[논문]수도권 초미세먼지 농도모사: (III) 관측농도 대비 모사농도 비율 적용에 따른 기여도 변화 검토

배창한; 유철; 김병욱; 김현철; 김순태

doi:10.5572/kosae.2017.33.5.445

수도권 초미세먼지 농도모사: (III) 관측농도 대비 모사농도 비율 적용에 따른 기여도 변화 검토
PM2.5 Simulations for the Seoul Metropolitan Area: (III) Application of the Modeled and Observed PM2.5 Ratio on the Contribution Estimation 원문보기

한국대기환경학회지 = Journal of Korean Society for Atmospheric Environment, v.33 no.5, 2017년, pp.445 - 457

배창한 (아주대학교 환경안전공학과) , 유철 (환경부 대기환경정책과) , 김병욱 (미국조지아주환경청) , 김현철 (미국국립해양대기청) , 김순태 (아주대학교 환경안전공학과)

Abstract ▼ AI-Helper

In this study, we developed an approach to better account for uncertainties in estimated contributions from fine particulate matter ($PM_{2.5}$) modeling. Our approach computes a Concentration Correction Factor (CCF) which is a ratio of observed concentrations to baseline model concentrations. We multiply modeled direct contribution estimates with CCF to obtain revised contributions. Overall, the modeling system showed reasonably good performance, correlation coefficient R of 0.82 and normalized mean bias of 2%, although the model underestimated some PM species concentrations. We also noticed that model biases vary seasonally. We compared contribution estimates of major source sectors before and after applying CCFs. We observed that different source sectors showed variable magnitudes of sensitivities to the CCF application. For example, the total primary $PM_{2.5}$ contribution was increased $2.4{\mu}g/m^3$ or 63% after the CCF application. Out of a $2.4{\mu}g/m^3$ increment, line sources and area source made up $1.3{\mu}g/m^3$ and $0.9{\mu}g/m^3$ which is 92% of the total contribution changes. We postulated two major reasons for variations in estimated contributions after the CCF application: (1) monthly variability of unadjusted contributions due to emission source characteristics and (2) physico-chemical differences in environmental conditions that emitted precursors undergo. Since emissions-to-$PM_{2.5}$ concentration conversion rate is an important piece of information to prioritize control strategy, we examined the effects of CCF application on the estimated conversion rates. We found that the application of CCFs can alter the rank of conversion efficiencies of source sectors. Finally, we discussed caveats of our current approach such as no consideration of ion neutralization which warrants further studies.

주제어

AI 본문요약
AI-Helper

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

문제 정의

CCF는 충분한 측정자료가 확보된다면 1일 평균농도의 적용도 가능하나, 매일 모사농도를 보정하기에는 결측자료가 전반적으로 많다. 따라서 본 연구에서는 측정 및 모사농도를 월평균 농도로 변환하여 CCF를 도출하였다. 보정계수는 1을 기준으로, 1보다 큰 경우 보정 후 기여도는 증가하며, 1보다 작은 경우 보정 후 기여도는 감소한다.
EPA, 2007). 본 연구에서는 초미세먼지의 기여도 분석 시 모사 불확도를 고려하기 위해 한가지 대안으로 RRF 개념을 차용한 CCF를 제시하여보다 현실에 가까운 기여도를 도출하고자 하였다.
7 이상, NMB 10% 이하)을 만족하였다. 한편, 본 연구는 초미세먼지의 개별 성분에 대한 분석이 중요한 바, 각 성분에 대한 정합도 평가를 추가로 제시하였다.

가설 설정

,2017b). 둘째, 배출된 전구물질이 초미세먼지로 전환되는 대기 화학적인 환경의 차이 때문이다. 동일한 배출물질이라고 하더라도 배출지역이 도심지역인지, 교외 지역인지에 따라 생성 과정에서 차이가 발생할 수 있다.
배출원에 따른 기여도 차이는 크게 두 가지로 파악된다. 첫째, 배출 특성에 따라 기여도의 월간 변동성이 다르게 나타나기 때문이다. 표 2의 PPM 배출에 의한 초미세먼지 기여도를 보면, 면 오염원의 월평균 기여도는 최소 1.

