[논문]수위변화에 따른 하상재료의 분광특성정보 분석

강준구; 이창훈; 김지현; 고동우; 김종태

doi:10.17820/eri.2019.6.4.243

수위변화에 따른 하상재료의 분광특성정보 분석
An Analysis of Spectral Characteristic Information on the Water Level Changes and Bed Materials 원문보기

Ecology and resilient infrastructure, v.6 no.4, 2019년, pp.243 - 249

강준구 (한국건설기술연구원 국토보전연구본부) , 이창훈 (주식회사 자연과기술) , 김지현 (한국건설기술연구원 국토보전연구본부) , 고동우 (주식회사 자연과기술) , 김종태 (주식회사 자연과기술 연구소)

초록
AI-Helper

본 연구는 드론 기반의 초분광 센서를 활용하여 수위변화에 대한 하상재료의 분광정보 차이를 분석하는 것이 목적이다. 하상재료는 흙, 자갈, 호박돌, 갈대, 식생을 대상으로 하였으며 5개 하상재료에 대한 초분광 영상촬영을 실시하고 각 재료의 분광정보를 비교 분석하였다. 수위 변화를 위해 유량조절이 가능한 실험수로를 제작하고 수로 내 하상재료를 설치하였다. 수위 조건은 0.0 m, 0.3 m, 0.6 m이며 수위에 따라 CASE를 구분하였다. 영상촬영 후 각 하상재료별 10개 포인트를 평균한 값을 분석 자료로 사용하였다. 분석 결과 흙, 자갈, 호박돌, 갈대의 파장별 반사율은 비슷한 유형을 보이지만 각 재료별 가시광선과 근적외선 영역에서는 분광정보의 고유특징이 나타났다. 또한 수위가 깊어질수록 가시광선과 근적외선 영역에서 반사율은 감소하고 있으며 감소 비율은 하상재료에 따라 차이가 발생하였다. 하상재료에 대한 고유정보는 향후 하천환경평가를 위한 기초연구 자료로 활용될 것으로 기대된다.

Abstract ▼ AI-Helper

The purpose of this study is to analyze the reflectance of bed materials according to changes in the water level using a drone-based hyperspectral sensor. For this purpose, we took hyperspectral images of bed materials such as soil, gravel, cobble, reed, and vegetation to compare and analyze the spectral data of each material. To adjust the water level, we constructed an experimental channel to control the discharge and installed the bed materials within the channel. In this study, we configured 3 cases according to the water level (0.0 m, 0.3 m, 0.6 m). After the imaging process, we used the mean value of 10 points for each bed material as analytical data. According to the analysis, each material showed a similar reflectance by wavelength and the intrinsic reflectance characteristics of each material were shown in the visible and near-infrared region. Also, the deeper the water level, the lower the peak reflectance in the visible and near-infrared region, and the rate of decrease differed depending on the bed material. We expect the intrinsic properties of these bed materials to be used as basic research data to evaluate river environments in the future.

주제어

표/그림 (10)

그림 Fig. 1. Results on the hyperspectral imagery (a) CASE 1 (b) CASE 2 (c) CASE 3.
그림 Fig. 2. Graph on the reflectance and wavelength of bed materials (CASE 1).
그림 Fig. 3. Graph on the reflectance and wavelength of bed materials (CASE 2).
표 Table 1. Peak reflectance and wavelength on CASE 1
표 Table 2. Peak reflectance and wavelength on CASE 2
그림 Fig. 4. Graph on the reflectance and wavelength of bed materials (CASE 3).
표 Table 3. Peak reflectance and wavelength on CASE 3
그림 Fig. 5. Decreasing rate of the peak reflectance on the visible region.
그림 Fig. 6. Decreasing rate of the peak reflectance on the near infrared region.
표 Table 4. Decreasing rate of the peak reflectance

