[논문]원격탐사자료를 활용한 기상학적 가뭄 시 식생의 생태학적 가뭄 상태 모니터링

원정은; 정하은; 강신욱; 김상단

doi:10.7780/kjrs.2022.38.5.3.7

원격탐사자료를 활용한 기상학적 가뭄 시 식생의 생태학적 가뭄 상태 모니터링
Monitoring the Ecological Drought Condition of Vegetation during Meteorological Drought Using Remote Sensing Data 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.38 no.5 pt.3, 2022년, pp.887 - 899

원정은 (부경대학교 지구환경시스템과학부 환경공학전공) , 정하은 (부경대학교 지구환경시스템과학부 환경공학전공) , 강신욱 (K-water연구원 스마트시티 R&D 실증센터) , 김상단 (부경대학교 지구환경시스템과학부 환경공학전공)

초록
AI-Helper

기상학적 요인에 의해 발생하는 가뭄은 육상 생태계의 식생에 부정적인 영향을 미친다. 본 연구에서는 기상학적 가뭄이 식생에 영향을 미치는 상태를 식생의 생태가뭄으로 정의하고, 영향 정도를 정량적으로 감시하기 위한 식생의 생태가뭄 상태지수(ecological drought condition index of vegetation, EDCI-veg)를 제안하였다. EDCI-veg는 식생과 기상학적 가뭄 정보 사이의 copula 기반의 이변량 결합확률모델로부터 도출되며, 가뭄이 발생했을 때 현재의 식생 상태가 가뭄으로 인해 얼마나 영향을 받았는지를 수치로 표현할 수 있다. 과거의 기상학적 가뭄 사상과 그에 대응하는 식생 상태를 비교하여 제안된 지수를 살펴본 결과, EDCI-veg는 식생의 생태가뭄을 적절하게 모니터링할 수 있음이 확인되었다. 또한, 원격탐사자료를 활용하여 고해상도의 가뭄 지도를 작성함으로써 생태가뭄 상태를 공간적으로 식별할 수 있었다.

Abstract ▼ AI-Helper

Drought caused by meteorological factors negatively affects vegetation in terrestrial ecosystems. In this study, the state in which meteorological drought affects vegetation was defined as the ecological drought of vegetation, and the ecological drought condition index of vegetation (EDCI-veg) was proposed to quantitatively monitor the degree of impact. EDCI-veg is derived from a copula-based bi-variate joint probability model between vegetation and meteorological drought information, and can be expressed numerically how affected the current vegetation condition was by the drought when the drought occurred. Comparing past meteorological drought events with their corresponding vegetation condition, the proposed index was examined, and it was confirmed that EDCI-veg could properly monitor the ecological drought of vegetation. In addition, it was possible to spatially identify ecological drought conditions by creating a high-resolution drought map using remote sensing data.

주제어

표/그림 (8)

그림 Fig. 1. Gamcheon basin.
그림 Fig. 2. Probabilistic analysis of ecological drought condition of vegetation during meteorological drought.
그림 Fig. 3. Histogram of optimal time-scale of SPI.
그림 Fig. 4. AIC values of five copulas for VHI and SPI (Left), Q-Q plot using best-fitted copula (Center), and conditional CDF of VHI under SPI < 0, SPI < -1 and SPI < -2 (Right).
그림 Fig. 5. VHI, SPI and EDCI-veg time series.
그림 Fig. 6. Result of ROC analysis of EDCI-veg.
표 Table 1. ROC Model
그림 Fig. 7. Drought severity map of VHI, SPI, and EDCI-veg.

