[논문]커널분석을 활용한 미세먼지 신규 측정소 선정 - 서울시 초등학교를 대상으로 -

정종철

doi:10.22640/lxsiri.2019.49.2.83

커널분석을 활용한 미세먼지 신규 측정소 선정 - 서울시 초등학교를 대상으로 -
Selection of New Particulate Matter Monitoring Stations using Kernel Analysis - Elementary Schools, Seoul, Korea 원문보기

지적과 국토정보 = Journal of cadastre & land informatix, v.49 no.2, 2019년, pp.83 - 92

초록
AI-Helper

미세먼지는 주로 겨울철과 봄철에 높은 수치를 보이며, 실외 활동이 많은 사람들의 건강에 더욱 치명적이다. 특히 초등학생과 같은 사회적 약자에 대한 미세먼지 대책은 국가적 차원에서 더욱 시급한 과제이다. 이에 본 연구는 서울시를 대상으로 GIS를 활용하여 초등학교를 중심으로 미세먼지 신규측정소를 선정하였다. 서울시 전체를 500m 반경의 헥사곤 격자를 활용하여 608개의 헥사곤으로 구분한 뒤 측정소와 학교에 위치에 대한 공간분석을 실시하였다. 최종적으로 학교 밀집도 분석과 포인트 대치기법을 통한 조건식을 활용하여 신규측정소 지역을 산출하였다. 연구 결과로 총 10개의 500m 반경의 헥사곤 격자를 신규측정소 지역으로 선정하였고 해당 폴리곤에 포함된 15개의 초등학교 명단을 나열하였다. 최종 선정 폴리곤이 포함된 행정구는 강북구, 은평구, 구로구, 동작구, 금천구, 동대문구, 강동구, 송파구, 광진구, 강남구로 나타났다. 본 연구의 결과는 교육부에서 발표한 '2018년 학교 미세먼지 종합 관리 대책'에 근거하여 공간적인 분석 결과에 따른 새로운 관리 대책 방향을 제시하였으며, 대상지를 학교 뿐 아니라 대상 건물을 확장하여 차후 연구의 활용도를 더욱 높일 수 있을 것이라 기대한다.

Abstract ▼ AI-Helper

The particulate matters show high values in winter and spring season, it has a bad influence on the outdoor people. That's why government needs to come up with countermeasures for social weak people like elementary school students. In this paper, new particulate matter stations select ed about elementary schools using spatial analysis. Seoul city areas were divided with 608 hexagon grids(500m), and then implement spatial analysis such as kernel analysis. Finally, new particulate matter stations select through the results of kernel density analysis and point displacement. The results show that, 10 hexagon grids about new particulate matter stations were selected and listed 15 elementary schools including 10 hexagon grids. The 15 elementary schools were including Gangbuk gu, Eunpyeong gu, Guro gu, Dong gu, Geumcheon gu, Dongdaemun gu, Gangdong gu, Songpa gu, Gwangjin gu and Gangnam gu. The results suggests a new management plan direction according to the spatial analysis, result in the process of selecting the measures for the '2018 School Fine Dust Comprehensive Management Measures' announced by the Ministry of Education. Also, this study can be expanded by adding specific buildings as well as the school.

주제어

표/그림 (9)

그림 Figure 1. Spatial location of study area
그림 Figure 2. Research flow for select new monitoring station and elementary school locations
그림 Figure 3. Seoul elementary schools density map, (a)density by gu-location, (b)kernel-density using hexagon grid
표 Table 1. Nearest monitoring station class for elementary school and over 2km with monitoring stations and elementary schools
그림 Figure 4. Distance buffer by Elementary schools based on monitoring stations
그림 Figure 5. Grouped elementary schools by point displacement
표 Table 2. Nearest analysis results of elementary schools
그림 Figure 6. Select PM monitoring area and process, (a) select hexagon polygons over 2km with monitoring stations, (b) 2nd select by density analysis results, (c) final select by point displacement results
표 Table 3. Final select elementary school for new monitoring stations

