[논문]전국 도시·산지·소하천 돌발홍수예측 시스템 개발 및 정확도 평가

황석환; 윤정수; 강나래; 이동률

doi:10.3741/jkwra.2020.53.3.225

전국 도시·산지·소하천 돌발홍수예측 시스템 개발 및 정확도 평가
Development of flood forecasting system on city·mountains·small river area in Korea and assessment of forecast accuracy 원문보기

Journal of Korea Water Resources Association = 한국수자원학회논문집, v.53 no.3, 2020년, pp.225 - 236

황석환 (한국건설기술연구원 돌발홍수연구센터) , 윤정수 (한국건설기술연구원 돌발홍수연구센터) , 강나래 (한국건설기술연구원 돌발홍수연구센터) , 이동률 (한국건설기술연구원 국토보전연구본부)

초록
AI-Helper

유역 상류의 소규모 산지 유역 또는 도시 배수분구 정도의 도시 유역은 지체시간이 수 십 여분에 불과하기 때문에 우량계만으로는 대응에 필요한 충분한 예측 선행시간을 확보하기 어렵다. 도시 및 소규모 산지 유역에서와 같이 지체시간이 짧은 유역에서 발생하는 돌발홍수는 더 이상 우량계만으로 예보가 불가능하다. 도달시간이 짧은 도시 및 산지에서는 지체시간 외에 강수 예측을 통한 홍수예보 선행시간을 확보하는 것이 매우 중요하다. 한강홍수통제소에서는 강우레이더 강우강도를 초단기 예측 모델인 Mcgill Algorithm for Precipitation-nowcast by Lagrangian Extrapolation(MAPLE) 알고리즘의 입력 자료로 활용하여 초단기 예측 강수 자료를 생산하고 있다. 한국건설기술연구원의 돌발홍수연구센터는 한강홍수통제소에서 생산하고 있는 초단기 예측 강수 자료를 입력 자료로 하여 돌발홍수 예측 시스템을 구축하였고 2019년부터 동네규모의 1시간 전 돌발홍수정보를 제공하고 있다. 본 연구에서는 돌발홍수연구센터에서 구축한 돌발홍수 예측 시스템을 설명하고 2019년도에 발생한 수재해 사례를 분석하여 전국 도시·산지·소하천 돌발홍수 예측 시스템의 예측 정확도를 검증하였다. 돌발홍수 예측 시스템의 정확도 검증에는 총 31개의 수재해 사례를 적용하였고 예측 정확도는 Probability of Detection (POD) 기준으로 90.3%로 매우 높게 나타났다.

Abstract ▼ AI-Helper

It is not easy to provide sufficient lead time for flood forecast in urban and small mountain basins using on-ground rain gauges, because the time concentration in those basins is too short. In urban and small mountain basins with a short lag-time between precipitation and following flood events, it is more important to secure forecast lead times by predicting rainfall amounts. The Han River Flood Control Office (HRFCO) in South Korea produces short-term rainfall forecasts using the Mcgill Algorithm for Precipitation-nowcast by Lagrangian Extrapolation (MAPLE) algorithm that converts radar reflectance of rainfall events. The Flash Flood Research Center (FFRC) in the Korea Institute of Civil Engineering and Building Technology (KICT) installed a flash flood forecasting system using the short-term rainfall forecast data produced by the HRFCO and has provided flash flood information in a local lvel with 1-hour lead time since 2019. In this study, we addressed the flash flood forecasting system based on the radar rainfall and the assessed the accuracy of the forecasting system for the recorded flood events occurred in 2019. A total of 31 flood disaster cases were used to evaluate the accuracy and the forecast accuracy was 90.3% based on the probability of detection.