AI 본문요약
AI-Helper

문제 정의

본 연구는 강수량 부족에 기인하는 기상학적 가뭄으로 인한 식생 생태가뭄을 모니터링하는 것에 중점을 두었다. 그러나 강수 부족으로 인한 기상학적 가뭄 뿐만 아니라 과도한 증발산이 원인으로 작용하여 발생하는 기상학적 가뭄에 대한 생태가뭄도 발생할 수 있다.
본 연구의 주요 목적은 감천 유역에서 기상학적 가뭄이 식생에 영향을 미치는 상태 즉, 식생의 생태가뭄 상태를 모니터링하는 것이었다. 이를 위해 기상학적 가뭄지수와 식생지수 즉, SPI-VHI 사이의 이변량 결합확률모델을 구성하고 결합확률분포로부터 EDCI-veg를 제안하였다.

제안 방법

본 연구에서는 SPI-VHI의 이변량 결합확률분포를 기반으로 기상학적 가뭄으로 인해 식생이 받는 영향을 정량적인 수치로 나타내는 EDCI-veg를 제안하였다. EDCI-veg는 식(5)를 기반으로 [현재 기상 조건에서 현재 식생 상태의 비초과확률/평상시 기상 조건에서 현재 식생 상태의 비초과확률]로 정의된다.
본 연구에서는 SPI와 VHI 사이의 상호관계를 설명하기 위해 copula 기반의 이변량 결합 확률분포를 모형화하였다. 이때, 이변량 결합확률분포는 계절별로(봄: 3~5월, 여름: 6~8월, 가을: 9~11월, 겨울: 12~2월) 구성된다.
본 절에서는 VHI, SPI 그리고 EDCI-veg로부터 도출된 나타난 식생, 기상학적 가뭄 그리고 식생 생태가뭄 상태를 지도화하였다. Fig.
본 연구의 주요 목적은 감천 유역에서 기상학적 가뭄이 식생에 영향을 미치는 상태 즉, 식생의 생태가뭄 상태를 모니터링하는 것이었다. 이를 위해 기상학적 가뭄지수와 식생지수 즉, SPI-VHI 사이의 이변량 결합확률모델을 구성하고 결합확률분포로부터 EDCI-veg를 제안하였다. EDCI-veg의 시계열을 통해 식생의 생태가뭄이 발생한 시기를 식별하고, 발생 상황을 모니터링할 수 있었다.
즉, 극심한 기상학적 가뭄이 발생하였지만 감천 상류 및 중류를 제외한 지역은 식생이 영향을 받지 않은 상태로 식생의 생태가뭄이 발생하지 않은 지역이다. 이에 따라 EDCI-veg는 식생 악화가 나타난 감천 상류 및 중류 부근을 중심으로 심한 식생 생태가뭄을 모니터링하였다. 이와 유사하게, 2015년 10월은 SPI가 평균 –1 이하인 보통 가뭄이 발생하였다.
픽셀별로 구성된 SPI-VHI의 이변량 결합확률분포로 부터 식생의 생태학적 가뭄 상태를 모니터링하기 위한 EDCI-veg를 산정하였다. Fig.

대상 데이터

본 연구는 낙동강 유역의 서쪽에 위치한 감천 유역을 대상으로 한다. 감천 유역의 면적은 낙동강 유역의 4.

