[논문]고해상도 위성 정보의 지표 반사도 Analysis-Ready Data (ARD) 구축과 응용을 위한 제언

이기원; 김광섭

doi:10.7780/kjrs.2021.37.5.1.31

고해상도 위성 정보의 지표 반사도 Analysis-Ready Data (ARD) 구축과 응용을 위한 제언
A Suggestion for Surface Reflectance ARD Building of High-Resolution Satellite Images and Its Application 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.37 no.5 pt.1, 2021년, pp.1215 - 1227

이기원 (한성대학교 전자정보공학과) , 김광섭 (한성대학교 전자정보공학과)

초록
AI-Helper

저궤도 위성영상 정보의 절대 대기 보정 처리에 의하여 산출되는 지표 반사도는 정확한 식생 분석에 필요한 기본 자료이다. Committee on Earth Observation Satellites (CEOS)는 사용자가 바로 활용할 수 있도록 하는 지표 반사도의 분석 대기 자료(Analysis Ready Data: ARD) 구축과 관련한 연구와 지침 개발이 수행되고 있다. 그러나 이러한 동향은 중저해상도 위성영상을 대상으로 하고 있어서 KOMPSAT-3A나 CAS-500과 같은 고해상도 분광 영상의 ARD를 다루는 연구는 아직 초기 단계이다. 이 연구는 우선 기존 사례를 바탕으로 하여 ARD 자료의 배포 방식을 정리하였다. 그리고 클라우드 환경에서 운영되는 위성 정보 응용 플랫폼 중의 하나인 오픈 데이터 큐브(Open Data Cube: ODC)와 ARD 자료와의 연계성을 설명하였다. 연구의 결과로 고해상도 위성영상의 실무적인 ARD 구축 단계와 ODC와 클라우드 환경에서 배포되는 고해상도 위성영상의 ARD 구축 모델과 몇 가지 유형의 개념적 수준의 응용 모델을 제시하였다. 한편 제시한 구축과 응용 모델에 대하여 데이터 가격 정책, 정확도 품질 문제, 플랫폼 적용성 문제, 클라우드 환경 문제, 국제 교류 이슈 등을 토의 사항에서 정리하였다. 지구관측 위성과 관계된 주요 국제기구인 Group on Earth Observations (GEO)와 CEOS등에서 ARD와 ODC의 확산을 위한 시스템 기술과 표준 개발을 지속하고 있으며 이러한 성과는 민간부문으로 확대되고 있다. 따라서 우리나라도 이러한 국제 추세에 대한 대응 전략을 마련할 필요가 있다.

Abstract ▼ AI-Helper

Surface reflectance, as a product of the absolute atmospheric correction process of low-orbit satellite imagery, is the basic data required for accurate vegetation analysis. The Commission on Earth Observation Satellite (CEOS) has conducted research and guidance to produce analysis-ready data (ARD) on surface reflectance products for immediate use by users. However, this trend is still in the early stages of research dealing with ARD for high-resolution multispectral images such as KOMPSAT-3A and CAS-500, as it targets medium- to low-resolution satellite images. This study first summarizes the types of distribution of ARD data according to existing cases. The link between Open Data Cube (ODC), the cloud-based satellite image application platforms, and ARD data was also explained. As a result, we present practical ARD deployment steps for high-resolution satellite images and several types of application models in the conceptual level for high-resolution satellite images deployed in ODC and cloud environments. In addition, data pricing policies, accuracy quality issue, platform applicability, cloud environment issues, and international cooperation regarding the proposed implementation and application model were discussed. International organizations related to Earth observation satellites, such as Group on Earth Observations (GEO) and Committee on Earth Observation Satellites (CEOS), are continuing to develop system technologies and standards for the spread of ARD and ODC, and these achievements are expanding to the private sector. Therefore, a satellite-holder country looking for worldwide markets for satellite images must develop a strategy to respond to this international trend.