주제어

표/그림 (14)

표 Table 1. Short-term forecasting algorithms
그림 Fig. 1. Coverage of rain radars
그림 Fig. 2. Domain of short-term rainfall forecast data produced by HRFCO
표 Table 2. Critical rainfall estimated by damage records
그림 Fig. 3. Flow chart of flash flood forecast on city·mountains·small river area in Korea
그림 Fig. 4. Relation between inundation depth and flood characteristic index with respect to rainfall duration and risk level
그림 Fig. 5. Critical rainfall on administrative district classified by Eup-Myeon-Dong with respect to rainfall duration and risk level
표 Table 3. SCS CN classified by land covers and soil groups
그림 Fig. 6. Process for installing national flash flood forecast system and geoinforamtion processing
그림 Fig. 7. Flash flood forecast system on city·mountains·small river area (left) and statistics of flash flood forecast system (right)
표 Table 4. Results of flash flood forecast system in 2019
그림 Fig. 8. Event of typhoon Mitag (2 October 2019) comparing real-time radar rainfall after 1 hour with flash flood forecast system
그림 Fig. 9. Improvement plan for flash flood forecast system
표 Table 4. Results of flash flood forecast system in 2019 (Continue)

AI 본문요약
AI-Helper

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

문제 정의

본 연구에서는 지역의 홍수 특성을 반영하지 못하는 기상 호우 주의보, 경보의 단점을 보완하고자 강우레이더 초단기예측자료 기반의 돌발홍수예측 시스템을 구축하였다. 본 연구에서는 2019년 돌발홍수예측 시스템 구축 및 시범운영 과정에서 발생한 홍수 사고 사례를 분석하여 돌발홍수예측 시스템의 예측 정확도를 검증하였다. 그 결과는 다음과 같다.
돌발홍수 예측 시스템은 환경부 예측 강수 자료를 입력 자료로 하여 3단계 경보 정보(주의/경계/심각)를 제공하고 있다. 본 연구에서는 돌발홍수연구센터에서 구축한 돌발홍수 예측시스템을 설명하고 2019년도에 발생한 수재해 사례를 분석하여 돌발홍수 예측 시스템의 예측 정확도를 검증하였다.
본 연구에서는 앞서 언급한 방법을 이용하여 시공간적으로 조밀한 초단기 예측 자료와 침수 유발 가능 한계 강우량을 산정하고 전국 도시·산지·소하천 지역에 적용 가능한 돌발홍수예측 시스템을 개발하였다.
본 연구에서는 지역의 홍수 특성을 반영하지 못하는 기상 호우 주의보, 경보의 단점을 보완하고자 강우레이더 초단기예측자료 기반의 돌발홍수예측 시스템을 구축하였다. 본 연구에서는 2019년 돌발홍수예측 시스템 구축 및 시범운영 과정에서 발생한 홍수 사고 사례를 분석하여 돌발홍수예측 시스템의 예측 정확도를 검증하였다.
본 연구에서는 홍수피해를 유발하는 한계강우량을 산정하기 위해 다양한 지형인자를 검토하였고 동역학적 유출특성인자를 두 가지로 분리하였다. 동역학적 손실(마찰력) 인자로 불투수율, 지표특성, 토양특성 등 이 있는데 이는 SCS 합성단위도법의 경우 CN으로 고려가 가능하다.

