[논문]엽온과 기온의 차이를 이용한 노지 과수의 작물 수분 스트레스 지수 산정 간편식 개발

최용훈; 이상봉; 김민영; 김영진; 전종길; 박정훈

doi:10.5389/ksae.2020.62.5.085

엽온과 기온의 차이를 이용한 노지 과수의 작물 수분 스트레스 지수 산정 간편식 개발
Development of Easy Equation for Crop Water Stress Index (CWSIEE) Using the Temperature Difference between Canopy and Air (Tc-Ta) of Fruit Trees 원문보기

한국농공학회논문집 = Journal of the Korean Society of Agricultural Engineers, v.62 no.5, 2020년, pp.85 - 91

최용훈 (Department of Agricultural Engineering, National Institute of Agricultural Sciences (NAS), Rural Development Administration (RDA)) , 이상봉 (Department of Agricultural Engineering, National Institute of Agricultural Sciences (NAS), Rural Development Administration (RDA)) , 김민영 (R&D Coordination Division, Research Policy Bureau, Rural Development Administration (RDA)) , 김영진 (Department of Agricultural Engineering, National Institute of Agricultural Sciences (NAS), Rural Development Administration (RDA)) , 전종길 (Department of Agricultural Engineering, National Institute of Agricultural Sciences (NAS), Rural Development Administration (RDA)) , 박정훈 (Department of Agricultural Engineering, National Institute of Agricultural Sciences (NAS), Rural Development Administration (RDA))

Abstract ▼ AI-Helper

In order to calculate the Crop Water Stress Index (CWSI), it is necessary to collect weather data (air temperature, humidity, wind speed and solar radiation) and canopy temperature. However, it is not always available to have necessary data sets for CWSI calculation. Therefore, this study was aimed to develop an easy and simple CWSI equation (CWSIEE) using only two data, air and canopy temperatures. Infrared sensors and weather sensors were installed on apple and peach trees and nearby a study area and every ten-minute data were collected from June to October in 2018 and 2019, respectively. A relationship between air-canopy temperature difference and CWSI was statistically analyzed and used to develop CWSIEE using the three dimensional Gaussian model. The performance of CWSIEE against original CWSI showed R2 and NSE to 0.780 and 0.710 for apple trees and R2 and NSE to 0.884 and 0.866 for peach trees. This study found that the level of crop water stress could be easily calculated using CWSIEE with only air and canopy temperature data.

주제어

표/그림 (7)

그림 Fig. 1 Geographical description of study area
그림 Fig. 2 Hourly variation of T_c-T_a (left) and CWSI (right)
그림 Fig. 3 Frequency of T_c-T_a and range of CWSI by T_c-T_a
그림 Fig. 4 Distribution of CWSI_EE and (T_c-T_a) over time
그림 Fig. 5 Distribution chart of R² and NSE of CWSI_EE
그림 Fig. 6 Scatter plot of R² and NSE of CWSI_EE with weather conditions
그림 Fig. 7 Comparison between CWSI_EE and CWSI_Ori of peach tree

AI 본문요약
AI-Helper

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

문제 정의

일사량과 상관관계가 좋은 CWSI와 엽온과 대기온도의 차이도 시간의 흐름에 따라 정규 분포의 형태로 표현 될 것으로 예상하였다. 따라서 각 항목에 대한 분포 및 주기성을 확인하고, 시간 (x축) 과 엽온과 대기온도의 차이 (y축) 그리고 CWSI (z축)에 대한 3차원 가우시안 분포 모형으로 표현이 가능한지 확인하여, CWSI 간편식 (CWSI easy equation, CWSI_EE) 개발에 활용하고자 하였다.
따라서 CWSI 산정이 필요한 현장에서 엽온과 관련된 최소의 인자를 관측하여 계산할 수 있는 간편식의 개발이 필요하다고 판단되었다. 본 연구에서는 CWSI와 엽온과 대기 온도 사이의 차이 그리고 측정 시간 사이의 주기성을 확인하여, 통계적인 방법으로 CWSI를 산정 할 수 있는 간편식을 개발하고자 하였다.
전북 전주시 국립원예특작과학원의 사과나무 재배지에서 CWSI 산정을 위한 모니터링을 하였다. 사과 나무의 엽온(Canopy Temperature, T_c)과 시험 포장의 대기 온도 (Air Temperature, T_a), 습도, 일사량, 풍속, 강우 등의 기상을 관측하였으며, 2018년에는 7월 1일에서 9월 30일까지, 2019년에는 6월 1일에서 9월 30일까지 연구를 수행하였다 (Fig.