제안 방법

본 연구에서는 동반논문 Kim et al.(2017a)에서 도출된 수도권 초미세먼지 기여도에 CCF를 적용하여, 초미세먼지 성분별 기여도 변화를 산정하였다. 본문에 모두 보이기 어려운 CCF 도출의 중간과정은 부록 1에 자세히 서술하였다.
EPA, 2007). 그러나 본 연구에서는 관측자료의 결측, 중금속 측정자료의 불확실성 등 현실적인 제한 사항으로 인해, 현시점에서 이용 가능한 범위 내의 접근을 시도하였다. 둘째, 모사 정확도의 개선이다.
그림 3은 수도권 지역에서 배출되는 대기오염물질 각각에 대한 초미세먼지 기여도를 배출원별로(면, 선, 점) 구분하여 보인 것으로, 모사기간의 평균적인 기여도 및 CCF 적용 후 변화된 기여도를 나누어 제시하였다. 수도권 지역 전체 배출량의 모사기간 평균 기여도는 CCF 적용 전 7.
따라서, 본 연구에서는 미 환경청의 RRF와 유사한 방법으로 기여도 보정계수(Contribution Correction Factor; 이하 CCF)를 고안하여, 모사의 불확실성을 고려한 초미세먼지 기여도 분석을 시도하였다. 이를 위해 대기화학모델 CMAQ을 사용한 민감도 모사를 통해 배출원별 기여도를 도출하였으며, 수도권 집중측정소의 성분별 관측농도와 기본 모사농도를 이용하여 CCF를 마련하였다.
이를 위해 대기화학모델 CMAQ을 사용한 민감도 모사를 통해 배출원별 기여도를 도출하였으며, 수도권 집중측정소의 성분별 관측농도와 기본 모사농도를 이용하여 CCF를 마련하였다. 마지막으로, CCF의 적용 후 기여도 변화를 검토하였다.
모사기간은 초미세먼지의 성분별 관측자료가 이용 가능한 2014년을 선정하였으며, 모사농도의 계절적인 차이를 반영하도록 1월, 4월, 7월, 10월을 선택하여 모사하였다. 모사 영역은 장거리 이동 영향을 고려하기 위해 한반도를 중심으로 중국 및 일본을 포함하는 27-km 수평해상도 모사 영역과 국내 기여도 분석을 위해 한반도 지역을 포함하는 9-km 수평해상도의 모사 영역을 설정하고 둥지격자화 하였다(그림 1 참조).
2. 1 기상 및 대기질 모사

모사기간은 초미세먼지의 성분별 관측자료가 이용 가능한 2014년을 선정하였으며, 모사농도의 계절적인 차이를 반영하도록 1월, 4월, 7월, 10월을 선택하여 모사하였다. 모사 영역은 장거리 이동 영향을 고려하기 위해 한반도를 중심으로 중국 및 일본을 포함하는 27-km 수평해상도 모사 영역과 국내 기여도 분석을 위해 한반도 지역을 포함하는 9-km 수평해상도의 모사 영역을 설정하고 둥지격자화 하였다(그림 1 참조).
, 2017b). 본 절에서는 3.3의 CCF 적용 후 기여도 변화를 이용하여 전환율 변화를 분석하였다.
따라서, 본 연구에서는 미 환경청의 RRF와 유사한 방법으로 기여도 보정계수(Contribution Correction Factor; 이하 CCF)를 고안하여, 모사의 불확실성을 고려한 초미세먼지 기여도 분석을 시도하였다. 이를 위해 대기화학모델 CMAQ을 사용한 민감도 모사를 통해 배출원별 기여도를 도출하였으며, 수도권 집중측정소의 성분별 관측농도와 기본 모사농도를 이용하여 CCF를 마련하였다. 마지막으로, CCF의 적용 후 기여도 변화를 검토하였다.
표 4는 배출원에 따른 각 오염물질이 초미세먼지 농도에 미치는 기여도를 단위 배출량으로 나누어 전환율을 보인 것으로, CCF 적용 후 전환율과 비교하였다. CCF의 적용에 따라 PPM 배출량의 모사기간 평균 전환율은 기존 217.