제안 방법

이 방법은 입력자료가 간단하고 기본 구조와 가정이 단순하며 수문학적 토양 군, 토지이용, 피복밀도 등의 유역특성을 유출곡선지수로 쉽게 나타낼 수 있어 본 연구와 같은 경험적 돌발홍수 위험 지수산정을 위한 목적에 적합하다. CN값 산정을 위해 개략토양도와 토지피복도를 이용하였다. Table 3은 유출곡선지수 산정을 위한 토지피복 및 토양군 분류이다.
그러나 현재는 에코 높이 정보만을 이용하여 지형효과를 고려하고 병합 기법은 포함되지 않고 있다. MAPLE에서 얻어진 에코 이동 벡터를 이용하여 레이더 합성장의 강수의 정량적 오차를 실제 관측된 강수자료로 보정한 레이더-AWS 강우강도(RAR)를 이용하여 이류 예측장을 생성하고, MAPLE에서 입력 값으로 사용되는(초기 합성장) 레이더 합성장을 현실적인 강우강도로 변경하기 위해 RAR 자료를 사용하는 체계로 수정하고 있다. MAPLE에서는 강수 에코의 생성 및 소멸이 표현되지 않기 때문에 에코의 시공간적인 규모 및 강수에코의 지속정도를 고려하는 기법, 강수에코 예측의 불확실성을 고려한 기법 등이 적용되기도 하였다.
이미 피해 시점이 알려진 지점에 대한 한계강우량을 사용하여 미계측 지역의 한계강우량으로 활용하기 위해서는 반드시 필요한 조건이다. 그러나 인위적으로 설치된 빗물받이 밀도나 배수펌프용량 등은 지역에 따라 지구-역학적 일관성을 확보하기 어렵기 때문에 지형적인 유출특성에 포함하여 해석하였다. 더불어 도시지역에서도 외곽 산악지역에 인접한 지역은 비교적 상류 산지영역이 넓고 자연 및 도시 배수특성이 혼재되어 있어 도시 관망 등의 배수특성만으로 한계강우량을 해석하기 어렵기 때문에 관측 한계강우량 산정에 불확실성이 존재한다.
주의, 경계, 심각에 해당하는 한계 강우량 기준은 Table 2의 강우량을 사고 발생 위험이 매우 높은 심각 수준으로 설정하고, 통계적으로 경계는 심각의 75%, 주의는 심각의 50% 분위(quartile)에서 설정하였다. 그리고 관측 대비 심각 강우량 비율은 지속시간에 따라 증가하는 관측의 불확도를 고려하여 10분(1.00), 30분(1.05), 60분(1.10), 그리고 60분(1.20)을 가중하여 설정하였다.
Table 2는 인접참조지역에 한계강우량 산정을 위해 지형 조건을 함께 검토한 행정구역에 해당한다. 그리고 본 연구에서 10분 한계강우량은 30분 한계강우량의 50% 수준으로 설정하였다. 본 연구에서는 계측 지역의 한계강우량에서 미계측 지역의 한계강우량을 산정하기 위해서 다음과 같은 방법을 개발하였다(Fig.
(2018)에서는 피해이력을 산정할 수 없는 지역에 대해서는 유출특성에 따른 유역특성기반 한계강우량 추정방법을 사용하였다. 그리고 유출특성 매개변수로 불투수율과 경사를 선정하였고 추가로 관거밀도, 빗물받이 밀도, 배수펌프용량을 고려하였다. 그러나 지표면이나 관거의 거칠기는 민감도가 작아 제외하였다.
단위 행정구역의 면적이 작기 때문에 유하시간이나 첨두 도달시간이 짧기 때문에 호우의 분포는 삼각형 그리고 도달시간은KRAVEN-2 식을 적용하였다. 더불어 행정구역 면적이 아주 작은 경우는 단독으로 해석하는 경우 불확도가 커져 실무 예보 시 인접 행정구역과 일관성이 결여되는 현상이 나타나므로 인접 행정구역의 한계강우량 수준을 고려하여 평활화 하였다. Fig.
본 시스템은 기준에 수문 특성을 반영하고 있으나 위험 알람은 강우량을 기반으로 발령하기 때문에 보다 빠르게 돌발홍수정보를 생산하여 1시간 전에 읍면동 단위까지 돌발홍수예측 정보를 제공할 수 있다. 두 번째, 태풍 미탁 등 돌발홍수예측 시스템을 활용한 홍수 사고 사례를 분석하였다. 그 결과 재해 발생 1시간 이전에 돌발홍수 예측 정보를 발령하여 홍수에 대한 선행시간 및 대응시간 확보가 가능함을 확인하였다.
MAPLE에서는 강수 에코의 생성 및 소멸이 표현되지 않기 때문에 에코의 시공간적인 규모 및 강수에코의 지속정도를 고려하는 기법, 강수에코 예측의 불확실성을 고려한 기법 등이 적용되기도 하였다. 또한 단순 외삽 예측모형의 한계를 개선하기 위하여 지형성 강수의 발달과 쇠퇴의 강도를 결정하는 과정을 VSRF에서 적용된 기법을 수정 보완하여 적용한다.
본 시스템을 활용하여 선행시간 및 대응시간 확보가 가능하다면 차후 재해에 대한 대응 절차 수립이 가능하다. 세 번째, 2019년도에 발생한 다양한 홍수 사고 사례를 분석하여 본 시스템에 대한 정확도를 평가하였다. 그 결과 전국 도시 ·산지 ·소하천 돌발홍수 예측 시스템의 정확도는 POD 기준으로 90.
유속특성은 다양한 지형특성인자와 침수특성 인자 간의 조합으로 한계강우량 지속시간별로 가장 일관성을 가지는 관계식을 선정하였다. 지형특성 산정은 10 m DEM을 활용하였다.
3). 지역에 따라 침수특성(침수정도로 지속기간 별 강우량, 불투수율 등 지표특성, 토양 특성 등을 입력으로 하는 유출량)과 유속특성(경사, 면적, 하천형상, 수계밀도 등 중력과 관계된 가속 특성)의 관계식을 산정하였다. 여기서 침수특성을 세로축으로 하고 유속특성을 가로축으로 하여 계측유역별 관계식을 산정하면 미계측 유역의 유속특성을 통하여 침수특성을 유도가 가능하다.
첫번째, 본 연구에서는 시공간적으로 조밀한 초단기 예측자료와 실제 검증 가능한 침수 유발 가능 한계 강우량을 이용하여 돌발홍수예측 시스템을 구축하였다. 본 시스템은 기준에 수문 특성을 반영하고 있으나 위험 알람은 강우량을 기반으로 발령하기 때문에 보다 빠르게 돌발홍수정보를 생산하여 1시간 전에 읍면동 단위까지 돌발홍수예측 정보를 제공할 수 있다.
침수특성 인자의 산정은 전국 동/면 단위로 산정하였다. 초기손실의 경우 도시지역은 10%, 이외 지역은 20%를 적용하였고 도시지역과 이외 지역의 구분은 명확한 정의가 없고 지속적으로 변화하며 행정구역 단위의 일관성이 유지해야 하기 때문에, 전국 5047개 행정구역 면적을 통계 분석하여 도시지역으로 간주되는 행정구역면적을 구하였다. 이를 통해 대략20 km² 미만은 도시, 이상은 이외 지역으로 간주하였다.

