기후변화에 따른 충북 지역 노동-임금 변동성 추정

Ⅰ. 서 론

기후변화로 인한 평균기온 및 습도 증가는 열스트레스(heat stress)를 심화시키며 인간의 활동에 위협을 작용하고 있다(Fischer and Knutti, 2013; Zhu et al., 2021). 특히 열스트레스는 생리적·행동적 반응을 통해 근로자의 건강에 영향을 미치고, 이는 다시 노동의 공급, 생산성, 역량 등에 영향을 미치며 전반적인 노동력의 저하로 이어질 수 있다(Dasgupta et al., 2024). 노동력의 저하는 결과적으로 경제의 역성장에 핵심요인이 될 수 있기 때문에, 노동시스템에 대한 기후변화의 영향을 보다 연구해야 할 필요성이 확대되고 있다(Matsumoto, 2019).

이와 같은 열스트레스의 강화는 전 지구적인 평균기온 상승과 강수 패턴의 변화에 기인하며, 우리나라도 이러한 기후변화의 영향을 점점 더 뚜렷하게 경험하고 있다. 지난 100여 년(1912-2020년) 사이 우리나라 연평균기온은 약 1.6℃ 올랐는데, 이는 기후변화에 관한 정부 간 협의체(Intergovernmental Panel on Climate Change, IPCC)가 발표한 전 세계 평균 상승 폭인 1.1℃를 상회하는 수치다(대한민국정부, 2023). 같은 맥락에서 2024년 우리나라 연평균기온은 14.5℃로 평년 12.5℃ 대비 2.0℃ 높은 것으로 나타나 역대 최고 기록을 경신한 한편, 연간 열대야 일수는 24.5일을 달성하는 등 여름철 평균기온의 상승과 더불어, 폭염일수의 증가와 열대야 빈도 확대는 국민 건강과 노동환경에 직접적인 위협 요인으로 작용할 수 있어 우려되는 상황이다(기상청, 2024).

향후 기후변화 시나리오에서도 극한 고온 현상의 증가는 더욱 뚜렷하게 전망된다. IPCC가 제6차 평가보고서(the 6th Assessment Report, AR6)에서 제시한 신규 기후변화 시나리오인 ‘공유사회 경제경로(Shared Socio-economic Pathways, SSP)’에 기반한 국내 시나리오 분석에 따르면, 고농도 온실가스 배출 지속 시나리오(SSP5-8.5)하에서 21세기 후반 우리나라는 현재(2000-2019년) 대비 약 6.3℃ 상승할 것으로 예상되며 폭염일수 또한 대폭 증가할 것으로 예측되고 있다(기상청, 2023). 이와 같은 극한 고온현상의 증가는 인간의 생리적 열쾌적 범위를 벗어나는 수준의 열스트레스를 유발하게 되며, 특히 실외 작업자나 고온 다습한 실내환경에서 근무하는 노동자에게 더 큰 영향을 미친다. 이에 국제사회는 고온 노출이 노동생산성과 건강에 미치는 복합적 영향을 경고하며, 지역적 기후 특성과 산업 구조에 따라 차별화된 영향분석이 필요함을 강조하고 있다(ILO, 2019).

본 연구는 충청북도 지역(이하, 충북지역)을 대상으로, 기후변화 시나리오에 따른 열스트레스의 변화를 정량적으로 추정하고, 이에 따른 노동력 손실 및 경제적 영향을 평가하는 것을 목적으로 한다. 구체적으로는, SSP 시나리오를 중심으로 여름철 평균기온, 상대습도, 복사열 등을 반영한 통합 지표인 WBGT(Wet-Bulb Globe Temperature)를 산출하고자 한다. 산출된 WBGT를 바탕으로 시나리오별·노동강도별로 근로자의 작업역량(Work Ability, WA) 변화를 추정하고, 각 직업군별 연평균 노동시간 및 산업별 평균임금 정보를 활용하여 임금변화 추정치를 도출함으로써, 고온 노출로 인한 노동생산성과 임금수준의 영향을 구조적으로 분석하고자 한다.

이러한 방식의 분석은 충북 지역의 산업구조, 인구·고용 특성, 기후변화 취약성 등을 종합적으로 반영한 실증 기반 결과를 제시함으로써, 지역 차원의 기후적응 정책 수립 및 노동시스템 변화 대응 정책 마련에 기초자료로 활용될 수 있을 것이다.

Ⅱ. 선행연구 고찰

기후변화로 인한 기온 상승은 열환경의 악화를 초래하며, 이는 인간의 생리적 안정성을 위협하는 열스트레스(heat stress)를 유발한다. 열스트레스는 노동자의 신체적 피로도와 인지 기능, 체온조절 능력 등에 직접적인 영향을 미쳐 작업 지속 가능시간을 단축시키고, 이는 곧 노동생산성의 저하와 경제적 손실로 이어진다. 이러한 영향은 고강도 육체노동이 이루어지는 야외 작업환경뿐만 아니라, 기후변화에 상대적으로 취약한 내륙 중소도시 및 산업 중심 지역에서 더욱 뚜렷하게 나타날 수 있다.

이러한 맥락에서 기후변화가 노동환경에 미치는 영향을 정량적으로 분석하는 연구는 단순한 피해 예측을 넘어, 기후변화 적응(adaptation) 전략의 수립에 필수적인 정책적 기초자료로 기능할 수 있다. WBGT는 기온, 습도, 복사열, 풍속 등 주요 기상요소를 통합적으로 반영하여 인체의 열부하 수준을 나타내는 지표로서, 직업적 열스트레스 평가에 있어 국제표준으로 활용되고 있으며, 기후-노동 분석의 핵심 지표로 자리 잡고 있다.

WBGT 관련 연구에서 활용되는 핵심요소로 작업역량(WA)과 작업강도(Work Intensity)가 있다. 작업역량은 주어진 열환경에서 안전하게 수행 가능한 유효 작업능력의 비율(0-1 또는 %)을 뜻하며, 체열부하와 대사열의 균형이 무너질수록 감소한다(Kjellstrom at al., 2009; Lemke and Kjellstrom, 2012). 작업강도는 대사율(ISO 8996)에 근거해 저·중·고로 구분되며, 강도가 높을수록 동일한 WBGT에서도 역량 하락이 더 빠르고 크게 나타난다(Dunne at al., 2013). 본 연구는 이러한 핵심요소를 통해 노동손실을 추정하는 것으로 목표로 한다. 여기서 노동손실이란 이를 집계한 사회경제적 개념(거시)으로, 기준 노동시간·취업자 수와 결합한 유효노동투입 감소 또는 동일 산출 유지에 필요한 추가 임금총액으로 표현된다.