데이터처리

VHI의 최적 한계확률분포를 결정하기 위해 일반적으로 사용되는 6개의 이론적 확률분포(Normal 분포, Log-Normal 분포, Gamma 분포, Weibull 분포, Log-Logistic 분포, GEV 분포)를 적용하였다. 각 분포의 매개변수는 최대 우도 방법으로 추정되며, K-S 적합도 검정에 기반하여 VHI의 최적 한계확률분포를 결정하였다.
각 픽셀의 과거 시계열을 분석하여 ROC 모형으로부터 픽셀별 HR 및 FAR을 산정하고 HR 및 FAR의 정보로부터 ROC score를 계산하였다. ROC score는 Area Under Curve (AUC) 값으로 나타나며 ROC score가 1이면 지수가 가뭄을 완벽하게 모니터링하였음을 의미하고 0.
이를 위해 1~12개월까지 다양한 시간 척도에 대한 SPI와 VHI 사이의 상관관계를 분석하였다. 상관관계 분석을 통하여 각 픽셀 및 각 계절에 대하여 VHI와 교차상관계수가 가장 높은 SPI의 시간 척도를 최적 시간 척도로 채택하였다. Fig.
따라서 식생이 얼마나 오래 누적된 강수량에 가장 큰 영향을 받는지를 조사할 필요가 있다. 이를 위해 1~12개월까지 다양한 시간 척도에 대한 SPI와 VHI 사이의 상관관계를 분석하였다. 상관관계 분석을 통하여 각 픽셀 및 각 계절에 대하여 VHI와 교차상관계수가 가장 높은 SPI의 시간 척도를 최적 시간 척도로 채택하였다.
최적의 copula 함수를 이용하여 VHI와 SPI의 이변량 결합확률모델을 구성하기에 앞서 1개월부터 12개월까지 다양한 시간척도를 가지는 SPI의 최적 시간척도를 결정해야 한다. 이를 위해 SPI와 VHI 사이의 교차상관 분석을 수행하고 VHI와 교차상관계수가 가장 높은 가뭄지수의 시간척도를 최적 시간척도로 채택하였다. SPI의 최적 시간척도를 결정한 다음, 최적 시간척도에서의 SPI와 VHI의 한계확률분포를 결정하였다.

이론/모형

이를 위해 기상학적 가뭄지수와 식생지수 즉, SPI-VHI 사이의 이변량 결합확률모델을 구성하고 결합확률분포로부터 EDCI-veg를 제안하였다. EDCI-veg의 시계열을 통해 식생의 생태가뭄이 발생한 시기를 식별하고, 발생 상황을 모니터링할 수 있었다. 또한, 원격탐사자료를 활용한 EDCI-veg의 공간 지도는 동일한 기상학적 가뭄 상황에서도 생태가뭄이 특히 더 심각한 지역을 식별할 수 있었다.
EDCI-veg의 식생의 생태가뭄 모니터링 능력을 객관적으로 평가하기 위해 Table 1과 같이 설정된 ROC 모형을 적용하였다. 생태가뭄이 발생(즉, SPI가 –1 이하이며 VHI가 40 이하인 상태)한 월의 EDCI-veg가 임곗값을 초과하면 EDCI-veg가 생태가뭄을 적중한 것이며(Hit, H), EDCI-veg가 임곗값을 초과하지 않으면 가뭄을 적중하지 못한 것(Missing, M)이다.
식생에 영향을 미치는 기상학적 가뭄은 대기의 수분 공급 측면인 강수량 부족에 의한 가뭄으로 표현하였다. 이를 위해 강수량 기반의 대표적인 가뭄지수인 SPI가 이용되었다. SPI는 다양한 시간척도에 대한 이동평균 강수량을 이용하여 계산된다.

성능/효과

Fig. 5를 통해 제안된 EDCI-veg는 생태가뭄이 발생한 기간을 식별하고 적절히 모니터링하고 있음을 확인할 수 있었다.
EDCI-veg의 시계열을 통해 식생의 생태가뭄이 발생한 시기를 식별하고, 발생 상황을 모니터링할 수 있었다. 또한, 원격탐사자료를 활용한 EDCI-veg의 공간 지도는 동일한 기상학적 가뭄 상황에서도 생태가뭄이 특히 더 심각한 지역을 식별할 수 있었다. EDCI-veg의 모니터링 능력을 평가하기 위한 ROC 분석은 임곗값을 1.
이때, 주황색 면적이 파란색 면적보다 크면 현재 기상 조건이 식생에 영향을 미쳤음을 의미한다. 이론적으로 EDCI-veg 값이 1을 초과 하면 가뭄으로 인해 식생이 영향을 받음을 의미하며, 값이 클수록 현재 기상 조건이 식생에 미치는 영향이 큼을 의미한다.
제안된 EDCI-veg는 식생의 생태학적 가뭄이 발생한 2001~2002년, 2005~2009년, 2016년 및 2021년에 1 이상으로 산정되었다. 특히 2006년에서 2007년까지 그리고 2008년에서 2009년까지 이어진 식생의 생태학적 가뭄을 적절하게 모니터링할 수 있었다. Fig.