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 서울시 초등학교들을 대상으로 학교라는 객체를 선정하여 미세먼지 측정소와의 공간적인 분석을 실시하였다. 도시대기측정망과 초등학교 밀집도 분석을 통해 본 연구는 서울시 초등학교 중 국가 측정망으로 부터 정밀한 측정자료를 제공 받지 못하는 초등학교를 대상으로 최적의 신규 측정장비 설치 시범지역을 선정하고자 하였다.
기존의 신규 측정소 선정 연구는 미세먼지 측정자료를 기반으로 보간기법을 사용하여 선정하는 연구가 다수 존재하나 노출 피해자를 중심으로 세밀한 분석을 수행한 연구는 부족하다고 판단된다. 본 연구에서는 서울시 초등학교들을 대상으로 학교라는 객체를 선정하여 미세먼지 측정소와의 공간적인 분석을 실시하였다. 도시대기측정망과 초등학교 밀집도 분석을 통해 본 연구는 서울시 초등학교 중 국가 측정망으로 부터 정밀한 측정자료를 제공 받지 못하는 초등학교를 대상으로 최적의 신규 측정장비 설치 시범지역을 선정하고자 하였다.

제안 방법

공간분석은 IDW와 Kriging을 활용하여 미세먼지의 연평균, 계절평균, 일평균에 따른 공간분석을 실시하였으며, 분석 결과를 기반으로 기존의 측정소 배치 적절성을 평가하거나 기존 측정소 위치에 대하여 새로운 공간변수를 고려한 장소 선정이 필요하다고 제시하였다. 정종철(2018)은 서울시 영등포구를 대상으로 IDW 보간기법을 활용하여 작성된 미세먼지 지도를 기반으로 교통량, 유동인구 등의 환경변수와의 공간적인 관계성을 도출하고 이를 기반으로 신규 측정소 위치를 선정한 바 있다.
연구의 전체적인 연구 흐름은 Figure 2와 같다. 데이터 전처리 과정은 미세먼지 데이터와 서울시 학교 데이터를 분석 과정에 맞게 재구축한 뒤 이를 헥사곤 격자를 활용하여 속성이 다른 두 개의 데이터를 비교할 수 있도록 지정하였다. 헥사곤 격자는 국가 미세먼지 측정소 500m 단위의 미세먼지 측정 영향범위를 기준으로 공간적인 분석을 진행하였다(환경부 2018).
두 번째는 미세먼지측정소와 초등학교의 최근린 분석을 통해 현재 초등학교의 공간적인 분포경향에 따른 미세먼지 측정소가 제공하는 측정정보의 우선 순위를 선정하였다. 최근린 분석에서는 초등학교를 기준으로 유의확률 p-값과 표준편차 z 값을 계산하고 이에 대한 신뢰도 평가를 실시하였으며 버퍼기능을 통해 도시대기 측정소의 위치를 기준으로 500m, 1000m, 1500m, 2000m 거리 단위의 초등학교를 구분하였다.
(2017)은 ArcGIS의 IDW 보간기법을 적용하여 미세먼지 분포 지도를 제작하고 연구대상지역의 공간분석을 실시하였다. 또한 미세먼지의 공간적인 분포특성은 다양한 배출원과 비교하여 특정 변수를 활용하여 분석하였다. Spendley and Brehme(2014)는 DEM과 미세먼지 발생의 상관성을 비교하였으며 이를 기반으로 요일별 차이점을 분석한 바 있다.
커널은 선형연립방정식 또는 연립 일차방정식에서 동차 연립일차 방정식 또는 선형 연립방정식의 해집합에 해당하는 부분을 의미하며 이를 공간적인 부분과 접합하여 하나의 변수사이 밀집도를 나타내는 방식으로 풀어낼 수 있다. 또한, 최근린 분석법의 거리 매트릭스를 통해 표준편차와 확률값을 계산하고 결과의 신뢰수준을 분석하여 초등학교의 밀집도에 대한 신뢰값을 제시하였다.
본 연구는 포인트 대치 렌더링을 통해 서울시 초등학교의 공간적인 위치 중심점을 각 군집별로 분석하였다. 초등학교의 군집화를 통해 만들어진 중심점은 헥사곤 형식으로 포현하여 나타냈으며 Figure 5와 같다.
세 번째는 포인트 대치랜더링을 적용하여 군집의 중심점을 선정하고 초등학교 밀집 지역의 중심지를 파악하였다. 최종적으로 국가측정소와 초등학교의 공간적인 관계성 분석을 실시 후 밀집도의 조건 산정식을 적용하여 신규 미세먼지 측정소 설치대상 학교지역을 선정하였다.
연구과정의 첫 번째는 커널 분석을 통해 학교의 밀 집도를 계산하여 행정구별 초등학교 밀집도와 분포현황을 비교하였다. 초등학교의 밀집도 선정은 환경부에서 제시한 「대기오염측정망 설치·운영지침」(2018년) 미세먼지 측정소의 설치 조건 중 하나인 2km 중 복성을 제거하기 위해 초등학교 위치에 따라 밀집도 분석 거리 가중치를 2km로 선정하여 계산하였다.