WBGT 기반의 노동손실 분석은 기후변화와 사회경제 시스템간 연계 경로를 실증적으로 규명해온 다양한 연구를 통해 체계화되고 있다. Lemke and Kjellstrom(2012)는 기존 기상자료를 활용한 WBGT 산정 방식을 비교하고, 기후변화에 따른 노동손실 추정의 표준적 방법론으로서 Liljegren and Bernard의 모델을 제시하였다. Holmér(2010)와 Kjellstrom et al.(2009) 및 Kjellstrom et al.(2018)은 국제적 열환경 기준치 초과에 따른 노동 생산성 손실 가능성과 경제적 파급효과를 정량화하며, 특히 열대 및 아열대 지역의 노동시장에 미치는 구조적 영향을 강조하였다. Foster et al.(2021)는 실험실 데이터를 통해 WBGT 수준과 물리적 노동역량(Physical Work Capacity, PWC) 간의 비선형 관계를 경험적으로 모델링하였으며, 중간 수준의 WBGT에서도 실질적인 노동 손실이 발생할 수 있음을 실증하였다. 또한 Gao et al.(2018)은 직업적 열스트레스 평가를 위한 지표들의 특성과 한계를 종합적으로 검토하며, WBGT가 현장 적용성과 생리적 타당성 측면에서 균형 잡힌 지표임을 강조하였고, Habibi et al.(2024)은 고온·고습 환경에서의 장시간 노동이 심박수, 체온, 피부온도 등 생리적 반응을 악화시켜 작업자의 건강과 안전을 저해하며, 이는 노동역량 저하와 열 관련 질환(HRI) 증가로 이어질 수 있다는 지적을 바탕으로 향후 기후변화에 대응하기 위해서는 노동 회복력(heat stress resilience) 강화를 위한 보호정책과 적응 전략이 필수적이라고 강조하였다.

최근에는 지역 및 산업 수준에서 노동생산성 손실을 정량화하고, 이를 거시경제적 수준까지 연계하려는 시도가 확산되고 있다. Liu(2020)는 중국 남부·동부 지역을 대상으로, RCP 시나리오 기반 WBGT 상승에 따른 산업별 노동역량 감소가 지역경제에 미치는 영향을 분석하였으며, Dunne et al.(2013)은 ESM2M 기후모형을 활용해 세계적 규모의 노동능력 감소 추세를 예측하였다. Dasgupta et al.(2021)는 열스트레스가 노동시간과 생산성, 사고율까지 포괄적으로 저해하며, 이는 국가 총부가가치(GVA) 손실의 주요 경로가 될 수 있음을 보여주었다. Grand and Soria(2023) 역시 WBGT 기반의 노동손실 함수와 각 산업별 노동자 비율, GDP 예상치를 결합하여 2050년까지 기후변화에 따른 국가 총생산(GDP)의 1~2% 수준 손실을 예측하였다.

이러한 기후-노동 연계 분석은 점차 산업연관구조 및 사회경제시스템 전반으로 확대되고 있다. Kimmich et al.(2025)는 오스트리아 사례를 통해 산업별 노동강도와 열스트레스 취약도를 반영한 생산성 감소가 산업 간 연결망을 통해 거시경제적 충격으로 확산됨을 분석하였으며, 에이전트 기반 모형을 통해 실질 GDP의 연평균 0.7% 수준 손실이 발생할 수 있음을 제시하였다. Chu et al.(2024)은 중국의 고온화와 산업구조 재편이 상호작용하며, 제조업·건설업 등에서 열스트레스 기반의 생산성 손실이 급격히 증가하고 있음을 실증하였고, 에어컨 보급 확대가 노동손실의 완화 요인으로 기능하고 있음을 보였다.

Nelson et al.(2024)은 PWC 지표를 통해 농업 중심 노동시장에서의 미래 열스트레스 시나리오를 평가하였으며, SSP5-8.5 시나리오하에서 작물생산 주요 지역의 PWC가 0.4 이하로 하락할 수 있음을 경고하였다. 그는 특히 기계화, 작업시간 분산, 음영제공 등 실질적 적응 수단의 효과를 계량적으로 제시함으로써, 단순 예측을 넘어 정책 개입의 설계 논거를 제공하였다. 유사하게 Bitencourt et al.(2021)은 브라질을 대상으로 ETA 지역기후모형을 활용하여 WBGT 기반 미래 열환경을 시뮬레이션하였으며, 특히 내륙·북부 지역에서의 WBGT 상승이 농업과 건설 부문 노동자에게 구조적 리스크가 될 수 있음을 밝혔다.

De Lima et al.(2021)은 세계거시모형을 활용하여 열스트레스가 농업노동력과 작물수확량에 동시에 영향을 미친다는 점을 강조하면서, 노동과 토지 생산성의 상호작용적 기후 리스크를 제시하였다. 그는 특히 사하라 이남 아프리카 및 동남아시아와 같이 노동집약형 농업 구조를 가진 지역에서, 열스트레스가 고용 증가 압력과 식량 가격 상승이라는 이중효과를 유발할 수 있음을 분석하였다. Venugopal et al.(2025)은 인도 타밀나두주의 비공식 부문 야외노동자를 대상으로 실측조사를 수행하여, WBGT와 노동손실 간의 실증적 관계를 계량 분석하였으며, RCP6.0 및 RCP8.5 시나리오하에서 노동손실률(LCL)이 10%를 초과할 수 있음을 보여주었다.

한편, 국내 WBGT 및 열스트레스 관련 연구는 대체로 노출평가와 보건·행동 반응에 초점이 맞춰져 있다. 건설업 대상 노출평가에서는 행정구역·기상관측·건축허가 자료를 결합해 모델링 기반 WBGT와 노출초과율을 산정한 결과, 연간 10.6-24.0%, 폭염 피크 70.2-84.1%의 높은 위험이 보고되었다(신새미 외, 2022). 행동·지각 연구는 도시 간 기후배경과 순응(acclimatization) 차이가 열 인지·허용역치를 달리 만든다는 점과, 보편화된 실내 냉방이 행동 반응 격차를 축소할 수 있음을 시사했다(현철승 외, 2018; 주희영 외, 2022). 한편, 시간해상도 WBGT로 노동시간 손실을 직접 추정한 연구는 2050년 82-354백만 시간, 2080년 171-1,169백만 시간의 감소와 작업 시작 2시간 조정 시 손실 20-30% 완화 가능성을 제시했다(박채연, 2023). 이처럼 국내문헌은 대체로 노출평가-보건영향(온열질환, 열쾌적·행동반응) 축에 편중되어, 노동시장 차원의 생산성이나 임금으로의 연결은 상대적으로 미개척 상태로 남아 있다.

종합하면, 기존 선행연구들은 WBGT 기반 분석이 기후변화가 유발하는 열스트레스와 노동력 손실을 정량화할 수 있는 신뢰도 높은 도구임을 입증해 왔으며, 지역적·산업적 맥락을 고려한 실증연구의 확대가 기후변화 ‘적응’ 전략의 설계 및 우선순위 결정에 핵심적 기여를 할 수 있음을 강조하고 있다. 본 연구는 충북 11개 시·군을 대상으로 SSP 시나리오별 WBGT-작업역량-월임금총액 변화를 계량화하여, 지역·작업강도별 상대적 취약도와 비용 압력의 분포를 제시함으로써, 충북지역 기후정책의 영역별 스코핑과 우선순위 설정에 활용 가능한 기초 근거를 제공하고자 하였다.

