[논문]위성영상 및 항공사진을 활용한 시설재배면적의 시공간적 변화 유형 분석 - 밀양 상남면과 삼랑진읍을 중심으로 -

장민원; 조현경; 김수진; 백미경

doi:10.5389/ksae.2020.62.6.021

위성영상 및 항공사진을 활용한 시설재배면적의 시공간적 변화 유형 분석 - 밀양 상남면과 삼랑진읍을 중심으로 -
Analysis of the Spatiotemporal Change Patterns of Greenhouse Areas Using Aerial and Satellite Imagery - A Case of Sangnam-myeon and Samrangjin-eup at Miryang - 원문보기

한국농공학회논문집 = Journal of the Korean Society of Agricultural Engineers, v.62 no.6, 2020년, pp.21 - 31

장민원 (Department of Agricultural Engineering (Institute of Agriculture & Life Science), Gyeongsang National University) , 조현경 (Department of Agricultural Engineering, Gyeongsang National University) , 김수진 (Institutes of Green Bio Science and Technology, Seoul National University) , 백미경 (Gyeongnam Regional Headquarter, Korea Rural Community Corporation)

Abstract ▼ AI-Helper

This study analyzed the spatio-temporal change pattern of greenhouse areas for Sangnam-myeon and Samrangjin-eup of Miryang-si in Gyeongnam, which is one of major greenhouse area. First, in order to overcome the lack of statistical data of the distribution of greenhouses, aerial and satellite images were interpreted from 1987 to 2018, and the spatial distribution of the greenhouse parcels which has continuously increased was mapped based on the digital cadastral map. Next, through the emerging hot spot tool in ArcGIS Desktop, the spatio-temporal change in transition from open-field to greenhouse cultivation was classified into 9 clusters. About 67.7% of the target area was categorized as a hot spot, and the pattern of New hot spot, which were recently converted to greenhouse parcels, covered about 34.1%. While, about 11.3% of parcels were expected to keep the existing open-field cultivation practice for a while. Overall, the greenhouse parcels have been densely developed along a river and were lately expanding even to the far neighbor. It implied that, in the future, the competition of water intake among farms would be more serious and the environmental responsibility in consideration of water quality as well as quantity would be getting strengthened due to increasing pollution loads and river intake.

주제어

표/그림 (15)

그림 Fig. 1 Location of the study area (Samrangjin-eup & Sangnam-myun, Miryang-si, Gyeongnam) and the monitoring stations
그림 Fig. 2 Subsetted and mosaicked image of each target year from 1987 to 2018
표 Table 1 List of high-resolution satellite imagery and photogrammetric imagery
그림 Fig 3 Interpretation of greenhouses depending on covering materials, span, frames, and so on (left: satellite RGB image (2018), right: aerial B/W image (2008))
그림 Fig. 4 Classification of the greenhouses without covers by detecting regularly-spanned structure (left: satellite RGB image (2012), right: aerial B/W image (1987))
그림 Fig. 5 Data processing and analysis workflow for converting polygon data (parcels) into an emerging hot spot map: modified from ESRI
표 Table 2 Classification scheme for portraying different categories of statistically significant hot/cold spots (ESRI, 2020)
그림 Fig. 6 Annual change of greenhouse cultivation parcels (red: greenhouse, gray: open-field)
그림 Fig. 7 Temporal trend in the area of greenhouses from 1987 to 2018
그림 Fig. 8 Different classification of greenhouse area in the farmland remodeling site (left: a satellite image taken in the middle of 2012, middle: EGIS published in 2012, right: a satellite image taken in early 2012 just after farmland remodeling)
그림 Fig. 9 Comparison of greenhouse parcels between a digital farm map and the result of this study for the year of 2017 (red box: greenhouses defined only in the farm map)
그림 Fig. 10 Change in the distribution of greenhouse parcels: the centroid of greenhouse area shifting toward the Southeast
그림 Fig. 11 Space time cube visualized in 3-dimension showing the count of greenhouse parcels within the distance interval, 300 m
그림 Fig. 12 Emerging hot spot patterns of greenhouse parcels from 1987 to 2018
그림 Fig. 13 Proportion of emerging hot or cold spots according to categories (the number of spots are shown inside parentheses)