제안 방법

CWSI_EE와 CWSI_Ori사이의 결정계수와 NSE가 일사량, 기온, 습도 그리고 풍속의 증감에 영향을 받는지 확인하였다(Fig. 6). 일사량과 기온 그리고 습도의 증감에 따른 결정계수와 NSE의 상관계수는 0.
CWSI_EE을 이용하여 관측 기간 전체에 대한 시간 단위 CWSI를 산정하였으며, 10분 단위로 산정한 CWSI (CWSI_Ori)를 참값으로 가정하여 결정계수와 NSE를 확인하여 모형의 적합성을 평가하였다. 전체 기간의 결정계수의 범위는 0.
CWSI는 비가 오거나, 매우 흐린 날씨에는 ‘0’ 근처의 값으로 큰 변화가 없으므로 본 연구에서는 일사량이 15 MJ/day 이상인 날을 분석에 활용하였다.
기상은 대기 온습도 센서 (SHT110, Mirae sense, Korea), 일사량계 (PYRANO-70, Mirae sense, Korea), 자기우량계(WDR-205, Weedam, Korea) 그리고 풍속계 (AKit1, DFrobot, Korea) 등 기상 관측용 센서를 설치하여 10분 간격으로 측정하였다.
따라서 같은 지역의 복숭아나무에서 측정한 자료 (2019년 6월 1일∼7월 23일)를 활용하여 CWSIEE의 범용성을 추가로 평가하였다.
사과나무 재배지에서 작물의 수분 스트레스 지수 산정을 위한 모니터링하고, 시간의 흐름에 따른 T_c-T_a와 CWSI의 주기성 등을 통계적으로 분석하였다. 또한, 3차원 가우시안 모형을 활용하여 측정 시간과 T_c-T_a를 이용하여 CWSI_EE를 개발하였으며, 모형의 결정계수는 0.
시간 흐름에 따라서 정규분포와 유사한 분포를 나타내었기 때문에 3차원 가우시안 모형을 활용하여 시간에 대한 T_c-T_a의 정보를 바탕으로 CWSI_EE을 개발하였다. 3차원 가우시안 모형의 결정계수는 0.
연구 지역 근처에서 재배 중인 복숭아나무의 2019년 엽온과 대기 온도를 활용하여 CWSI_EE로 CWSI 산정이 가능한지 CWSI_Ori과 비교하여 평가하였다. 결정계수는 0.
엽온과 관련된 최소의 인자를 관측하여 계산할 수 있는 간편식의 개발하기 위해서 CWSI 변화에 밀접한 변수를 조사하였다. Choi et al.
엽온은 사과나무의 상단부에 있는 잎에서 약 15∼20 cm 떨어진 위치에 적외선 센서 (SI-431, Apogee, USA)를 설치하여 10분 간격으로 측정하였다.

대상 데이터

전북 전주시 국립원예특작과학원의 사과나무 재배지에서 CWSI 산정을 위한 모니터링을 하였다. 사과 나무의 엽온(Canopy Temperature, T_c)과 시험 포장의 대기 온도 (Air Temperature, T_a), 습도, 일사량, 풍속, 강우 등의 기상을 관측하였으며, 2018년에는 7월 1일에서 9월 30일까지, 2019년에는 6월 1일에서 9월 30일까지 연구를 수행하였다 (Fig. 1).
엽온은 사과나무의 상단부에 있는 잎에서 약 15∼20 cm 떨어진 위치에 적외선 센서 (SI-431, Apogee, USA)를 설치하여 10분 간격으로 측정하였다. 시험 포장의 사과나무는 2 m 간격으로 사과를 1열 재배 중이며, 수세가 비슷한 사과나무를 선택하여 관측 대상으로 하였다. 2018년에는 총 5그루, 2019년에는 총 10그루의 사과나무에 대한 엽온을 측정하였다.

데이터처리

CWSIEE 개발과 관련된 적합도 평가는 결정계수 (Coefficient of determination, r2) 또는 Nash-Sutcliffe efficiency (NSE) 지수를 사용하여 검증하였다 (Eq. 4∼5).