주제어

표/그림 (6)

표 Table 1. ODC application type and feature list (Open Data Cube, https://www.opendatacube.org/)
그림 Fig. 2. Dissemination of Earth Observation (EO) data: (a) Conventional case, redrawn and edited from Sudmanns et al. (2020), and (b) Service case based on Open Data Cube with ARD on cloud environment.
그림 Fig. 2. Dissemination of Earth Observation (EO) data: (a) Conventional case, redrawn and edited fromSudmanns et al. (2020), and (b) Service case based on Open Data Cube with ARD on cloudenvironment.
그림 Fig. 3. Comparison ARD generation step of Holmes' (2018) scheme for Landsat with the suggested scheme for high-resolution images.
그림 Fig. 4. Supply types of ARD products for users on cloud environment: ① Level 2 products by preprocessed and archived ARD, ② Open source tools for ARD generation and data images for experts, ③ Onthe- fly or on-demand processing by internal ARD generator, and ④ Archived ARD embedded in Open Data Cube with analysis functions.
그림 Fig. 5. ARD application model: (a) Extraction of user-defined Region-of-Interest (ROI) block as shown dark rectangle, (b) Slice set at the user-defined time, (c) Profile by user-defined period, (d) Conditional search by spatio-temporal query for a certain event for Level 3 products, (e) Conditional search by multiple criteria for Level 3 products, and (f) 3D visualization for a given theme using multi-sensors. Note: (a)-(c) are edited from Baumann (2017).

AI 본문요약
AI-Helper

문제 정의

이 연구는 우선 ARD와 ODC의 개요 및 현황을 소개하고 ARD 자료의 서비스 방식을 구분하여 정리하였다. 그리고 ARD와 ODC의 연계 방식에 대하여 설명하였으며, 지표 반사도 산출물을 대상으로 하는 ARD 구축 및 응용 모델을 제시하였다.

제안 방법

이 연구는 우선 ARD와 ODC의 개요 및 현황을 소개하고 ARD 자료의 서비스 방식을 구분하여 정리하였다. 그리고 ARD와 ODC의 연계 방식에 대하여 설명하였으며, 지표 반사도 산출물을 대상으로 하는 ARD 구축 및 응용 모델을 제시하였다. 또한 토의 사항에서 여기서 제시한 구축과 응용 모델에 대하여 데이터 가격 정책, 품질 관리 문제, 보안 이슈, 플랫폼 적용성 문제, 클라우드 환경 문제 등을 우리 주변국의 상황과 함께 정리하였다.
그리고 ARD와 ODC의 연계 방식에 대하여 설명하였으며, 지표 반사도 산출물을 대상으로 하는 ARD 구축 및 응용 모델을 제시하였다. 또한 토의 사항에서 여기서 제시한 구축과 응용 모델에 대하여 데이터 가격 정책, 품질 관리 문제, 보안 이슈, 플랫폼 적용성 문제, 클라우드 환경 문제 등을 우리 주변국의 상황과 함께 정리하였다.
KOMPSAT-3/3A, CAS-500 1/2/4와 같은 고해상도 영상의 민간 활용을 위하여 최근 위성 정보의 중요한 동향 중 하나인 CEOS-ARD 기술과 구축에 대한 연구가 필요한 시점이다. 이 연구는 현재까지 운용되고 있는 ARD 자료의 배포 방식을 세 가지로 구분하여 정리하였고 ODC와의 연계성을 설명하였다. ODC는 클라우드 환경에서 구축되고 GEO의 GEOSS에 적용되고 있는 위성 정보 응용 플랫폼이다.
연구의 결과로 KOMPSAT-3/3A와 같은 고해상도 위성 영상의 실무적인 ARD 구축 단계를 제시하였고, ODC와 클라우드 환경에서 배포되는 고해상도 위성영상의 ARD 구축/운영 모델과 ARD 구축에 따른 개념적 단계의 응용 모델을 제시하였다. 한편 우리나라의 고해상도 광학 위성영상의 ARD 구축, ODC 운영 등에서 고려해야 하는 사유 지식재산권, RadCalNet 포털을 이용한 정확도 품질 관리, ODC 채택, 오픈소스 클라우드 환경, 국제기구 참여 등과 같은 토의 사항을 제시하였다. 대만의 경우 ARD와 ODC 구축에 따른 응용 단계이고, 중국의 경우는 자체 위성 응용 시스템과 함께 ODC 구축을 고려하고 있는 상태이다.

