[논문]기후변화가 한강 유역의 시단위 확률강우량에 미치는 영향

남우성; 안현준; 김성훈; 허준행

doi:10.21729/ksds.2015.8.1.021

기후변화가 한강 유역의 시단위 확률강우량에 미치는 영향
The Impact of Climate Change on Sub-daily Extreme Rainfall of Han River Basin 원문보기

한국방재안전학회논문집 = Journal of Korean Society of Disaster and Security, v.8 no.1, 2015년, pp.21 - 27

남우성 (연세대학교 토목환경공학과) , 안현준 (연세대학교 토목환경공학과) , 김성훈 (연세대학교 토목환경공학과) , 허준행 (연세대학교 사회환경시스템공학부 토목환경공학과)

초록
AI-Helper

전세계적으로 기상이변이 빈번하게 발생하면서 기후변화가 수문환경에 미치는 영향에 대한 연구가 활발히 진행되고 있다. 기후변화 연구에는 대체로 이산화탄소 배출 시나리오에 근거한 GCM 모의 결과가 사용되며, GCM 자료를 바탕으로 미래의 수문량 변화를 예측하는 방법으로 진행된다. 기후변화가 강우에 미치는 영향과 관련해서는 기후변화가 총강우량에 미치는 영향에 대한 연구가 주를 이뤄왔으나 극한강우량에 미치는 영향에 대한 연구는 미흡한 실정이다. 또한 상세화 된 강우 자료가 월단위 또는 일 단위이기 때문에 극한홍수량 산정에 필요한 시단위 극한강우량 추정에는 한계가 있다. 본 연구에서는 기후변화가 극한강우량에 미치는 영향을 분석하기 위해 A2 시나리오에 근거한 ECHO-G GCM 모델의 모의 결과를 상세화 시켜 얻은 한강 유역내의 9개 강우 관측 지점의 일강우 자료를 바탕으로 강우의 scale invariance 특성에 근거한 시단위 확률강우량을 추정하였고, NSRPM(Neymann-Scott Rectangular Pulse Model)을 적용하여 시단위 확률강우량을 추정하였다. 이러한 방법으로 추정된 9개 지점의 확률강우량과 한강유역종합치수계획(국토해양부, 2008)에서 산정한 확률강우량을 비교하여 미래의 확률강우량 변화를 분석하였다. 분석된 한강 유역 내 강우 관측 지점의 확률강우량 변화 추이는 지점에 따라, 미래기간에 따라 상이하게 나타났으나 대체로 scaling에 의한 결과가 관측값에 근거한 확률강우량보다 대체로 큰 값을 보였고, NSRPM에 의한 결과는 미래 기간에 따라 관측값보다 크거나 작은 값을 보였다.

Abstract ▼ AI-Helper

Recent researches show that climate change has impact on the rainfall process at different temporal and spatial scales. The present paper is focused on climate change impact on sub-daily rainfall quantile of Han River basin in South Korea. Climate change simulation outputs from ECHO-G GCM under the A2 scenario were used to estimate daily extreme rainfall. Sub-daily extreme rainfall was estimated using the scale invariance concept. In order to assess sub-daily extreme rainfall from climate change simulation outputs, precipitation time series were generated based on NSRPM (Neyman-Scott Rectangular Pulse Model) and modified using the ratio of rainfall over projection periods to historical one. Sub-daily extreme rainfall was then estimated from those series. It was found that sub-daily extreme rainfall in the future displayed increasing or decreasing trends for estimation methods and different periods.

주제어

AI 본문요약
AI-Helper

* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.