대상 데이터

Table 4는 2019년에 발생한 홍수 사고와 각 사례에 대한 돌발홍수예측 시스템 알람 결과를 나타낸다. 2019년에 발생한 폭우 및 침수와 관련된 홍수 사고를 인터넷뉴스 기사를 통해 선별하였고 정확한 시간대를 확인할 수 없거나 폭우 및 침수와 관련성이 없는 경우는 제외하였다. 돌발홍수예측 시스템의 정확도는 탐지 확률인 (Probability of Detection; POD)를 활용하여 검증하였다.
이중 임진강 레이더는 C밴드 단일편파레이더로 북한 지역을 60% 이상 차지하고 있다는 특수성을 지닌 임진강 유역 관측을 위해 도입되었다. 6기의 레이더(비슬산, 소백산, 서대산, 모후산, 가리산, 예봉산)는 S밴드 이중편파레이더로 해안가를 제외한 내륙 전 유역에 대한홍수예보를 위해 2009년부터 도입되었다. 마지막으로 삼척과 울진에는 X밴드 이중편파레이더가 동해안 지역 관측공백 지역을 해소하기 위해 2019년에 도입되었다.
본 연구에서는 동네규모(동/읍/면)의 1시간 전 돌발홍수를 예측하기 위해 한강홍수통제소에서 제공하고 있는 강우레이더 기반의 초단기 예측 강수 자료를 활용하였다. Fig.
유속특성은 다양한 지형특성인자와 침수특성 인자 간의 조합으로 한계강우량 지속시간별로 가장 일관성을 가지는 관계식을 선정하였다. 지형특성 산정은 10 m DEM을 활용하였다. 본 연구에서 검토한 관계식 중 유속특성 인자에 가장 적합한 식은 다음과 같다.
초단기 예측 강수 자료의 공간적 범위는 하나의 격자 크기가 250 m × 250 m로 제주도와 남해안 일부를 제외한 내륙 전 영역이며, 시간적 범위는 10분 간격으로 360분(6시간)까지이다.

