국경제, 민간요법 치중하다 낭패, 2007년 4월 26일자.

환경일보, 기후변화로 알레르기 환자 급증, 2009년 2월 3일자.

Anderson, J. H., 1985: Allergenic airborne pollen and spores in Anchorage,

Alaska, Annals of Allergy, 54, 390-399.

Agarwal MK, Swanson MC, Reed CE, Yunginger JW. Immunochemical

quantitation of airborne short ragweed. Alternaira, antigen E, and Alt-1

allergens: A two year prospective study. J Allergy Clin Immunol 72:40-5,

1983

Arizmendi C. M., Sanchez J. R., Ramos N. E., and Ramos G. J., 1993, Time

series predictions with neural net: application to airborne pollen forecasting,

International journal of Biometeorology, 37, 193-144.

Beggs PJ. Impacts of climate change on aeroallergens: past and future Clin Exp

Allergy 34;1507-13, 2004

Brown HM, Irving KR. The size and weight of common allergenic pollens. An

investigation of their number per microgram and size. Acta Allergologica

28:132-8, 1973

Bryan J. Hubbell, 2001, Evaluating the Health Benefit of Air Pollution

Reductions: Recent Developments at the U.S. EPA, Prepared for UK

DETR/UN ECE Symposium on The Measurement and Economic Valuation

of Health Effects of Air Pollution.

- 120 -

Buck, P., and E. Levetin, 1985: Airborne pollen and mold spores in a subalpine

environment, Annals of Allergy, 55, 794-801.

Crocker, T.D., W. Schulze, S. Ben-David, and A.V. Kneese., 1979, Methods

Development for Assessing Air Pollution Control Benefits. Vol. I:

Experiments in the Economics of Air Pollution Epidemioloty.

EPA-600/5-79-00 la. Prepared for the Office of Research and Development,

U.S. Environmental Protection Agency, Washington, D.C.

Cropper, M.L., 1981, "Measuring the Benefits from Reduced Morbidity." AEA

Papersand, Proceedings 71: 235-240.

Elaine M. Faustman, 2007, Economic Benefits of Air Pollution Reduction for

Children, National Institute of Environmental Health Science.

Esch RE, Bush RK. Aerobiology of outdoor allergens. In Adkinson NF Jr,

Yunginger JW, Busse WW, Bochner BS, Holgate ST, Simons FER,

Middleton's allergy princiles and practice. 6th ed. St. Louis: Mosby, 2003,

p529-55

Gioulekas D., Papako D., Damialis A., Spieksma F., Giouleka P., Patakas D.,

2004, Allergenic pollen records(15years) and sensitization in patients with

respiratory allergy in Thessaloniki, Greece, Allergy, 59, 174-184.

Goldberg C., Buch H., Moseholm L., and Weeke E., 1988, Airborne pollen records

in Denmark, 1997-1986, Grana 27, 209-218.

Gutman AA, Bush RK. Allergens and other factors important in atopic disease.

In Patterson R, Grammer LC, Greenberger PA, Zeiss CR. Allergic diseases:

diagnosis and management, 4th ed, JB Lippincott, 1993, p93-134

Hiroshi, Y., Y. Yasuo, S. Takaharu, and S. Takao, 1983: Isolation and particle

characteristic of the major allergen from Japanese cedar (Cryptomeria

japonica) pollen, Journal of Allergy Clinic Immunology, 71, 77-86.

Kang SY, Min KU. Aerobiological and allergic study of pollen in Seoul. Allergy

(korea) 4;1-20:1984.

Kaufman, H. S., and K. Ranck, 1988: Antigen recognition in Filipinos, Japanese,

Chinese, and Caucasians, Annals of Allergy, 60, 53-56.

Korean Academy of Pediatric Allergy and Respiratory Disease, 2001: Allergy

plant in Korea, Sikmulchujang, 95pp. (in Korean)

Lewis, W., and W. Imber, 1975: Allergy epidemiology in the St. Louis, Missouri

- 121 -

Area II, grasses, Annals of Allergy, 35, 42-50.