문제 정의

본 연구에서는 기후변화가 극한강우량에 미치는 영향을 분석하기 위해 A2 시나리오에 근거한 ECHO-G 모델의 모의 결과를 상세화시켜 얻은 한강 유역 내의 9개 강우 관측 지점의 일강우 자료를 바탕으로 강우의 scale invariance 특성에 근거한 시단위 확률강우량과 NSRPM을 적용하여 산정한 시단위 확률강우량을 비교·분석하여 기후변화가 한강 유역의 시단위 확률강우량에 미치는 영향을 평가하고자 한다.
본 연구에서는 기후변화가 한강유역의 확률강우량에 미치는 영향을 평가하기 위해 A2 시나리오와 ECHO-G GCM 의 전망 결과를 상세화시켜 얻은 일단위 강우 자료를 바탕으로 시단위 확률강우량을 산정하였다. 일단위 자료로부터 시단위 확률강우량을 산정하기 위해 강우의 scale invariance 특성을 이용하여 일단위 확률강우량으로부터 시단위 확률 강우량을 산정하였다.
본 연구에서는 한강 유역의 9개 기상청 관측 지점의 강우 자료 및 GCM 모의 자료를 바탕으로 분석을 수행하였다. 한강 유역의 관측소 위치 정보는 Fig.

가설 설정

본 연구에서는 정영훈 등(2008)이 밝힌 국내 강우자료의 scale-invariance 특성이 미래에도 유지된다는 가정 하에 강우 관측 자료로부터 평균 스케일 지수를 산정하였다. Scale invariance 특성을 이용하여 시단위 확률강우량을 산정하기 위한 한강 유역 내 9개 지점의 평균 스케일 지수는 Table 2와 같다.

