[논문]농촌유역 물순환 해석을 위한 웹기반 자료 전처리 및 모형 연계 기법 개발

박지훈; 강문성; 송정헌; 전상민; 김계웅; 류정훈

doi:10.5389/ksae.2015.57.5.101

[국내논문] 농촌유역 물순환 해석을 위한 웹기반 자료 전처리 및 모형 연계 기법 개발
Web-Based Data Processing and Model Linkage Techniques for Agricultural Water-Resource Analysis 원문보기

한국농공학회논문집 = Journal of the Korean Society of Agricultural Engineers, v.57 no.5, 2015년, pp.101 - 111

박지훈 (Department of Rural Systems Engineering, Seoul National University) , 강문성 (Department of Rural Systems Engineering, Research Institute of Agriculture and Life Sciences, Institute of Green Bio Science and Technology, Seoul National University) , 송정헌 (Department of Rural Systems Engineering, Seoul National University) , 전상민 (Department of Rural Systems Engineering, Seoul National University) , 김계웅 (Department of Rural Systems Engineering, Seoul National University) , 류정훈 (Department of Rural Systems Engineering, Seoul National University)

Abstract ▼ AI-Helper

Establishment of appropriate data in certain formats is essential for agricultural water cycle analysis, which involves complex interactions and uncertainties such as climate change, social & economic change, and watershed environmental change. The main objective of this study was to develop web-based Data processing and Model linkage Techniques for Agricultural Water-Resource analysis (AWR-DMT). The developed techniques consisted of database development, data processing technique, and model linkage technique. The watershed of this study was the upper Cheongmi stream and Geunsam-Ri. The database was constructed using MS SQL with data code, watershed characteristics, reservoir information, weather station information, meteorological data, processed data, hydrological data, and paddy field information. The AWR-DMT was developed using Python. Processing technique generated probable rainfall data using non-stationary frequency analysis and evapotranspiration data. Model linkage technique built input data for agricultural watershed models, such as the TANK and Agricultural Watershed Supply (AWS). This study might be considered to contribute to the development of intelligent watercycle analysis by developing data processing and model linkage techniques for agricultural water-resource analysis.

Keyword

AI 본문요약
AI-Helper

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

문제 정의

본 연구의 목적은 농촌유역 물순환 해석을 위해 필요한 자료를 효율적으로 가공 및 사용할 수 있는 웹기반 자료 전처리 및 모형 연계 기법을 개발하는데 있다.
일반적인 편의보정 방법은 각 자료 군에 대해 기술적인 통계량을 기준으로 수행하나 극한사상과 같이 단기간에 발생하는 강우사상에 대해서는 일괄적으로 적용하기에 한계가 있다. 본 연구에서는 극한값에 초점을 맞춘 편의보정 방법인 분위사상법을 수정 및 보완하여 지역기후변화 시나리오에서 산출된 과거 및 미래 강수 자료의 극한사상을 보정하였다. 분위사상법은 기존의 방법들에 비해 모의자료에 내재한 변동성과 통계적 특성까지 모두 고려할 수 있어 극한사상을 보정하는데 적합하다 (Kim et al.
본 연구에서는 다양하게 변화하는 농촌유역의 물순환 해석을 위해 맞춤형 데이터베이스를 설계하고 농촌유역을 특징을 대표하는 자료를 구축하였다. 이미 구축한 데이터베이스를 이용하여 농촌유역 물순환 해석을 위해 필요한 자료를 재생산할 수 있는 웹기반 자료 전처리 및 모형 연계 기법을 개발하였다.