AI 본문요약
AI-Helper

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

문제 정의

또한 위성에 탑재되었던 다중분광 센서에서 공간해상도를 1 m 내외까지 향상시킨 상업용 고해상도 센서까지 발전되었으나, 다중분광영상 (multispectral image)은 주로 10여개 미만의 한정된 파장에서 대상물에 대한 분광특성 정보를 표현하는 데에는 한계가 있다. 따라서 본 연구에서는 드론 기반의 초분광 영상을 활용하여 수위변화에 대한 하상재료의 분광정보 특성을 비교하였다.
본 연구는 하상재료의 분광정보를 분석하는 것이 목적으로써 유량조절이 가능한 실험수로에서 수위 차이에 따라 5개 하상재료 (흙, 자갈, 호박돌, 갈대, 식생)의 초분광 영상촬영을 실시하고 가시광선과 근적외선 영역의 분석 결과를 비교하였다. 하상재료의 분광정보를 분석하는 것이 목적이므로 하상재료의 크기는 측정하지 않았으며 식생은 다년생 수생식물인 워터코인 (Water pennywort)을 활용하였다.
본 연구에서는 하상재료별 수위변화에 따른 반사율을 비교하였다. Table 4는 Case 1의 값을 기준으로 최대 반사율이 CASE에 따라 감소하는 비율을 나타낸 표 이며 Fig.

가설 설정

영상자료 획득의 경우 대기에 의한 흡수, 반사 등의 영향을 받기 때문에 보정이 필요하다. 그러나 현장에서 초분광 센서를 이용하여 하상재료에 대한 분광정보를 분석할 경우에는 대기에서 발생하는 복사휘도나 재료에서 반사되는 에너지가 대기의 영향을 거의 받지 않기 때문에 본 연구에서는 대기보정을 고려하지 않았다. 특히 본 연구에서는 실험수로 대차를 이용하여 지상에서 근접 촬영하였으므로 드론의 흔들림과 대기의 영향을 거의 받지 않았기 때문에 기하보정과 대기보정을 고려하지 않았다

제안 방법

CASE 1은 수위가 0.0 m 조건으로써 가시광선과 근적외선 영역의 반사율 및 파장을 분석하였다. Fig.
CASE 2는 수위가 0.3 m 조건으로써 가시광선과 근적외선 영역의 반사율 및 파장을 분석하였다. Fig.
CASE 3은 수위가 0.6 m 조건으로써 가시광선과 근적외선 영역의 반사율 및 파장을 분석하였다. Fig.
그러나 초분광 영상을 이용한 연구는 현재까지 특정 분야에 집중되어 있으며 하천에서 활용 가능성 및 영상 분석에 대한 정량적 연구는 부족하다. 따라서 본 연구에서는 실험 수로에 5개 하상재료를 설치하고 초분광 영상을 촬영하였으며 분광복사량을 획득하고 반사특성을 계산하여 재료별로 비교하였다. 또한 수위가 증가할 때 반사율 변화를 분석하여 향후 하천조사를 위한 초분광 영상의 활용가능성에 대해 평가하였다.
본 연구에서는 하상재료들을 대상으로 초분광 영상 촬영을 실시하고 각 재료의 분광복사량을 획득하였다. 또한 백색판과 비교하여 반사율을 계산하고 하상재료별 수위 증가에 따른 상관관계를 비교하였다. 영상 분석결과 수위에 관계없이 자갈의 반사율이 가장 높게 나타났다.
따라서 본 연구에서는 실험 수로에 5개 하상재료를 설치하고 초분광 영상을 촬영하였으며 분광복사량을 획득하고 반사특성을 계산하여 재료별로 비교하였다. 또한 수위가 증가할 때 반사율 변화를 분석하여 향후 하천조사를 위한 초분광 영상의 활용가능성에 대해 평가하였다.
영상분석은 각 재료별로 10개 포인트를 평균한 값을 사용하였으며 분광특성 정보인 강도값 (Data Value)과 반사율 (Reflectance)을 계산하였다. 또한 전자파에너지는 계절별, 시간대별 태양복사에너지에 의해 달라지기 때문에 99%의 반사특성을 갖는 백색판을 이용하여 태양복사에너지의 변화에서 발생할 수 있는 오차를 최소화 하고 반사율로 변환시켰다.
강도값은 분광복사량 (radiance) 값을 말하며, 최대 반사율값은 파장영역 (400 – 1000 nm) 범위에서 최대로 크게 측정된 반사율을 의미한다. 백색판은 하상재료와 같이 설치하였으며 수위 조건은 0.0 m, 0.3 m, 0.6 m이며 수위에 따라 CASE를 구분하였다. Fig.
본 연구에서는 하상재료들을 대상으로 초분광 영상 촬영을 실시하고 각 재료의 분광복사량을 획득하였다. 또한 백색판과 비교하여 반사율을 계산하고 하상재료별 수위 증가에 따른 상관관계를 비교하였다.