성능/효과

ODC는 클라우드 환경에서 구축되고 GEO의 GEOSS에 적용되고 있는 위성 정보 응용 플랫폼이다. 연구의 결과로 KOMPSAT-3/3A와 같은 고해상도 위성 영상의 실무적인 ARD 구축 단계를 제시하였고, ODC와 클라우드 환경에서 배포되는 고해상도 위성영상의 ARD 구축/운영 모델과 ARD 구축에 따른 개념적 단계의 응용 모델을 제시하였다. 한편 우리나라의 고해상도 광학 위성영상의 ARD 구축, ODC 운영 등에서 고려해야 하는 사유 지식재산권, RadCalNet 포털을 이용한 정확도 품질 관리, ODC 채택, 오픈소스 클라우드 환경, 국제기구 참여 등과 같은 토의 사항을 제시하였다.
지표 반사도 ARD 구축을 통하여 얻을 수 있는 가장 중요한 이점은 사용자 입장에서는 지표 반사도 자체가 식생 분석에 필요한 기본 자료이기 때문에 품질이 확인된 ARD 자료가 제공되는 경우 즉시 적용이 가능하다는 것이다. 제공자 측면에서의 이점은 고해상도 지표 반사도의 정확도를 증가시키는 연구와 기술 개발을 통하여 자신의 제공하는 위성 정보의 부가가치를 높일 수 있다는 것이다. 따라서 이 분야에 대한 우리나라의 수준은 실용화이전의 초기 연구 단계이므로 전문가 그룹을 중심으로 하여 ARD와 ODC 적용 등에 대한 보다 적극적인 관심과 관련 기초 연구와 기술 개발이 필요하다.
그러나 일본의 경우는 현재 ODC를 채택하지 않고 있지만, SAR 영상의 ARD 구축과 표준 개발에 집중하고 있다. 지표 반사도 ARD 구축을 통하여 얻을 수 있는 가장 중요한 이점은 사용자 입장에서는 지표 반사도 자체가 식생 분석에 필요한 기본 자료이기 때문에 품질이 확인된 ARD 자료가 제공되는 경우 즉시 적용이 가능하다는 것이다. 제공자 측면에서의 이점은 고해상도 지표 반사도의 정확도를 증가시키는 연구와 기술 개발을 통하여 자신의 제공하는 위성 정보의 부가가치를 높일 수 있다는 것이다.

후속연구

지구관측 위성과 관계된 주요 국제기구인 GEO와 CEOS등에서 ARD와 ODC의 확산을 위한 시스템 기술과 표준 개발을 지속하고 있으며 이러한 성과는 민간 부문으로 확대되고 있다. KOMPSAT-3/3A, CAS-500 1/2/4와 같은 고해상도 영상의 민간 활용을 위하여 최근 위성 정보의 중요한 동향 중 하나인 CEOS-ARD 기술과 구축에 대한 연구가 필요한 시점이다. 이 연구는 현재까지 운용되고 있는 ARD 자료의 배포 방식을 세 가지로 구분하여 정리하였고 ODC와의 연계성을 설명하였다.
제공자 측면에서의 이점은 고해상도 지표 반사도의 정확도를 증가시키는 연구와 기술 개발을 통하여 자신의 제공하는 위성 정보의 부가가치를 높일 수 있다는 것이다. 따라서 이 분야에 대한 우리나라의 수준은 실용화이전의 초기 연구 단계이므로 전문가 그룹을 중심으로 하여 ARD와 ODC 적용 등에 대한 보다 적극적인 관심과 관련 기초 연구와 기술 개발이 필요하다. 이와 함께 위성 정보의 해외 시장 확대를 도모하기 위하여 이러한 국제 추세에 대한 대응 전략을 마련해야 한다.