제안 방법

자료 관리에 대한 연구는 대부분 각 분야에 국한되어 자료의 품질 관리 및 자료 변환에 초점을 맞추어 이루어졌다. 자료 품질 관리 기준을 적용해서 자료의 정도를 높이거나 알고리즘 등의 수학적인 기법을 적용해 이상치를 보정하는 방법에 대해 중점적으로 수행되었다. Chae et al.
다양한 시·공간 정보를 농촌용수 해석에 효과적으로 이용할 수 있도록 데이터베이스를 구축하고, 입력 자료를 생성하는 전처리 기법을 정립하고, 모듈 간 자료의 효율적 연계를 위한 자료의 형식 및 연계기술을 정립하였다.
농촌유역 물순환 해석을 위해 농촌유역 데이터베이스 설계, 농업생산기반시설 인벤토리 구축, 유역 물리특성/기상/수문 등의 데이터베이스 구축, 기후변화 자료를 구축하고 이를 웹으로 구현하였다.
개발 언어는 Python (PSF Python, Version 3.4.2, USA)을 선택하여 맞춤형 자료 전처리 모듈 개발 및 웹 프로그래밍을 수행하였다. Python은 문법이 간결하고 직관적인 특징을 가지고 있어 농촌유역의 복잡성 및 다양성을 수월하게 코드로 구현할 수 있으며, 웹 프로그래밍에 필요한 과학적인 연산, 데이터 가공, 그래프 및 보고서 작성 등의 다양한 라이브러리를 지원한다.
본 연구에서 개발한 기법은 농촌유역의 수문해석과 향후 수질해석 모델링을 위하여, ① 데이터베이스 구축, ② 자료 전처리 기법, ③ 물순환 모형 연계 기법 등으로 구성하였다. 다양한 시·공간 정보를 농촌용수 해석에 효과적으로 이용할 수 있도록 데이터베이스를 구축하고, 입력 자료를 생성하는 전처리 기법을 정립하고, 모듈 간 자료의 효율적 연계를 위한 자료의 형식 및 연계기술을 정립하였다.
1은 자료 전처리 및 모형 연계 기법의 전체적인 구성과 흐름을 보여주고 있다. 기법의 각 단계별로 기술을 정립하였고 이를 웹과 연동하여 나타내었다.
본 연구에서 개발한 기법은 농촌유역 물순환 해석을 위해 필요한 자료를 바탕으로 관계형 데이터베이스를 구축하였다. 상위 테이블로 자료 코드 정보, 유역 특성 정보, 저수지 정보, 관측소 정보 테이블을 생성하였으며, 자료 코드 정보 하위에 총 6개의 모형 자료 테이블 (기상청 기상자료, 미래 기상자료, 자료 전처리 정보, 저수지 수위 정보, 관개지구 정보)을 설정하였다.
본 연구에서 개발한 기법은 농촌유역 물순환 해석을 위해 필요한 자료를 바탕으로 관계형 데이터베이스를 구축하였다. 상위 테이블로 자료 코드 정보, 유역 특성 정보, 저수지 정보, 관측소 정보 테이블을 생성하였으며, 자료 코드 정보 하위에 총 6개의 모형 자료 테이블 (기상청 기상자료, 미래 기상자료, 자료 전처리 정보, 저수지 수위 정보, 관개지구 정보)을 설정하였다. 데이터베이스는 MS SQL (Microsoft SQL Server, Version 2012, USA)를 이용하여 구축하였다.
농촌유역 물순환 종합해석 모형은 시·공간 자료의 구축 및 관리가 필수적이다. 본 기법은 모형 개발에 필요한 자료를 정리하여 데이터베이스로 구축하였으며, 기상자료와 같이 일단위로 축적되는 시간자료를 입력하기 위해 기상청, 국가수자원관리종합정보시스템 (Water resources management information system, WAMIS)에서 제공하는 자료를 일단위로 갱신하고, 기상자료에 대한 빈도분석을 실시하는 모듈을 개발하였다. 자료 구축 모듈은 기상청 및 WAMIS에서 제공하는 기상자료를 SQL (Structured query language) 및 API(Application programming interface)를 이용하여 본 연구의 데이터베이스에 입력한다.