대상 데이터

개별 성분에 대한 CCF 산정을 위해 관측농도는 국립환경과학원의 불광동 대기오염 집중측정소(그림 1 참조)의 1시간 단위의 초미세먼지 성분농도를 이용하였으며, 모사농도는 CMAQ 모사 결과에서 집중측정소와 동일한 위치의 1시간 단위의 성분별 농도를 추출하여 이용하였다. 본 연구에서는 동반논문 Kim et al.

이론/모형

1을 이용하여 생성하였다. WRF 모델 결과는 MCIP (Meteorology-Chemistry Interface Processor) version 3.6을 후처리 도구로 이용하여 배출량 모델 및 대기화학 모델의 입력자료로 사용하였다. 인위적 배출량은 동북아 지역에 대하여 2010년 CREATE(Comprehensive Regional Emissions inventory for Atmospheric Transport Experiment; Woo et al.
대기질 모사를 위해 기상-배출량-대기화학 모사체계를 다음과 같이 구성하였다. 기상 입력자료는 WRF(Weather Research and Forecast; Skamarock et al., 2008) version 3.4.1을 이용하여 생성하였다. WRF 모델 결과는 MCIP (Meteorology-Chemistry Interface Processor) version 3.
, 2006) 모델을 이용하여 마련하였다. 대기질 모델링은 CMAQ (Community Multiscale Air Quality; Byun and Ching, 1999) version 4.7.1을 이용하였으며, 초미세먼지 모사를 위한 에어로졸 모듈은 AERO5 (Aerosol module version 5; Carlton et al., 2010)를 이용하였다. 모델링의 세부적인 사항은 동반논문 Kim et al.
, 2014) 배출량 목록을 이용하였으며, 남한 지역에 대해서는 2013년 CAPSS (Clean Air Policy Support System) 배출량 목록을 이용하였다. 배출량 목록은 대기질 모델 입력용 자료로 변환하기 위해 SMOKE (Sparse Matrix Operator Kernel Emission; Benjey et al., 2001)를 이용하여, SCC(Source Classification Code) 각각에 대한 시공간 할당 및 화학종 분배를 수행하였다(Kim et al., 2008). 자연적 배출량은 MEGAN (The Model of Emissions of Gases and Aerosols from Nature; Guenther etal.
본 연구에 이용된 기상 모델과 대기화학 모델의 기본적인 수행평가는 동반논문 Kim et al. (2017a)에서 논의되었다. 주요 사항만 간단하게 정리하면, 수도권 지역 초미세먼지의 평균적인 정합도는 상관계수 (R) 0.
6을 후처리 도구로 이용하여 배출량 모델 및 대기화학 모델의 입력자료로 사용하였다. 인위적 배출량은 동북아 지역에 대하여 2010년 CREATE(Comprehensive Regional Emissions inventory for Atmospheric Transport Experiment; Woo et al., 2014) 배출량 목록을 이용하였으며, 남한 지역에 대해서는 2013년 CAPSS (Clean Air Policy Support System) 배출량 목록을 이용하였다. 배출량 목록은 대기질 모델 입력용 자료로 변환하기 위해 SMOKE (Sparse Matrix Operator Kernel Emission; Benjey et al.
, 2008). 자연적 배출량은 MEGAN (The Model of Emissions of Gases and Aerosols from Nature; Guenther etal., 2006) 모델을 이용하여 마련하였다. 대기질 모델링은 CMAQ (Community Multiscale Air Quality; Byun and Ching, 1999) version 4.