Lewis WH, Vinay P, Zenger VE. Airborne and allergenic pollen of North

America. The Johns Hopkins University Press, Baltimore & London, 1983

Loehman, E.T. and V.H. De, 1982, "Application of Stochastic Choice Modeling to

Policy Analysis of Public Goods: A Case Study of Air Quality

Improvements.” Review of Economics and Statistics, 64, 474-480.

Lowenstein H. Quantitative immunoelectrophoretic methods as a tool for the

analysis and isolation of allergens. Pro Allergy 25;1-15, 1978

Manuel, E.H., Jr., R.L. Horst, Jr., K.M. Brennan, J.M. Hobart, C.D. Harvey, J. T.

Bentley, M.C. Duff, D.E. Klingler and J.K. Tapiero., 1983, Benefits

Analysis of Alternative National Ambient Air Quality Standards for

Particulate Matter. Final Report prepared for the Office of Air Quality

Planning and Standards, U.S. Environmental Protection Agency, Research

Triangle Park, North Carolina.

Nilsson S, Praglowski J, Nilsson N. Atlas of airborne pollen grains and spores

in Northern Europe. Almquist & Wiksell International, Stockholm, 1977

Nilsson S, Spieksma FM. Traveller's allergy service guide. Palynological

Laboratory, Swedish Museum of Natural History, Sweden, Stockholm, 1994

Oh, J. W., 2002: Pollinosis and aerobiological characteristics of pollen, Journal of

the Korean Pediatric Society, 45(12), 247-254. (in Korean)

Oh, J. W., 2006: The Correlation between increased sensitization rate to weeds

in children and the annual increase in weed pollen in Korea, Korean

J ournal of P ediatric Allergy and Respiratory Disease, 16(2), 114-121. (in

Korean with English abstract)

Oh, J. W., and Lee, H. B., 1997: The study of distribution pollen and mold in

Guri, Gyeonggi-do, Korean Journal of P ediatric Allergy and Respiratory

Disease, 7, 57-68. (in Korean with English abstract)

Oh JW, Lee HB, Lee HR, Pyun BY, Ahn, Kim KY, et al. Aerobiological study

of pollen and mold in Seoul, Korea. Allergology International 47:263-70,

1998

Oh JW, Lee HL, Kim JS, Lee KI, Kang IJ, Kim SW, et al. Aerobiological study

of pollen and mold in the 10 states of Korea. Pediatr Allergy Respir Dis

(Korea), 10;22-33, 2000

- 122 -

Ostro, B. 1983, “The Effects of Air Pollution on Work Loss and Morbidity",

Journal of Environmental Economics and Management 10, 371-382.

Petersen K. D, Gyrd Hansen D. and Dahi R., 2005, Health-economic analyses of

subcutaneous specific immunotherapy for grass pollen and mite allergy,

Allergol et Immunopathol, 33(6), 296-302.

Potter PC, Cadman A. Pollen allergy in South Africa. Clin Exp Allergy

26:1347-54,1996

Ross Gittell, Ann McAdam Griffin, Jason Rudokas, Aichatou Hassane and Robert

Woodward, 2006, The Economic Benefit of the Use of Air Quality

Information & Forecast, 2006 NOAA Climate Prediction Applications

Science Workshop.

Sharyn Rigsbee an Lee Ann McCray, 2009, Research Summary of Laboratory of

Respiratory Biology, National Institute of Environmental Health Science.

Singer, B. D., L. H. Ziska, D. A. Frenz, D. E. Gebhard, and J. G. Straka, 2005:

Increasing Amb a 1 content in common ragweed (Ambrosia artemisiifolia)

pollen as a function of rising atmospheric CO2 concentration, Function

Plant Biology, 32, 667-670.

Smith EG. Sampling and identifying allergenic pollens and molds: an illustrated

identification manual for air samplers, San Antonio, Texas, Blewstone, 1990

Smith M, Emberlin J. A 30-day-ahead forecast model for grass. International J

Biometeorology 50;233-42, 2006

Solomon WR, Weber RW, Dolen WK. Common allergenic pollen and fungi.