Ⅲ. 연구설계

1. 분석지역

본 연구의 분석대상인 충북지역은 제조업 집약적 산업구조를 가지고 있는 한편, 11개 시·군별로 핵심산업 간 차이가 존재한다(이민주, 2025). 2023년 기준 충북지역 전체 부가가치의 약 48.8%가 제조업에서 창출되는 것으로 나타났다(Table 1). 이는 전국 평균(28.76%)을 상회하는 제조업 비중으로, 해당 산업이 충북 지역의 경제·노동 구조에 미치는 구조적 영향을 시사한다. 이와 같은 산업집중과 시·군 간 산업구성의 분화가 동일 광역권 내부에서 동시에 관찰된다는 점에서, 충북은 동일한 제도·통계 체계하에서 작업강도별 노동구조의 대비를 검토하기에 적합하다고 판단하였다.

Table 1.

Economic scale and key industries of Chungbuk region (2023)

청주시, 충주시, 음성군, 진천군 등은 제조업 비중이 45% 이상으로 나타나며, 특히 진천군(72.10%)과 음성군(63.63%)은 특정 산업군에 대한 의존도가 매우 높은 단일 구조를 보인다. 이와 같은 高제조업 집중 구조는 열스트레스에 취약한 산업 활동이 다수 포함된다는 점에서 기후변화에 따른 노동력 손실 및 생산성 저하의 가능성이 큰 지역으로 간주될 수 있다. 제천시, 보은군, 옥천군, 단양군 등은 상대적으로 분산된 산업구조를 나타내며, 특정 산업군에 대한 의존도는 낮은 편이라고 할 수 있다. 또한 농업 및 임·어업, 건설업 등 기후변화로 인한 직접 노출 가능성이 높은 야외 활동 중심 산업의 비중이 일정 수준 존재하는데, 이러한 시·군별 산업구조의 동일한 기후 조건하에서도 WBGT 기반 열스트레스에 대한 노출 위험과 노동 손실 규모가 지역별로 상이하게 나타날 수 있음을 의미한다. 제조업 집적 지역은 실내 작업 비중이 높더라도 외기 온도 상승이 공정열·환기·냉방 부하를 통해 실내 WBGT를 끌어올려 열스트레스가 누적될 수 있으며, 반면 농업·건설 중심 지역은 야외 작업 비중이 커 기온·습도·복사열 등 외기 조건에 대한 직접 노출이 주된 위험요인으로 작동한다. 즉, 온도 상승의 영향은 실내·실외 모두에서 나타나되 작동 경로는 다르다(Nguyen and Dockery, 2016; Int Org Standard, 2017).

본 연구에서는 충청북도 내 산업별 노동 손실을 보다 정교하게 추정하기 위해, 제11차 한국표준산업분류(KSIC)에 따른 총 21개 대분류 산업(A~S)을 기준으로 하여 작업강도별 산업 재분류 체계를 설정하였다.¹⁾ 이는 산업별 노동활동 특성과 열스트레스에 대한 노출 정도가 상이하다는 점에 착안하여, 작업환경 기반의 노출 취약성 차이를 계량적으로 반영하기 위한 조치이다.

작업강도 분류는 선행연구(Foster, 2021; Kjellstrom et al., 2018) 및 국제 기준에 따라 저강도(low), 중강도(moderate), 고강도(high)의 세 가지 범주로 구분되며, 물리적 활동량, 실내외 작업 여부, 열 축적 가능성 등을 기준으로 산업군을 재구성하였다. Kjellstrom et al.(2018)의 연구를 참고한 작업강도에 대한 정의와 이에 해당하는 산업군 분류는 다음의 <Table 2>와 같다. 산업 내부의 직종 다양성과 실내·외 혼합작업의 존재로 인해, 산업 대분류에 기초한 작업강도 구분은 일부 편향추정을 발생시킬 수 있다. 그럼에도 현 단계의 국내 자료 여건 및 본 연구의 거시적 분석 목적을 고려하면, 전 산업을 대상으로 직종·업무 단위의 실내·외 노출시간·냉방·복사열을 정밀 계량하여 강도를 세분화하는 데에는 현실적 제약이 크다. 따라서 본 연구는 제11차 산업대분류(A~S) 21개 산업을 대상으로 저·중·고 강도 체계를 기준선으로 채택하였으며, 이는 부문(농림어업·건설·제조·서비스 등) 단위에서 WBGT-작업역량 연계로 노동손실을 산정해 온 국제적 관행 및 선행연구와 합치한다.

Table 2.

Reclassification of industry sectors by work intensity

2. 분석방법

Tw기후변화 시나리오에 따른 충북지역 11개 시·군의 노동 손실을 추정하기 위해 기후변수를 통한 통계모형을 활용하여 WBGT 값을 산출하고, 이를 기반으로 각 산업군의 작업역량 및 임금손실을 예측하고자 한다. 대상기간은 중반기(2041년-2060년), 후반기(2080년-2100년)이며, 열스트레스의 영향을 평가하기 위해 해당 연도의 여름철(6-8월)로 시기를 제한하였다. WBGT 추정 모형에는 대표적으로 Bernard모형, JME모형, Liljegren모형, ABM모형, KMA모형 등이 활용되고 있는데, 입력되는 주요 기후요소와 특징에 차이가 있기 때문에 분석 목적 및 데이터에 맞는 모형 채택이 필요하다(<Table 3> 참조, Bernard and Pourmoghani, 1999; Liljegren et al., 2008; 이지선 외, 2019; Kimmich et al., 2025).

Table 3.

WBGT estimation models

우리나라의 경우 일사량 관측지가 적어 평균기온, 상대습도, 풍속, 일사량 등의 기후요소를 투입한 모형을 적용하기에 한계가 있다. 이에 기상청은 평균기온과 상대습도만을 이용하여 일사량 데이터 없이 WBGT 추정 가능한 모형(KMA2016)을 개발하였고, 우리나라 5개 도시(부산, 대구, 청주, 전주, 거제)에 대한 WBGT 관측에 있어 적합도가 높은 것으로 확인되었다(이지선 외, 2019). 따라서 본 연구에서는 KMA2016 모형을 활용하여 충북지역의 WBGT를 추정하였고, 그 기본방정식은 식 (1)과 같다.

$$

(1)

여기서 Tw는 습구온도(℃), Ta는 평균기온(℃)을 의미한다. Tw는 기온과 상대습도(RH)를 이용한 Stull(2011)의 모형을 활용하였으며, 산출식은 식 (2)와 같다.

$$

(2)

산출된 WBGT를 활용하여 작업강도별 작업역량을 추정할 수 있다. Kjellstrom et al.(2018)의 연구에서 도출한 노출반응함수(Exposure-Response function, ERF)를 적용하여 작업역량을 계산하였다. α1과 α2는 3가지 실내외 열환경과 대사열을 고려하여 제시된 작업강도별 파라미터로, 각각 작업효율 하락 위치와 하락 척도를 나타낸다(Table 4).