성능/효과

CCF의 적용에 따라 PPM 배출량의 모사기간 평균 전환율은 기존 217.9 μg/m3/MTPY(MTPY는 106 TPY)에서 365.2 μg/m3/MTPY로 1.7배 증가하였으며, 특히 4월의 경우 전환율이 2.2배 증가하였다.
NH3 (Ammonia), SOx (Sulfur Oxides) 그리고 VOC (Volatile Organic Compounds)는 각각 0.4 μg/m3 (12%), 0.1 μg/m3 (31%), 0.06 μg/m3 (12%) 기여도가 증가하였으며, 주로 면 오염원의 기여도가 가장 크게 증가하였다.
039 μg/m³ 변화시켰다(표 3 참조). 결과적으로 배출원에 따른 기여도 보정효과 차이는 시공간적인 배출 변동성과 물리화학적 전환 특성이 복합적으로 작용한 것이라 할 수 있다. CCF를 다양한 배출원별로 적용하려면 모사값도 배출원별로 구해야 하는데 이는 현실적으로 매우 어려운 일이다.
배출원 구분에 따라 살펴보면, CCF 적용 후 기여도는 모두 증가하였으며 선 오염원 1.4 μg/m3, 면 오염원 1.3 μg/m3, 점 오염원 0.2 μg/m3 증가하였다.
본 연구의 모사기간 동안 초미세먼지 성분별 모사농도는 기타 성분, 황산염, OC 순서로 각각 48.8%, 22.8%, 18.6% 과소 모사하였으며, 질산염과 암모늄은 관측과 유사 수준으로 모사되었다. 모사 결과는 대부분 Emery et al.
보정계수는 1을 기준으로, 1보다 큰 경우 보정 후 기여도는 증가하며, 1보다 작은 경우 보정 후 기여도는 감소한다. 앞서 정합도 분석에서 보았듯 모사농도의 전반적인 과소 모사 경향으로 인하여 CCF는 대부분 1보다 큰 값을 보이나 월간 변동성은 성분마다 다른 경향을 보였다. CCF가1.
오염물질의 경우 PPM 배출의 기여도가 기존 3.8 μg/m3에서 보정계수 적용 후 6.3 μg/m3로 2.4μg/m3 (64%) 증가하였으며, 그중 선 오염원의 기여도가 가장 크게 증가하였다.
이 결과는 수도권의 배출량 저감정책 시행에 따른 초미세먼지 농도 감소 효과가 보정 후 최대 2.95 μg/m3 (39%)까지 증가할 수 있으며, 자체 배출량 저감정책으로 달성할 수 있는 목표농도가 모사농도를 직접 사용하였을 때와 다르게 설정될 수 있음을 의미한다.
(2017)의 최소 수준을 만족하고 있으나, 기타 성분의 경우 모사 정확도의 개선이 필요하다. 이러한 결과를 통해 모사기간 평균적으로 기타 성분 2.27, OC 1.64, 황산염 1.31의 CCF가 산정되었다. 동반논문 Kim et al.
2배 증가하였다. 이에 반해 두 번째로 높은 전환율을 보이는 암모늄의 경우에는 CCF의 적용 후 전환율 증가가 평균 1.1배, 최대 1.2배로 상대적으로 작은 차이를 보였다.
표 2의 PPM 배출에 의한 초미세먼지 기여도를 보면, 면 오염원의 월평균 기여도는 최소 1.439 μg/m3 (7월)에서 최대 1.929 μg/m3(10월)로 34% 차이를 보인 반면, 선 오염원의 경우 최소 1.273 μg/m3 (7월)에서 최대 2.695 μg/m3 (1월)로 117% 차이를 보여 선 오염원 기여도의 월간 변동성이 상대적으로 뚜렷하게 나타났다.

후속연구

단위 배출량당 초미세먼지 저감효율을 고려 시 면 오염원의 우선적인 관리가 필요할 것으로 판단될 수 있다. 그러나, 기여도 보정 후 점오염원의 전환율은 면 오염원의 전환율과 거의 동등하게 나타나 단순 기여도 분석 외에 보다 상세한 비교가 필요함을 보인다.
단, 본 연구에서 제안한 CCF는 향후 개선의 여지가 있다. 첫째, 관측자료의 이용 방법이다.
이로 인해 기여도 보정 시, 배출원이 달라도 동일한CCF를 적용해야 하는 제한점이 존재한다. 또한, 현재의 방법론은 2차 무기염의 중화 정도를 고려하고 있지 못한데 이를 위해서는 질량 보존 및 화학적 특성을 반영하는 방법론의 개발이 필요하며, 후속 연구로 진행되어야 할 것이다.
이러한 한계점에도 본 연구의 결과는 현시점에서 이용 가능한 자료 활용을 통해, 모사의 불확실성을 고려한 보다 정확한 기여도 및 전환율을 추정한 것에 의의가 있다. 앞서 언급한 바와 같이 대기오염물질의 저감 대책 수립은 배출량 감축대비 농도 개선 효과뿐만 아니라 투입되는 비용을 고려한 비용/편익 분석이 필요하며, 따라서 후속 연구로 CCF 적용으로 개선된 전환율을 이용한 저감 대책별 비용/편익 분석이 이루어져야 한다.
25 μg/m³) 과소 모사하였다. 이는 겨울철 1차 배출에 의한 primary organic carbon의 과대 모사와 여름철 secondary organic aerosol의 과소 모사와 관련이 있을 것으로 추정되며 (Hayes et al., 2014; Zhang et al., 2014; Carlton et al., 2010), 향후 추가 연구가 필요할 것으로 판단된다. EC(Elemental Carbon)는 4월에 33%(0.