대상 데이터

하상재료의 분광정보를 분석하는 것이 목적이므로 하상재료의 크기는 측정하지 않았으며 식생은 다년생 수생식물인 워터코인 (Water pennywort)을 활용하였다. 초분광 센서는 미국 Headwall Photonics사의 Nano-Hyperspec을 사용하였다. 또한 영상촬영을 위한 무인항공기는 독일 Aibotix의 Aibot X6 드론을 사용하였으며 영상분석은 Harris Geospatial Solutions사의 ENVI 5.
본 연구는 하상재료의 분광정보를 분석하는 것이 목적으로써 유량조절이 가능한 실험수로에서 수위 차이에 따라 5개 하상재료 (흙, 자갈, 호박돌, 갈대, 식생)의 초분광 영상촬영을 실시하고 가시광선과 근적외선 영역의 분석 결과를 비교하였다. 하상재료의 분광정보를 분석하는 것이 목적이므로 하상재료의 크기는 측정하지 않았으며 식생은 다년생 수생식물인 워터코인 (Water pennywort)을 활용하였다. 초분광 센서는 미국 Headwall Photonics사의 Nano-Hyperspec을 사용하였다.

데이터처리

5버전을 사용하였다. 영상분석은 각 재료별로 10개 포인트를 평균한 값을 사용하였으며 분광특성 정보인 강도값 (Data Value)과 반사율 (Reflectance)을 계산하였다. 또한 전자파에너지는 계절별, 시간대별 태양복사에너지에 의해 달라지기 때문에 99%의 반사특성을 갖는 백색판을 이용하여 태양복사에너지의 변화에서 발생할 수 있는 오차를 최소화 하고 반사율로 변환시켰다.

이론/모형

초분광 센서는 미국 Headwall Photonics사의 Nano-Hyperspec을 사용하였다. 또한 영상촬영을 위한 무인항공기는 독일 Aibotix의 Aibot X6 드론을 사용하였으며 영상분석은 Harris Geospatial Solutions사의 ENVI 5.5버전을 사용하였다. 영상분석은 각 재료별로 10개 포인트를 평균한 값을 사용하였으며 분광특성 정보인 강도값 (Data Value)과 반사율 (Reflectance)을 계산하였다.