Table 4.

Work capacity parameters by work intensity

$$

(3)

마지막으로 산출된 작업역량을 통해 충북 지역 산업군별 월임금총액 변화를 산출하였다. 본 연구의 산식은 채여라 외(2024)의 연구를 참고하였으며, 미래 임금률을 예측하는 임금방정식이 아닌, 생산성 유지·임금률 고정 하에서 열스트레스로 인한 업무효율 저하가 요구하는 추가 노동비용(월임금총액)을 계량화한 비용 스케일링 식이다. 단위노동비용(ULC)²⁾ 정체성에 따르면, 주어진 기술·설비에서 노동생산성(A)은 효율에 비례하므로 A∝WA이고, ULC = w/A(w: 시간당 임금)이다.³⁾ 산출을 일정하게 유지하려면 임금총액은 ULC와 생산성의 곱으로 볼 수 있으므로, 효율 하락분에 역비례하여 증가한다. 이에 대한 식은 식 (4)와 같다.

$$

(4)

여기서 W는 현재월임금총액, W′는 미래월임금총액, WA는 현재 작업역량, WA′는 미래 작업역량을 각각 의미한다. 즉, 산출 유지비용의 하한선을 제시하는 정태적 비용지표로서 의미를 지닐 수 있다. 현재월임금총액의 경우 지역·작업강도군으로 묶인 각 산업의 종사자 수를 합해 지역-작업강도별 총근로자 수를 구하고, 평균임금은 해당 산업들의 1인당 월임금을 종사자 수로 가중해 계산한 뒤 작업강도별 총근로자 수와 월평균임금을 더한 값으로 산출한다.

$$

(5)

$$

(6)

$$

(7)

이렇게 도출한 현재월임금총액을 기반으로 미래월임금총액을 도출하는 최종 산식은 식 (8)과 같다.

$$

(8)

3. 데이터

충북지역 작업강도별 WBGT와 미래 월임금총액을 추정하기 위해 크게 미래 기후요소 데이터와 충북지역의 산업 관련 데이터를 구득하였다. 먼저 WBGT 산출에 필요한 미래 기후요소는 SSP 기반 기후변화시나리오 데이터를 활용하였다. SSP는 IPCC 6차 평가보고서에 제시한 2100년 기준 복사강제력 강도와 함께 미래 사회경제변화를 기준으로 기후변화에 대한 미래의 완화 및 적응 노력에 따라 시나리오를 구분하며, 인구통계, 경제발달, 복지, 생태계요소, 자원, 제도, 기술발달, 사회적인자, 정책 등을 고려하였다(IPCC, 2022).

본 연구에서는 기후기술의 진전과 친환경적 경제성장을 이루었을 경우와 기후정책의 부재와 빠른 경제개발에 중점을 두었을 경우를 가정하여 SSP1-2.6과 SSP5-8.5 데이터를 투입하여 결과를 분석하고자 하였다. SSP 데이터는 기상청의 국가 기후변화 표준 시나리오 중 남한상세 시나리오를 활용하였다. 해당 데이터는 동아시아 시나리오인 HadGEM3-RA, WRF, CCLM, GRIMs, RegCM4을 통계적으로 상세화한 1km×1km 격자 데이터로, 단일모델에서 산출된 기후전망정보의 불확실성을 제거하고 신뢰수준을 높이기 위해 다양한 지역기후모델에 대해 앙상블 작업을 수행한 것이다. SSP 격자데이터는 연도(year), 위경도(latitude and longitude), 기후요소(climate factor)로 이루어진 3차원 데이터로, 구득한 데이터에서 충북지역 WBGT 산출에 필요한 평균기온과 상대습도 데이터를 추출하여 활용하였다.

다음으로 충북지역 작업강도별 미래 월임금총액을 산출하기 위해 2023년 기준 시군별·산업분류별 종사자 수와 월임금총액 데이터를 활용하였다. 현재의 작업강도별 월임금총액은 각각 작업강도에 해당하는 전국 산업의 월임금총액을 충북지역 시군별 종사자 수에 곱하여 산출하였다. 다만 서비스업 중 ‘공공행정, 국방 및 사회보장 행정’의 경우 월임금총액 데이터의 부재로, 「경제총조사」의 인건비 데이터를 활용하여 계산하였다. 데이터에 대한 출처는 <Table 5>와 같다.

Table 5.

Data description

4. 분석결과

1) WBGT 추정

WBGT 추정 결과, SSP1-2.6 시나리오하에서는 모든 시·군에서 WBGT가 완만한 상승세를 보였으며, 중기 및 후기 미래 시점 모두 평균적으로 24°C에서 26°C 사이의 값을 나타내었다. 이는 현재 기후 조건과 비교하여 일정 수준의 상승을 시사하나, 상대적으로 낮은 수준의 열스트레스 위험도를 유지할 것으로 판단된다. 반면 SSP5-8.5 시나리오의 경우, 모든 지역에서 WBGT 값이 증가하는 양상을 보였으며, 특히 후반기(2081-2100년) 시점에는 대부분의 시·군에서 WBGT가 28°C를 초과하는 것으로 나타났다. 이는 국제적으로 정의된 중등도 이상의 열스트레스 기준을 상회하는 수치로, 실외 근로자나 취약계층의 건강에 심각한 영향을 미칠 수 있음을 시사한다.

지역별로는 청주, 충주, 진천, 음성 등 비교적 도시화가 진행된 내륙 중심 시·군에서 상대적으로 높은 WBGT 값이 관찰되었으며, 이는 도시 열섬 효과와 기온 상승의 복합적인 영향으로 해석된다. 반면 제천, 단양 등 북부 산간 지역은 전반적으로 낮은 WBGT 수준을 유지하는 경향을 보였으나, SSP5-8.5 후기 미래 시점에서는 이들 지역 또한 26°C를 상회하는 열스트레스 환경에 노출될 가능성이 있는 것으로 나타났다. 또한 시나리오별로 제시된 오차 범위를 분석한 결과, SSP5-8.5 시나리오에서 보다 큰 편차가 관찰되었으며, 이는 기후모형 간 불확실성과 극단 기후의 빈도 증가 가능성을 반영하는 것으로 판단된다. 이러한 불확실성은 향후 기후 적응 정책 수립 시 고려되어야 할 중요한 요소이다.

결론적으로, 충청북도 전역에서 기후변화에 따른 WBGT 상승이 명확하게 예측되며, 특히 고배출 시나리오에서는 실외활동 제한, 열 질환 증가, 산업현장 노동환경 악화 등 다양한 사회적 위험이 현실화될 수 있다. 충북지역의 기후변화시나리오별 WBGT 변화는 <Figure 1>과 같다.

Figure 1.