참고문헌 (39)

Baumann, P., 2017. The Datacube Manifesto, http://earthserver.eu/tech/datacube-manifesto, Accessed on Mar. 25, 2021.
Bendini, H.N., L.M.G. Fonseca, M. Schwieder, P. Rufin, T.S. Korting, A. Koumrouyan, and P. Hostert, 2020. Combining Environmental and Landsat Analysis Ready data for Vegetation Mapping: A Case Study in the Brazilian Savanna Biome, Proc. of 2020 XXIV ISPRS Congress, Virtual Conference, Aug. 31-Sep. 2, vol. XLIII-B3-2020, pp. 953-960.
Cheng, M.-C., C.-R. Chiou, B. Chen, C. Liu, H.-C. Lin, I-. Shih, C.-H. Chung, H.-Y. Lin, and C.-Y. Chou, 2019. Open Data Cube (ODC) in Taiwan: The Initiative and Protocol Development, Proc. of IGARSS 2019, Yokohama, JP, Aug. 1, pp. 5654-5657.
Dhu, T., G. Giuliani, J. Juarez, A. Kavvada, B. Killough, P. Merodio, S. Minchin, and S. Ramage, 2019. National Open Data Cubes and Their Contribution to Country-Level Development Policies and Practices, Data, 4: 144.
Frantz, D., 2019. FORCE - Landsat + Sentinel-2 Analysis Ready Data and Beyond, Remote Sensing, 11: 1124.

상세보기
Ferreira, K.R., G.R. Queiroz, L. Vinhas, R.F.B. Marujo, R.E.O. Simoes, M.C.A. Picoli, G. Camara, R. Cartaxo, V.C.F. Gomes, I.A. Santos, A.H. Sanchez, J.S. Arcanjo, J.G. Fronza, C.A. Noronha, R.W. Costa, M.C. Zaglia, F. Zioti, T.S. Korting, A.R. Soares, M.E.D. Chaves, and L.M.G. Fonseca, 2020. Earth Observation Data Cubes for Brazil: Requirements, Methodology and Products, Remote Sensing, 12: 4033.
Geller, C., 2021. Introducing Maxar ARD: Accelerating the Pixel-to-Answer Workflow with Analysis-Ready Data, https://blog.maxar.com/earth-intelligence/2021/introducing-maxar-ard-accelerating-the-pixelto-answer-workflow-with-analysis-ready-data, Accessed on Mar. 25, 2021.
Giuliani, G., B. Chatenoux, A. De Bono, D. Rodila, J.-P. Richard, K. Allenbach, H. Dao, and P. Peduzzi, 2017. Building an Earth Observations Data Cube: lessons learned from the Swiss Data Cube (SDC) on generating Analysis Ready Data (ARD), Big Earth Data, 1(1-2): 100-117.

상세보기
Giuliani, G., E. Egger, J. Italiano, C. Poussin, J.-P. Richard, and B. Chatenoux, 2020. Essential Variables for Environmental Monitoring: What Are the Possible Contributions of Earth Observation Data Cubes?, Data, 5: 100.

상세보기
Giuliani, G., B. Chatenoux, A. Benvenuti, P. Lacroix, M. Santoro, and P. Mazzetti, 2020. Monitoring Land Degradation at National Level using Satellite Earth Observation Time-Series Data to Support SDG15 - Exploring the Potential of Data Cube, Big Earth Data, 4(1): 3-22.

상세보기
Gomes, V.C.F., G.R. Queiroz, and K.R. Ferreira, 2020. An Overview of Platforms for Big Earth Observation Data Management and Analysis, Remote Sensing, 12: 1253

상세보기
Gorelick, N., M. Hancher, M. Dixon, S. Ilyushchenko, D. Thau, and R. Moore, 2017. Google Earth Engine: Planetary-scale Geospatial Analysis for Everyone, Remote Sensing of Environment, 202: 18-27.