3은 자료 구축 및 자료 전처리 모듈의 순서도를 보여주고 있다. 먼저 기상청에서 관측한 강수자료와 기상청 산하 국립기상연구소에서 제공하는 미래 강수자료를 데이터베이스로 구축하였다. 전국 기상관측소는 일별 및 시간별로 기온, 강수량, 바람, 습도, 일조시간 등의 기상자료를 관측하여 제공한다.
전국 기상관측소는 일별 및 시간별로 기온, 강수량, 바람, 습도, 일조시간 등의 기상자료를 관측하여 제공한다. OPEN API를 이용하여 실시간으로 접속하여 농촌유역 물순환 데이터베이스에 구축하였다. 미래 강수자료는 국립기상연구소에서 제공하는 미래 기후변화 시나리오를 사용하여 구축하였다.
OPEN API를 이용하여 실시간으로 접속하여 농촌유역 물순환 데이터베이스에 구축하였다. 미래 강수자료는 국립기상연구소에서 제공하는 미래 기후변화 시나리오를 사용하여 구축하였다.
농촌유역 물순환 데이터베이스에 기상관측소별로 구축한 기상자료 중 미래 강수자료에 대해 편의보정을 수행한다. 과거 기상자료와 편의보정을 수행한 미래 강수자료에 대해 30년을 기준으로 지속시간별 연최대강수량을 계산하여 비정상성을 고려한 빈도분석을 실시하고 최종적으로 재현기간별 확률강우량을 도출한다.
분위사상법을 적용하기 위해서는 강수자료를 적합시킬 누적확률분포를 선정해야한다. 본 연구에서는 GEV 분포를 선정하여 편의보정을 수행하였다. GEV 분포는 상위 꼬리부분의 면적이 커서 극한사상의 비초과확률을 보다 정확하게 산정할 수 있는 장점이 있다 (Sung et al.
최근 강수사상을 살펴보면 시간에 따라 강수형태가 변하고 있으며 강우강도 역시 무작위하게 발생하는 경향이 있다. 시간에 따라 변하는 강수사상을 정확하게 분석하기 위해서는 강수자료에 대한 비정상성 빈도해석이 필요하며 본 연구에서는 비정상성 해석을 위해 30년을 기준으로 1년 단위로 이동하여 기간별 빈도분석을 실시하였다. 본 연구에서 기준으로 설정한 30년은 세계기상기구 (WMO)에서 정의한 기후의 경향을 대표할 수 있는 최소 기간이다.
위에서 설정한 기간별로 지속시간별 연최대강우량을 산정하고 GEV 확률분포에 대한 매개변수 추정을 실시하고, 추정을 통해 얻은 매개변수를 적용하여 얻은 GEV 확률분포와 관측값과 오차를 평가하는 적합도 검정을 수행하였다. 최종적으로 GEV 확률분포를 이용하여 재현기간별 확률강우량을 산정하였다.
위에서 설정한 기간별로 지속시간별 연최대강우량을 산정하고 GEV 확률분포에 대한 매개변수 추정을 실시하고, 추정을 통해 얻은 매개변수를 적용하여 얻은 GEV 확률분포와 관측값과 오차를 평가하는 적합도 검정을 수행하였다. 최종적으로 GEV 확률분포를 이용하여 재현기간별 확률강우량을 산정하였다.
5는 자료 전처리 과정 중 하나인 증발산량 산정에 대해 설명하고 있다. 이미 구축한 농촌유역 물순환 데이터베이스의 기상자료와 관측소 위치 정보 등을 가져온 다음 증발산량을 여러 가지 식을 이용하여 산정한다. 증발산량은 PenmanMonteith 식, 수정 Penman 식, Blaney-Criddle 식 중 사용자 선택에 따라 사용할 수 있도록 구성하였다.
7은 모형 연계 기법 중 하나인 농업용수 공급량을 모의하기 위한 입력 자료를 구축하는 과정을 설명하고 있다. 본 연구에서는 Song et al. (2015)이 제시한 연단위 관개효율 변화를 고려한 농업용수 공급량을 모의 기법을 기준으로 입력 자료를 구축하였다. 이미 구축한 농촌유역 물순환 데이터베이스에서 기상자료와 관개효율 자료, 관개지구 자료 등을 가져온 다음 Song et al.