AI 본문요약
AI-Helper

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

문제 정의

본 연구는 대표적 시설재배단지인 경남 밀양시 상남면과 삼랑진읍에 대하여 지역 물순환과 물환경에 영향을 미치는 시설재배면적의 시공간 분포 특성을 분석함으로써 지자체의 시설재배단지 관리뿐만 아니라 효율적인 농업용수 공급과 이용, 지하수 취수와 함양, 오염원 관리, 건전한 하천 보전을 위한 하천관리 등 물관리 계획과 정책 수립에 필요한 기초자료를 제공하고자 하였다. 기존 시설재배 통계의 한계를 극복하기 위해 과거 위성영상과 항공사진으로부터 시설재배면적의 공간분포를 추출하고, 시계열 분석을 통해 변화 유형을 분석하였다.
본 연구는 주요 시설재배단지인 경남 밀양시 상남면과 삼랑진읍을 대상으로 시설재배 영향을 고려한 하천 수문⋅수질 관리에 수반되어야 하는 기초자료로서 과거 시설재배면적의 시공간적 변화를 추적하고 그 양상을 분석하였다.

제안 방법

Space time cube를 입력자료로 하여 각 셀의 Getis Ord Gi* 통계량으로 핫스팟 군집과 콜드스팟 군집을 구분하고 계산된 Z값과 P값으로부터 시계열 패턴을 분류하는 발생핫스팟 도구 (Emerging Hot Spot Analysis)를 실행하였다. Fig.
과거 시설재배 분포의 부족한 통계자료를 극복하기 위해 1987년부터 2018년 사이 10개년도에 걸쳐 항공사진과 위성영상 자료를 판독하였고 시설재배필지의 공간분포를 지도로 작성하였다. 영상 촬영 시기에 따라 연내 변화는 반영하지 못하는 한계가 있었지만, 1987년 이래 비교적 꾸준히 시설재배지가 증가하는 양상을 확인하였다.
5의 단계를 따라, Ⓐ 필지 폴리곤 (polygon)별로 각 연도의 시설재배여부를 속성으로 입력하고, Ⓑ 폴리곤 중심 (centroid)을 기준으로 포인트 (point) 자료로 변환하였다. 그리고 Ⓒ 포인트를 300 m 단위로 집계 (aggregation)한 후, Ⓓ 대상지구 범위로 마스킹 (masking) 한 빈으로 Ⓔ NETCDF (Network Common Data Form) space time cube를 작성하였다. 최종적으로 Ⓕ 큐브의 각 빈에 대해 Getis-Ord Gi 통계를 계산하고 시계열 분석으로 발생핫스팟 지도를 도출하였다.
본 연구는 대표적 시설재배단지인 경남 밀양시 상남면과 삼랑진읍에 대하여 지역 물순환과 물환경에 영향을 미치는 시설재배면적의 시공간 분포 특성을 분석함으로써 지자체의 시설재배단지 관리뿐만 아니라 효율적인 농업용수 공급과 이용, 지하수 취수와 함양, 오염원 관리, 건전한 하천 보전을 위한 하천관리 등 물관리 계획과 정책 수립에 필요한 기초자료를 제공하고자 하였다. 기존 시설재배 통계의 한계를 극복하기 위해 과거 위성영상과 항공사진으로부터 시설재배면적의 공간분포를 추출하고, 시계열 분석을 통해 변화 유형을 분석하였다.
, 2012). 대상지구에서 가용한 과거 영상자료는 흑백 항공사진과 RGB 위성영상뿐이기 때문에 본 연구는 영상분류보다는 편집지적도를 바탕으로 각 필지의 시설재배 여부를 육안판독 (interpretation) 하였다. 필지 구분이 연도별로 다르고 동일 필지라도 시설재배와 노지재배 등 다른 피복이 섞인 경우가 있기 때문에 판독과 더불어 필지 폴리곤을 임으로 추가하거나 나누는 등의 편집 작업을 수행하였다.
대상지역 내 과거 시설재배 현황을 추출하기 위하여 1987년부터 2018년까지 고해상도 위성영상과 항공사진을 수집⋅처리하였다 (Table 1).
