[논문]ANN을 활용한 유역유출 변화에 따른 합천댐 저수지 수질영향 분석

조부건; 정우석; 이종문; 김영도

doi:10.17663/jwr.2022.24.1.25

[국내논문] ANN을 활용한 유역유출 변화에 따른 합천댐 저수지 수질영향 분석
Analysis of Water Quality Impact of Hapcheon Dam Reservoir According to Changes in Watershed Runoff Using ANN 원문보기

한국습지학회지 = Journal of wetlands research, v.24 no.1, 2022년, pp.25 - 37

조부건 (명지대학교 토목환경공학과) , 정우석 (한국농어촌공사 농어촌연구원) , 이종문 (국립환경과학원 유역총량연구과) , 김영도 (명지대학교 토목환경공학과)

초록
AI-Helper

기후변화는 예측할 수 없는 변동성이 매우 커지고 있다. 이로인해 생태계, 인류의 생활, 수문학적 순환 등 다양한 시스템에 변화를 가져오고 있다. 특히 최근 예측할 수 없는 기후변화로 인해 극한가뭄 및 집중호우가 자주 발생하며 그로 인해 1차적 재해가 아닌 침수, 퇴사로 인한 수질오염을 유발하는 복합적인 수자원재해가 발생하고 있다. 유역모델로 SWAT를 이용하여 장래 유출량 및 오염부하량을 분석하고 기후시나리오는 기상청 표준 시나리오(HadGEM3-RA)의 RCP4.5 기후시나리오를 정상성 분위사상법을 적용하여 분석하였다. 기후시나리오와 유역모델의 연계모의로 유출량 및 오염부하량 분석을 수행하였고 연계모형의 적용 및 검증과 기후변화에 따른 미래 수질 변화 분석 결과를 최종적으로 제시하였다. 본 연구에서는 인공신경망을 이용하여 기후변화 시나리오를 모의하여 저수지 수질모형인 W2모델을 통한 댐 저수지의 변화와 인공신경망에서의 수온과 탁도의 결과를 비교하였다. 본 연구의 결과로 신경망모형의 장점인 비선형성 및 간편성을 기후변화를 적용한 합천댐 저수지에서의 수온과 탁도 예측에 적용 가능성을 제시하고자 한다.

Abstract ▼ AI-Helper

Climate change is becoming increasingly unpredictable. This has led to changes in various systems such as ecosystems, human life and hydrological cycles. In particular, the recent unpredictable climate change frequently causes extreme droughts and torrential rains, resulting in complex water resources disasters that cause water pollution due to inundation and retirement rather than primary disasters. SWAT was used as a watershed model to analyze future runoff and pollutant loads. The climate scenario analyzed the RCP4.5 climate scenario of the Meteorological Agency standard scenario (HadGEM3-RA) using the normal quantitative mapping method. Runoff and pollutant load analysis were performed by linkage simulation of climate scenario and watershed model. Finally, the results of application and verification of linkage model and analysis of future water quality change due to climate change were presented. In this study, we simulated climate change scenarios using artificial neural networks, analyzed changes in water temperature and turbidity, and compared the results of dams with artificial neural network results through W2 model, a reservoir water quality model. The results of this study suggest the possibility of applying the nonlinearity and simplicity of neural network model to Hapcheon dam water quality prediction using climate change.

주제어

표/그림 (24)