대상 데이터

신규 측정소는 크게 거리에 따른 1차 선정, 밀집도에 따른 2차 선정, 대치기반 결과의 최종 선정으로 진행되었다. 1차 선정에서는 신규측정소 선정조건을 기존의 국가 측정망과 거리가 먼 지역 중 초등학교가 밀집되어 있는 지역으로 선정하였다. 이를 측정소 설치 기준 중 2km 거리 중복성을 적용하였으며 측정소를 기준으로 2km 버퍼를 활용하여 2km 이상의 헥사곤을 제외한 지역을 1차 선정지역으로 선정하였다.
본 연구의 대상지역은 서울시를 선정하였다. 2017년 기준 서울시에는 총 1303개의 학교(초등학교, 중학교, 고등학교)가 존재하며, 서울시의 도시대기측정소와 도로변측정소 39개 측정소를 기반으로 미세먼지 측정값을 수집하였다. 본 연구에서는 서울시 학교 중 601개의 초등학교와 국가측정망을 활용하여 미세먼지 집중관리지역을 선정하였다.
마지막으로 3차 선정에서는 포인트 대치를 통한 결과 중 군집 중심점을 기준으로 중심점을 포함하고 있는 헥사곤을 최종적으로 선정하였다. Figurer 6은 신규 측정소 폴리곤지역이 선정되는 과정에 따른 결과를 그림으로 나열하였으며 (a)는 거리에 따른 결과, (b)는 밀집도 적용 결과, (c)는 최종 선정된 미세먼지 측정소 지점 결과 헥사곤의 위치를 나타냈다.
본 연구에서는 3단계를 거쳐서 초등학교를 기준으로 신규측정소 지점을 선정하였다. 신규 측정소는 크게 거리에 따른 1차 선정, 밀집도에 따른 2차 선정, 대치기반 결과의 최종 선정으로 진행되었다.
2017년 기준 서울시에는 총 1303개의 학교(초등학교, 중학교, 고등학교)가 존재하며, 서울시의 도시대기측정소와 도로변측정소 39개 측정소를 기반으로 미세먼지 측정값을 수집하였다. 본 연구에서는 서울시 학교 중 601개의 초등학교와 국가측정망을 활용하여 미세먼지 집중관리지역을 선정하였다. 연구 과정에서 사용된 데이터 중 미세먼지 측정소 위치데이터는 한국환경공단에서 운영하는 에어코리아에서 취득하였으며 초등학교 데이터는 공공 데이터포털의 2017년 데이터를 취득하였다.
본 연구의 대상지역은 서울시를 선정하였다. 2017년 기준 서울시에는 총 1303개의 학교(초등학교, 중학교, 고등학교)가 존재하며, 서울시의 도시대기측정소와 도로변측정소 39개 측정소를 기반으로 미세먼지 측정값을 수집하였다.
선정과정을 거친 신규 미세먼지 측정소 설치지역은 총 10개의 폴리곤으로 지정되었으며 은평구, 구로구, 도봉구, 송파구, 강동구에 2개, 동대문구, 강남구, 동작구, 성동구, 강북구에 1개씩 선정, 총 15개 초등학교가 선정되었다.
본 연구에서는 3단계를 거쳐서 초등학교를 기준으로 신규측정소 지점을 선정하였다. 신규 측정소는 크게 거리에 따른 1차 선정, 밀집도에 따른 2차 선정, 대치기반 결과의 최종 선정으로 진행되었다. 1차 선정에서는 신규측정소 선정조건을 기존의 국가 측정망과 거리가 먼 지역 중 초등학교가 밀집되어 있는 지역으로 선정하였다.
본 연구에서는 서울시 학교 중 601개의 초등학교와 국가측정망을 활용하여 미세먼지 집중관리지역을 선정하였다. 연구 과정에서 사용된 데이터 중 미세먼지 측정소 위치데이터는 한국환경공단에서 운영하는 에어코리아에서 취득하였으며 초등학교 데이터는 공공 데이터포털의 2017년 데이터를 취득하였다. Figure 1은 본 연구 대상지인 서울 시 초등학교와 미세먼지 측정소의 공간적인 위치를 제시한 것이다.
1차 선정에서는 신규측정소 선정조건을 기존의 국가 측정망과 거리가 먼 지역 중 초등학교가 밀집되어 있는 지역으로 선정하였다. 이를 측정소 설치 기준 중 2km 거리 중복성을 적용하였으며 측정소를 기준으로 2km 버퍼를 활용하여 2km 이상의 헥사곤을 제외한 지역을 1차 선정지역으로 선정하였다.
초등학교의 밀집도 선정은 환경부에서 제시한 「대기오염측정망 설치·운영지침」(2018년) 미세먼지 측정소의 설치 조건 중 하나인 2km 중 복성을 제거하기 위해 초등학교 위치에 따라 밀집도 분석 거리 가중치를 2km로 선정하여 계산하였다.
세 번째는 포인트 대치랜더링을 적용하여 군집의 중심점을 선정하고 초등학교 밀집 지역의 중심지를 파악하였다. 최종적으로 국가측정소와 초등학교의 공간적인 관계성 분석을 실시 후 밀집도의 조건 산정식을 적용하여 신규 미세먼지 측정소 설치대상 학교지역을 선정하였다.
포인트 대치는 같은 곳에 위치한 여러 개의 점들을 하나의 중심점과 그를 둘러싼 점으로 표현하는 방식으로 점 레이어에서 적용 가능한 렌더링 방식이다. 해당 분석과정을 사용하여 서울시 내에 분포되어 있는 학교를 거리 단위로 군집화 시키며 초등학교의 중심지역 기준으로 신규 측정관리지역을 선정하였다.