5 m의 img 형식으로 변환하였다. 모든 영상은 국가표준좌표계를 따라 지구타원체를 GRS80으로 통일하였으며 중부원점 (동경 129/북위 38)로 처리하였다 (Fig. 2).
본 연구에선 10개년 영상자료에서 추출한 시설재배 필지의 위치정보를 사용하였고, 모든 개별 빈에 대해 Getis-Ord Gi* 통계량으로부터 특정 빈의 시설재배지 변화가 통계적으로 군집되는지 여부를 분석하였다. Z값이 양 (+)이고 통계적으로 유의미한 수준에서 크다면 시설재배 필지가 많고 또한 주변도 비슷하게 시설재배 필지 분포가 둘러싸여 있다는 것을 의미한다.
시설재배 필지의 시공간 변화 특성을 발생핫스팟 분석을 통해 9개 유형으로 분류하였다. 대상 면적의 약 67.
시설재배지 분포에 대한 발생핫스팟 분석은 고해상도 위성 영상과 항공사진에서 도출된 연도별 시설재배 필지의 위치정보를 사용하였다. 편집지적도의 각 필지 폴리곤별 중심좌표를 추출하였고, 대상 연도를 Date 필드로 추가하고 연도별 시설재배여부를 속성자료로 입력하였다.
반면 Z값이 음 (-)이며 통계적으로 유의한 수준이라면 시설재배 필지 밀도가 낮고 주변도 비슷한 수준으로 분포된 것으로 해석하였다. 이를 구현하기 위해 Fig. 5의 단계를 따라, Ⓐ 필지 폴리곤 (polygon)별로 각 연도의 시설재배여부를 속성으로 입력하고, Ⓑ 폴리곤 중심 (centroid)을 기준으로 포인트 (point) 자료로 변환하였다. 그리고 Ⓒ 포인트를 300 m 단위로 집계 (aggregation)한 후, Ⓓ 대상지구 범위로 마스킹 (masking) 한 빈으로 Ⓔ NETCDF (Network Common Data Form) space time cube를 작성하였다.
시설재배지 분포에 대한 발생핫스팟 분석은 고해상도 위성 영상과 항공사진에서 도출된 연도별 시설재배 필지의 위치정보를 사용하였다. 편집지적도의 각 필지 폴리곤별 중심좌표를 추출하였고, 대상 연도를 Date 필드로 추가하고 연도별 시설재배여부를 속성자료로 입력하였다. ArcGIS Pro의 ‘Create Space Time Cube by Aggregating Points’ 도구를 사용하여 셀간격 (distance interval) 300 m, 시간 간격 (time step interval) 3년의 모두 11개 빈으로 구성된 NETCDF (NETwork Common Data Form)형식의 Space time cube 자료를 생성하였다 (Fig.
대상지구에서 가용한 과거 영상자료는 흑백 항공사진과 RGB 위성영상뿐이기 때문에 본 연구는 영상분류보다는 편집지적도를 바탕으로 각 필지의 시설재배 여부를 육안판독 (interpretation) 하였다. 필지 구분이 연도별로 다르고 동일 필지라도 시설재배와 노지재배 등 다른 피복이 섞인 경우가 있기 때문에 판독과 더불어 필지 폴리곤을 임으로 추가하거나 나누는 등의 편집 작업을 수행하였다. 2012년 이후의 고해상도 RGB 위성영상의 경우는 시설재배 필지의 구분이 용이하였으나, 이전 흑백 항공사진의 경우엔 원 영상의 낮은 품질과 낮은 분광정보 때문에 식별이 분명하지 않았다.
시설재배는 아니지만 멀칭과 고랑재배가 이뤄진 노지재배 필지도 형태적으로 온실과 유사한 사례가 많았고, 특히 단일밴드인 항공사진에서 판별이 어려웠다. 한편, Fig. 4에서 보듯이 비닐피복을 완전히 제거한 비닐하우스의 경우엔 비닐하우스의 구조상 보이는 규칙적인 프레임 형태의 유무를 판단하여 시설재배지로 분류하였다.