질의응답

핵심어	질문	논문에서 추출한 답변
	모사-관측 불일치의 주요 원인에는 무엇이 있는가?	모사-관측 불일치의 주요 원인으로는 이용되는 대기질 모델의 구조적(예: 화학 메커니즘) 불확도, 입력자료의(예: 배출량, 기상) 불확도, 그리고 모사농도와 측정농도 간의 시공간적 불일치 등 몇 가지 이유가 거론되어 왔다(Russell and Dennis, 2000). 그러므로, 모사농도의 정확도가 충분한지의 여부는 대체로 기존 연구에 적용된 모사 정확도가 비교의 대상이 되기도 한다.
	모사 정확도의 개선을 위해 산정한 각 성분의 CCF는 얼마인가?	(2017)의 최소 수준을 만족하고 있으나, 기타 성분의 경우 모사 정확도의 개선이 필요하다. 이러한 결과를 통해 모사기간 평균적으로 기타 성분 2.27, OC 1.64, 황산염 1.31의 CCF가 산정되었다. 동반논문 Kim et al.
	대기질 모사가 이용되는 분야에는 무엇이 있는가?	대기질 모사는 대기오염 현상의 이해, 원인 분석, 장래 예측, 오염원별 기여도 분석 등 다양한 분야에 걸쳐 이용되고 있다(MOE, 2013; U.S.

참고문헌 (23)

Bartnicki, J. (1999) Computing source-receptor matrices with the EMEP Eulerian Acid Deposition Model. EMEP MSC-W Note, 5, 99.3
Bae, C.H., H.C. Kim., B.U. Kim, and S.T. Kim (2015). Improvement of PM Forecast using PSAT based Customized Emission Inventory over Northeast Asia. 14th Annual CMAS Models-3 Users' Conference, October 5-7, 2015, Chapel Hill, NC.
Benjey, W., M. Houyoux, and J. Susick (2001) Implementation of the SMOKE emission data processor and SMOKE tool input data processor in models-3, US EPA.
Byun, D.W. and J.K.S. Ching (1999) Science Algorithms of the EPA Models-3 Community Multi-scale Air Quality (CMAQ) modeling system, EPA report, EPA/600/R-99/030, NERL, Research Triangle Park, NC.
Carlton, A.G., P.V. Bhave, S.L. Napelenok, E.O. Edney, G. Sarwar, R.W. Pinder, G.A. Pouliot, and M. Houyoux (2010) Model representation of secondary organic aerosol in CMAQv4. 7, Environmental Science and Technology, 44(22), 8553-8560.

상세보기
Chu, B., X. Zhang, Y. Liu, H. He, Y. Sun, J. Jiang, J. Li, and J. Hao (2016) Synergetic formation of secondary inorganic and organic aerosol: effect of $SO_2$ and $NH_3$ on particle formation and growth, Atmospheric Chemistry and Physics Discussions, 16(22), 14219-14230.

상세보기
Emery, C., Z. Liu, A.G. Russell, M.T. Odman, G. Yarwood, and N. Kumar (2017) Recommendations on statistics and benchmarks to assess photochemical model performance, Journal of the Air and Waste Management Association, 67(5), 582-598.

상세보기
Guenther, A., T. Karl, P. Harley, C. Wiedinmyer, P.I. Palmer, and C. Geron (2006) Estimates of global terrestrial isoprene emissions using MEGAN (Model of Emissions of Gases and Aerosols from Nature), Atmospheric Chemistry and Physics Discussions, 6(1), 107-173.