제안 방법

ECHO-G 모델에 의한 지점별 월단위 강우 자료를 바탕으로 weather generator를 이용하여 지점별 일단위 강우 자료를 생성시켰으며, 이 자료로부터 산정된 일단위 확률강우량에 scale invariance 특성을 적용하여 시단위 확률강우량을 산정하였다.
Scale invariance 특성을 이용하여 시단위 확률강우량을 산정하기 위한 한강 유역 내 9개 지점의 평균 스케일 지수는 Table 2와 같다. NSRPM의 매개변수는 각 지점의 7, 8월 시우량 관측 자료를 이용하여 추정하였다. 전체 기간이 아닌 7, 8월의 강우량만을 이용하여 매개변수를 추정한 이유는 확률강우량 산정에 활용되는 연최대값이 대개 7, 8월에 발생하기 때문에 매개변수 산정의 효율성을 향상시키기 위해 이 시기의 자료만을 이용하였다.
1 및 Table 1과 같다. 기후변화에 의한 미래의 시단위 확률강우량을 산정하기 위해 A2 시나리오를 입력 자료로 한 ECHO-G 모델의 모의 결과를 활용하였다. ECHO-G 모델에 의한 지점별 월단위 강우 자료를 바탕으로 weather generator를 이용하여 지점별 일단위 강우 자료를 생성시켰으며, 이 자료로부터 산정된 일단위 확률강우량에 scale invariance 특성을 적용하여 시단위 확률강우량을 산정하였다.
일단위 자료로부터 시단위 확률강우량을 산정하기 위해 강우의 scale invariance 특성을 이용하여 일단위 확률강우량으로부터 시단위 확률 강우량을 산정하였다. 또한 관측 자료의 통계적 특성을 바탕으로 시단위 강우 자료를 발생시킬 수 있는 NSRPM을 이용하여 강우를 발생시키고, GCM 모의 결과 산정된 과거 대비 미래의 강우량 변화율을 고려하여 기후변화가 고려된 미래 기간의 시단위 강우 시계열을 구성하여 이로부터 미래의 시단위 확률강우량을 산정하였다. 이러한 두 가지 방법에 의해 산정된 시단위 확률강우량과 과거 관측 자료에 의해 산정된 확률강우량을 비교하여 기후변화가 한강 유역의 미래 확률강우량에 미치는 영향을 분석하였다.
ECHO-G 모델에 의한 지점별 월단위 강우 자료를 바탕으로 weather generator를 이용하여 지점별 일단위 강우 자료를 생성시켰으며, 이 자료로부터 산정된 일단위 확률강우량에 scale invariance 특성을 적용하여 시단위 확률강우량을 산정하였다. 또한 동일한 지점에 대해 강우 관측 자료의 통계적 특성을 바탕으로 NSRPM에 미래 시단위 강우 자료를 발생시켰으며, ECHO-G 모델의 모의 결과로부터 계산된 과거 대비 미래 기간의 강우량 변화율을 NSRPM으로 발생시킨 자료에 반영하여 기후변화의 영향이 반영된 자료로 보정하였다.
본 연구에서는 기후변화가 극한강우량에 미치는 영향을 분석하기 위해 A2 시나리오에 근거한 ECHO-G 모델의 모의 결과를 상세화시켜 얻은 한강 유역 내의 9개 강우 관측 지점의 일강우 자료를 바탕으로 강우의 scaling invariance 특성에 근거한 시단위 확률강우량을 추정하였고, NeymannScott Rectangular Pulse Model (NSRPM)을 적용하여 시단위 확률강우량을 추정하였다. 이러한 방법으로 추정된 9개 지점의 확률강우량과 한강유역종합치수계획(국토해양부, 2008)에서 산정한 확률강우량을 비교하여 미래의 확률강우량 변화를 분석하였다.
선정된 강우 군집의 시작점에 대하여 기하함수(geometric function)를 이용하여 각 강우 군집의 강우세포(cell) 개수를 정한다. 이 때 μ_c라는 매개변수가 사용되며 그 식은 식 (7)과 같다.
또한 관측 자료의 통계적 특성을 바탕으로 시단위 강우 자료를 발생시킬 수 있는 NSRPM을 이용하여 강우를 발생시키고, GCM 모의 결과 산정된 과거 대비 미래의 강우량 변화율을 고려하여 기후변화가 고려된 미래 기간의 시단위 강우 시계열을 구성하여 이로부터 미래의 시단위 확률강우량을 산정하였다. 이러한 두 가지 방법에 의해 산정된 시단위 확률강우량과 과거 관측 자료에 의해 산정된 확률강우량을 비교하여 기후변화가 한강 유역의 미래 확률강우량에 미치는 영향을 분석하였다. 분석 결과 다음과 같은 결론을 도출하였다.
본 연구에서는 기후변화가 극한강우량에 미치는 영향을 분석하기 위해 A2 시나리오에 근거한 ECHO-G 모델의 모의 결과를 상세화시켜 얻은 한강 유역 내의 9개 강우 관측 지점의 일강우 자료를 바탕으로 강우의 scaling invariance 특성에 근거한 시단위 확률강우량을 추정하였고, NeymannScott Rectangular Pulse Model (NSRPM)을 적용하여 시단위 확률강우량을 추정하였다. 이러한 방법으로 추정된 9개 지점의 확률강우량과 한강유역종합치수계획(국토해양부, 2008)에서 산정한 확률강우량을 비교하여 미래의 확률강우량 변화를 분석하였다.
본 연구에서는 기후변화가 한강유역의 확률강우량에 미치는 영향을 평가하기 위해 A2 시나리오와 ECHO-G GCM 의 전망 결과를 상세화시켜 얻은 일단위 강우 자료를 바탕으로 시단위 확률강우량을 산정하였다. 일단위 자료로부터 시단위 확률강우량을 산정하기 위해 강우의 scale invariance 특성을 이용하여 일단위 확률강우량으로부터 시단위 확률 강우량을 산정하였다. 또한 관측 자료의 통계적 특성을 바탕으로 시단위 강우 자료를 발생시킬 수 있는 NSRPM을 이용하여 강우를 발생시키고, GCM 모의 결과 산정된 과거 대비 미래의 강우량 변화율을 고려하여 기후변화가 고려된 미래 기간의 시단위 강우 시계열을 구성하여 이로부터 미래의 시단위 확률강우량을 산정하였다.
매개변수 추정은 정창삼(2009)이 제안한 방법으로서 유전자 알고리즘을 이용하는, 직접적인 매개변수 추정법을 적용하였다. 직접적인 매개변수 추정법에 의해 매개변수를 추정할 경우 목적함수를 만족시키는 여러 개의 매개변수들이 추정되므로, 그 가운데 적절한 해를 선택하기 위해 본 연구에서는 관측 자료로부터 산정한 재현 기간 100년 이상의 확률강우량과 NSRPM에 의해 발생된 자료로부터 산정한 재현기간 100년 이상의 확률강우량의 차이가 가장 작은 해의 집단을 NSRPM의 적정 매개변수로 선정하였다. 이러한 방법으로 선정된 NSRPM의 매개변수를 Table 3과 같다.