대상 데이터

ArcGIS Pro의 ‘Create Space Time Cube by Aggregating Points’ 도구를 사용하여 셀간격 (distance interval) 300 m, 시간 간격 (time step interval) 3년의 모두 11개 빈으로 구성된 NETCDF (NETwork Common Data Form)형식의 Space time cube 자료를 생성하였다 (Fig. 11).
본 연구의 대상은 경남 밀양시 상남면 (예림리, 기산리, 연금리, 평촌리, 마산리, 동산리, 외산리)과 삼랑진읍 (삼량리, 미전리, 용성리, 임천리, 청학리)에 위치한 시설재배단지로서 밀양강이 가로질러 흐르는 지역이다 (Fig. 1). 수량이 풍부하여서 전통적으로 벼농사에 유리한 지역이지만, 현재는 시설재배 면적이 상당 부분 차지하고 있다.
시설재배 면적이 경남 최대인 밀양시는 경남 시설재배 면적의 약 15% (1,970 ha)를 차지하고, 농가소득 중 시설채소재배의 비중이 약 49%에 달할 정도로 시설재배에 의존하고 있는 농업지역이다. 본 연구의 대상지는 총면적이 약 1,884 ha이고, 주요 시설재배 작물은 고추, 딸기 감자 등이다. 최근 삼랑진 일대가 2019년 스마프팜 혁신밸리 사업구역으로 지정되었기 때문에 향후 시설재배면적의 확대가 가속될 것으로 전망되는 지역이다.
연도별, 필지별 시설재배 여부를 파악하기 위해 편집지적도 (국토교통부, 1/5,000)를 기준으로 자료를 구축하였다. 대상지역 내 필지 수는 1,998 개 (2017년 기준)이고, 필지면적의 최대는 22,168 m², 최소는 0.
대상지역 내 과거 시설재배 현황을 추출하기 위하여 1987년부터 2018년까지 고해상도 위성영상과 항공사진을 수집⋅처리하였다 (Table 1). 위성영상은 2012년부터 2018년까지 촬영된 공간해상도 2 m의 광학영상으로 밀양시로부터 제공받았고, 항공사진은 국토정보지리원으로부터 1987년부터 2008년까지의 흑백사진을 Tiff 파일형태로 수집하였다. 그리고 항공사진의 경우엔 기하보정을 거쳐 공간해상도 0.

데이터처리

그리고 Ⓒ 포인트를 300 m 단위로 집계 (aggregation)한 후, Ⓓ 대상지구 범위로 마스킹 (masking) 한 빈으로 Ⓔ NETCDF (Network Common Data Form) space time cube를 작성하였다. 최종적으로 Ⓕ 큐브의 각 빈에 대해 Getis-Ord Gi 통계를 계산하고 시계열 분석으로 발생핫스팟 지도를 도출하였다. 발생핫스팟의 경향은 Table 2에서 정리된 바와 같이 New hotspot, Consecutive hotspot, Sporadic hotspot 등 8개의 핫스팟 범주와 8개의 콜드스팟 범주로 총 17개의 형태로 유형화하여 분석할 수 있다 (ESRI, 2020).

이론/모형

시설재배지의 시공간적 변화와 추세를 분석하기 위해서 Space time cube를 활용한 ESRI (Environmental Systems Research Institute)의 발생핫스팟 (Emerging Hotspots Analysis) 지오프로세싱 (geoprocessing) 도구를 사용하였다 (Fig. 5). Space time cube는 공간을 나타내는 x 및 y 치수와 시간 (date)을 나타내는 t 차수를 가진 빈 (bin)이 한 층씩 결합한 3D 자료 구조로서 시공간 패턴을 찾기 위한 시공간 밀도 (density) 분석과 핫스팟 (hotspot) 분석에 사용된다 (Bass, 2017; Kim and Kim, 2019; Kim et al.