성능/효과

식생은 가시광선에서 가장 낮은 반사율을 보이지만 근적외선 영역에서는 두번째로 높은 값을 보이고 있다. CASE 1에 대한 분석결과 흙의 최대 반사율은 근적외선 영역의 57.6%, 자갈의 최대 반사율은 가시광선 영역의 80.5%, 호박돌의 최대 반사율은 근적외선 영역의 56.9%, 갈대의 최대 반사율은 근적외선 영역의 61.0%, 식생의 최대 반사율은 근적외선 영역의 69.3%으로 나타났다. 재료별 가시 광선의 최대 반사율이 나타낸 파장의 범위는 764.
그래프 유형에 대한 분석 결과 수위의 영향으로 CASE 1과 CASE 2에 비해 반사율이 전반적으로 감소하는 경향을 보이고 있으며 5개 하상재료 중 자갈의 반사율이 가장 높게 나타났다. CASE 3에 대한 분석 결과 흙의 최대 반사율은 근적외선 영역의 19.7%, 자갈의 최대 반사율은 근적외선 영역 의 20.3%, 호박돌의 최대 반사율은 근적외선 영역의 20.5%, 갈대의 최대 반사율은 근적외선 영역의 20.6%, 식생의 최대 반사율은 근적외선 영역의 20.9%로 나타났다. 재료별 가시광선의 최대 반사율이 나타낸 파장의 범위는 579.
4는 5개 하상재료에 대한 파장별 반사율을 나타낸 그래프이며 Table 3은 가시광선과 근적외선 영역의 최대 반사율과 파장을 나타낸 표이다. 그래프 유형에 대한 분석 결과 수위의 영향으로 CASE 1과 CASE 2에 비해 반사율이 전반적으로 감소하는 경향을 보이고 있으며 5개 하상재료 중 자갈의 반사율이 가장 높게 나타났다. CASE 3에 대한 분석 결과 흙의 최대 반사율은 근적외선 영역의 19.
3은 5개 하상재료에 대한 파장별 반사율 값을 나타낸 그래프이며 Table 2는 CASE 2의 가시광선 및 근적외선 영역의 최대 반사율과 파장을 나타낸 표이다. 그래프 유형에 대한 분석결과 수위 증가로 인해 CASE 1보다 반사율이 전반적으로 감소하는 경향을 보이고 있으며 자갈의 최대 반사율은 37.9%로써 가장 높게 나타났다. 흙의 최대 반사율은 근적외선 영역의 21.
그래프 유형은 재료별 비슷하지만 반사율 차이가 있었으며 특히 식생의 경우 반사율이 낮고 500 nm – 600 nm에서 변화가 확인되었다.
영상 분석결과 수위에 관계없이 자갈의 반사율이 가장 높게 나타났다. 또한 하상재료와 초분광 센서 사이의 수체로 인해 하상재료의 분광특성이 수체의 분광특성으로 전환되는 경향이 나타났다. 특히 식생의 경우 녹색과 근적외선 파장대를 반사하는 분광학적 특성을 가지기 때문에 분광정보의 변화가 나타났다.
6은 가시광선과 근적외선의 최대 반사율의 감소 정도를 나타낸 그래프이다. 분석결과 수위가 증가할수록 수체의 분광특성으로 인해 하상재료 고유의 분광특성이 사라지는 것으로 나타났다. 특히 가시 광선에서 식생의 최대 반사율은 CASE 1에 비해 9.
또한 백색판과 비교하여 반사율을 계산하고 하상재료별 수위 증가에 따른 상관관계를 비교하였다. 영상 분석결과 수위에 관계없이 자갈의 반사율이 가장 높게 나타났다. 또한 하상재료와 초분광 센서 사이의 수체로 인해 하상재료의 분광특성이 수체의 분광특성으로 전환되는 경향이 나타났다.
특히 식생의 경우 녹색과 근적외선 파장대를 반사하는 분광학적 특성을 가지기 때문에 분광정보의 변화가 나타났다. 자갈은 가시광선에서 수위의 영향을 가장 적게 받는 것으로 나타났으나 근 적외선에서는 영향을 가장 많이 받는 것으로 나타났다. 하상재료별 가시광선과 근적외선 영역에서 분광정보의 고유특징이 나타났기 때문에 향후 이 결과는 하천환경평가를 위한 기초연구 자료로 활용될 수 있을 것으로 기대된다.
재료별 가시 광선의 최대 반사율이 나타낸 파장의 범위는 764.7 nm – 780.0 nm이며 근적외선의 최대 반사율이 나타난 파장은 789.2 nm – 999.3 nm로 나타났다.
재료별 가시광선의 최대 반사율이 나타난 파장의 범위는 581.4 nm – 722.2 nm 이며 근적외선의 최대 반사율이 나타난 파장의 범위는 997.0 nm – 999.2 nm로 매우 유사하게 나타났다.
재료별 가시광선의 최대 반사율이 나타낸 파장의 범위는 579.2 nm – 711.0 nm이며 근적외선의 최대 반사율이 나타난 파장의 범위는 992.6 nm – 997.0 nm로 나타났다.
분석결과 수위가 증가할수록 수체의 분광특성으로 인해 하상재료 고유의 분광특성이 사라지는 것으로 나타났다. 특히 가시 광선에서 식생의 최대 반사율은 CASE 1에 비해 9.64% 수준으로 감소율이 가장 높게 나타났다. 이는 식생이 흙, 자갈 등의 하상재료보다 수체의 분광특성 영향을 더 받는 것을 의미한다.
9%로써 가장 높게 나타났다. 흙의 최대 반사율은 근적외선 영역의 21.2%, 자갈의 최대 반사율은 가시광선 영역의 37.9%, 호박돌의 최대 반사율은 근적외선 영역의 20.9%, 갈대의 최대 반사율은 근적외선 영역의 22.2%, 식생의 최대 반사율은 근적외선 영역의 20.3%으로 나타났다. 재료별 가시광선의 최대 반사율이 나타난 파장의 범위는 581.