(2015)이 제시한 연단위 관개효율 변화를 고려한 농업용수 공급량을 모의 기법을 기준으로 입력 자료를 구축하였다. 이미 구축한 농촌유역 물순환 데이터베이스에서 기상자료와 관개효율 자료, 관개지구 자료 등을 가져온 다음 Song et al. (2015)이 제시한 방법에 맞게 입력 자료를 구축한다.
기상청, WAMIS 등에서 제공하는 자료와 대상유역의 모니터링 자료를 데이터베이스로 구축하여 자료 전처리 및 모형 연계 기술을 웹 페이지에 구현하였다. Fig.
본 연구에서 개발한 웹기반 모형 연계 기법을 사용하여 농촌유역의 물순환 해석을 수행하였다. 농촌유역 물순환 해석 모형으로는 TANK 모형과 농업용수 공급량 모의 모형을 선정하였고, 웹기반 모형 연계 기법을 이용하여 입력 자료를 생성하고 모형을 모의하여 결과를 도출하였다.
11은 모형 연계 기법을 이용하여 구축한 입력 자료를 이용하여 청미천 유역의 유출량을 모의한 결과를 보여주고 있다. 대상 유역의 강우량은 이천 관측소의 자료를 사용하였고, 토지 이용 비율을 An et al. (2015)이 개발한 회귀식에 대입하여 미계측 유역을 모의하기 위해 필요한 매개변수를 추정하였다.
본 연구에서는 다양하게 변화하는 농촌유역의 물순환 해석을 위해 맞춤형 데이터베이스를 설계하고 농촌유역을 특징을 대표하는 자료를 구축하였다. 이미 구축한 데이터베이스를 이용하여 농촌유역 물순환 해석을 위해 필요한 자료를 재생산할 수 있는 웹기반 자료 전처리 및 모형 연계 기법을 개발하였다.
AWR-DMT의 데이터베이스는 유역 특성, 저수지, 기상, 수문, 관개지구 등으로 분류하여 개체관계도를 설계한 다음 MS SQL을 이용하여 구축하였다. 자료 전처리 및 모형 연계 기법을 개발하기 위해 TANK 모형과 농업용수 공급량 모형을 선정하였다.
자료 전처리 및 모형 연계 기법을 개발하기 위해 TANK 모형과 농업용수 공급량 모형을 선정하였다. 자료 전처리 기법은 농촌유역 물순환 해석을 위해 적합한 자료를 구축할 수 있도록 개발하였다. 비정상성을 고려한 빈도분석을 통해 확률강우량을 산정하고 농촌유역의 증발산량을 추정하는 자료 전처리 기법을 개발하였다.
자료 전처리 기법은 농촌유역 물순환 해석을 위해 적합한 자료를 구축할 수 있도록 개발하였다. 비정상성을 고려한 빈도분석을 통해 확률강우량을 산정하고 농촌유역의 증발산량을 추정하는 자료 전처리 기법을 개발하였다. 모형 연계 기법은 TANK 모형과 농업용수 공급량을 대상으로 이미 구축한 데이터베이스에서 입력 자료를 생성하도록 개발하였고, 이를 모형에 적용하여 모의한 결과를 도시하였다.
비정상성을 고려한 빈도분석을 통해 확률강우량을 산정하고 농촌유역의 증발산량을 추정하는 자료 전처리 기법을 개발하였다. 모형 연계 기법은 TANK 모형과 농업용수 공급량을 대상으로 이미 구축한 데이터베이스에서 입력 자료를 생성하도록 개발하였고, 이를 모형에 적용하여 모의한 결과를 도시하였다.
AWR-DMT 웹페이지는 기상 자료, 수문 자료, 자료전처리, 모형 연계 등으로 구성하였고 Python을 이용하여 개발하였다. 데이터베이스에 구축한 자료를 도시 및 출력할 수 있으며 모형 연계를 통해 모형 모의에 필요한 입력 자료를 생성할 수 있다.
본 연구에서 개발한 농촌유역 물순환 해석을 위한 웹기반 자료 전처리 및 모형 연계 기법 (Web-Based Data processing and Model linkage Techniques for Agricultural WaterResource management, AWR-DMT)은 농촌유역 물순환 해석을 위해 필요한 다양한 자료를 구축하고 전처리과정을 거쳐 사용자의 필요와 모형의 입력 자료에 적합한 맞춤형 자료를 제공한다. 웹 기반으로 자료를 실시간으로 제공하여 농촌 유역의 지능형 물순환 해석이 가능하도록 지원하는 방법이다.