데이터처리

측정소 반경 2km 이상에 존재하는 학교는 총 177곳으로 나타났다. 초등학교와 미세먼지 측정 소 사이의 근린분석 신뢰성 판단을 위해 최근린분석을 실시하였으며, Table 2와 같은 결과값을 확인할 수 있었다. 미세먼지측정소와 초등학교의 거리에 대한 평균은 543.

이론/모형

2014; Liao and Hou 2015). 미세먼지 입지선정을 위한 공간분석 중 보간기법은 미세먼지의 분포를 분석하는데 가장 대표 적인 분석기법으로 사용되었다(Sampson et al. 2013; Ramos et al. 2015).
본 연구에서는 미세먼지 신규 측정소 선정을 위해서 초등학교와 미세먼지 측정소와의 공간적인 분포를 정량적으로 제시할 수 있는 커널 분석과 최근린 분석법을 활용하였다. 커널은 선형연립방정식 또는 연립 일차방정식에서 동차 연립일차 방정식 또는 선형 연립방정식의 해집합에 해당하는 부분을 의미하며 이를 공간적인 부분과 접합하여 하나의 변수사이 밀집도를 나타내는 방식으로 풀어낼 수 있다.
초등학교의 공간군집을 설정하기 위해 본 연구는 포인트 대치(Point Displacement)를 활용하였다. 포인트 대치는 같은 곳에 위치한 여러 개의 점들을 하나의 중심점과 그를 둘러싼 점으로 표현하는 방식으로 점 레이어에서 적용 가능한 렌더링 방식이다.