Bierman CW, Pearlman DS, Shapiro GG, Busse WW. Allergy, asthma and

immunology from infancy to adulthood. 3rd ed, Philadelphia, WB Saunders,

1996, p93-114

Stach, A., M. Smith, C. A. skjoth, and J. Brandt, 2007: Examining ambrosia

pollen episodes at Poznan (Poland) using back-trajectory analysis,

International J ournal of Biometeorology, 51, 275-286.

Taramarcaz Lambeler C, Clot B, Keimer C, Hauer C. Ragweed (Ambrosia)

progression and its health risks: will Switzerland resist this invasion?

Swiss Med Wkly 135;538-48, 2005

Taylor G, Walker J, Backley CH. 1820-1900: A detailed description of the

astonishing achievement of Backley in describing the causes of hay fever.

- 123 -

Clin Allergy 3:103-8,1973

Vazquez, L. M., C. Galan, and E. D. Vilches, 2003: Influence of meteorological

parameters on Olea pollen concentrations in Cordoba (South-Western

Spain), International J ournal of Biometeorology, 48, 83-90.

Willett, D.A. 1980, Methodology for Estimating the Social Costs of Illness

Associated with Air Pollution. M.A. Thesis, Department of Economics,

University of New Mexico.

WMO, 2001: Climate Change 2001, IPCC, pp. 203.

Ziska LH, Gebhard DE, Frenz DA, Faulkner S, Singer BD, Straka JG. Cities as

harbingers of climate change: Common ragweed, urbanization, and public

health. J Allergy Clin Immunol 111;290-5,2003

- 124 -

부 록

- 설 문 지 -

- 125 -

ID

꽃가루 기상정보 서비스 설문

본 설문은 국립기상연구소의 학술용역사업의 일환으로 우리나라 기상청에서 제

공하는 기상정보 서비스의 하나로 꽃가루 기상정보 서비스를 제공한다면 어떠

한 형태가 적절한지를 알아보기 위해 실시하는 것입니다.

본 설문지에 응답하신 내용은 오직 연구목적으로만 활용될 것이며, 응답하신 개별

정보는 익명으로 처리될 것입니다. 바쁘시더라도 잠시 시간을 내주셔서 답변해 주

시면 감사하겠습니다.

(본 설문에서 조사된 내용은 통계목적이외에는 절대 사용할 수 없으며, 그 비밀이

보호되도록 통계법(제13조, 제14조)에 규정되어 있습니다.)

2009년 10월

연구책임자(이중우 교수), 담당연구조사자(조영상 교수, 박사과정 고광근)

Fax: 055-335-3317, Tel: 055-320-3132, Mobile: 010-5000-0140(고광근)

응답자 선정

1.귀하의 성별은? (1) 남성 (2) 여성

2. __님의 연령은 만으로 몇 세이신가요? ____________세

(1) 만 15세 미만

(2) 만20~24세 (3)만25~29세

(4) 만30~34세 (5)만35~39세

(6) 만40~44세 (7)만45~49세

(8) 만50~59세 (9)만60세 이상

3. 님의 거주지역은?

(1) 서울 (2) 인천 (3) 대구

(4) 광주 (5) 대전 (6) 울산

(7) 부산

- 126 -

사전 보기 제시

지금부터 꽃가루에 관련한 내용의 보여 드리겠습니다. 충분히 내용을 숙지하시고

질문에 응답해 주시기 바랍니다

□ 꽃가루로 인한 건강 피해

꽃가루는 식물의 번식을 위해 꽃의 수술에서 생성되어 암술로 날라 다니는 분말

로 실제로 알레르기를 일으키는 가루로 우리나라에서 집먼지와 진드기 다음으로

흔한 알레르기 원인물질로 대개 3/1000 ~ 20/1000mm의 크기로 육안으로는 보이지

않아 현미경으로 관찰이 가능하다.

꽃가루에 예민한 사람은 꽃가루로 인해 알레르기 비염, 결막염, 천식, 아토피 피

부염에 걸릴 수 있습니다. 일단 꽃가루로 인해 알레르기 비염이 생기면 아침에는

주로 맑은 콧물과 재채기가 나오고 코 가려움증이나 코 막힘 증상이 심해집니다.

일반적으로 알레르기 비염 환자의 상당수는 결막염을 함께 경험하게 되는데, 눈이

가렵고 충혈되거나 눈물이 나옵니다. 심한 경우에는 천식으로 진행되어 기침, 가래,

쌕쌕거리는 숨소리와 호흡곤란이 나타납니다.