대상 데이터

본 연구에서 개발한 웹기반 자료 전처리 및 모형 연계 기법을 적용하기 위해 한강하류 유역 내 청미천 상류 유역을 대상 유역으로 선정하였다. Fig.
대상유역의 수문 및 수질모니터링 설계는 양가천 (근삼리 유역 실개천)을 따라 실시하였으며, 청미천 유역을 포함하는 지점부터 배후유역 (산림) 출구점인 PW-05 지점, 축사의 영향을 분석하기 위한 PW-06, PW-07 지점 및 유역 내 위치한 가리산저수지 (PP-03)를 모니터링 지점으로 선정하였다.

데이터처리

(2012)은 우리나라 강수지역을 구분하기 위해 4가지 자료 전처리 기법을 적용하여 군집분석을 수행하였다. 군집분석을 수행하기 전에 사용한 4가지 자료 전처리 기법으로는 일반 정규화 방법, 수정된 정규화 방법, Z-score 방법, 요인분석을 사용하였고, 군집분석은 K-means 방법을 선택하여 분석하였다. Kang et al.

이론/모형

본 연구에서는 자료 전처리 및 모형 연계 기법을 개발하기 위해 TANK 모형과 농업용수 공급량 모의 모형 (Agricultural Watershed Supply, AWS)을 선정하였다. An et al.
이미 구축한 농촌유역 물순환 데이터베이스의 기상자료와 관측소 위치 정보 등을 가져온 다음 증발산량을 여러 가지 식을 이용하여 산정한다. 증발산량은 PenmanMonteith 식, 수정 Penman 식, Blaney-Criddle 식 중 사용자 선택에 따라 사용할 수 있도록 구성하였다.
계측 유역의 경우 기상자료, 유역특성인자, 전처리 과정을 거친 증발산량 자료 등을 가져온 다음 TANK 모형 매개변수를 구축한다. 미계측 유역의 경우 이미 구축한 농촌유역 물순환 데이터베이스에서 유역특성인자를 가져온 다음 An et al. (2015)이 제시한 TANK 모형의 매개변수 추정 회귀식을 이용하여 TANK 모형의 매개변수를 구축한다.
본 연구에서 개발한 웹기반 모형 연계 기법을 사용하여 농촌유역의 물순환 해석을 수행하였다. 농촌유역 물순환 해석 모형으로는 TANK 모형과 농업용수 공급량 모의 모형을 선정하였고, 웹기반 모형 연계 기법을 이용하여 입력 자료를 생성하고 모형을 모의하여 결과를 도출하였다.
12는 모형 연계 기법을 통해 구축한 입력 자료를 이용하여 청미천 유역의 농업용수 공급량을 모의한 결과를 보여주고 있다. 농업용수 공급량 모의를 위해 필요한 매개변수는 Song et al. (2015)이 제안한 최적 매개변수를 사용하였다.
AWR-DMT의 데이터베이스는 유역 특성, 저수지, 기상, 수문, 관개지구 등으로 분류하여 개체관계도를 설계한 다음 MS SQL을 이용하여 구축하였다. 자료 전처리 및 모형 연계 기법을 개발하기 위해 TANK 모형과 농업용수 공급량 모형을 선정하였다. 자료 전처리 기법은 농촌유역 물순환 해석을 위해 적합한 자료를 구축할 수 있도록 개발하였다.