그림 Fig. 1. Location of study Area.
표 Table 1. Information on a specific climate scenario applied or adopted in this study
그림 Fig. 2. Hydrologic response units(HRU) concept.
표 Table 2. Overview of RCP Scenarios
표 Table 3. Statistical parameter of each rain gauge station under RCP 4.5 scenario(HadGEM3-RA)
그림 Fig. 3. Cross-section grid construction of horizontal and vertical in Hapcheon Dam.
그림 Fig. 4. Hapcheon Dam operation data in calibration and validation period.
그림 Fig. 5. Calibration and Validation of Flow.
그림 Fig. 6. Calibration and Validation of water quality.
표 Table 4. Result of Flow and Water quality calibration and validation
그림 Fig. 7. Comparison of observation and simulation in Hapcheon Dam(water surface).
표 Table 5. Result of change in the future outflow(HadGEM3-RA)
표 Table 6. Result of change in the future SS, T-N, T-P
표 Table 7. Error assessment of reservoir water surface simulation result in Hapcheon Dam
그림 Fig. 8. Comparison of observation and simulation water temperature in Hapcheon Dam.
표 Table 8. Error assessment of water temperature simulation result in Hapcheon Dam
그림 Fig. 9. Analysis of water temperature change in Hapcheon Dam Reservoir by HadGEM3-RA.
표 Table 9. Comparison of upper water temperature (HadGEM3-RA)
표 Table 10. Comparison of SS concentration (HadGEM3-RA)
그림 Fig. 10. Analysis of Turbidity by HadGEM3-RA(Hapcheon Dam).
그림 Fig. 11. Comparison of observation and simulation water temperature(ANN).
그림 Fig. 11. Comparison of observation and simulation water temperature(ANN) (Continued).
표 Table 11. Comparison of upper water temperature (ANN)
표 Table 12. Comparison of SS concentration (ANN)

AI 본문요약
AI-Helper

가설 설정

운동량과 정수압 및 자유수면 방정식을 포함하는 수리해석은 음해적 유한차분법(Implicit FDM)을 사용하고 물질 이송항은 ULIMATE-QUICKEST 법을 사용하여 해석함으로써 급격한 수온과 농도변화 모의에서 발생할 수 있는 수치확산과 수치진동 문제를 해결하였다. 또한 y 방향에 대해 평균화하기 때문에 x 방향 운동량 방정식은 횡방향에 대한 확산항을 가지게 되며, z 방향 운동량 방정식은 정수압 방정식으로 가정한다. 흐름에 의해 발생되는 난류의 응력항들은 Prand시의 혼합 길이 이론(mixing length theory)에 의한 eddy viscosity를 사용하여 속도경사와 와점성 계수의 함수로 표현된다.

제안 방법

본 연구에서의 분석구간은 Fig. 1과 같이 합천댐 유역의 기후변화에 따른 유출량을 고려하였으며 합천 댐 상류 구간으로 유역모형과 저수지 모형을 구축하여 분석하였다.
검증된 모형에 기후시나리오를 적용하여 미래 수환경 변화를 분석하였으며 적용한 기후시나리오는 거창 기상대 시나리오를 활용하여 일 단위 기온과 수온을 월평균, 월 최대값, 월 최소값을 적용하여 저수지 미래 수온 변화를 분석하였다. SS의 예측은 기후시나리오의 강우량은 누적강우를 예측하기 어려워 월 평균 강우량과 월 누적 강우량을 적용하여 예측하였다.
과거 모델링 수행을 통해 우리나라 토양의 토양층 개수, 토양층별 깊이, 토양층의 유효수분량, 포화수리전도도 등의 물리적 속성값을 구축하였으며, 토지이용에 따른 SWAT에서 요구하는 CN, USLE factor 등을 구축하였다.
기후변화는 전 세계적으로 중요한 문제로 지구가 직면한 가장 큰 위협중 하나임에 동의하고 있다. 따라서 기후변화를 적용한 유역의 댐 저수지으 호소 수질 변화 분석을 수행하였다. 연구 대상유역인 합천댐 유역을 대상으로 SWAT 모델과 기후 변화 시나리오를 적용하여 장기유역유출과 장기오염부하를 분석하여 W2 모형에 적용 미래 수질 변화를 분석하였다.
본 연구에서는 RCP 기반의 기후변화 표준 및 앙상블 시나리오하에서의 일단위 상세화전망을 위하여 미래 시나리오 HadGEM3-RA RCP 4.5 시나리오를 적용하여 저수지에서의 미래 수질영향을 분석하였다. W2 모형의 주요 입력 자료는 저수지 지형 및 단면자료와 상류와 하류의 유량 및 수질 경계 조건, 기상자료, 수온자료, 초기조건 등이 있다.
따라서 기후변화를 적용한 유역의 댐 저수지으 호소 수질 변화 분석을 수행하였다. 연구 대상유역인 합천댐 유역을 대상으로 SWAT 모델과 기후 변화 시나리오를 적용하여 장기유역유출과 장기오염부하를 분석하여 W2 모형에 적용 미래 수질 변화를 분석하였다. 기후시나리오는 기상청 표준 시나리오(HadGEM3-RA)의 RCP4.
유입수 수온 경계조건의 경우 합천댐 유입부에서 실측된 일별 수온자료가 없어 거창1 지점과 거창2 지점의 2010년 실측 유량과 수온 및 거창기상대의 기온자료를 바탕으로 회귀분석을 통해 산정하였다. 유입수의 SS 농도는 거창1 지점과 거창2지점의 2010년에 실측된 유량과 SS 농도의 상관관계를 사용하여 산정하였다.
초기조건으로는 보정년도는 2010년 1월 1일 ~ 2010년 12월 31일, 검증년도는 2011년 1월 1일 ~ 2011년 12월 31일로 선정한 후 모델을 구축하여 물수지, 수온성층, SS 및 부영양화 해석에 대하여 매개변수 보정을 수행하였다. 초기 수온 조건은 2010년 1월에 거창1 지점에서 측정된 수심별 수온 측정자료를 활용하여 모의시작시점의 초기 수온인 10.
초기조건으로는 보정년도는 2010년 1월 1일 ~ 2010년 12월 31일, 검증년도는 2011년 1월 1일 ~ 2011년 12월 31일로 선정한 후 모델을 구축하여 물수지, 수온성층, SS 및 부영양화 해석에 대하여 매개변수 보정을 수행하였다. 초기 수온 조건은 2010년 1월에 거창1 지점에서 측정된 수심별 수온 측정자료를 활용하여 모의시작시점의 초기 수온인 10.