이론/모형

기준 강우량 산정을 위한 기초 자료는 과거 피해 이력을 통해 한계강우량을 산정하는 방법인 Cho et al. (2018)의 자료를 활용하였다. Cho et al.
도시 행정구역(동)은 지방 면단위 행정구역에 비해 행정구역 면적이 확실히작기 때문이다. 단위 행정구역의 면적이 작기 때문에 유하시간이나 첨두 도달시간이 짧기 때문에 호우의 분포는 삼각형 그리고 도달시간은KRAVEN-2 식을 적용하였다. 더불어 행정구역 면적이 아주 작은 경우는 단독으로 해석하는 경우 불확도가 커져 실무 예보 시 인접 행정구역과 일관성이 결여되는 현상이 나타나므로 인접 행정구역의 한계강우량 수준을 고려하여 평활화 하였다.
2019년에 발생한 폭우 및 침수와 관련된 홍수 사고를 인터넷뉴스 기사를 통해 선별하였고 정확한 시간대를 확인할 수 없거나 폭우 및 침수와 관련성이 없는 경우는 제외하였다. 돌발홍수예측 시스템의 정확도는 탐지 확률인 (Probability of Detection; POD)를 활용하여 검증하였다. 대부분 홍수사상에 대한 평가에서 홍수가 발생한 경우는 시간이 명확하지 않더라도 피해 정보가 있기 때문에 정확도의 산정이 가능하다.
Table 1은 국내에서 활용되고 있는 레이더 기반 초단기 예측 알고리즘을 나타낸다. 먼저 MAPLE 알고리즘은 레이더합성장을 입력 자료로 하여 Laroche and Zawadzki (1995)가제안한 변분에코추적 기법(VET)으로 최적의 이동벡터를 산출하고 semi-Lagrangian 방법을 적용하여 수 시간 이내의 예측장을 생성한다. 예측 강우장 생성 시에 회전을 고려하지 않고 고정된 이류항을 얻는 선형적인 기법과 회전을 고려하는 semi-Lagrangian 기법이 있다.
현재 국내에서는 MAPLE (Mcgill Algorithm for Precipitation-nowcast by Lagrangian Extrapolation),KONOS (KOrea Nowcasting System), VSRF (Very ShortRange Forecast of precipitation)가 대표적인 초단기 예측 모델로 활용되고 있다. 초단기 예측모델 중 MAPLE과 KONOS(Korea NOwcasting System)는 각각 레이더 합성장과 레이더-AWS 강우강도(Radar-AWS Rain Rate; RAR)에 의해 주어진 강우패턴의 이동벡터장을 변분에코 추적 기법(Variational Echo Track; VET)을 사용하여 에코 이동벡터를 산출하고 Semi-Lagrangian 기법을 적용하여 수 시간 이내의 예측장을 생성한다. VSRF는 원래 Japan Meteorological Agency (JMA) 에서 개발된 실황예측 시스템으로 기상 레이더 자료 및 지상 자동관측 자료에 근거한 강수량 예보를 제공하고 있다(Obayashi,1991; Makihara et a1.
침수특성 인자인 유출량(유출고)을 산정하기 위해 본 연구에서는 SCS 합성단위로법을 이용하였다. 이 방법은 입력자료가 간단하고 기본 구조와 가정이 단순하며 수문학적 토양 군, 토지이용, 피복밀도 등의 유역특성을 유출곡선지수로 쉽게 나타낼 수 있어 본 연구와 같은 경험적 돌발홍수 위험 지수산정을 위한 목적에 적합하다.

성능/효과

두 번째, 태풍 미탁 등 돌발홍수예측 시스템을 활용한 홍수 사고 사례를 분석하였다. 그 결과 재해 발생 1시간 이전에 돌발홍수 예측 정보를 발령하여 홍수에 대한 선행시간 및 대응시간 확보가 가능함을 확인하였다. 본 시스템을 활용하여 선행시간 및 대응시간 확보가 가능하다면 차후 재해에 대한 대응 절차 수립이 가능하다.
그 결과 전국 도시 ·산지 ·소하천 돌발홍수 예측 시스템의 정확도는 POD 기준으로 90.3%로 매우 높게 나타났다.
3%로 나타났다. 본 시스템은 조사된 대부분의 사고 사례에서 1시간 이상의 예측 선행시간이 확보되었고 알람이 발생하였기 때문에 매우 정확도가 높다고 평가할 수 있다.
총 31개 사상에 대해 예측 정확도 분석 결과 전국 도시 ·산지 ·소하천 돌발홍수예측시스템지의 예측 정확도는 POD 기준으로 90.3%로 나타났다.