Changes in WBGT in Chungbuk by climate scenario

2) 작업강도별 노동손실 추정

WBGT 추정결과를 바탕으로 충북지역의 기후변화시나리오에 따른 작업역량을 분석한 결과, 각각의 작업강도 수준에 따라 기후변화가 작업역량에 미치는 영향의 크기가 상이하게 나타남을 확인할 수 있었다(Figure 2). 우선, 저강도 작업의 경우 모든 시나리오와 시점에서 작업역량 감소는 비교적 미미하게 나타났다. SSP1-2.6 시나리오에서는 전체 기간 동안 거의 100%에 근접한 작업역량을 유지하였으며, SSP5-8.5 시나리오에서도 2080년 이후부터 소폭 감소하여 2100년에는 약 95% 수준으로 추정되었다. 이는 저강도 작업이 상대적으로 열스트레스에 덜 민감하며, 일정 수준의 WBGT 상승에도 작업수행이 가능한 환경임을 시사한다.

Figure 2.

Changes in work capacity by work intensity under climate change scenarios in Chungbuk region (Unit: %)

중강도 작업의 경우에는 SSP5-8.5 시나리오에서 작업역량의 분명한 감소가 관찰되었다. 2040년까지는 양 시나리오 모두 약 98% 이상의 높은 작업역량을 유지하였으나, 이후 SSP5-8.5 시나리오에서는 지속적인 하락세를 보여 2080년에는 약 90%, 2100년에는 80% 수준까지 감소하였다. 반면 SSP1-2.6 시나리오에서는 중강도 작업역량이 95% 이상으로 비교적 안정적인 수준을 유지하였다. 이는 중강도 활동에 대해 기후 완화 시나리오가 실질적인 보호 효과를 가질 수 있음을 의미한다.

고강도 작업의 경우 기후변화의 영향이 가장 뚜렷하게 나타났으며, SSP5-8.5 시나리오에서 특히 급격한 감소세가 두드러졌다. 2040년에는 약 97% 수준의 작업역량이 유지되었으나, 이후 급속히 감소하여 2080년에는 약 85%, 2100년에는 60% 이하로 추정되었다. 이는 극한 고온 노출이 고강도 작업 수행에 치명적인 영향을 미침을 보여주며, 실외 고강도 육체노동을 수행하는 산업현장, 건설, 농업 등에서 작업시간 단축, 작업 강도 조절, 냉각 휴식 전략과 같은 체계적인 적응조치가 필수적임을 시사한다. 반면 SSP1-2.6 시나리오에서는 고강도 작업역량 역시 전체 기간 동안 95% 내외의 수준을 유지하였다.

한편, 작업역량 손실(Work Loss, WL)은 작업역량의 여집합으로서 단순 변환에 의해 얻어지는 보완지표이며, 동일 정보를 ‘손실’ 관점에서 직관적으로 제시하기 위해 사용하였다. 11개 시군을 대상으로 기후변화 시나리오에 따른 작업강도별 작업역량 손실의 변화를 분석한 결과, 기후 시나리오와 시간대, 작업강도 수준에 따라 손실률이 뚜렷하게 상이하게 나타났다. WL은 WBGT를 기반으로 산출한 작업수행역량을 토대로 식 (9)를 적용하여 산정하였다.

$$

(9)

분석결과, 저강도 작업에서는 전체 시군에서 전반적으로 낮은 수준의 작업역량 손실이 나타났다. SSP1-2.6 시나리오에서는 모든 시점에서 WL이 1% 미만으로 유지되었으며, SSP5-8.5 시나리오의 경우에도 2041-2060년에는 대부분 시군에서 2% 이하의 손실률을 보였다. 그러나 2081-2100년 SSP5-8.5 시점에서는 청주, 충주, 진천, 음성 등지에서 5% 내외의 손실률이 관찰되어, 향후 극한 고온 빈도 증가에 따른 열스트레스 영향이 저강도 작업에서도 일정 수준 이상 가시화될 가능성을 시사한다.

중강도 작업에서는 시나리오 간 격차가 보다 뚜렷하게 나타났다. SSP1-2.6 시나리오에서는 대부분 시군에서 WL이 12% 수준에 머무는 반면, SSP5-8.5 시나리오에서는 2041-2060년부터 손실률이 점진적으로 상승하였으며, 2081-2100년에는 청주, 충주, 영동, 진천, 음성 등 주요 내륙 시군에서 10%를 상회하는 수준의 손실률이 추정되었다. 특히 진천과 음성의 경우 약 13-15%에 이르는 손실이 발생할 것으로 예상되어, 중강도 작업환경에 대한 기후 적응적 개입의 필요성이 제기된다.

고강도 작업의 경우 기후변화에 따른 영향이 가장 두드러졌으며, SSP5-8.5 시나리오하에서 2081-2100년 기준 청주, 충주, 진천, 음성, 괴산 등지에서 30% 이상의 작업역량 손실이 나타났고, 일부 시군에서는 40%를 초과하는 극단적 손실 수준이 관찰되었다. 이는 해당 지역에서 고강도 실외작업의 정상적인 수행이 구조적으로 어려워질 수 있음을 의미하며, 향후 작업시간 조정, 휴식 주기 확대, 냉방설비 도입 등의 적극적인 대응 전략이 요구된다. 한편, SSP1-2.6 시나리오에서는 고강도 작업에서도 손실률이 대체로 5% 이하로 유지되어, 기후 완화 정책의 실질적 효과를 간접적으로 뒷받침하는 결과로 해석된다.

지역 간 차이도 명확히 드러났다. 청주, 충주, 진천, 음성 등 도시화 및 산업화 수준이 높은 시군에서는 전 작업강도에 걸쳐 높은 손실률이 지속적으로 관찰되었으며, 반면 산악지형을 기반으로 한 제천, 단양 등의 북부 지역은 상대적으로 낮은 손실률을 유지하였다. 이러한 지역 간 이질성은 지형, 고도, 도시화 수준, WBGT의 지역별 상승폭 등의 복합적 요소가 영향을 미친 결과로 볼 수 있다.

다음의 <Table 6>은 2023년 기준 충청북도 11개 시군을 대상으로 작업강도별 근로자 수와 총 월임금액을 정리한 자료이다. 표에 따르면, 고강도 작업에 종사하는 근로자 수는 대부분의 시군에서 가장 많은 비중을 차지하고 있으며, 이에 따른 총 월임금총액도 상대적으로 높은 수준을 나타낸다. 예를 들어, 청주시의 경우 고강도 작업에 종사하는 근로자 수는 약 27만 6천 명으로, 이는 중강도(92,891명), 저강도(33,273명) 작업에 비해 월등히 많으며, 이들의 월임금총액 또한 약 1,170,963백만 원으로 집계되어 시군 중 가장 높은 수준을 기록하고 있다. 대체로 도시화가 진행된 청주, 충주, 진천 등에서는 전 작업강도에 걸쳐 근로자 수와 월임금총액이 상대적으로 높게 나타났으며, 이는 산업 밀집도 및 경제활동 규모와 밀접한 관련이 있는 것으로 해석된다. 반면, 보은, 옥천, 단양 등 비교적 농산어촌 지역에서는 근로자 수와 임금 규모 모두 낮은 수준을 보인다.

Table 6.