후속연구

효율적인 농촌유역 수자원 관리를 위해서는 농촌유역에 적합한 데이터베이스를 설계하여 농업생산기반시설, 유역 특성, 기상 및 수문 자료, 기후변화 자료를 구축하고, 외부 환경의 일회성 평가에 기반을 두어 수행하였던 과거의 접근 방법에서 나아가 내외부의 복합적인 환경변화를 능동적으로 반영하기 위한 요소 모듈 방식의 지능형 관리기법의 개발이 필요하다. 각 부처별로 필요에 따라 개발된 정보시스템이 기존의 방법이었다면, 이미 구축된 다양한 국가정보시스템에서 필요한 자료를 실시간으로 획득하고 물순환 해석 모형에 요구되는 자료를 모형이 요구하는 형태로 가공하여 제공하는 새로운 기법을 개발해야 한다. 농촌유역의 복잡성 및 지역 특성을 반영한 물순환을 해석하기 위해서는 농촌유역 물순환 해석에 필요한 자료의 전처리 및 모형과 연계 기법을 제공할 필요가 있다.
본 연구에서 개발한 AWR-DMT는 다양하게 존재하는 자료를 농촌유역 물순환 해석 목적에 맞게 적절하게 가공하여 모형의 입력 자료로 활용하고 이들 상호간의 연계를 위한 자료 형식 통일 등 구성 연계기술 정립이 가능할 것으로 사료된다. 향후 AWR-DMT의 적용성을 확보하기 위해 모형의 적용 결과를 실제 계측자료와 비교하여 신뢰성 있는 결과를 도출한다면 지능형 물순환 해석 및 관리 기법 개발 및 적용으로 확장할 수 있을 것으로 기대된다.
본 연구에서 개발한 AWR-DMT는 다양하게 존재하는 자료를 농촌유역 물순환 해석 목적에 맞게 적절하게 가공하여 모형의 입력 자료로 활용하고 이들 상호간의 연계를 위한 자료 형식 통일 등 구성 연계기술 정립이 가능할 것으로 사료된다. 향후 AWR-DMT의 적용성을 확보하기 위해 모형의 적용 결과를 실제 계측자료와 비교하여 신뢰성 있는 결과를 도출한다면 지능형 물순환 해석 및 관리 기법 개발 및 적용으로 확장할 수 있을 것으로 기대된다. 또한 기후변화에 대응하여 우리나라 농촌지역의 물리적 특성 및 영농의 다양화·복잡화에 따른 용수구역 단위의 종합적인 농촌유역 물순환 해석에 필요한 자료의 구축 및 전처리와 모형 연계 자료 구축을 제공하는 웹기반 기법 관련 원천기술 확보가 기대된다.
향후 AWR-DMT의 적용성을 확보하기 위해 모형의 적용 결과를 실제 계측자료와 비교하여 신뢰성 있는 결과를 도출한다면 지능형 물순환 해석 및 관리 기법 개발 및 적용으로 확장할 수 있을 것으로 기대된다. 또한 기후변화에 대응하여 우리나라 농촌지역의 물리적 특성 및 영농의 다양화·복잡화에 따른 용수구역 단위의 종합적인 농촌유역 물순환 해석에 필요한 자료의 구축 및 전처리와 모형 연계 자료 구축을 제공하는 웹기반 기법 관련 원천기술 확보가 기대된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	농촌유역을 대상으로 수행한 연구들이 가지는 한계는?	농촌유역을 대상으로 수행한 연구들의 내용을 살펴보면 자료 품질 관리 정도에 머무르는 경우가 많고 소유역에 한정되어 있어 광범위한 농촌유역을 대상으로 적용하기에는 한계가 있으며, 물순환 해석에 초점을 맞춘 연구는 많지 않은 실정이다(Park et al., 2013; Kim et al.
	농촌유역의 물순환 해석을 위해 어떤 시스템 개발이 필요한가?	또한 다양한 요인에서 기인하는 우리나라 농촌유역의 물순환 해석은 방대한 시공간 정보를 필요로 한다. 따라서 모의 요소별로 필요한 자료를 데이터베이스로 구축하고, 구축한 데이터베이스를 물순환 해석에 적합한 자료로 추출 및 가공하여 전처리를 할 수 있는 정보 시스템의 개발이 필요하다. 특히 기존의 구축된 다양한 국가정보시스템에서 필요한 자료를 실시간으로 수집하여 데이터베이스로 구축하고 물순환 해석에 필요한 자료 형태로 가공하여 제공하는 기법은 농촌유역의 물순환 해석에서 중요하다.
	이미 개발된 각 정부기관에서 제공하는 정보시스템의 문제점은?	우리나라 농촌유역 물순환 해석을 위해 이미 개발되어 각 정부기관에서 제공하는 정보시스템은 해당 기관에서 관리하는 자료에 대해서는 접근 및 구축이 수월하나, 농촌유역의 복잡성, 지역적인 특성 등을 대표하는 자료들에 대한 전체적인 접근 및 구축하는데 미흡한 점이 있다. 또한 대부분의 이미 개발된 자료 관리 시스템은 농촌유역 물순환 해석을 위해서 필요한 자료 전처리 과정과 모형과 연계되어 자료를 제공하는 기능이 부족하여 실시간 해석을 필요로 하는 농촌유역 물순환 해석에 적용하는데 한계가 있다. 오히려 각 부처별로 필요에 따라 정보시스템을 개발하여 중복되는 자료가 많아 광범위한 정보의 홍수를 이루고 있는 실정이다.

참고문헌 (17)

An, J. H., J. H. Song, M. S. Kang, I. H. Song, S. M. Jun, and J. Park, 2015. Regression equations for estimating the TANK model parameters, Journal of the Korean Society of Agricultural Engineers 57(4): 121-133 (in Korean).
Carleton, C. J., R. A. Dahlgren, and K. W. Tate, 2005. A relational database for the monitoringand analysis of watershed hydrologic functions: I. Database design and pertinent queries. Computers & Geosciences 31: 393-402.