후속연구

다만, EDCI-veg를 이용하여 식생의 생태가뭄을 분명하게 모니터링하기 위해서는 추후 전 지역에 대한 적용 범위를 확대하여 적절한 임곗값을 마련하고 가뭄 단계별 구분이 필요할 것이다.
단기간 또는 장기간 지속된 강수량 부족과 그로 인해 영향을 받는 식생 사이에는 계절마다 그리고 지역마다 차이가 있다. 따라서 식생이 얼마나 오래 누적된 강수량에 가장 큰 영향을 받는지를 조사할 필요가 있다. 이를 위해 1~12개월까지 다양한 시간 척도에 대한 SPI와 VHI 사이의 상관관계를 분석하였다.
또한, 극한 기후 현상은 동시에 발생할 수 있기 때문에 식생과 가뭄 사이의 관계를 식별하는 데에는 이변량 결합 구조는 충분하지 않을 수 있다. 따라서 향후 연구에서는 증발산을 포함한 다양한 기후조건을 포괄할 수 있는 고차원의 copula 모형을 적용할 필요가 있을 것이다. 또한, 우리나라에서 식생의 생태학적 가뭄이 발생했을 때 가장 직·간접적으로 피해를 받는 곳은 논, 밭, 과수원 등과 같이 농작물 생산이 이루어지는 지역이다.
또한, EDCI-veg의 ‘관심’, ‘주의’, ‘경계’, ‘심각’과 같은 생태가뭄의 단계별 기준을 마련하여 식생 생태가뭄을 명시적으로 표현할 필요가 있을 것이다.
이에 따라 추후 연구에서는 토지피복에 따른 생태가뭄 분석을 수행하고 모니터링함으로써 지역 특성을 반영하여 가뭄 판단 기준을 수립할 필요가 있을 것이다. 본 연구의 EDCI-veg를 기반으로 향후 연구에서는 다양한 측면의 가뭄으로 발생하는 식생의 생태가뭄을 보다 합리적으로 모니터링할 수 있을 것으로 기대된다.
또한, 우리나라에서 식생의 생태학적 가뭄이 발생했을 때 가장 직·간접적으로 피해를 받는 곳은 논, 밭, 과수원 등과 같이 농작물 생산이 이루어지는 지역이다. 이에 따라 추후 연구에서는 토지피복에 따른 생태가뭄 분석을 수행하고 모니터링함으로써 지역 특성을 반영하여 가뭄 판단 기준을 수립할 필요가 있을 것이다. 본 연구의 EDCI-veg를 기반으로 향후 연구에서는 다양한 측면의 가뭄으로 발생하는 식생의 생태가뭄을 보다 합리적으로 모니터링할 수 있을 것으로 기대된다.
추후 연구에서는 남한 전 지역에 대해 적용 범위를 확대하여 식생의 생태가뭄 모니터링을 수행할 필요가 있다. 전 지역에서의 생태가뭄 모니터링을 통해 지역별로 생태가뭄의 특성을 식별하고, 남한에 적용할 수 있는 대표적인 가뭄 임곗값을 마련할 수 있을 것이다. 또한, EDCI-veg의 ‘관심’, ‘주의’, ‘경계’, ‘심각’과 같은 생태가뭄의 단계별 기준을 마련하여 식생 생태가뭄을 명시적으로 표현할 필요가 있을 것이다.
1로 설정하였을 때 가장 합리적인 결과를 보였다. 추후 연구에서는 남한 전 지역에 대해 적용 범위를 확대하여 식생의 생태가뭄 모니터링을 수행할 필요가 있다. 전 지역에서의 생태가뭄 모니터링을 통해 지역별로 생태가뭄의 특성을 식별하고, 남한에 적용할 수 있는 대표적인 가뭄 임곗값을 마련할 수 있을 것이다.