대상 데이터

기상자료는 합천댐과 가장 인접한 거창기상대의 보정 및 검증년도 2010, 2011년 자료를 수집하여 사용하였다.
미래 시나리오를 적용하여 기후전망을 하기 위하여 기상청 표준시나리오(HadGEM3-RA)는 영국 기상청 해들리센터의 전지구 대기-해양 결합모델인 HadGEM2-AO에 기초하여 생산된 자료인 HadGEM3-RA자료를 사용하였다. 기상청 산하 기후변화정보센터(Climate Change Information Center; CCIC)로부터 한반도 RCP 4.5 자료(12.5km)를 제공받았으며(Table 1), 기후변화정보센터에서는 자체적으로 한반도 전망자료(12.5km), 남한상세 전망자료(1km), 기후극한지수, 행정 구역별 자료 등 다양한 형태의 자료를 제공하고 있지만 영국에서 개발된 단일모델 자료만을 사용하고 있다는 단점이 있다.
모델 격자구성은 황강 본류와 주요 지류하천을 4개의 구획(Branch)으로 구분하여 흐름방향으로 91개의 요소(segment), 수심방향 1m 간격으로 84개의 수층(layer)으로 구성하였다(Fig. 3).
미래 시나리오를 적용하여 기후전망을 하기 위하여 기상청 표준시나리오(HadGEM3-RA)는 영국 기상청 해들리센터의 전지구 대기-해양 결합모델인 HadGEM2-AO에 기초하여 생산된 자료인 HadGEM3-RA자료를 사용하였다. 기상청 산하 기후변화정보센터(Climate Change Information Center; CCIC)로부터 한반도 RCP 4.
보정 및 검증에 사용한 수위 및 수질 자료는 수자원공사에서 제공하는 댐 운영 자료와 환경부 수질측정망 자료를 사용하였다.
Table 9에 미래 기후변화 시나리오 적용에 따른 합천댐 지점의 모의 대상년도 연평균 상층수온 결과를 나타내었다. 분석 기간은 2021년~2100년이며, 2021년~2040년은 FFS(Foreseeable Future Scenario), 2041년~2070년은 MFS(Mid-term Future Scenario), 2071년~2100년은 LFS(Long-term Future Scenario)로 3개 기간으로 구분하였다. HadGEM3-RA 기후 시나리오의 경우, FFS 기간에서 미래인 LFS 기간으로 갈수록 상층수온이 증가하는 경향을 나타내고 있다.
장기유출과 수질부하량을 모의하기 위해 낙동강 주요 지류에 대한 수질 관측 자료를 수집하였다. 수집된 자료는 환경부 오염총량제 수질측정망에서 관측하고 물환경정보시스템(http://water.nier.go.kr)에서 제공하는 8일 간격의 자료이다. 하지만 8일 간격의 관측자료로는 일단위로 모의되는 SWAT 모형의 수질부하량 결과를 평가하기엔 무리가 있기 때문에 8일 간격의 자료를 일 단위 자료로 보간하는 방법을 제시 하였다.
유량 경계조건은 한국수자원공사에서 댐 수문자료에서 수집한 2010, 2011년 합천댐 운영자료로부터 강우, 유입량, 유출량, 댐수위 자료를 구성하였다.
장기유출과 수질부하량을 모의하기 위해 낙동강 주요 지류에 대한 수질 관측 자료를 수집하였다. 수집된 자료는 환경부 오염총량제 수질측정망에서 관측하고 물환경정보시스템(http://water.