□ 꽃가루 기상정보 서비스란?

꽃가루는 계절적으로 발생하기 때문에 알레르기 증상도 꽃가루가 유행하는 계절

에 주로 나타나게 됩니다. 따라서 어느 시점에 어는 지역에서 어떤 꽃가루가 공기

중에 많이 나타나는지에 대한 정확한 정보는 국민 건강과 진료에 매우 중요합니

다.

현재 미국과 일본, 유럽의 여러 나라에서는 지역적인 꽃가루 지도(pollen map)와

계절적인 분포 자료로 꽃가루 달력(pollen calendar)을 제공하고 있으며, 꽃가루가

많이 발생하는 시기에는 일기예보와 함께 꽃가루 예보(pollen forecast)를 기상정보

서비스로 국민들에게 제공하고 있습니다. 그러나 현재 한국의 기상청에서는 이러

한 꽃가루 기상정보가 제공되고 있지 않습니다.

- 127 -

꽃가루 기상정보 서비스 내용 제시

아래는 꽃가루 기상정보 서비스와 관련된 속성과 수준들을 설명하고 있습니다.

다음을 잘 읽고 숙지하신 후 설문에 응답해주시기 바랍니다.

속성 수준 설명

예보지역

단위

광역예보시, 도 단위로 꽃가루 기상정보를 제공하는 것입니다.

(예를 들면, 서울, 경기도 지역에는 꽃가루가 발생할 것입니다)

동네예보

최근 기상청에서 제공하고 있는 읍, 면, 동 단위로 꽃가루 기상

정보를 제공하는 것입니다.

(예를 들면, 서울시 종로구 종로 1가에 꽃가루가 발생할 것입니다)

예보간격

3시간 꽃가루 기상정보를 업데이트하여 제공하는 시간의 간격을 말합

니다. 예를 들어 3시간인 경우에는 매 3시간마다 꽃가루 기상정

보를 갱신하여 제공합니다.

6시간

12시간

예보방식

5단계

방식

꽃가루 농도를 5단계로 구분하여 제공합니다. 예를 들면, 없음/

다소 약함/보통임/강함/매우 강함으로 표현하여 제공하는 것입니

다.

(쉽게 꽃가루 농도의 심각성을 인지할 수 있으며, 5단계에 따라

대응방안을 제시할 수 있는 장점이 있습니다, 그러나 실제 단계

에 못 미치는 꽃가루 농도로 인지할 수 있는 단점이 있음.)

실제농도

방식

꽃가루 농도를 실제 예상되는 농도값으로 제공합니다. 예를 들

면 오늘 꽃가루 농도는 000grants/m3입니다.

(개인이 꽃가루 농도를 보고 심각성을 인지할 수 있는 장점이

있지만, 꽃가루로 인해 질병을 겪지 않은 사람은 농도만으로 심

각성을 인지 못할 수도 있음)

예보기간

오늘

(1일)오늘 발생할 꽃가루에 대해서만 정보를 제공합니다.

오늘+내일

(2일)오늘과 내일 발생할 꽃가루에 대해서만 정보를 제공합니다.

오늘+내일

+모래

(3일)

오늘, 내일, 그리고 모레까지 발생할 꽃가루에 대한 정보를 제공

합니다.

예보매체

대중매체

와 인터넷

TV, 신문, 라디오와 같은 대중매체의 기상예보 시간에 꽃가루

관련 정보가 함께 제공되며, 기상청 인터넷 홈페이지에서도 정보

를 제공합니다.

핸드폰

문자메세지

와 이메일

기상청 홈페이지를 통해 신청하면, 핸드폰 문자메세지와 이메일

을 통해 직접 개인에게 정해진 시간에 정보를 제공합니다.

예보

정확도

50% 꽃가루 기상정보 서비스가 제공하는 예상 정보가 실제 상황과

어느 정도 일치하는지를 나타냅니다. 가령 70%는 10번의 예상

정보 중 7번 정도가 실제의 상황을 거의 정확하게 예상한 것을

의미합니다.