이론/모형

본 연구에서는 맑은 날과 흐린 날 등과 같이 서로 다른 날씨에 대한 매개 변수들을 고려할 수 있는 Jackson et al. (1981)에 의해 개발된 CWSI 공식을 적용하였다 (Eq. 1∼3).

성능/효과

5%로 가장 높았으며, -3℃이하의 구간과 5℃이상의 구간이 모두 1% 정도로 매우 적은 분포가 나타났다. T_c-T_a의 분포에 따른 CWSI의 변화는 0℃ 이하의 구간에서는 약 0.1 이하의 평균값을 보였고, 0℃이상의 구간에서 점차 완만하게 증가하는 경향이 나타났다. 0℃ 이상의 구간에서 표준편차 (Standard Deviation, S.
CWSI_EE를 활용하면 임의의 시간과 해당 시간에 대한 기온과 엽온 자료만으로 해당 시간의 CWSI를 예측할 수 있을 것으로 기대된다. 개발된 CWSI_EE로 2018년, 2019년 사과나무 재배지의 CWSI를 산정했을 때 결정계수는 0.780, NSE는 0.710으로 나타났고, 2019년 복숭아 재배지의 CWSI를 산정하였을 때 결정계수는 0.884, NSE는 0.866으로 상당히 높은 결과를 얻을 수 있었다. 실제 농업 현장에서 활용할 수 있는 수준으로 발전하기 위해서는 더 많은 연구가 필요하겠지만, 농업 지역 인근에 기상대가 없거나 기상 관측 시설을 설치하기 어려운 환경에서 기온과 엽온만을 측정하여 간편하게 사용할 수 있기 때문에 농업 현장에서 활용성을 높일 수 있을 것으로 사료된다.
23으로 나타났다. 두 검토 값 자료의 범위를 보면 25% 이상의 값이 0.62이상의 값으로 나타났고, 평균보다 중앙값이 더 높게 위치한 것으로 볼 때 결정계수와 NSE가 평균보다 큰 값의 빈도가 높은 것으로 확인된다 (Fig. 5).
와 CWSI의 주기성 등을 통계적으로 분석하였다. 또한, 3차원 가우시안 모형을 활용하여 측정 시간과 T_c-T_a를 이용하여 CWSI_EE를 개발하였으며, 모형의 결정계수는 0.676으로 비교적 양호한 적합성이 나타났다. CWSI_EE를 활용하면 임의의 시간과 해당 시간에 대한 기온과 엽온 자료만으로 해당 시간의 CWSI를 예측할 수 있을 것으로 기대된다.
연구를 진행한 2018년과 2019년 기간에 시험포에서 10분 간격으로 측정된 기온 (T_a)과 엽온 (T_c)에 대한 1시간 평균 차이 (T_c-T_a)와 CWSI는 12시에서 13시 사이를 기준으로 좌우 대칭인 정규곡선과 유사한 분포로 나타났다 (Fig. 2). 1시간 평균 T_c-T_a는 –1℃에서 시작하여 완만하게 증가하다가 6시부터 급격하게 증가하기 시작하였다.
6). 일사량과 기온 그리고 습도의 증감에 따른 결정계수와 NSE의 상관계수는 0.3 이하로 상관관계가 약한 것으로 나타났다. 풍속에 대한 결정계수와 NSE의 상관계수는 0.
전체 기간의 결정계수의 범위는 0.96∼0.30, 평균은 0.78, 표준편차는 0.12로 나타났으며, NSE의 범위는 0.95∼-1.03, 평균은 0.71, 표준편차는 0.23으로 나타났다.
3 이하로 상관관계가 약한 것으로 나타났다. 풍속에 대한 결정계수와 NSE의 상관계수는 0.5 정도의 약한 양의 상관관계가 나타났다. 풍속은 다른 요소들과 다르게 비교적 큰 값의 출현 빈도가 적기 때문에 선형적인 증가를 보인다고 결정하기는 다소 어려울 것으로 보여진다.
0 m/s 구간에서 결정계수와 NSE가 높게 나타났는데, 임의의 풍속 조건에서 CWSI_EE의 예측이 좋은 결과를 나타내는지는 지속적인 데이터의 수집과 분석이 더 필요할 것으로 보여진다. 현재까지의 결과로 미루어 볼 때 CWSI_EE를 사용하여 CWSI를 산정할 때 일사량, 기온, 습도 그리고 풍속의 증감에 크게 영향을 받지 않는 것으로 판단할 수 있으며, 이는 기상 요건과 관계없이 활용될 수 있다는 것을 의미한다고 볼 수 있다. (단, 일사량이 15 MJ/day 이상으로 예상되며, 비가 오거나 구름이 많지 않은 맑은 날, 관측된 T_c-T_a가 -8℃보다 크고 6℃이하일 때, 측정 시간이 8시에서 18시 사이일 경우로 제한됨).
3차원 가우시안 모형은 중심부가 볼록한 형태의 종 모양이며, 본 연구에서는 절반을 사용하는 형태로 구상하였기 때문에 변곡점의 위치가 중요하다고 판단하였다. 현재의 수준에서 T_c-T_a가 6도 이상 발생하는 빈도가 낮아 변곡점이 4.89도를 기준으로 발생하여, 4.89도 이상이 되어도 CWSI가 감소하는 형태가 나타났다. 이를 해결하기 위해 CWSI_EE에서 T_c-T_a의 최댓값을 4.