데이터처리

본 연구에서는 합천댐 저수지 수질관측소와 거창기상대의 자료를 활용하여 인공신경망 모형을 구축하였다. 2005년부터 2015년까지의 측정자료를 활용하여 수온과 SS에 대하여 모형을 구축하였으며 2016년~2018년 측정값과 비교하여 모형을 검증하였다. 모형구축에는 거창 기상대 기온과 합천댐 저수지의 수온을 예측하였다.
SWAT 모형의 보정 및 검증을 위해 유출량에 대한 보정 및 검증을 실시하였다. 유출모의를 위해 모의기간을 설정하고, 모형의 안정화를 위해 구동초기 2년을 안정화기간(Warm-up period)으로 설정하였다.
수심이 깊은 저수지의 수온성층 구조는 오염물질의 공간적 분포와 상하 수직혼합에 영향을 미치며, 궁극적으로는 입자상 물질의 침강속도, 수질반응 속도, 조류의 성장환경에도 영향을 미치므로 우선 검증되어야 할 요소이다. W2 모델의 수온 예측성능을 검증하기 위해 보정기간과 검증기간의 수심별 수온 모의값과 실측값을 비교하였다.
W2 모형의 수치격자가 합천댐의 지형과 물수지를 잘 재현하는지 확인하기 위해 보정기간과 검증기간인의 실측수위와 모의수위를 비교하였다. 수심이 깊은 저수지의 수온성층 구조는 오염물질의 공간적 분포와 상하 수직혼합에 영향을 미치며, 궁극적으로는 입자상 물질의 침강속도, 수질반응 속도, 조류의 성장환경에도 영향을 미치므로 우선 검증되어야 할 요소이다.
유입수 수온 경계조건의 경우 합천댐 유입부에서 실측된 일별 수온자료가 없어 거창1 지점과 거창2 지점의 2010년 실측 유량과 수온 및 거창기상대의 기온자료를 바탕으로 회귀분석을 통해 산정하였다. 유입수의 SS 농도는 거창1 지점과 거창2지점의 2010년에 실측된 유량과 SS 농도의 상관관계를 사용하여 산정하였다.