Employment and total monthly wages in Chungbuk region, 2023

이상의 자료를 연계하여, 동일 산출 유지 가정하에 열스트레스로 인한 작업역량 저하를 월임금총액으로 환산하였다(Table 7). 기후변화 시나리오가 고배출·후반기로 갈수록 상승 압력과 불확실성의 확대가 관찰되는데, 이는 임금률 예측이 아니라 비용 신호에 대한 정량화 결과로, 이후 세부 패턴을 지역·강도별로 검토하였다. 분석결과, 다수의 시나리오·시기에서 월 임금총액의 상승 압력이 확인되었다. 다만 상승 폭과 불확실성의 규모는 시군·작업강도·시나리오에 따라 이질적이며, 일부 조합에서는 신뢰구간이 현재 수준과 중첩되어 통계적으로 뚜렷한 추가 상승 신호로 보기 어려운 경우도 존재한다. 따라서 결과는 상승 경향을 시사하되, 지역·강도별 맥락을 고려한 신중한 해석이 필요하다.

Table 7.

Total monthly wage ranges, Chungbuk region(2041–2100; Million KRW)

지역별로 보면, 청주·진천·음성·충주 등 산업집적과 고용규모가 큰 시군에서 모든 강도에서 절대적 비용 수준이 높고 신뢰구간도 넓은 경향이 나타났다. 이는 고강도 과업 비중이 큰 제조·물류·건설 등 부문의 규모 효과와 여름철 고온 노출의 누적이 결합된 결과로 해석할 수 있다. 반대로 보은·옥천·단양 등 저밀·농산어촌 비중이 큰 시군은 절대 규모가 작고 구간 폭도 상대적으로 제한적이다. 이러한 공간적 이질성은 지역별 산업구조와 열 노출 양상의 차이를 반영한다.

작업강도 축에서의 순차적으로 뚜렷한 경향이 관찰되었다. 강도는 중·저강도 대비 중앙값이 높고 신뢰구간의 폭이 가장 크며, 중강도 → 저강도 순으로 수준과 변동성이 단계적으로 축소됨을 확인할 수 있다. 이는 야외·현장 업무 비중이 큰 고강도 부문이 고온 조건에 더 민감하고, 대체가능성이 낮아 비용 변동이 크게 나타나는 특성과 합치한다.

한편, 시나리오·기간 비교에서는 SSP1-2.6의 경우 다수 시군에서 상승 폭이 완만하고 구간이 협소한 반면, SSP5-8.5, 특히 후반기(2081-2100)로 갈수록 중앙값 상승과 신뢰구간 확대가 동반되었다. 이는 고온일수 및 극값의 증가가 누적될수록 비용 분포의 상단이 두꺼워지는 현상과 정합적이다. 다만 특정 시군·강도 조합에서는 중반기와 후반기의 중앙값 차이가 제한적이거나 구간이 상호 중첩되어, 장기적 추가 상승에 대한 통계적 확실성이 충분하지 않은 경우도 확인되었다.

요컨대, 충북의 월 임금총액은 전반적으로 상승 경향을 보이며, 그 규모와 불확실성은 고강도·도시형 산업 집중 지역에서 상대적으로 크다. 본 분석결과는 임금률 개선이 아니라 동일 산출을 유지하기 위해 필요한 비용 신호를 보여 주는 것으로 해석해야 하며, 지역·부문별 분포를 기준으로 정책적 우선순위를 판단하는 것이 타당할 것이다.

본 연구에서 관찰된 미래 임금총액 증대는 열스트레스로 인한 작업역량 저하를 상쇄해 동일 산출을 유지하기 위해 요구되는 추가 노동비용이며, 후생의 개선 신호로 해석할 수 없다. 이러한 비용 압력은 고강도 노출 비중이 큰 시군·산업에 집중되어 지역·부문 간 분배적 불균형을 심화시킬 소지가 있고, 동시에 직업성 열질환·사고 위험 등 보건 리스크가 수반된다. 아울러 냉방설비 확충, 근무스케줄 조정, 보호구 도입 등 적응 조치의 비용은 한계체감·비선형 특성을 보여 상단 리스크를 확대할 수 있으며, 재정·민간 지출의 구축효과(crowding-out) 가능성도 고려되어야 한다. 정책적으로는 고위험 시군·산업 표적화, 작업환경·휴식 기준의 강화와 준수 모니터링, 취약노동자 보호장치, 지역 간 재정조정과 인프라 지원이 요구된다.

Ⅳ. 결 론

본 연구는 충청북도 11개 시·군을 대상으로, 저탄소(SSP1-2.6)와 고탄소(SSP5-8.5) 시나리오하에서 여름철 WBGT 변화가 작업역량과 월 임금총액에 미치는 영향을 정량적으로 살폈다. 분석 결과, 기후변화는 단순한 열스트레스의 증대를 넘어 지역 노동시장과 산업경제에 복합적인 파급을 야기할 수 있음을 확인하였다. 특히 고배출 시나리오의 후반기(2081-2100년)로 갈수록 WBGT가 국제기준의 중등도 이상 구간을 광범위하게 상회하며, 고강도 작업군의 역량 저하가 뚜렷해졌다. 이는 실외 작업자의 건강·안전 문제를 넘어, 지역 고용구조와 산업 운영방식의 조정 필요성을 강하게 시사한다.

한편, 본 연구가 제시하는 미래 월임금총액 증대는 임금률의 상승이나 후생 증가가 아니라, 열스트레스로 인한 역량 저하를 상쇄하여 동일 산출을 유지하기 위해 요구되는 추가 노동비용의 확대를 의미한다. 향후 비용 압력의 크기와 변동성은 지역·작업강도·시나리오에 따라 이질적으로 나타나며, 고강도 노출 비중이 큰 산업과 산업집적도가 높은 시·군에서 상대적으로 크게 표출될 가능성이 높다. 이는 지역 간 부담의 비대칭과 분배적 불균형 심화로 연결될 수 있으며, 직업성 열질환 및 사고 위험의 동반, 적응조치 비용의 비선형적 증가 등 추가적인 사회·경제적 비용을 내포한다.

연구에 대한 정책적 시사점은 다음과 같다. 첫째, 고온 노출과 고강도 과업이 집중된 업종·지역을 대상으로 표적화된 적응 투자가 우선되어야 하며, 대표적으로 그늘·차열·환기·냉방 인프라, 물·휴식·응급대응 체계, 고온 시 업무조정 등의 조치가 이에 포함될 수 있다. 둘째, 작업환경 기준과 휴식 규정의 정교화 및 집행력 강화가 필요하며, 하청·특수고용·이주노동자 등 취약노동층을 포괄하는 감독·지원 체계 마련을 고려할 수 있다. 셋째, 민간의 선제적 적응을 유인하기 위해 재정·재무적 장치(설비투자 보조·융자, 보험·공제, 성과연동 인센티브 등)와 시·군 간 재정조정 및 인프라 지원을 병행할 필요가 있다. 마지막으로 냉방 수요 증가로 인한 전력피크·정전 리스크를 고려하여 수요반응(demand response), 분산전원, 그리드 보강 등 에너지 시스템 측면의 적응을 동시에 추진할 필요성이 있다.

