같은 시도에서 폭염이 유난히 잦음 (상위 10%)
◀ ▶
환경 분야

같은 시도에서 폭염이 유난히 잦음 (상위 10%)

같은 시도 다른 동네보다 폭염일이 훨씬 많은 동네 (여름 6~9월 적용)

시도 내 비교

'같은 시도에서 폭염이 유난히 잦음 (상위 10%)' 라벨은 2023년 6월 1,492개 동네에 잡혔어요. 어느 동네에 왜 붙었는지, 지난달과 무엇이 달라졌는지 볼 수 있어요.

광고
라벨 요약 2023년 6월 기준
라벨 붙은 동네 1,492개 동네
시군구 수 138개 시군구
카테고리 안 순위 2/ 8위 환경 분야
전월 대비 ─
i
이 라벨의 한계

같은 시도 안의 다른 동네들과 비교해 폭염 일수가 상위 10% 인 동네만 이 라벨이 붙음. 가까운 자동 기상 관측소 (AWS) 기준 — 동네 안 지형 (분지 / 해안 / 산악 등) 따라 실제 체감과 차이 가능.

이 신호로 AI 분석하기

"같은 시도에서 폭염이 유난히 잦음 (상위 10%)" 신호가 2023년 6월 전국에서 어떻게 잡혔는지, 정제 데이터를 프롬프트로 만들어 드려요. ChatGPT, Gemini, Claude 가운데 어디에 붙여넣어도 진단받을 수 있어요. (특정 동네 평가가 아니라 이 신호 자체를 읽는 분석)

어떤 상황이세요?안 고르셔도 됩니다
복사될 내용 먼저 보기

1프롬프트를 복사하고
2붙여넣을 곳을 열어서
3붙여넣고 보내기만 하면 돼요

물어볼 말은 프롬프트에 들어 있어요. 따로 쓰실 것 없습니다.

AI가 가져온 출처와 원인 설명은 직접 확인하세요. 잡힌 동네수나 전세가율 같은 정제 수치만 신나게마을 출처입니다.

광고
이번 달 변화 한눈에 2023년 6월에 이 라벨이 붙은 1,492개 동네를 전월(0개)과 비교
신규 진입 +1,492 전월에는 없었는데 이번 달 새로 이 라벨을 받은 동네
유지 0 전월부터 이번 달까지 연속으로 이 라벨을 받고 있는 동네
이탈 −0 전월에는 받았는데 이번 달엔 받지 않은 동네 (조건 해소)
최근 12개월 추이 선택한 달 기준 직전 12개월간 이 라벨을 받은 동네 수
12개월 가운데 가장 많았던 달은 9월 2731개 동네, 가장 적었던 달은 7월 748개 동네
선택 월: 2023년 6월
1,492
829
822
2,030
1,116
917
948
900
965
933
1,204
1,312
1,703
748
788
2,731
6월 7월 8월 9월 6월 7월 8월 9월 6월 7월 8월 9월 6월 7월 8월 9월
참고할 만한 흐름 이번 달은 1,492개 동네입니다. 가장 많았던 달은 9월(2,731개 동네), 가장 적었던 달은 7월(748개 동네)로 약 4배 차이가 납니다. 지난 3개월 동안 꾸준히 늘고 있는 모습이지만, 추세로 단정하기는 어렵습니다.
이번 달 주목 사례 극단치·최장 지속·신규 진입 관점에서 고른 1개 동네
극단 — 폭염 일수 최대
선남면
성주군
폭염 일수 5일, 평소 상위 10% 기준 3일
측정 일수 30일 · 정상
폭염 일수 5일
평소 상위 10% 기준 3일
3년 중 순위 1위
이 라벨이 붙은 지역 1,492개 동네
함께 붙는 라벨 이 라벨이 붙은 1,492개 동네가 같은 달 다른 라벨도 받은 분포 (카테고리별 그룹)
환경 분야
867개 동네 (58%)
초미세먼지 좋음 등급 유지 (10~6월)
867 개 동네 (58%)
전월세 분야
103개 동네 (7%)
전세금이 매매가의 절반 아래
44 개 동네 (3%)
같은 시도에서 전세금 비중 낮은 편 (하위 10%)
36 개 동네 (2%)
같은 시도에서 전세금 비중 높은 편 (상위 10%)
29 개 동네 (2%)
깡통전세 권고권 (전세가율 80% 이상)
16 개 동네 (1%)
같은 시도에서 갱신요구권을 많이 씀 (상위 10%)
15 개 동네 (1%)
갱신 인상률 상한 직전 (4.9% 이상)
5 개 동네 (0%)
매매 시장 분야
48개 동네 (3%)
같은 시도에서 신고가가 잦은 편 (상위 10%)
44 개 동네 (3%)
거래 뜸한 달이 3개월째 (하위 25%)
5 개 동네 (0%)
복합 분야
14개 동네 (1%)
시군구에서 매매가 높고 전세금 비중 낮음
10 개 동네 (1%)
전월세 부담 신호 셋 중 둘이 겹침
4 개 동네 (0%)
광고
라벨은 데이터 기반 사실 서술입니다. 추천, 주목, 위험 같은 가치판단은 하지 않으며, 각 라벨에는 한계 사례가 함께 안내됩니다.