대상 데이터

NSRPM의 매개변수는 각 지점의 7, 8월 시우량 관측 자료를 이용하여 추정하였다. 전체 기간이 아닌 7, 8월의 강우량만을 이용하여 매개변수를 추정한 이유는 확률강우량 산정에 활용되는 연최대값이 대개 7, 8월에 발생하기 때문에 매개변수 산정의 효율성을 향상시키기 위해 이 시기의 자료만을 이용하였다. 매개변수 추정은 정창삼(2009)이 제안한 방법으로서 유전자 알고리즘을 이용하는, 직접적인 매개변수 추정법을 적용하였다.

이론/모형

강우 자료의 통계적 특성을 바탕으로 시단위 강우량을 모의하기 위해 NSRPM(Neyman-Scott Rectangular Pulse Model)을 활용할 수 있다. 천문학 분야에서 사용하기 위해 Neyman and Scott (1958)에 의해 개발된 Neyman-Scott 과정은 기존의 수문학 분야에서 강수 생성을 위해 사용되었던 구형펄스모형(Rectangular Pulse Model)이 강수의 자기상관구조를 표현하지 못하는 단점을 극복하기 위해 Rodriguez-Iturbe 등 (1987)에 의해 도입되어 NSRPM으로 발전하였다(Velghe et al.
전체 기간이 아닌 7, 8월의 강우량만을 이용하여 매개변수를 추정한 이유는 확률강우량 산정에 활용되는 연최대값이 대개 7, 8월에 발생하기 때문에 매개변수 산정의 효율성을 향상시키기 위해 이 시기의 자료만을 이용하였다. 매개변수 추정은 정창삼(2009)이 제안한 방법으로서 유전자 알고리즘을 이용하는, 직접적인 매개변수 추정법을 적용하였다. 직접적인 매개변수 추정법에 의해 매개변수를 추정할 경우 목적함수를 만족시키는 여러 개의 매개변수들이 추정되므로, 그 가운데 적절한 해를 선택하기 위해 본 연구에서는 관측 자료로부터 산정한 재현 기간 100년 이상의 확률강우량과 NSRPM에 의해 발생된 자료로부터 산정한 재현기간 100년 이상의 확률강우량의 차이가 가장 작은 해의 집단을 NSRPM의 적정 매개변수로 선정하였다.

성능/효과

각각의 경우의 증감률을 미래 기간 별로 평균해 보면, NSRPM으로 추정했을 때 S3와 S4 기간의 증가율이 비교적 크게 나타났고, scale invariance 특성을 이용하여 추정한 확률강우량은 S3~S5 기간의 증가율이 비교적 크게 나타났다.
(1) 2011년~2099년까지의 확률강우량은 과거에 비해 대체로 증가하는 경향을 보인다.
(2) NSRPM에 의한 확률강우량은 scale invariance에 의한 확률강우량에 비해 과거 대비 증가율이 작으며, 이는 NSRPM이 강우 자료의 극값을 구현하는 면에서 한계가 있기 때문인 것으로 판단된다.
(3) S3, S4(2031~2070) 기간의 확률강우량이 다른 기간에 비해 더 많이 증가하는 경향을 보인다.
관측 자료에 의한 확률강우량 대비 각 기법에 의한 미래 기간 확률강우량 증감률은 Table 5와 같다. 미래 기간에 대한 증감률의 평균값을 비교해 보면, 서울과 양평 지점의 미래 기간 확률강우량을 NSRPM으로 추정했을 때 감소되는 것으로 나타났으나, scale invariance 특성에 근거하여 추정한 확률강우량은 모든 지점에서 증가하는 것으로 확인되었다. 각각의 경우의 증감률을 미래 기간 별로 평균해 보면, NSRPM으로 추정했을 때 S3와 S4 기간의 증가율이 비교적 크게 나타났고, scale invariance 특성을 이용하여 추정한 확률강우량은 S3~S5 기간의 증가율이 비교적 크게 나타났다.