성능/효과

Space time cube를 입력자료로 하여 각 셀의 Getis Ord Gi* 통계량으로 핫스팟 군집과 콜드스팟 군집을 구분하고 계산된 Z값과 P값으로부터 시계열 패턴을 분류하는 발생핫스팟 도구 (Emerging Hot Spot Analysis)를 실행하였다. Fig. 12에서와 같이 핫스팟과 콜드스팟 유형이 모두 9개로 분류되었고 약 20%는 유의한 추세를 보이지 않았다. 핫스팟은 시설재배 발생 정도가 높은 필지들끼리 통계적으로 유의한 군집성을 나타내며, 콜드스팟은 시설재배필지가 적거나 다시 노지재배필지로 전환된 필지들이 유의한 수준에서 모여 있는 것을 의미한다.
2012년에 시설재배면적이 급격히 감소한 것은 대상지구 하단의 상남면 외산리와 마산리 등에서 시행된 농경지 리모델링 사업 (사업기간: 2010년 4월∼ 2012년 2월)으로 인해 재배시설이 철거되었기 때문이었다. Google Earth와 Kakao 지도서비스에서 제공하는 2012년 초반 위성영상을 조회한 결과, Fig. 8 (right)과 같이 시설재배뿐만 아니라 노지재배도 이뤄지지 않은 것으로 확인할 수 있었다. 환경부에서 2012년 공개한 세분류토지피복지도에서도 이 지구에서 시설재배지 (세분류명: 하우스재배, 세분류코드: 231)가 없는 것으로 나타났다.
3%에 그쳤고 하천 반대방향의 마을과 산림에 가까운 필지에 주로 분포하는 것을 확인할 수 있었다. 가장 시설재배 입지가 불리한 구역으로 시설재배면적이 증가하는 추세에도 단기적으로 노지재배가 유지될 것으로 판단되었다.
시설재배필지의 위치정보와 필지면적으로부터 ArcGIS 공간통계도구를 이용하여 대상 연도별 시설재배필지의 무게 중심을 찾은 결과, 대상지구 상부의 기산리에서 연금리, 평촌리 순으로 밀양강 하류방향으로 내려가면서 낙동강 본류에 가까워지는 양상을 보였다. 낙동강 본류 주변으로 상당한 수준의 필지가 시설재배로 전환되고 있는 것을 확인할 수 있으며, 낙동강 하구언 개방 등 본류의 수질에 의한 영향이나 피해에 노출된 시설재배면적이 증가할 것으로 추정할 수 있었다. 시설재배면적으로 증가에 따라 농업용수 수요와 취수가 증가할 것이고 물부족 상황이 발생하면 농가 사이 수리권 분쟁과 민원이 커질 수 있음을 시사하였다.
시설재배 필지의 시공간 변화 특성을 발생핫스팟 분석을 통해 9개 유형으로 분류하였다. 대상 면적의 약 67.7%가 핫스팟으로 분류되었고, 이 중 최근에 시설재배로 전환된 신규형이 전체의 약 34.1%에 달하였다. 신규형 핫스팟은 이미 영구형 혹은 강화형으로 나타난 예림리와 기산리 외에서 골고루 널리 분포하였다.
영상 촬영 시기에 따라 연내 변화는 반영하지 못하는 한계가 있었지만, 1987년 이래 비교적 꾸준히 시설재배지가 증가하는 양상을 확인하였다. 밀양읍과 인접한 상남면 상단에 집중되어 있던 시설재배단지가 밀양강을 따라 낙동강 본류 방향으로 확장되는 양상을 보였다. 미래 시설재배면적이 증가함에 따라 하천 인근보다 상대적으로 지하수 함양에 불리한 주변으로, 그리고 유량이 상대적으로 풍부한 낙동강 본류에 가까운 필지에서 시설재배가 늘어날 것으로 추정되었다.