후속연구

하상재료별 가시광선과 근적외선 영역에서 분광정보의 고유특징이 나타났기 때문에 향후 이 결과는 하천환경평가를 위한 기초연구 자료로 활용될 수 있을 것으로 기대된다. 또한 식생은 가시광선에서 반사율은 낮으나 근적외선 영역에서는 높은 반사율을 보이고 있으며 자갈은 가시광선과 근적외선에서 수위에 따라 감소율 차이가 크기 때문에 이를 활용한 연구가 추가로 필요할 것으로 판단된다.
하천환경 평가를 위한 원격탐사는 광범위한 지역에 대한 정보 수집과 활용에 적용이 가능하다. 특히 초분광 영상은 육안으로 관찰이 불가능한 다양한 하상재료에 대한 자료를 확보할 수 있으며 드론 탑재가 가능해지면서 활용 영역이 넓어 수위 변화에 대한 하상재료의 정확한 구별이 가능할 것으로 판단된다. 영상자료 획득의 경우 대기에 의한 흡수, 반사 등의 영향을 받기 때문에 보정이 필요하다.
자갈은 가시광선에서 수위의 영향을 가장 적게 받는 것으로 나타났으나 근 적외선에서는 영향을 가장 많이 받는 것으로 나타났다. 하상재료별 가시광선과 근적외선 영역에서 분광정보의 고유특징이 나타났기 때문에 향후 이 결과는 하천환경평가를 위한 기초연구 자료로 활용될 수 있을 것으로 기대된다. 또한 식생은 가시광선에서 반사율은 낮으나 근적외선 영역에서는 높은 반사율을 보이고 있으며 자갈은 가시광선과 근적외선에서 수위에 따라 감소율 차이가 크기 때문에 이를 활용한 연구가 추가로 필요할 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	근적외선의 최대 반사율이 나타난 파장의 범위는?	4 nm – 722.2 nm이며 근적외선의 최대 반사율이 나타난 파장의 범위는 997.0 nm – 999.2 nm로 매우 유사하게 나타났다.
	초분광 영상의 활용 사례 및 한계는?	2004). 이로 인해 초기에는 군사용이나 농업용으로 활용이 되었으며 2000년대 이후 수질이나 특정 식생의 성장상태 평가 등을 목적으로 연구가 수행되고 있지만 하천 관리 및 하상재료 분석을 위한 연구는 아직 부족하다 (Park et al. 2014, Stratoulias et al.
	초분광 영상의 촬영 방식은?	초분광 영상은 일반 카메라와 달리 가시광선 영역 (400 – 780 nm)과 근적외선 영역 (781 – 1000 nm) 파장대를 수 백개로 세분화하여 촬영함으로써 일반 사람의 눈으로 보는 것보다 훨씬 다양한 스펙트럼의 빛을 감지할 수 있다 (Asner et al. 2003, Gao et al.

참고문헌 (20)

Asner, G.P., Bustamante, M.M. and Townsend, A.R. 2003. Scale dependence of biophysical structure in deforested areas bordering the Tapaos National Forest, Central Amazon. Remote Sensing of Environment 87: 507-520.

상세보기
Cho, H.G. and Lee, K.S. 2014. Comparison between Hyperspectral and Multispectral Images for the Classification of Coniferous Species. Korean Journal of Remote Sensing 30: 25-36. (in Korean)

원문보기 상세보기
Gao, B.C., Montes. M.J. and Davis, C.O. 2004. Refinement of wavelength calibrations of hyperspectral imaging data using a spectrum matching technique, Remote Sensing of Environment 90: 424-433.

상세보기
Goetz, A.F.H. 2009. Three decades of hyperspectral remote sensing of the Earth: A personal view. Remote Sensing of Environment 113: S5-S16.

상세보기
Han, D.Y., Cho, Y.W., Kim, Y.I. and Lee, Y.W. 2003. Feature selection for image clasiification of hyperion data. Korean Journal of Remote Sensing 19: 171-179. (in Korean)
Herold, M., Roberts, D.A., Gardner, M.E. and Dennison, P.E. 2004. Spectrometry for urban area remote sensing Development and analysis of a spectral library from 350 to 2400 nm. Remote Sensing of Environment 91: 304-319.