이론/모형

수리동력학 지배방정식에 저수지 바닥 경사항 고려, 입력자료의 선형보간(Interpolation) 기능, 사용자 편의 프로그램(GUI) 등 다양한 기능이 포함되어 있다. W2 모델의 수리해석은 수위, 압력, 수평방향 유속, 수심방향 유속, 물질의 농도, 밀도 등 6가지 변수를 연속방정식(식 1), x 방향 운동량 방정식(식 2), 정수압 방정식(식 3), 자유수면 방정식(식 4), 밀도상태방정식(식 5), 물질 수지방정식(식 6) 등 6개의 지배방정식을 사용하여 다양한 유한차분수치해석법(Finite Different Method : FDM)을 사용하여 푼다. 하천 구간에 대해 적용할 경우 x 방향 운동량 방정식과 정수압 방정식은 하상경사(channel slope)를 고려해 준다.
연구 대상유역인 합천댐 유역을 대상으로 SWAT 모델과 기후 변화 시나리오를 적용하여 장기유역유출과 장기오염부하를 분석하여 W2 모형에 적용 미래 수질 변화를 분석하였다. 기후시나리오는 기상청 표준 시나리오(HadGEM3-RA)의 RCP4.5 시나리오를 비정상성 분위사상법을 활용하여 분석하였다.
수문 모형은 각 HRU에서 모형화의 근간이 되는 물수지 방정식에 근거하여 일단위로 강수량, 침투량, 증발산량과 SCS 방법을 적용하여지표면 유출량을 산정한다. 또한, 토양침식 및 퇴적에 따른 유사량은 수정범용토양손실공식(Modified Universal Soil Loss Equation, MUSLE)을 적용하여 추정한다. 그리고 주하천으로의 유입량을 우선 결정된 후 하도추적 모형에서는 홍수량과 하천망과 하천 및 하상에서의 유사이송을 산정한다.
유출모의를 위해 모의기간을 설정하고, 모형의 안정화를 위해 구동초기 2년을 안정화기간(Warm-up period)으로 설정하였다. 모의옵션으로 지표유출은 SCS 유출 곡선법, 증발산량 산정은 Penman-Monteith 방법, 하도추적은 Muskingum 방법을 이용하였다.
본 연구에서는 StatSoft사의 STATISTICA 7 프로그램을 활용하여 인공신경망을 구축하였다. 수온과 탁도를 예측하기 위하여 사용된 인공신경망은 다층 신경망구조로 모델링 하였으며, 학습방법으로는 역전파알고리즘(backpropagation algorithm)을 사용하였다.
(Rojas, 1996). 본 연구에서는 합천댐 저수지 수질관측소와 거창기상대의 자료를 활용하여 인공신경망 모형을 구축하였다. 2005년부터 2015년까지의 측정자료를 활용하여 수온과 SS에 대하여 모형을 구축하였으며 2016년~2018년 측정값과 비교하여 모형을 검증하였다.
본 연구에서는 StatSoft사의 STATISTICA 7 프로그램을 활용하여 인공신경망을 구축하였다. 수온과 탁도를 예측하기 위하여 사용된 인공신경망은 다층 신경망구조로 모델링 하였으며, 학습방법으로는 역전파알고리즘(backpropagation algorithm)을 사용하였다. 역전파알고리즘은 일반적으로 인공신경망 모형의 학습을 위하여 많이 사용되는 기법이다.
하천 구간에 대해 적용할 경우 x 방향 운동량 방정식과 정수압 방정식은 하상경사(channel slope)를 고려해 준다. 운동량과 정수압 및 자유수면 방정식을 포함하는 수리해석은 음해적 유한차분법(Implicit FDM)을 사용하고 물질 이송항은 ULIMATE-QUICKEST 법을 사용하여 해석함으로써 급격한 수온과 농도변화 모의에서 발생할 수 있는 수치확산과 수치진동 문제를 해결하였다. 또한 y 방향에 대해 평균화하기 때문에 x 방향 운동량 방정식은 횡방향에 대한 확산항을 가지게 되며, z 방향 운동량 방정식은 정수압 방정식으로 가정한다.

성능/효과

SWAT 모형의 보정 및 검정 상관성 분석결과, 관측값과 모의값의 차이가 나타나지만 수질항목별 상관성을 분석하였을 때 전체적으로 만족하는 결과를 보이고 있으며 W2 분석 결과 기후변화가 저수지 수환경에 미치는 영향 분석 결과 수온의 경우 HadGEM3-RA 기후시나리오의 경우, FFS 기간에서 미래인 LFS 기간으로 갈수록 상층수온이 증가하는 경향을 나타내고 있다. 6월 초에 수온성층 현상이 발생하여 8월 초에 수온 약층이 강하게 형성되고 있다.