상세보기
Gu, X., 2018. Satellite Earth Observation System and Spectrum Earth, http://ggim.un.org/unwgic/presentations/2.5_Gu_Xingfa.pdf, Accessed on Mar. 25, 2021.
Holmes, C., 2018. Analysis Ready Data Defined Cloud Native Geoprocessing Part 2, https://medium.com/planet-stories/analysis-ready-data-defined-5694f6f48815, Accessed on Mar. 25, 2021.
Kawasaki, A., P. Koudelova, K. Tamakawa, A. Kitamoto, E. Ikoma, K. Ikeuchi, R. Shibasaki, M. Kitsuregawa, and T. Koike, 2018. Data Integration and Analysis System (DIAS) as a Platform for Data and Model Integration: Cases in the Field of Water Resources Management and Disaster Risk Reduction, Data Science Journal, 17(29): 1-14.

상세보기
Killough, B., A. Siqueira, and G. Dyke, 2020. Advancements in the Open Data cube and Analysis Ready Data - Past, Present and Future, Proc. of 2020 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Virtual Conference, Waikoloa, HI, USA, Sep. 26-Oct. 2, pp. 3376-3378.
Kim, K. and K. Lee, 2020a. Validation of Surface Reflectance Product of KOMPSAT-3A Image Data Application of RadCalNet Baotou (BTCN) Data, Korean Journal of Remote Sensing, 36(6-2): 1509-1521 (in Korean with English abstract).

원문보기 상세보기
Kim, K. and K. Lee, 2020b. A Validation Experiment of the Reflectance Products of KOMPSAT-3A Based on RadCalNet Data and Its Applicability to Vegetation Indexing, Remote Sensing, 12: 3971.

상세보기
Kim, T.J., S.H. Kim, Y.H. Hwang, S.W. Jung, C.S. Ye, and Y.K. Han, 2021. A Study on the Planning of User-Friendly Image Products for Utilization of the National Base Map, Research Report 11-1613436-000271-01, National Land Satellite Center of National Geographic Information Institute (NGII), Suwon, Korea, pp. 12-159.
Kline, K., 2018. CEOS WGISS #46 USGS Agency Report, https://ceos.org/meetings/wgiss-46/, Accessed on Mar. 25, 2021.
Kopp, S., P. Becker, A. Doshi, D.J. Wright, K. Zhang, and H. Xu, 2019. Achieving the Full Vision of Earth Observation Data Cubes, Data, 4: 94.

상세보기
Kuester, M. and T. Ochoa, 2019. Improvements in Calibration, and Validation of the Absolute Radiometric Response of MAXAR Earth-Observing Sensors, https://calval.cr.usgs.gov/apps/sites/default/files/jacie/MicheleKuester.pdf, Accessed on Sept. 14, 2021.
Kumar, L. and O. Mutang, 2018. Google Earth Engine Applications since Inception: Usage, Trends, and Potential, Remote Sensing, 10: 1509.

상세보기
Lee, K., S. Kang, K. Kim, and T.-B. Chae, 2017. Cloud-based Satellite Image Processing Service by Open Source Stack: A KARI Case, Korean Journal of Remote Sensing, 33(4): 339-350 (in Korean with English abstract).

원문보기 상세보기
Lee, K. and K. Kim, 2019. An Experiment for Surface Reflectance Image Generation of KOMPSAT 3A Image Data by Open Source Implementation, Korean Journal of Remote Sensing, 35(6-4): 1327-1339 (in Korean with English abstract).

원문보기 상세보기
Lee, K., K. Kim, S.-G. Lee, and Y.-S. Kim, 2019. Consideration Points for application of KOMPSAT Data to Open Data Cube, Journal of the Korean Association of Geographic Information Studies, 22(1): 62-77 (in Korean with English abstract).