70%

90%

가격

(원/월)

100원꽃가루 기상정보 서비스를 제공받기 위해 매달 세금의 형태로

(국민건강보험료로) 추가적으로 지불하는 금액을 의미합니다.500원

1,000원

- 128 -

이제 여러분은 실제로 꽃가루 기상정보 서비스를 제공받는 상황을 가정합니다. 각

각 기상청이 제공하는 4개의 가상적인 꽃가루 기상정보 서비스를 나타내고 있습니

다. 4개의 꽃가루 기상정보 서비스들 중에서 가장 선호하는 것에 1, 가장 선호하지

않는 것을 4로 하여 1부터 4까지 차례대로 순위를 매겨주시기 바랍니다.

S1.

1 2 3 4

예보지역단위 광역예보 동네예보 동네예보 광역예보


예보방식 실제농도방식 실제농도방식 실제농도방식 5단계 방식

예보기간오늘(1일)

오늘(1일)

오늘+내일+모레(3일)

오늘(1일)

예보매체핸드폰

문자메세지와이메일

대중매체와인터넷



예보정확도 70% 90% 50% 50%

가격(원/월) 1,000원 100원 1000원 100원

선호 순서





S2.

1 2 3 4

예보지역단위 동네예보 광역예보 동네예보 광역예보


예보방식 실제농도방식 5단계 방식 5단계 방식 실제농도방식


오늘+내일(2일)

오늘(1일)

오늘(1일)

예보매체 대중매체와인터넷


핸드폰문자메세지와

이메일


이메일

예보정확도 50% 90% 90% 50%

가격(원/월) 500원 1,000원 100원 100원

선호 순서

- 129 -





S3.

1 2 3 4

예보지역단위 동네예보 광역예보 동네예보 동네예보


예보방식 5단계 방식 실제농도 방식 실제농도 방식 5단계 방식



오늘+내일(2일)

오늘+내일(2일)

예보매체핸드폰



이메일대중매체와

인터넷핸드폰


예보정확도 50% 90% 70% 50%

가격(원/월) 1,000원 500원 100원 500원

선호 순서





S4.

1 2 3 4

예보지역단위 광역예보 광역예보 광역예보 동네예보


예보방식 5단계 방식 실제농도 방식 5단계 방식 5단계 방식

예보기간오늘+내일+모레

(3일)오늘+내일

(2일)오늘(1일)


예보매체 대중매체와인터넷


이메일대중매체와

인터넷핸드폰


예보정확도 50% 50% 70% 70%

가격(원/월) 100원 100원 500원 100원

선호 순서

- 130 -

① ② ③ ④ ⑤전혀 영향이 없음 영향이 없음 보통이다 영향을 미침 매우 영향을 미침

꽃가루로 인한 인식 및 피해에 관한 설문

*이제부터는 꽃가루 관련하여 ___님의 생각과 경험에 대해 여쭙겠습니다.

문1. 꽃가루가 평상시,___님의 생활 및 업무 활동에 어느 정도 미친다고 생각하십니까?

문2. __님께서는 봄철 꽃가루로 인해 알레르기나 비염, 결막염 등의 질병이 발생되

는 경우를 보거나 들으신 적이 있으십니까?

(1) 예 (2) 아니오

문3. __님께서는 꽃가루로 인한 질병으로 병원을 가거나 약국을 방문하신 적이 있

습니까?

(1) 예 (문3-1 으로)

(2) 아니오

문3-1. 그렇다면, 언제 꽃가루로 인한 질병으로 병원을 가거나 약국을 방문하셨는지요?

가장 최근의 경험 기준으로 기록해 주세요.

_______________년 ______________월

문3-1. 당시(프로그래밍:문3-1.시기) 에, 질병의 병명이 무엇이였습니까?

(1) 비염 (2) 천식 (3) 알레르기

(4) 결막염 (5) 아토피피부염

문3-2. 당시에 질병 발생시 평상시에 비해 업무(학습/작업) 효율성이 어느 정도나

저하되었다고 생각하십니까?

■평소 대비 ___%정도 업무(학습/작업)효율성이 저하된다(떨어진다)

0%저하 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%

문3-3. 당시에 질병 발생시, 회사에 결근이나 조퇴를 하신 적이 있습니까?