후속연구

본 연구에서 1시간을 평가 목표로 설정한 것은 최소대피 시간의 개념도 있지만 예측자료의 정확도가 1시간 이후 현격히 감소하기 때문이다. 따라서 본 연구에서는 향후 수치예측 단기 예측자료와 병합한 강수량을 활용하여 3시간까지 선행시간을 확장할 계획이다. 또한 돌발홍수예측 시스템에서 제공 중인 예측 알람 정보에 대한 보다 정확한 검증을 위해 SNS(Social Network Service) 자료를 활용한 돌발홍수 탐지기법과 드론 기반 현장 검증 기술을 활용할 계획이다(Fig.
따라서 본 연구에서는 향후 수치예측 단기 예측자료와 병합한 강수량을 활용하여 3시간까지 선행시간을 확장할 계획이다. 또한 돌발홍수예측 시스템에서 제공 중인 예측 알람 정보에 대한 보다 정확한 검증을 위해 SNS(Social Network Service) 자료를 활용한 돌발홍수 탐지기법과 드론 기반 현장 검증 기술을 활용할 계획이다(Fig. 9).
보다 세밀하고 정확한 홍수 위험을 전달하기 위해서는 지역 특성을 반영할 수 있는 홍수위험 정보를 고려해야하고 지역 읍면동 단위에 행동 양식을 유도할 수 있는 정보 제공이 가능해야 한다. 돌발홍수 예측 시스템은 읍면동 단위에 대한 돌발홍수 정보를 제공할 수 있다는 점에서 앞으로 지자체에 돌발홍수 정보 제공이 가능하고 이에 따라 지자체는 빠른 재해대처 방안 수립이 가능할 것으로 판단된다.
그 결과 재해 발생 1시간 이전에 돌발홍수 예측 정보를 발령하여 홍수에 대한 선행시간 및 대응시간 확보가 가능함을 확인하였다. 본 시스템을 활용하여 선행시간 및 대응시간 확보가 가능하다면 차후 재해에 대한 대응 절차 수립이 가능하다. 세 번째, 2019년도에 발생한 다양한 홍수 사고 사례를 분석하여 본 시스템에 대한 정확도를 평가하였다.
3%로 매우 높게 나타났다. 향후 일부 미알람 지역이 나타나는 부분에 대해서는 차후 보완이 필요하며 보다 다양한 정확도 지표 적용을 위한 방법도 개발이 필요하다.

질의응답

핵심어	질문	논문에서 추출한 답변
	유역면적이 큰 대유역은 우량계와 같은 점 관측자료 만을 이용한 경우에도 비교적 충분한 예측 선행시간을 확보할 수 있는 이유는?	홍수에 안전하게 대응하기 위해서는 홍수에 대응하기 위한 충분한 예측 선행시간 확보가 매우 중요하다. 유역면적이 큰 대유역은 지체시간이 수 시간에 이를 정도로 크기 때문에 우량계와 같은 점 관측자료 만을 이용한 경우에도 비교적 충분한 예측 선행시간을 확보할 수 있다. 그러나 유역의 상류 소규모 산지 유역 또는 도시 배수분구 정도의 도시 유역은 지체 시간이 수 십 여분에 불과하기 때문에 우량계만으로는 대응에 필요한 충분한 예측 선행시간을 확보하기 어렵다(Javier etal.
	우량계와 같은 점 관측자료만으로 예측 선행시간 확보가 어려운 경우는?	유역면적이 큰 대유역은 지체시간이 수 시간에 이를 정도로 크기 때문에 우량계와 같은 점 관측자료 만을 이용한 경우에도 비교적 충분한 예측 선행시간을 확보할 수 있다. 그러나 유역의 상류 소규모 산지 유역 또는 도시 배수분구 정도의 도시 유역은 지체 시간이 수 십 여분에 불과하기 때문에 우량계만으로는 대응에 필요한 충분한 예측 선행시간을 확보하기 어렵다(Javier etal., 2007; Smith et al.
	홍수에 안전하게 대응하기 위해 중요한 것은?	홍수에 안전하게 대응하기 위해서는 홍수에 대응하기 위한 충분한 예측 선행시간 확보가 매우 중요하다. 유역면적이 큰 대유역은 지체시간이 수 시간에 이를 정도로 크기 때문에 우량계와 같은 점 관측자료 만을 이용한 경우에도 비교적 충분한 예측 선행시간을 확보할 수 있다.

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