후속연구

676으로 비교적 양호한 적합성이 나타났다. CWSI_EE를 활용하면 임의의 시간과 해당 시간에 대한 기온과 엽온 자료만으로 해당 시간의 CWSI를 예측할 수 있을 것으로 기대된다. 개발된 CWSI_EE로 2018년, 2019년 사과나무 재배지의 CWSI를 산정했을 때 결정계수는 0.
그러나 본 연구의 CWSI_EE는 연구 지역에 국한하여 측정된 작물의 엽온을 바탕으로 산정하였기 때문에 여러 지역 및 다양한 작물을 대상으로 정보를 수집하여 고도화시켜 나갈 필요가 있을 것으로 생각한다. 또한, 작물 수분 스트레스와 관련된 연구들이 활발히 진행되고 있는 단계에 있기 때문에 작물별 CWSI에 대한 명확한 기준 및 해석, 관개량 및 관개 시기 등을 결정하기 위한 다양한 방법을 모색하는 연구들이 추후 진행된다면 더욱 활용성을 높일 수 있을 것으로 기대한다.
다만 풍속 1.5∼2.0 m/s 구간에서 결정계수와 NSE가 높게 나타났는데, 임의의 풍속 조건에서 CWSIEE의 예측이 좋은 결과를 나타내는지는 지속적인 데이터의 수집과 분석이 더 필요할 것으로 보여진다.
그러나 여전히 CWSI 산정에는 데이터의 관리와 수집 그리고 분석 등 많은 노력이 필요한 것이 사실이며, 기상대의 거리가 실제 CWSI를 산정이 필요한 지점에서 먼 경우에는 온도, 습도, 일사량, 풍속의 정확한 정보를 받을 수 없는 단점이 있다. 또한 농경지 내부에서 다양한 지점에 대한 대기 온도, 대기 습도, 일사량 그리고 풍속은 기상 관측 지점의 기상과 동일한 것으로 보기 때문에 CWSI 산정에 엽온이 가장 큰 영향을 줄 것으로 기대된다.
이런 오차는 주로 바람의 영향으로 측정 위치가 흔들렸기 때문인 것으로 판단된다. 또한, 나무의 생장에 따른 가지치기와 방제 작업과 같은 농업 활동 등 외부적인 원인으로도 발생 할 수 있을 것으로 사료된다. 추가로 같은 시간에 나뭇잎과 과실 온도를 측정하면 과실 온도가 더 높게 나타났기 때문에 관측시 과실이 측정되지 않도록 주의할 필요가 있었다.
는 연구 지역에 국한하여 측정된 작물의 엽온을 바탕으로 산정하였기 때문에 여러 지역 및 다양한 작물을 대상으로 정보를 수집하여 고도화시켜 나갈 필요가 있을 것으로 생각한다. 또한, 작물 수분 스트레스와 관련된 연구들이 활발히 진행되고 있는 단계에 있기 때문에 작물별 CWSI에 대한 명확한 기준 및 해석, 관개량 및 관개 시기 등을 결정하기 위한 다양한 방법을 모색하는 연구들이 추후 진행된다면 더욱 활용성을 높일 수 있을 것으로 기대한다.
866으로 상당히 높은 결과를 얻을 수 있었다. 실제 농업 현장에서 활용할 수 있는 수준으로 발전하기 위해서는 더 많은 연구가 필요하겠지만, 농업 지역 인근에 기상대가 없거나 기상 관측 시설을 설치하기 어려운 환경에서 기온과 엽온만을 측정하여 간편하게 사용할 수 있기 때문에 농업 현장에서 활용성을 높일 수 있을 것으로 사료된다.
추가로 같은 시간에 나뭇잎과 과실 온도를 측정하면 과실 온도가 더 높게 나타났기 때문에 관측시 과실이 측정되지 않도록 주의할 필요가 있었다. 엽온의 측정과 관련된 명확한 기준이 현재 없으므로 측정 위치에 따른 영향, 바람의 세기에 따른 영향 그리고 그늘 형성 등 장애물에 대한 영향 등 관련된 다양한 경우에 대한 조사와 연구가 필요할 것으로 판단된다.