후속연구

(4) 탄소 배출 시나리오와 GCMs에 따라 미래의 강우가 다양한 양상을 보일 수 있으므로 향후 다양한 시나리오와 GCMs를 바탕으로 기후변화에 의한 미래 확률강우량 전망이 필요하다.
전세계적으로 기상이변이 빈번하게 발생하면서 기후변화가 수문 환경에 미치는 영향에 대한 연구가 활발히 진행되고 있다. 기후변화 연구에는 대체로 이산화탄소 배출 시나리오에 근거한 GCM (General Climate (or Circulation) Model) 모의 결과가 사용되며, GCM 자료를 바탕으로 미래의 수문량 변화를 예측하는 방법으로 진행된다. Ekström et al.

질의응답

핵심어	질문	논문에서 추출한 답변
	강우에 대한 기하학적 통계분석을 위해 제안된 스케일 성질은 어떻게 활용되고 있는가?	강우에 대한 기하학적 통계분석을 위해 제안된 스케일 성질(Lovejoy, 1982; Lovejoy and Mandelbrot, 1985; Lovejoy and Schertzer, 1985)은 시·공간적 특성을 고려한 강우량의 추정을 비롯한 다양한 분야에 적용되고 있다. Waymire(1985) 는 넓은 지역에 대한 강우 빈도의 스케일 한계를 설명하기 위해 lognormal 분포를 따르는 강우자료에 대해 단일 스케일 (simple scaling) 특성을 적용하였다.
	GCM 자료는 어떻게 활용되는가?	GCM 자료는 대개 월단위 기후 시나리오를 생산하므로, 상세화(downscaling)를 통해 일단위 기후 시나리오를 추출 하여 분석에 활용한다. 이러한 이유로 기후변화가 총강우 량에 미치는 영향에 대한 연구와 더불어 기후변화가 일단위 확률강우량에 미치는 영향에 대한 연구가 주로 이루어졌다.
	시단위 확률강우량과 과거 관측 자료에 의해 산정된 확률강우량을 비교하여 기후변화가 한강 유역의 미래 확률강우량에 미치는 영향을 분석한 결과는 어떠한가?	(1) 2011년~2099년까지의 확률강우량은 과거에 비해 대체로 증가하는 경향을 보인다. (2) NSRPM에 의한 확률강우량은 scale invariance에 의한 확률강우량에 비해 과거 대비 증가율이 작으며, 이는 NSRPM 이 강우 자료의 극값을 구현하는 면에서 한계가 있기 때문인 것으로 판단된다. (3) S3, S4(2031~2070) 기간의 확률강우량이 다른 기간에 비해 더 많이 증가하는 경향을 보인다. (4) 탄소 배출 시나리오와 GCMs에 따라 미래의 강우가 다양한 양상을 보일 수 있으므로 향후 다양한 시나리오와 GCMs를 바탕으로 기후변화에 의한 미래 확률강우량 전망이 필요하다.

참고문헌 (29)

국토해양부 (2008) 한강유역종합치수계획 보고서.
김병식, 김보경, 경민수, 김형수 (2008) 기후변화가 극한강우와 I-D-F 분석에 미치는 영향 평가, 한국수자원학회논문집, 한국수자원학회, 제41권, 제4호, pp. 379-394.