후속연구

W2 모형의 수치격자가 합천댐의 지형과 물수지를 잘 재현하는지 확인하기 위해 보정기간과 검증기간인의 실측수위와 모의수위를 비교하였다. 수심이 깊은 저수지의 수온성층 구조는 오염물질의 공간적 분포와 상하 수직혼합에 영향을 미치며, 궁극적으로는 입자상 물질의 침강속도, 수질반응 속도, 조류의 성장환경에도 영향을 미치므로 우선 검증되어야 할 요소이다. W2 모델의 수온 예측성능을 검증하기 위해 보정기간과 검증기간의 수심별 수온 모의값과 실측값을 비교하였다.
이러한 결과는 SS가 수온에 비해 경향성이 떨어지며 인공신경망을 활용하여 재현하는데 적용성이 떨어진다고 판단된다. 수온과 같은 경향성이 나타나는 자료에 대해서는 인공신경망을 활용한 미래예측이 가능하다고 판단되며 물리모형에 비해 간단한 방법으로 미래 수환경 예측을 하는데 장점이 있다고 사료되며 인공신경망 모형의 구축에 있어 데이터의 확보와 재현성을 높이는 방법에 대하여 추가적으로 연구를 하여 수환경 미래예측에 도움이 될 것으로 판단된다.

참고문헌 (12)

Anandhi, A., Frei, A., Pierson, D.C., Schneiderman, E.M., Zion, M.S., Lounsbury, D. and Matonse, A.H. (2011) Examination of change factor methodologies for climate change impact assessment. Water Resources Research, 47(3), DOI: 10.1029/2010WR009104

상세보기
Bo Ram Kim, Boo Sik Kang. (2013). Simulation of Water Temperature and Suspended Solid Stratification in Hapcheon Dam Reservoir using CE-QUAL-W2. Joint spring academic presentation(2000~), 2013(0), 209-210.
Cayan, D. R., E. P. Maurer, M. D. Dettinger, M. Tyree, and K. Hayhoe (2008) Climate change scenarios for the California region, Climatic change, 87(1), pp. 21-42, DOI: 10.1007/s10584-007-9377-6

상세보기
Cole, T. M. and D. H. Tillman 1999. Water Quality Modeling of Lake Monroe using CE-QUAL-W2, Miscellaneous Paper EL-99-1.
Debele, B., Srinivasan, R., Parlange, J.-Y. 2008. "Coupling upland watershed and downstream waterbody hydrodynamic and water quality models(SWAT and CE-QUAL-W2) for better water resources management in complex river basins." Environ Model Assess, 13, pp.135-153. DOI: 10.1007/s10666-006-9075-1

상세보기
Gupta, V.K. and Waymire, E. (1990) Multiscaling properties of spatial rainfall and river flow distributions. Journal of Geophysical Research: Atmospheres, 95(D3), pp. 1999-2009. DOI: 10.1029/JD095iD03p01999

상세보기
Hayhoe, K., Cayan, D., Field, C. B., Frumhoff, P. C., Maurer, E. P., Miller, N. L., Verville, J. H. (2004) Emissions pathways, climate change, and impacts on California. Proceedings of the National Academy of Sciences of the United States of America, 101(34), pp. 12422-12427. DOI: 10.1073/pnas.0404500101

상세보기
Kim, Y.D., Kim, J.M. and Kang, B. 2016. Projection of runoff and sediment yield under coordinated climate change and urbanization scenarios in Doam Dam, Journal of Water and Climate Change (2017) 8 (2):235-253. DOI: 10.2166/wcc.2016.068

상세보기
Moron, V., Robertson, A. W., Ward, M. N., Ndiaye, O. (2008) Weather types and rainfall over Senegal. Part II: Downscaling of GCM simulations. Journal of Climate, 21(2), pp. 288-307. DOI: 10.1175/2007JCLI1624.1

상세보기
Moon, S.J., Kim, J.J., Kang, B.S. 2013. Bias Correction for GCM Long-term Prediction using Nonstationary Quantile Mapping. J. Korea Water Resources Association, Vol46, No.8, pp.833-342. DOI: 10.3741/JKWRA.2013.46.8.833

원문보기 상세보기
Se Woong Chung, Jae Ho Park, Yu Kyung Kim, Sung Wan Yoon. (2007). Research Paper : Application of CE-QUAL-W2 to Daecheong Reservoir for Eutrophication Simulation. Journal of Korean Society on Water Environment, 23(1), 52-63.
Yoo, C., Kim, K., Kim, N.W. 2005. "Optimal Rain Gauge Density and Sub-basin Size for SWAT Model Application" JournalofKoreaWaterResourcesAssociation,Vol.38,No.5, pp.415-425. DOI: 10.3741/JKWRA.2005.38.5.415

원문보기 상세보기

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