상세보기
Chae, J.-H., M.-S. Park, and Y.-J. Choi, 2014. The WISE quality control system for integrated meteorological sensor data. Journal of Korean Meteorological Society 24(3): 445-456 (in Korean).
Jo, M.-H., K.-J. Kim, and H.-J. Kim, 2013. A study on the improvement of river management system based on riverbed change data management program for utilization of advanced bathymetry data. Journal of the Korean Association of Geographic Information Studies 16(3): 115-125 (in Korean).

원문보기 상세보기
Joo, D.-S., D.-J. Choi, and H. Park, 2000. The effects of data preprocessing in the determination of coagulant dosing rate. Water Research 34(13): 3295-3302.

상세보기
Kang, M. S., P. Srivastava, T. Tyson, J. P. Fulton, W. F. Owsley, and K. H. Yoo, 2008. A comprehensive GIS-based poultry litter management system for nutrient management planning and litter transportation. Journal of Computers and Electronics in Agriculture 64(2): 212-224.

상세보기
Kang, M. S., S.-W. Park, and S.-J. Im, 2001. A water environment management and evaluation systems for a small watershed (I) -system formulation and development-. Journal of Korean Society of Rural Planning 7(1): 3-13 (in Korean).
Kang, M. S., S.-W. Park, and Y.-G. Her, 2001. A water environment management and evaluation systems for a small watershed (II) -operation and applications-. Journal of Korean Society of Rural Planning 7(1): 15-25 (in Korean).
Kim, B. S., B. K. Kim, M. S. Kyung, and H. S. Kim, 2008. Impact assessment of climate change on extreme rainfall and I-D-F analysis. Journal of Korea Water Resources Association 41(4): 379-394 (in Korean).

원문보기 상세보기
Kim, H. K., S. M. Kim, and S. W. Park, 2006. Development of hydrologic data management system based on relational database. Journal of Korea Water Resources Association 39(10): 855-866 (in Korean).

원문보기 상세보기
Kim, U.-G., W.-S. Ahn, C.-Y. Lee, and M.-J. Um, 2012. The optimal analysis of data preprocessing method for clustering the region of precipitation. Journal of Korean Society of Hazard Mitigation 12(5): 233-240 (in Korean).

원문보기 상세보기
Kwon, H., S. Park, M. Kang, J. Yoo, R. Yuan and J. Kim, 2007. Quality control and assurance of eddy covariance data at the two KoFlux sites. Journal of Korean Society of Agricultural and Forest Meteorology 9(4): 260-267 (in Korean).

원문보기 상세보기
Lim, I.-H. and S.-H. Bae, 2015. A study on development of the meteorological data preprocessing program for air pollution modeling. Journal of the Korea Institute of Electronic Communication Sciences 10(1): 47-54 (in Korean).

원문보기 상세보기
Park, J., M. S. Kang, I. Song, S. H. Hwang, J.-H. Song, and S. M. Jun, 2013. Development of relational database management system for agricultural non-point source pollution control. Journal of Korean Society of Rural Planning 19(4): 319-327 (in Korean).

원문보기 상세보기
Song, J. H., I. Song, J. T. Kim, and M. S. Kang, 2015. Simulation of agricultural water supply considering yearly variation of irrigation efficiency. Journal of Korea Water Resources Association 48(6): 425-438 (in Korean).

원문보기 상세보기
Stedinger, J. R., R. M. Vogel, and E. Foufoula-Georgiou, 1993. Chapter 18: Frequency analysis of extreme events. Handbook of Hydrology, Maidment, D. R. (editor in chief), McGraw-Hill.
Sung, J. H., B. S. Kim, H. S. Kang, and C. H. Cho, 2012. Non-stationary frequency analysis for extreme precipitation based on representative concentration pathways (RCP) climate change scenarios. Journal of Korean Society of Hazard Mitigation 12(2): 231-244 (in Korean).

저자의 다른 논문 :

LOADING...

활용도 분석정보

상세보기

다운로드

내보내기

활용도 Top5 논문

해당 논문의 주제분야에서 활용도가 높은 상위 5개 콘텐츠를 보여줍니다.
더보기 버튼을 클릭하시면 더 많은 관련자료를 살펴볼 수 있습니다.

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