원문보기 상세보기
나양선 (2010) 기후변화에 따른 설계 강우 및 홍수변화에 관한 연구. 석사학위 논문, 세종대학교.
정영훈, 김수영, 김태순, 허준행 (2008) 스케일 성질을 이용한 확률강우량의 추정, 한국수자원학회논문집, 제41권, 제9호, pp. 873-884.

원문보기 상세보기
정창삼 (2009) Neyman-Scott 구형 펄스모형의 직접적인 매개변수 추정연구, 한국수자원학회 논문집, 제42권, 제11호, pp. 1017-1028.
Baldassarre, G. D., Brath, A., and Montanari, A. (2006) Reliability of different depth-duration-frequency equations for estimating short-duration design storms, Water Resources Research, Vol. 42, W12501.
Bougadis, J., and Adamowski, K. (2006) Scaling model of a rainfall intensity-duration-frequency relationship, Hydrological Processes, Vol. 20, pp. 3747-3757.

상세보기
Burlando, P., and Rosso, R. (1996) Scaling and multiscaling models of depth-duration-frequency curves for storm precipitation, Journal of Hydrology, Vol. 187, pp. 45-64.

상세보기
Burton, A., Fowler, H.J., Blenkinsop, S., Kilsby, C.G. (2010) Downscaling transient climate change using a Neyman-Scott rectangular pulses stochastic rainfall model, Journal of Hydrology, Vol. 381, pp. 18-32.

상세보기
Burton, A., Kilsby, C.G., Fowler, H.J., Cowpertwait, P.S.P., O'Connell, P.E. (2008) RainSim: a saptial temporal stochastic rainfall modelling system, Environmental Modelling and Software, Vol. 23. No. 12, pp. 1356-1369.

상세보기
Calenda, G., Napolitano, F. (1999).Parameter estimation of Neyman-Scott processes for temporal poing rainfall simulation, Journal of Hydrology, Vol. 225, pp. 45-66.

상세보기
Deidda, R., Badas, M. G., and Piga, E. (2006) Space-time multifractality of remotely sensed rainfall fields, Journal of Hydrology, Vol. 322, pp. 2-13.

상세보기
Ekstrom, M., Fowler, H.J., Kilsby, C.G., Jones, P.D. (2005) New estimates of future changes in extreme rainfall across the UK using regional climate model integration. 2. Future estimates and use in impact studies, Journal of Hydrology, Vol. 300, pp. 234-251.

상세보기
Frei, C., Scholl, R., Fukutome, S., Schmidli, J., Vidale, P.L. (2006) "Future change of precipitation extreme in Europe: Intercomparison of scenarios from regional climate models", Journal of Geophysical Research Vol. 111, D06105.
Gupta, V. K., and Waymire, E. (1990) Multiscaling properties of spatial rainfall and river flow distributions, Journal of Geophysical Research, Vol. 95(D3), pp. 1999-2009.

상세보기
Kysely, J., Beranova, R. (2009) Climate-change effects on extreme precipitation in central Europe: Uncertainties of scenarios based on regional climate models, Theoretical and Applied Climatology, Vol. 95, No. 3-4, pp. 361-374.

상세보기
Lovejoy, S. (1982) Area-perimeter relation for rain and cloud areas, Science, Vol. 216, pp. 185-187.

상세보기
Lovejoy, S., and Mandelbrot, B. B. (1985) Fractal properties of rain and a fractal model, Tellus, Vol. 37A, pp. 209-232.
Lovejoy, S., and Schertzer, D. (1985). Generalized scale invariance in the atmosphere and fractal models of rain, Water Resources Research, Vol. 21, No. 8, pp. 1233-1250.