초기부터 시설재배필지가 몰려있는 상부 (예림리)에서 시설재배를 계속 유지하는 영구형 핫스팟이 나타났고, 비교적 최근에 시설재배필지로 전환된 신규형 핫스팟이 말단 외산리까지 대상지구 전체에 걸쳐 고루 분포하였다. 시설재배가 산발적으로 나타나는 산발형 핫스판은 주로 영구형 핫스팟 주변, 즉 예림리와 기산리에 분포하였고, 일부는 영구형으로 변화하는 과정의 강화형 (Intensifying)으로 구분되어 향후 영구형 핫스팟, 시설재배필지로 고착될 가능성이 높은 것으로 나타났다. 한편, 대상지구 내 중부 (임천리, 평촌리)엔 일부는 시설재배지로, 일부는 다시 노지재배로 전환되는 진동형 핫스팟이 집중하는 것으로 분류되었다.
낙동강 본류 주변으로 상당한 수준의 필지가 시설재배로 전환되고 있는 것을 확인할 수 있으며, 낙동강 하구언 개방 등 본류의 수질에 의한 영향이나 피해에 노출된 시설재배면적이 증가할 것으로 추정할 수 있었다. 시설재배면적으로 증가에 따라 농업용수 수요와 취수가 증가할 것이고 물부족 상황이 발생하면 농가 사이 수리권 분쟁과 민원이 커질 수 있음을 시사하였다.
10과 같다. 시설재배필지의 위치정보와 필지면적으로부터 ArcGIS 공간통계도구를 이용하여 대상 연도별 시설재배필지의 무게 중심을 찾은 결과, 대상지구 상부의 기산리에서 연금리, 평촌리 순으로 밀양강 하류방향으로 내려가면서 낙동강 본류에 가까워지는 양상을 보였다. 낙동강 본류 주변으로 상당한 수준의 필지가 시설재배로 전환되고 있는 것을 확인할 수 있으며, 낙동강 하구언 개방 등 본류의 수질에 의한 영향이나 피해에 노출된 시설재배면적이 증가할 것으로 추정할 수 있었다.
과거 시설재배 분포의 부족한 통계자료를 극복하기 위해 1987년부터 2018년 사이 10개년도에 걸쳐 항공사진과 위성영상 자료를 판독하였고 시설재배필지의 공간분포를 지도로 작성하였다. 영상 촬영 시기에 따라 연내 변화는 반영하지 못하는 한계가 있었지만, 1987년 이래 비교적 꾸준히 시설재배지가 증가하는 양상을 확인하였다. 밀양읍과 인접한 상남면 상단에 집중되어 있던 시설재배단지가 밀양강을 따라 낙동강 본류 방향으로 확장되는 양상을 보였다.
9와 같았다. 팜맵과 동일하게 시설재배필지로 구분된 면적은 622.2 ha, 팜맵에서만 시설재배지로 분류된 면적은 45.7 ha, 본 연구의 판독으로 시설재배필지로 추출된 면적은 76.8 ha로 각각 분석되었다. 팜맵을 기준으로 판독결과를 검증할 때 약 84.
8 ha로 각각 분석되었다. 팜맵을 기준으로 판독결과를 검증할 때 약 84.2%의 정확도를 보였고, 팜맵에서는 시설재배지로 분류되었지만 고해상도 위성영상에서는 줄파종 재배로 파악되는 사례들을 확인할 수 있었다.
그리고 강화형은 시간이 지날수록 시설재배로 변화가 늘어나는 곳으로 전통적인 시설재배지인 영구형으로 분류된 지역과 수리권 갈등이 발생할 우려가 큰 것으로 추정하였다. 한편, 콜드스팟은 전체의 11.3%에 그쳤고 하천 반대방향의 마을과 산림에 가까운 필지에 주로 분포하는 것을 확인할 수 있었다. 가장 시설재배 입지가 불리한 구역으로 시설재배면적이 증가하는 추세에도 단기적으로 노지재배가 유지될 것으로 판단되었다.