성능/효과

최근린 분석, 버퍼분석과 커널 밀집도 분석, 포인트 대치 렌더링을 통해 분석한 결과 서울시의 학교객체 기반 신규측정관리지역은 618개의 헥사곤 중 10개의 헥사곤 격자로 도출되었다.
가장 많은 학교가 군집된 지역은 도봉구 지역으로 32개의 학교가 군집을 이루는 것을 확인할 수 있으며 다음으로 강서구와 영등포구가 23개의 학교로 군집이 이루어지고 있다. 포인트 대치 렌더링 결과는 밀집도 분석과는 다른 결과를 보여주는데 도봉구, 강서구, 양천구, 중구에서 높은 밀집도를 나타내는 커널 분석의 결과와는 다르게 포인트 대치 렌더링 결과는 양천구, 중구에서 공간적인 군집성이 나타나지 않는 것을 확인할 수 있다.
행정구별 초등학교 분포는 송파구, 노원구가 가장 많은 초등학교를 포함하고 있는 지역으로 선정되었다. 하지만 커널 분석의 결과로 가장 높은 1등급 분류 밀집도를 나타내는 헥사곤은 도봉구, 강서구, 양천구, 중구 지역으로 나타났다. 학교가 많이 포함된 송파구는 밀집도 분석 결과 2km 거리 내에 초등학교의 밀집도가 높은 편이 아니며 오히려 중구지역은 적은 학교 수를 보여주나 밀집도는 높게 나타났다.
학교가 많이 포함된 송파구는 밀집도 분석 결과 2km 거리 내에 초등학교의 밀집도가 높은 편이 아니며 오히려 중구지역은 적은 학교 수를 보여주나 밀집도는 높게 나타났다.

후속연구

본 연구의 한계점으로는 초등학교를 기준으로 신규 미세먼지 측정소 위치 선정하는 과정에서 공간변수를 초등학교 위치와 거리만을 대상으로 실험적 분석을 수행한 부분이다. 국가측정망을 선정하는 기준의 새로운 정립과 측정자료의 시-공간 분석 결과를 적용하는 신규 미세먼지 측정소를 선정하는 과정의 추가적인 연구가 필요하다고 판단된다. 또한 국가공간정보를 활용하는 측면에서는 학교라는 공간데이터 뿐만 아니라 노인 복지시설, 미세먼지 발생원, 도로 교통 밀집과 같은 공간 환경 변수를 고려하여 신규 미세먼지 측정소를 선정한다면 보다 정밀한 신규 측정망 구축과 미세먼지 모니터링을 위한 효과적인 국가측정망 제어가 가능하다고 판단된다.
국가측정망을 선정하는 기준의 새로운 정립과 측정자료의 시-공간 분석 결과를 적용하는 신규 미세먼지 측정소를 선정하는 과정의 추가적인 연구가 필요하다고 판단된다. 또한 국가공간정보를 활용하는 측면에서는 학교라는 공간데이터 뿐만 아니라 노인 복지시설, 미세먼지 발생원, 도로 교통 밀집과 같은 공간 환경 변수를 고려하여 신규 미세먼지 측정소를 선정한다면 보다 정밀한 신규 측정망 구축과 미세먼지 모니터링을 위한 효과적인 국가측정망 제어가 가능하다고 판단된다.
본 연구의 한계점으로는 초등학교를 기준으로 신규 미세먼지 측정소 위치 선정하는 과정에서 공간변수를 초등학교 위치와 거리만을 대상으로 실험적 분석을 수행한 부분이다. 국가측정망을 선정하는 기준의 새로운 정립과 측정자료의 시-공간 분석 결과를 적용하는 신규 미세먼지 측정소를 선정하는 과정의 추가적인 연구가 필요하다고 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	미세먼지는 무엇인가?	미세먼지는 아황산가스, 질소 산화물, 납, 오존, 일산화탄소 등을 포함하는 대기오염 물질로 중국 황사 및 자동차, 공장 등에서 발생하여 대기 중 장시간 떠다니는 입경 10μm 이하의 미세한 먼지이며, 그 중 입경이 2.5μm 이하의 먼지를 초미세먼지라고 부른다.
	미세먼지는 어떤 질환을 일으키는가?	5μm 이하의 먼지를 초미세먼지라고 부른다. 이러한 미세먼지는 호흡계 질환 뿐 아니라 심뇌혈관계 질환, 염증성 장질환, 정신과적 질환의 발생 및 사망의 증가와도 관련이 있다(하경화 외 2011). 미세먼지의 피해는 실외활동을 하는 사람들과 사회적인 약자한테는 치명적이라고 할 수 있다.
	정기적인 관측을 통하여 대기오염물질에 대한 관리방안을 마련해야 하는 이유는 무엇인가?	이처럼 정부는 다양한 대책을 실행하여 미세먼지의 발생량을 줄이기 위해 많은 노력을 하고 있으나, 미세먼지 발생량을 줄이는 과정은 굉장히 많은 예산과 시간이 필요하다. 또한 학생들과 같은 사회적 보호대상에 대해 기존의 미세먼지 관리대책이 있으나, 국가에서 제공하는 미세먼지 측정값을 활용하여 체육과 실외활동을 자제하는 정도에 그치고 있다. 그러므로 미세먼지 같은 대기오염물질의 경우 정기적인 관측을 통하여 대기오염물질에 대한 관리방안을 마련하는 것은 매우 중요한 과제라고 할 수 있다.