원문보기 상세보기
Lee, K. and K. Kim, 2020. Validation of Surface Reflectance Product of KOMPSAT-3A Image Data Using RadCalNet Data, Korean Journal of Remote Sensing, 36(2-1): 167-178 (in Korean with English abstract).

원문보기 상세보기
Lee, K., K. Kim, S. Lee, and Y. Kim, 2020. Determination of the Normalized Difference Vegetation Index (NDVI) with Top-of-Canopy(TOC) Reflectance from a KOMPSAT-3A Image Using Orfeo ToolBox (OTB) Extension, International Journal of Geo-Information, 9(4): 257.

상세보기
Maso, J., A. Zabala, I. Serral, and X. Pons, 2019. A Portal Offering Standard Visualization and Analysis on Top of an Open Data Cube for Sub-National Regions: The Catalan Data Cube Example, Data, 4: 96.

상세보기
Pacific, F., 2020. Future of Remote Sensing and Data Quality, https://calval.cr.usgs.gov/apps/sites/default/files/jacie/2020-S5-Pacifici-Future_Remote_Sensing_Data_Quality.pdf. Accessed on June 12, 2021.
Pinto, C.T., X. Jing and L. Leigh, 2020. Evaluation Analysis of Landsat Level-1 and Level-2 Data Products Using In Situ Measurements, Remote Sensing, 12: 2597.

상세보기
Quang, N.H., V.A. Tuan, N.T.P. Hao, L.T.T. Hang, N.M. Hung, V.L. Anh, L.T.M. Phuong, and R. Carrie, 2019. Synthetic aperture radar and optical remote sensing image fusion for flood monitoring in the Vietnam lower Mekong basin: a prototype application for the Vietnam Open Data Cube, European Journal of Remote Sensing, 52(1): 599-612.

상세보기
Rizvi, S. R., B. Killough, A. Cherry, J. Rattz, A. Lubawy, and S. Gowda, 2020. Data Cube Application Algorithms for the United Nation Sustainable Development Goals (UN-SDGS), Proc. of 2020 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Virtual Conference, Waikoloa, HI, USA, Sep. 26-Oct. 2, pp. 3399-3402.
Sudmanns, M., D. Tiede, S. Lang, H. Bergstedt, G. Trost, H. Augustin, A. Baraldi, and T. Blaschke, 2020. Big Earth Data: Disruptive Changes in Earth Observation Data Management and Analysis?, International Journal of Digital Earth, 13(7): 832-850.

상세보기
Truckenbrodt, J., T. Freemantle, C. Williams, T. Jones, D. Small, C. Dubois, C. Thiel, C. Rossi, A. Syriou, and G. Giuliani, 2019. Towards Sentinel-1 SAR Analysis-Ready Data: A Best Practices Assessment on Preparing Backscatter Data for the Cube, Data, 4: 93.

상세보기
Voidrot, M.-F. and G. Percivall, G., 2020. OGC Geospatial Coverages Data Cube Community Practice, https://iopscience.iop.org/article/10.1088/1755-1315/509/1/012058/pdf, Accessed on Mar. 25, 2021.
Yao, X., Y. Liu, Q. Cao, J. Li, R. Huang, R. Woodcock, M. Paget, J. Wang, and G. Li, 2018. China Data Cube (CDC) for Big Earth Observation Data: Lessons Learned from the Design and Implementation, Proc. of International Workshop on Big Geospatial Data and Data Science (BGDDS), Wuhan, CN, Sept. 22, pp.1-3.
Zhang, L., G. Li, C. Zhang, H. Yue, and X. Liao, 2019. Approach and Practice: Integrating Earth Observation Resources for Data Sharing in China GEOSS, International Journal of Digital Earth, 12(12): 1441-1456.

상세보기
Zhong, B., A. Yang, Q. Liu, S. Wu, X. Shan, X. Mu, L. Hu, and J. Wu, 2021. Analysis Ready Data of the Chinese GaoFen Satellite Data, Remote Sensing, 13: 1709.

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