후속연구

시설재배의 확대는 미래농업기술로서 고부가가치 농산물의 수요에 맞춰 피할 수 없는 변화이지만, 지속가능한 하천 생태계 보전과 농업용수의 안정적 공급이라는 측면을 고려하여 관리할 수 있는 기술과 제도의 마련이 필요하다. 본 연구에서 도출한 시설재배면적의 시공간 분포에 대한 이해를 바탕으로 주변 물순환과 물환경에 미치는 영향의 분석과 대응 방안의 개발을 향후 연구에서 추진되어야 할 것으로 사료되었다.
시설재배면적에 대한 통계조사가 시작된 1990년엔 약 44,613 ha였지만 2000년에 이르러 약 105,758 ha에 달할 정도로 급격히 증가하였다. 이후 조금씩 감소하는 추세를 보였으나, 정부의 논밭전용 사업 강화와 시설재배의 면적대비 경제적 수익 증가 등의 이유로 향후 다시 증가할 것으로 전망된다. 특히, 경남은 시설재배면적이 전국 최대로 (2018 년 기준 전국 18%)이며 1990년부터 2018년까지 매년 평균 1.

참고문헌 (17)

Bass, C. A., 2017. Emerging hotspot analysis of Florida Manatee (Trichechus manatus latirostris) Mortality (1974-2012). Master's thesis, Fort Lauderdale, Fl.: Nova Southeastern University.
ESRI, 2020. ArcGIS Pro. http://pro.arcgis.com Accessed 28 Jul. 2020.
Harris, N. I., E. Goldman, C. Gabris, J. Nordling, S. Minnemeyer, S. Ansari, M. Lippmann, L. Bennett, M. Raad, M. Hansen, and P. Potapov, 2017. Using spatial statistics to identify emerging hot spots of forest loss. Environmental Research Letters 12: 024120. doi:10.1088/1748-9326/aa5a2f.

상세보기
Kim, M. Y., and E. J. Kim, 2019. Spatio-temporal patterns of population aging level in Korea. The Studies in Regional Development 15(1): 151-175 (in Korean).
Kim, N. Y., Y. O. Kang, J. Y. Lee, D. E. Kim, and Y. R. Park, 2019. Tourists hot spot analysis in Seoul using geotagged photos. Seoul Studies 20(1): 81-96 (in Korean).
Krishnan, P., P. Aggarwal, N. Mridha, and V. Bajpai, 2019. Spatio-temporal changes in wheat crop cultivation in India. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences XLII-3/W6: 385-395. doi:10.5194/isprs-archives-XLII-3-W6-385-2019.

상세보기
Kristensson, P. O., N. Dahlback, D. Anundi, M. Bjomstad, H. Gillberg, J. Haraldsson, and J. Stahl, 2009. An evaluation of space time cube representation of spatiotemporal patterns. IEEE Transactions on Visualization and Computer Graphics (4): 696-702.
Kwon, H. I., D. C. Koh, B. Jung., and K. Ha, 2017. Quantification of seasonally variable water flux between aquifer and stream in the riparian zones with water curtain cultivation activities using numerical simulation. Journal of the Geological Society of Korea 53(2): 277-290 (in Korean). doi:10.14770/jgsk.2017.53.2.277.

상세보기
Lee, J. W., C. G. Jung, S. Y. Woo, and S. J. Kim, 2019. Evaluation of stream flow and water quality behavior by weir operation in Nakdong river basin using SWAT. Journal of Korea Water Resources Association 52(5):349-360 (in Korean).
Lee, J. Y., and B. S. Kim, 2008. Automated vinyl green house identification method using spatial pattern in high spatial resolution imagery. Korean Journal of Remote Sensing 24(2): 117-124 (in Korean).
Lee, K., S. Hong, and Y. Kim, 2012. Farmland use mapping using high resolution images and land use change analysis. Korean Journal of Soil Science and Fertilizer 45(6): 1164-1172 (in Korean). doi:10.7745/kjssf.2012.45.6.1164.

원문보기 상세보기
MAFRA (Ministry of Agriculture, Food and Rural Affairs), 2019. 2018 statistics on vegetable growing greenhouses and greenhouse vegetable production. Sejong (in Korean).
ME (Ministry of Environment), 2016. Occurrence of algae (green algae) and the mitigation measures annual report. Sejong (in Korean).
Miryang, 2017. Report on the observation network of supplementary wells (보조지하수 관측망 보고서), Gyeongnam, Korea.
Miryang, 2019. Permitted groundwater wells (지하수인허가시설), Gyeongnam, Korea.
Sung, J. S., S. S. Lee, and S. H. Baek, 2012. Analyzing the applicability of greenhouse detection using image classification. Journal of the Korean Society of Surveying, Geodesy, Photogrammetry and Cartography 30(4):307-408 (in Korean). doi:10.7848/ksgpc.2012.30.4.397.

원문보기 상세보기
Tak, J. Y., 2013. An experimental study on crime prevention effectiveness of intensive patrol at crime-prone area. Daejon: Hannam University (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