학문적으로 본 연구는 기후 리스크가 비용 신호로서 노동·산업구조에 미치는 영향을 지역 단위에서 실증적으로 제시하였다는 점에서 의의가 있다. 다만 산출 유지와 임금률 고정이라는 기준선에 기반한 비용 추정이라는 한계가 존재하므로, 향후에는 수요조정·자동화·해외이전 등 일반균형적 대응, 위험 프리미엄을 내생화한 임금방정식, 직종·과업 수준의 노출·적응 자료를 결합한 정교한 분석이 요구된다. 또한 적응정책의 비용-효과 및 분배효과에 대한 정량평가, 고온 극값과 연계된 보건·안전 외부성의 포괄도 중요하다. 종합하면, 충청북도와 같은 비수도권 산업·노동기반 지역은 고온 환경의 구조적 심화에 대비하여 비용 신호를 완화하고 불확실성을 관리하는 방향으로 정책 우선순위를 재편할 필요가 있다고 판단된다. 본 연구의 결과는 시·군과 산업별 비용 리스크의 규모와 변동성을 함께 제시함으로써, 지역 맞춤형 기후적응 전략과 재정·노동·보건 정책의 통합 설계를 위한 실증적 근거를 제공했다는 데에 의의를 지닌다.

References

• 기상청, 2023. 「지역 기후변화 전망보고서」, 대전.
  Korea Meteorological Administration, 2023. Regional Climate Change Outlook Report, Daejeon.
• 기상청, 2024. 「이상기후보고서」, 대전.
  Korea Meteorological Administration, 2024. Extreme Weather Report, Daejeon.
• 대한민국정부, 2023. 「대한민국 기후변화 적응보고서」.
  Republic of Korea, 2023. The Republic of Korea’s Adaptation Communication.
• 박채연, 2023. “기후변화에 따른 시간별 WBGT 변화와 노동력 손실”, 「리스크 관리연구」, 34(2): 1-13.
  Park, C., 2023. “The Impact of Climate Change on Hourly WBGT and Working Capacity”, The Journal of Risk Management, 34(2): 1-13.
• 신새미·이혜민·기노성·채정수·변상훈, 2022. “습구흑구온도지수 모델링을 통한 옥외 건설 현장의 고열 노출수준 추정”, 「한국산업보건학회지」, 32(4): 402-413.
  Shin, S., Lee, H.M., Ki, N., Chae, J.S., and Byun, S.H., 2022. “Estimating Heat Exposure Levels at Outdoor Construction Sites Using Wet-Bulb Globe Temperature Index Modeling”, Journal of the Korean Society of Occupational and Environmental Hygiene, 32(4): 402-413.
• 이민주, 2025. “기후변화 리스크에 다른 충북 지역의 손실액 추정”, 「한국지역개발학회지」, 37(1): 83-102.
  Lee, M., 2025. “Estimation of Economic Losses from Climate Risks in Chungbuk Region”, Journal of The Korean Regional Development Association, 37(1): 83-102.
• 이지선·김규랑·조창범·강미선·하종철·김동수, 2019. “습구흑구온도(WBGT) 추정모델 정확도 및 활용가능성 평가”, 「한국방재학회논문집」, 19(4): 53-63.
  Lee, J.S., Kim, K.R., Cho, C., Kang, M., Ha, J.C., and Kim, D.S., 2019. “Evaluating the Accuracies of the WBGT Estimation Models and Their Onsite Applicability in Korea”, Journal of The Korean Society of Hazard Mitigation, 19(4): 53-63. [https://doi.org/10.9798/KOSHAM.2019.19.4.53]
• 주희영·정다희·노상현·이민희·Syifa Salsabila·임가영·이혜린·이초은·문주현·김규랑·이주영, 2022. “여름철 서울과 부산 지역 습구흑구온도(WBGT)와 지역 거주자의 열스트레스 인지 및 체온조절 행동 간의 관련”, 「한국생활환경학회지」, 29(2): 149-164.
  Ju, H., Jung, D., Roh, S.H., Lee, M., Salsabila, S., Lim, G., Lee, H., Lee, C., Moon, J., Kim, K.R., and Lee, J., 2022. “Relationships between WBGT and Heat-stress Cognition and Thermoregulatory Behavior of Seoul and Busan Residents in Summer”, Journal of The Korean Society of Living Environmental System, 29(2): 149-164. [https://doi.org/10.21086/ksles.2022.4.29.2.149]
• 채여라·황진환·김보람·연정인·김지원, 2024. 「기후변화 리스크의 부산지역 주요 산업에 대한 경제적 영향 분석」, 한국은행.
  Chae, Y., Hwang, J., Kim, B., Yeon, J., and Kim, J., 2024. Economic Impact of Climate Change Risks on Major Industries in Busan (in Korean), Bank of Korea.
• 현철승·노상현·김도형·손수영·백윤정·김규랑·이주영, 2018. “서울과 대구 지역 거주 성인 남성의 여름철 폭염 인지 및 체온조절성 행동 비교”, 「한국지역사회생활과학회지」, 29(1): 17-32.
  Hyun, C., Roh, S., Kim, D., Son, S., Baek, Y.J., Kim, K.R., and Lee, J., 2018. “Comparison of the Perception of Summer Heat Wave and Thermoregulatory Behavior between Adult Males Living in Seoul and in Daegu”, The Korean Journal of Community Living Science, 29(1): 17-32. [https://doi.org/10.7856/kjcls.2018.29.1.17]
• Bernard, T.E. and Pourmoghani, M., 1999. “Prediction of Workplace Wet Bulb Global Temperature”, Applied Occupational Environmental Hygiene, 14(2): 126-34. [https://doi.org/10.1080/104732299303296]
• Bitencourt, D.P., Muniz Alves, L., Shibuya, E.K., de Angelo da Cunha, I., and Estevam de Souza, J.P., 2021. “Climate Change Impacts on Heat Stress In Brazil—Past, Present, and Future Implications for Occupational Heat Exposure”, International Journal of Climatology, 41(S1): E2741-E2756. [https://doi.org/10.1002/joc.6877]
• Chu, B.W., Luo, J.F., Wang, K.X., Xing, Z.C., and Wang, H.K., 2024. “Substantial Increase of Heat-induced Labor and Economic Loss in China under Rapid Economic and Environmental Temperature Growth”, Advances in Climate Change Research, 15(4): 708-716. [https://doi.org/10.1016/j.accre.2024.06.006]
• Dasgupta, S., Robinson, E.J., Shayegh, S., Bosello, F., Park, R.J., and Gosling, S.N., 2024. “Heat Stress and the Labour Force”, Nature Reviews Earth & Environment, 5(12): 859-872. [https://doi.org/10.1038/s43017-024-00606-1]
• Dasgupta, S., van Maanen, N., Gosling, S.N., Piontek, F., Otto, C., and Schleussner, C.F., 2021. “Effects of Climate Change on Combined Labour Productivity and Supply: An Empirical, Multi-model Study”, The Lancet Planetary Health, 5(7): e455-e465. [https://doi.org/10.1016/S2542-5196(21)00170-4]
• De Lima, C.Z., Buzan, J.R., Moore, F.C., Baldos, U.L.C., Huber, M., and Hertel, T.W., 2021. “Heat Stress on Agricultural Workers Exacerbates Crop Impacts of Climate Change”, Environmental Research Letters, 16(4): 044020. [https://doi.org/10.1088/1748-9326/abeb9f]
• Dunne, J.P., Stouffer, R.J., and John, J.G., 2013. “Reductions in Labour Capacity from Heat Stress under Climate Warming”, Nature Climate Change, 3(6): 563-566. [https://doi.org/10.1038/nclimate1827]
• Fischer, E.M. and Knutti, R., 2013. “Robust Projections of Combined Humidity and Temperature Extremes”, Nature Climate Change, 3(2): 126-130. [https://doi.org/10.1038/nclimate1682]