질의응답

핵심어	질문	논문에서 추출한 답변
	작물 수분 상태를 측정하는 방법은 무엇이 효과적인가?	작물의 수분 상태는 토양 수분을 측정하는 것보다 여러 요인에 따른 작물의 반응을 측정하는 것이 더 민감하다 (Jones, 2010). 또한, 작물 수분 상태를 측정하는 방법은 다양한데, 측정 과정이 쉽고 신속한 적외선 온도측정을 통한 작물 수분 스트레스 지수 (Crop Water Stress Index, CWSI)를 산정하는 것이 효과적이라고 하였다 (O’Shaughnessy et al., 2012).
	작물 스트레스는 어떤 요인으로 구분할 수 있는가?	작물 스트레스는 생물학적 요인과 비생물학적 요인으로 구분할 수 있다. 해충과 작물의 병 등으로 발생하는 생물학적 스트레스와 달리 비생물학적 스트레스는 물 부족, 가뭄, 냉해 그리고 고온과 같이 주변 환경의 변화 등으로 발생하고, 이를 제어하기 위해 작물은 능동적으로 내적 저항성을 증가시키거나, 생육을 조절하는 방법 등으로 작물 내부의 체계를 조절한다 (Dresselhaus and Hűckelhoven, 2018; Bohnert et al.
	작물 스트레스 중 비생물학적 스트레스는 어떤 환경에서 발생하는가?	작물 스트레스는 생물학적 요인과 비생물학적 요인으로 구분할 수 있다. 해충과 작물의 병 등으로 발생하는 생물학적 스트레스와 달리 비생물학적 스트레스는 물 부족, 가뭄, 냉해 그리고 고온과 같이 주변 환경의 변화 등으로 발생하고, 이를 제어하기 위해 작물은 능동적으로 내적 저항성을 증가시키거나, 생육을 조절하는 방법 등으로 작물 내부의 체계를 조절한다 (Dresselhaus and Hűckelhoven, 2018; Bohnert et al., 2006; Song and Lee, 2012).

참고문헌 (19)

Agam, N., Y. Cohen, V. Alchanatis, and A. Ben-Gal, 2013. How sensitive is the CWSI to changes in solar radiation?. International Journal of Remote Sensing 34(17): 6109-6120. doi:10.1080/01431161.2013.793873.

상세보기
Bohnert, H. J., Q. Gong, P. Li, and S. Ma, 2006. Unraveling abiotic stress tolerance mechanisms-Getting genomics going. Current Opinion in Plant Biology 9(2): 180-188. doi:10.1016/j.pbi.2006.01.003.

상세보기
Choi, Y., M. Kim, W. Oh, J. Cho, S. Lee, Y. Kim, J. Jeon, and S. Yun, 2019. Statistical analysis of determining optimal monitoring time schedule for crop water stress index (CWSI). Journal of the Korean Society of Agricultural Engineers 61(6): 73-79 (in Korea). doi:10.5389/KSAE.2019.61.6.073.
Choi, Y. M., S. M. Jung, and D. G. Choi, 2017. Effects of heavy rain during rainy season and drainage methods on soil water content, photosynthesis characteristics, and growth in 'jinok' and 'campbell early' grapes. Korean Journal of Agricultural and Forest Meteorology 19(1): 1-9 (in Korean). doi:10.5532/KJAFM.2017.19.1.1.