상세보기
Hayes, P.L., A.G. Carlton, K.R. Baker, R. Ahmadov, R.A. Washenfelder, S. Alvarez, B. Rappengluck, J.B. Gilman, W.C. Kuster, J.A. de Gouw, P. Zotter, A.S.H. Prevot, S. Szidat, T.E. Kleindienst, J.H. Offenberg, and J.L. Jimenez (2014) Modeling the formation and aging of secondary organic aerosols in Los Angeles during CalNex 2010, Atmospheric Chemistry and Physics Discussions, 14, 32325-32391, doi:10.5194/acpd-14-32325-2014.

상세보기
In, H.J. and Y. P. Kim (2010). Estimation of the aerosol optical thickness distribution in the Northeast Asian forest fire episode in May 2003: Possible missing emissions, Atmospheric Research, 98(2), 261-273.

상세보기
Kim, B.U., O. Kim, H.C. Kim, and S. Kim (2016) Influence of fossil-fuel power plant emissions on the surface fine particulate matter in the Seoul Capital Area, South Korea, Journal of the Air & Waste Management Association, 66(9), 863-873.

상세보기
Kim, S., N. Moon, and D.W. Byun (2008) Korea emissions inventory processing using the US EPA's SMOKE system, Asian Journal of Atmospheric Environment, 2(1), 34-46.

원문보기 상세보기
Kim, S., C. Bae, C. Yu, B-U. Kim, H.C. Kim, and N. Moon (2017a) $PM_{2.5}$ simulations for the Seoul Metropolitan Area: (II) estimation of self-contributions and emission-to- $PM_{2.5}$ conversion rates for each source category, Journal of Korean Society for Atmospheric Environment. (in submit)
Kim, S., C. Bae, B-U. Kim, and H.C. Kim (2017b) $PM_{2.5}$ simulations for the Seoul Metropolitan Area: (I) contributions of precursor emissions in the 2013 CAPSS emissions inventory, Journal of Korean Society for Atmospheric Environment, 33(2), 139-158.

원문보기 상세보기
MOE (2013) The 2nd stage of air quality management plan over the Seoul Metropolitan Area. (in Korean)
Oreskes, N., K. Shrader-Frechette, and K. Belitz (1994) Verification, validation, and confirmation of numerical models in the earth sciences, Science, 263(5147), 641-646.

상세보기
Russel, A. and R. Dennis (2000) NARSTO critical review of photochemical models and modeling, Atmospheric Environment, 34, 2283-2324.

상세보기
Seinfeld, J.H. and S.N. Pandis (1998) Atmospheric chemistry and physics: from air pollution to climate change, 2nd edition., Waveland Press Inc., U.S.A.
Simon, H., K.R. Baker, and S. Phillips (2012) Compilation and interpretation of photochemical model performance statistics published between 2006 and 2012, Atmospheric Environment, 61, 124-139.

상세보기
Skamarock, W.C., J.B. Klemp, J. Dudhia, D.O. Gill, D.M. Barker, M.G. Duda, X. Huang, W. Wang, and J.G. Powers (2008) A description of the advanced research WRF version 3, NCAR Tech. Note NCAR/TN-475+STR, National Center for Atmospheric Research, Boulder, CO, 125.
U.S. EPA (2007) Guidance on the Use of Models and Other Analyses for Demonstrating Attainment of Air Quality Goals for Ozone, $PM_{2.5}$ , and Regional Haze, https://www.epa.gov/scram001/guidance/guide/final-03-pm-rh-guidance.pdf (accessed on May 1, 2017).
Woo, J.H., S. Quan, K.C. Choi, H.K. Kim, H. Jin, C-K. Song, J. Han, and S. Lee (2014) Development of the CREATE inventory in support of integrated modeling of climate and air quality for East Asia, In GEIA Conference.
Zhang, X., C.D. Cappa, S.H. Jathar, R.C. McVay, J.J. Ensberg, M.J. Kleeman, and J.H. Seinfeld (2014) Influence of vapor wall loss in laboratory chambers on yields of secondary organic aerosol, Proceedings of the National Academy of Sciences, 111(16), 5802-5807.

상세보기

저자의 다른 논문 :

LOADING...

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