• Foster, J., Smallcombe, J.W., Hodder, S., Jay, O., Flouris, A.D., Nybo, L., and Havenith, G., 2021. “An Advanced Empirical Model for Quantifying the Impact of Heat and Climate Change on Human Physical Work Capacity”, International Journal of Biometeorology, 65: 1215-1229. [https://doi.org/10.1007/s00484-021-02105-0]
• Gao, C., Kuklane, K., Östergren, P.O., and Kjellstrom, T., 2018. “Occupational Heat Stress Assessment and Protective Strategies in the Context of Climate Change”, International journal of biometeorology, 62(3): 359-371. [https://doi.org/10.1007/s00484-017-1352-y]
• Grand, M.C. and Soria, M., 2023. Economic Costs of Heat Stress Induced Reductions in Worker Productivity Due to Climate Change in a Developing Country, Asociación Argentina de Economía Política: Working Papers 4636, Asociación Argentina de Economía Política.
• Habibi, P., Razmjouei, J., Moradi, A., Mahdavi, F., Fallah-Aliabadi, S., and Heydari, A., 2024. “Climate Change and Heat Stress Resilient Outdoor Workers: Findings from Systematic Literature Review”, BMC Public Health, 24(1): 1711. [https://doi.org/10.1186/s12889-024-19212-3]
• Holmér, I., 2010. “Climate Change and Occupational Heat Stress: Methods for Assessment”, Global Health Action, 3(1): 5719. [https://doi.org/10.3402/gha.v3i0.5719]
• ILO, 2019. Working on a Warmer Planet: The Impact of Heat Stress on Labour Productivity and Decent Work, Geneva: International Labour Office.
• Int Org Standard, 2017. Ergonomics of the Thermal Environment - Assessment of Heat Stress Using the WBGT (Wet Bulb Globe Temperature) Index - ISO 7243: 2017, Geneva Switzerland: International Standards Organisation.
• IPCC (Intergovernmental Panel on Climate Change), 2022. Climate Change 2022 – Impacts, Adaptation and Vulnerability: Working Group II Contribution to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change, Cambridge: Cambridge University Press. [https://doi.org/10.1017/9781009325844]
• Kimmich, C., Weyerstraß, K., Czypionka, T., Fauster, N. F., Kinner, M., Laa, E., Mateeva, L., Plank, K., Ulrici, L., Zenz, H., Miess, M., and Poledna, S., 2025. “Economic Impact of Labor Productivity Losses Induced by Heat Stress: An Agent-based Macroeconomic Approach”, Climatic Change, 178(3): 36. [https://doi.org/10.1007/s10584-025-03879-7]
• Kjellstrom, T., Freyberg, C., Lemke, B., Otto, M., and Briggs, D., 2018. “Estimating Population Heat Exposure and Impacts on Working People in Conjunction with Climate Change”, International Journal of Biometeorology, 62(3): 291-306. [https://doi.org/10.1007/s00484-017-1407-0]
• Kjellstrom, T., Holmer, I., and Lemke, B., 2009. “Workplace Heat Stress, Health and Productivity–An Increasing Challenge for Low and Middle-income Countries during Climate Change”, Global Health Action, 2(1): 2047. [https://doi.org/10.3402/gha.v2i0.2047]
• Lemke, B. and Kjellstrom, T., 2012. “Calculating Workplace WBGT from Meteorological Data: A Tool for Climate Change Assessment”, Industrial Health, 50(4): 267-278. [https://doi.org/10.2486/indhealth.MS1352]
• Liljegren, J.C., Carhart, R.A., Lawday, P., Tschopp, S., and Sharp, R., 2008. “Modeling the Wet Bulb Globe Temperature Using Standard Meteorological Measurements”, Journal of Occupational and Environmental Hygiene, 5(10): 645-655. [https://doi.org/10.1080/15459620802310770]
• Liu, X., 2020. “Reductions in Labor Capacity from Intensified Heat Stress in China under Future Climate Change”, International Journal of Environmental Research and Public Health, 17(4): 1278. [https://doi.org/10.3390/ijerph17041278]
• Matsumoto, K.I., 2019. “Climate Change Impacts on Socioeconomic Activities through Labor Productivity Changes Considering Interactions between Socioeconomic and Climate Systems”, Journal of Cleaner Production, 216: 528-541. [https://doi.org/10.1016/j.jclepro.2018.12.127]
• Nelson, G.C., Vanos, J., Havenith, G., Jay, O., Ebi, K.L., and Hijmans, R.J., 2024. “Global Reductions in Manual Agricultural Work Capacity due to Climate Change”, Global Change Biology, 30(1): e17142. [https://doi.org/10.1111/gcb.17142]
• Nguyen, J.L. and Dockery, D.W., 2016. “Daily Indoor-to-outdoor Temperature and Humidity Relationships: A Sample across Seasons and Diverse Climatic Regions”, International Journal Of Biometeorology, 60(2): 221-229. [https://doi.org/10.1007/s00484-015-1019-5]
• Stull, R., 2011. “Wet-bulb Temperature from Relative Humidity and Air Temperature”, Journal of Applied Meteorology and Climatology, 50(11): 2267–2269. [https://doi.org/10.1175/JAMC-D-11-0143.1]
• Venugopal, V., Shanmugam, R., and Latha, P.K., 2025. “Heat-Induced Labour Capacity Loss-Future Climate Change Scenario Prediction”, Environmental Development, 57: 101304. [https://doi.org/10.1016/j.envdev.2025.101304]
• Zhu, J., Wang, S., Zhang, B., and Wang, D., 2021. “Adapting to Changing Labor Productivity as a Result of Intensified Heat Stress in a Changing Climate”, GeoHealth, 5(4): e2020GH000313. [https://doi.org/10.1029/2020GH000313]
• Australia Bureau of Meteorology (ABM). “Thermal Comfort Observations”, Accessed Mar 9, 2019. Discover Your Weather, https://www.bom.gov.au/products/IDW65100.shtml