(1) 예 (2) 아니오

- 131 -

문3-4-1. 당시(프로그래밍:문3-1.시기)에 질병 발생시,

병원 1회 방문 시 지불한 금액은 얼마나 되나요? 병원비와 약국 처방비 각각에

대해 기록해 주세요. 그리고 1회 방문시 소요되는 평균시간도 기재해 주세요.

■ 병원비 _________원 ■약국처방비__________원)

문3-4-2. 당시(프로그래밍:문3-1.시기)에 질병 발생시,

병원 1회 방문 시 총 소요되는 시간은 평균 얼마나 걸렸나요 ?

※ 총 소요시간은 병원가서 진료~약국처방을 받는 데 소요시간을 말합니다.

(01) 30분 이내 (02) 30분~1시간 이내

(03) 1시간~1시간 30분 이내 (04) 1시간 30분 이내~2시간 이내




(11) 5시간 이상(구체적 기록:_________시간 정도)

문3-5-1.당시에 질병 발생시, 병원에 입원한 횟수는 얼마나 되나요? ( 회)

문3-5-2.입원한 당시 평균 몇 일 정도 입원하셨는지요? (평균________일)

문3-5-3.입원한 당시 평균 입원비는 얼마입니까? (___________만원)

문4. __님께서는 꽃가루가 발생하면 마스크, 꽃가루 부착방지제, 녹차, 유산균식품,

공기청정기 등과 같은 제품들을 구입하신 적이 있습니까?

(1) 예 (2) 아니오

문5. __님께서는 현재 비염이나 천식과 같은 질병을 가지고 계십니까?

(1) 예(문5-1번으로) (2) 아니오(문6번으로)

문5-1. 이러한 질병이 꽃가루가 원인이 되어 발생하였다고 생각하십니까?

(1) 예 (2) 아니오

문5-2. 꽃가루가 많이 발생되는 봄이나 가을철에 증상이 심해진다고 생각이 되십니까?

(1) 예 (2) 아니오

문6. __님께서는 만약 기상청에서 꽃가루와 관련된 특화된 기상정보 서비스를 제공

한다면 이용하실 의향이 얼마나 되십니까?

- 132 -

절대 이용하지 아마 이용하지 그저 그렇다/ 아마 이용할 반드시

않겠다 않을 것이다 보통이다 것이다 이용하겠다

+----------------+----------------+----------------+----------------+

1 2 3 4 5

응답자 배경 질문

배1. 기혼이신지요?

(1) 기혼 → 결혼 후 몇 년째: ______________ (2) 미혼

배2.__님의 가족 수는 본인 포함하여 몇 명인가요? __________ 명

배3. __님의 가족 구성은 어떻게 되십니까?

(1) 부부(자녀없음) (2) 부부+자녀 (3) 부부+자녀+부모

(4) 본인(미혼) + 부모 (5) 본인(미혼) 독신 (6) 기타(_____________)

배4. __님의 직업은 어떻게 되십니까?

(01) 대학생/대학원생 (02) 농/임/어/축산업

(03) 자영업(대리점,식당,이/미용소,가게운영) (04) 판매직(점원/세일즈맨)

(05) 기술직(기사,선반공,목공,전기공,이/미용사)

(06) 사무직(기업체엔지니어,일반회사 사무직,교사,6급이하 공무원,행원 등)

(07) 노무직(청소원,경비,방범,현장노동 등)

(08) 경영직(대기업 이사이상,중소기업 사장)

(09) 관리직(영관급이상 군인, 5급이상 공무원, 대기업 부장급, 중소기업 이사급)

(10) 전문직(교수,의사,법조인,언론인,예술인)

(11) 직장이 없는 주부(전업주부)

(12) 무직

(13) 기타(기록: ________________________)

배5. 최종 학력은?

(1) 고졸이하 (2) 전문대학 졸업 (3) 대학 졸업 (4) 대학원 재학 이상

설문에 응답해주셔서 감사합니다.

webbook.me.go.krwebbook.me.go.kr/dli-file/091/018/006/5515074.pdf · - iv - §a 3 26 `````02

Documents