참고문헌 (13)

Park SA, Shin HJ. 2017. Analysis of the Factors Influencing PM2.5 in Korea : Focusing on Seasonal Factors. Journal of Environment Policy and Administration. 25(1):227-248.

상세보기
Jeong JC. 2018. Study on the Spatial Analysis for the Selection of a New Monitoring station in Yeongdeungpo-gu. Seoul Studies. 19(4):61-73.
Ha KH, Suh MA, Kang DR, Kim HC, Shin DC, Kim CS. 2011. Ambient Particulate Matter and the Risk of Deaths from Cardiovascular and Cerebrovascular Disease. The Korean Society of Hypertension. 17(2):74-83.

상세보기
Seoul Metropolitan Office of Education. 2018. School particulate matter general management measures
Ministry of Environment. 2018. Air Pollution Monitoring Network Installation and Operation Instructions.
He HD, Lu WZ, Xue Y. 2014. Prediction of particulate matter at street level using artificial neural networks coupling with chaotic particle swarm optimization algorithm. Building and Environment. 78:111-117.

상세보기
Liao KJ, Hou X. 2015. Optimization of multipollutant air quality management strategies: A case study for five cities in the United States. Journal of the Air & Waste Management Association. 65(6):150218135942003.

상세보기
Minguez R, Montero JM, Gema FA. 2013. Measuring the impact of pollution on property prices in Madrid: objective versus subjective pollution indicators in spatial models. Journal of Geographical Systems. 15(2):169-191.

상세보기
Mohammad M, Sara J, Zahra DS, Abdolmajid G, Hossein K, Mohsen YA, Shabnam A, Seyed YH. 2016. Spatial Analysis and Source Identification of PM10 Particle Matter in Yazd, Journal of Community Health Research. 5(1):45-56.
Ramos Y, Benoit SO, Blanchet JP, Smargiassi A. 2015. Spatio-temporal models to estimate daily concentrations of fine particulate matter in Montreal: Kriging with external drift and inverse distance-weighted approaches. Journal of Exposure Science & Environmental Epidemiology. 26:405-414.
Sajjadi SA, Zolfaghari G, Adab H, Allahabadi A, Delsouz M. 2017. Measurement and modeling of particulate matter concentrations. Applying spatial analysis and regression techniques to assess air quality. MethodsX. 4:372-390.

상세보기
Sampson PD, Richards M, Szpiro AA, Bergen S, Sheppard L, Larson TV, Kaufman JD. 2013. A regionalized national universal kriging model using Partial Least Squares regression for estimating annual PM2.5 concentrations in epidemiology. Atmospheric Environment. 75:383-392.

상세보기
Spendley KS, Brehme CE. 2014. GIS Analysis of Factors Influencing Particulate Pollution in Keene, New Hampshire. International Journal of Undergraduate Research and Creative Activities. 6(4):1-11.

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