원문보기 상세보기
Dresselhaus, T., and R. Huckelhoven, 2018. Biotic and abiotic stress responses in crop plants. Agronomy 8(11):267-272. doi:10.3390/agronomy8110267.

상세보기
El shazly, S. M., 1996. Estimation of hourly and daily global solar radiation at clear days using an approach based on modified version of gaussian distribution. Advances in Atmospheric Sciences 13(3): 349-358.

상세보기
Guo, Z., 2017. Daily variation low of solar radiarion flux density incident on the horizontal surface. Journal of Earth Science & Climatic Change 8(9): 1000412. doi:10.4172/2157-7617.1000412.
Jackson, R. D., S. B. Idso, R. J. Reginato, and P. J. Pinter Jr., 1981. Canopy temperature as a crop water stress indicator. Water Resources Research 17(4): 1133-1138. doi:10.1029/WR017i004p01133.

상세보기
Jeong, H., R. Jeong, J. Ryu, D. Oh, S. Choi, and J. Cho, 2019. Preliminary growth chamber experiments using thermal infrared image to detect crop disease. Korean Journal of Agricultural and Forest Meteorology 21(2):111-116 (in Korea). doi:10.5532/KJAFM.2019.21.2.111.
Jones, H. G., 2010. Remote detection of crop water stress and distinguishing it from other stresses. XXVIII International Horticultural Congress on Science and Horticulture for People (IHC2010): International Symposium on 922, 23-34. doi:10.17660/ActaHortic. 2011.922.2.
Kim, M., Y. Choi, J. Cho, S. Yun, J. Park, Y. Kim, J. Jeon, and S. Lee, 2019. Response of crop water stress index (CWSI) and canopy temperature of apple tree to irrigation treatment schemes. Journal of the Korean Society of Agricultural Engineers 61(5): 23-31 (in Korea). doi:10.5389/KSAE.2019.61.5.023.
Lee, H. S., S. K. Kim, H. J. Lee, J. H. Lee, S. An, and S. G. Lee, 2019. Development of crop water stress index for kimchi cabbage precision irrigation control. Horticultural Science and Technology 37(4): 490-498 (in Korea). doi:10.7235/HORT.20190049.
Li, L., D. C. Nielsen, Q. Yu, L. Ma, and L. R. Ahuja, 2010. Evaluating the crop water stress index and its correlation with latent heat and $CO_{2}$ fluxes over winter wheat and maize in the North China plain. Agricultural Water Management 97(8): 1146-1155. doi:10.1016/j.agwat.2008.09.015.

상세보기
Limpus, S., 2009. Isotropic and anisotropic characterisation of vegetable crops. Department on Primary Industries and Fisheries, Queensland.
Nam, S. W., Y. S. Kim, and D. U. Seo, 2014. Change in the plant temperature of tomato by fogging and airflow in plastic greenhouse. Protected Horticulture and Plant Factory 23(1): 11-18 (in Korean). doi:10.12791/KSBEC.2014.23.1.011.

원문보기 상세보기
O'Shaughnessy, S., S. R. Evett, P. D. Colaizzi, and T. A. Howell, 2012. A crop water stress index and time threshold for automatic irrigation scheduling of grain sorghum. Agricultural Water Management 107: 122-132. doi:10.1016j.agwat.2012.01.018.

상세보기
Song, E. Y., and J. H. Lee, 2012. Plant responses to environmental stresses. Nanotechnology in Biomedical Science 32(4): 27-34 (in Korean).
Woo, Y. H., 2013. Moisture and measuring and control in soil and plant. https://www.af.ac.kr/planweb/board/download.9is?fileUid0000000052e385d90152ed26d5432e9e&boardUid816ac6da51a3db470151b3d169a5019b.
Yun, S. K., S. J. Kim, E. Y. Nam, J. H. Kwon, Y. S. Do, S. Y. Song, M. Kim, Y. Choi, G. Kim, and H. Shin, 2020. Evaluation of water stress using canopy temperature and crop water stress index (CWSI) in peach trees. Protected Horticulture and Plant Factory 29(1): 20-27 (in Korea). doi:10.12791/KSBEC.2020.29.1.30.

원문보기 상세보기

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