상세보기
Neyman, Jerzy, and Scott, Elizabeth, L. (1958) Statistical Approach to Ploblem of Comology, Journal of the Royal Statistical Society, Vol. B20, No. 1, pp. 1-43.
Nguyen, V.-T.-V. (2000) Recent advances in modeling of extreme rainfall and floods, International European-Asian Workshop on Ecosystems, Hanoi, Vietnam, pp. 52-59.
Nguyen, V.-T.-V., Nguyen, T.-D., and Ashkar, F. (2002) Regional frequency analysis of extreme rainfalls, Water Science and Technology, Vol. 45, No. 2, pp. 75-81.

상세보기
Olsson, J., and Burlando, P. (2002) Reproduction of temporal scaling by a rectangular pulse rainfall model, Hyrological Processes, Vol. 16, pp. 611-630.

상세보기
Onof, C., Chandler, R.E., Kakou, A., Northrop, P., Wheater, H.S., Isham, V. (2000) Rainfall modelling using Poisson-cluster processes: a review of developments, Stochastic Environmental Research and Risk Assessment, Vol. 14, No. 6, pp. 384-411.
Rodriguez-Iturbe, I., Cox, D. R., and Isham, V. (1987) Some Models for Rainfall Based Stochastic Point Process. Proceedings of the Royal Society of London, Vol. A410, No. 1839, pp. 269-288.
Schertzer, D., and Lovejoy, S. (1987) Physical modeling and analysis of rain and clouds by anisotropic scaling multiplicative processes, Journal of Geophysical Research, Vol. 92(D8), pp. 9693-9714.

상세보기
Thodsen, H. (2007) The influence of climate change on stream flow in Danish rivers, Journal of Hydrology, Vol. 333, No. 2-4, pp. 226-238.

상세보기
Velghe, T., Troch, P.A., De Troch, F.P., Van de Velde, J. (1994) Evaluation of cluster-based rectangular pulses point process models for rainfall, Water Resources Research, Vol. 30, No. 10, pp. 2847-2857.

상세보기
Waymire, E. (1985) Scaling limit and self-similarity in precipitation fields, Water Resources Research, Vol. 21, No. 8, pp. 1271-1281.

상세보기

저자의 다른 논문 :

표제어: PCR

동의어: Packet Collision Rate

용어 설명 출처 목록 (6)

용어 설명: PCR은 세균 특이성이 있는 primer를 이용하여 적은 수의 세균이 있을지라도 쉽게 검출할 수 있는 유용한 방법이며, 이를 이용하여 구강 내 치면세균막이나 타액에서 직접 세균을 검출할 수 있게 되었다[8].

내보내기 구분	파일저장 인쇄 메일전송
구성항목	기본정보 상세정보 관리번호, 논문명, 저널/프로시딩명, 저자 , 발행년, 권, 호, 시작페이지, 끝페이지, 발행기관 관리번호, 논문명, 대등논문명, 저자 , 저널/프로시딩명, 발행기관, 발행년, 발행언어, 권, 호, 시작페이지, 끝페이지, ISBN, ISSN, 주제분야, 키워드, 초록(한글), 초록(영문), 저자(소속기관)
저장형식	Text(ASCII format) Excel format RefWorks Direct Export RIS format (for Reference Manager, ProCite, EndNote), Scholar's Aids, Mendeley
메일정보	받는사람 (필수) @ 보내는사람 (선택) @ 제목 내용 KISTI 검색결과 이메일 서비스
안내	총 건의 자료가 검색되었습니다. 다운받으실 자료의 인덱스를 입력하세요. (1-10,000) 검색결과의 순서대로 최대 10,000건 까지 다운로드가 가능합니다. 데이타가 많을 경우 속도가 느려질 수 있습니다.(최대 2~3분 소요) 다운로드 파일은 UTF-8 형태로 저장됩니다. 파일의 내용이 제대로 보이지 않을실 때는 웹브라우저 상단의 보기 -> 인코딩 -> 자동선택 여부를 확인하십시오. ~ Text(ASCII format) Excel format

연합인증