상세보기
Jang, A.J., Kim, Y.I., Choi, S.K., Han, D.Y., Choi, J.W., Kim, Y.M., Han, Y.K., Park, H.L., Wang, P. and Lim, H.C. 2013. Construction and data analysis of test-bed by hyperspectral airborne remote sensing. Korean Journal of Remote Sensing 29: 161-172. (in Korean)

원문보기 상세보기
Kang, J.G., Lee, C.H., Yeo, H.K. and Kim, J.T. 2019. Correlation analysis on the water depth and peak data value of hyperspectral imagery. Ecology and Resilient Infrastructure 6: 171-177. (in Korean)
Kim, Y.J., Han, H.J. and Kang, J.G. 2018. The study on spatial classification of riverine environment using UAV hyperspectral image. Journal of the Korea Academia-Industrial cooperation Society 19: 633-639. (in Korean)
Kokaly, R.F., Asner, G.P., Ollinger, S.V., Martin, M.E. and Wessman, C.A. 2009. Characterizing canopy biochemistry from imaging spectroscopy and its application to ecosystem studies. Remote Sensing of Environment 113: S78-S91.

상세보기
Koponen, S., Pulliainen, J. Kallio, K. and Hallikainen. M. 2002. Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data. Remote Sensing of Environment 79: 51-59.

상세보기
Lee, J.D., Bang, K.J. and Kim, H.H. 2018. Land cover classification of coastal area by SAM from airborne hyperspectral images. Journal of the Korean Association of Geographic Information Studies 21: 35-45. (in Korean)
Long, Y., Rivard, B., Rogge, D. and Tian, M. 2019. Hyperspectral band selection using the N-dimensional Spectral Solid Angle method for the improved discrimination of spectrally similar targets. International Journal of Applied Earth Observation and Geoinformation 79: 35-47.

상세보기
Myers, T.L., Johnson, T.J., Gallagher, N.B., Bernacki, B.E., Beiswenger, T.N., Szecsody, J.E., Tonkyn, R.G., Bradley, A.M., Su, Y.F. and Danby, T.O. 2019. Hyperspectral imaging of minerals in the longwave infrared: The use of laboratory directional-hemispherical reference measurements for field exploration data. Journal of Applied Remote Sensing 13: 034527
Park, Y.J., Jang, H.J., Kim, Y.S., Baik, K.H. and Lee, H.S. 2014. A Research on the Applicability of Water Quality Analysis using the Hyperspectral Sensor. Journal of the Korean Society for Environmental Analysis 17: 113-125. (in Korean)
Pignatti, S., Cavalli, R.M., Cuomo, V., Fusilli, L., Pascucci, S. and Poscolieri, M. 2009. Evaluating Hyperion capability for land cover mapping in a fragmented ecosystem: Pollino National Park, Italy. Remote Sensing of Environment 113: 622-634.

상세보기
Smith, M., Ollinger, S.V., Martin, M.E., Aber, J.D., Hallett, R.A. and Goodale, G.L. 2002. Direct estimation of aboveground forest prodectivity through hyperspectral remote sensing of canopy nitrogen. Ecological Applications 12: 1286-1302.

상세보기
Song, K., Li, L., Tedesco, L.P., Li, S., Clercin, N.A., Hall, B.E., Li, Z. and Shi, K. 2012. Hyperspectral determination of eutrophication for a water supply source via genetic algorithm-partial least squares (GA-PLS) modeling. Science of the Total Environment 426: 220-232.

상세보기
Stratoulias, D., Balzter, H., Zlinszky, A. and Toth, V.R. 2015. Assessment of ecophysiology of lake shore reed vegetation based on chlorophyll fluorescence, field spectroscopy and hyperspectral airborne imagery. Remote Sensing of Environment 157: 72-84.

상세보기
Yu, Y.H., Kim, Y.S. and Lee, S.G. 2008. A study on estimation of water depth using hyperspectral satellite imagery. Koera Aerospace Research Institute 7: 216-222. (in Korean)

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