참고문헌 (27)

Almamalachy, Y.S., A.M.F. Al-Quraishi, and H. Moradkhani, 2020. Agricultural drought monitoring over Iraq utilizing MODIS products, In: Al-Quraishi, A., Negm, A. (eds), Environmental Remote Sensing and GIS in Iraq, Springer, Cham, Switzerland, pp. 253-278. https://doi.org/10.1007/978-3-030-21344-2_11
Boori, M.S., K. Choudhary, and A. Kupriyanov, 2022. Detecting vegetation drought dynamics in European Russia, Geocarto International, 37(9): 2490-2505. https://doi.org/10.1080/10106049.2020.1750063

상세보기
Brandt, M., G. Tappan, A.A. Diouf, G. Beye, C. Mbow, and R. Fensholt, 2017. Woody vegetation die off and regeneration in response to rainfall variability in the West African Sahel, Remote Sensing, 9(1): 39. https://doi.org/10.3390/rs9010039

상세보기
Choi, M., J.M. Jacobs, M. C. Anderson, and D. D. Bosch, 2013. Evaluation of drought indices via remotely sensed data with hydrological variables, Journal of Hydrology, 476: 265-273. https://doi.org/10.1016/j.jhydrol.2012.10.042

상세보기
Crausbay, S.D., A.R. Ramirez, S.L. Carter, M.S. Cross, K.R. Hall, D.J. Bathke, J.L. Betancourt, S. Colt, A.E. Cravens, M.S. Dalton, J.B. Dunham, L.E. Hay, M.J. Hayes, J. McEvoy, C.A. McNutt, M.A. Moritz, K.H. Nislow, N. Raheem, and T. Sanford, 2017. Defining ecological drought for the twenty-first century, Bulletin of the American Meteorological Society, 98(12): 2543-2550. https://doi.org/10.1175/BAMS-D-16-0292.1

상세보기
Cunha, A.P.M., R.C. Alvala, C.A. Nobre, and M.A. Carvalho, 2015. Monitoring vegetative drought dynamics in the Brazilian semiarid region, Agricultural and Forest Meteorology, 214: 494-505. https://doi.org/10.1016/j.agrformet.2015.09.010

상세보기
Djebou, D.C.S., V.P. Singh, and O.W. Frauenfeld, 2015. Vegetation response to precipitation across the aridity gradient of the southwestern United states, Journal of Arid Environments, 115: 35-43. https://doi.org/10.1016/j.jaridenv.2015.01.005

상세보기
Fang, W., S. Huang, Q. Huang, G. Huang, H. Wang, G. Leng, L. Wang, and Y. Guo, 2019. Probabilistic assessment of remote sensing-based terrestrial vegetation vulnerability to drought stress of the Loess Plateau in China, Remote Sensing of Environment, 232: 111290. https://doi.org/10.1016/j.rse.2019.111290

상세보기
Javed, T., Y. Li, S. Rashid, F. Li, Q. Hu, H. Feng, X. Chen, S. Ahmad, F. Liu, and B. Pulatov, 2021. Performance and relationship of four different agricultural drought indices for drought monitoring in China's mainland using remote sensing data, Science of The Total Environment, 759: 143530. https://doi.org/10.1016/j.scitotenv.2020.143530

상세보기
Jehanzaib, M. and T.W. Kim, 2020. Exploring the influence of climate change-induced drought propagation on wetlands, Ecological Engineering, 149: 105799. https://doi.org/10.1016/j.ecoleng.2020.105799

상세보기
Jha, S., J. Das, A. Sharma, B. Hazra, and M.K. Goyal, 2019. Probabilistic evaluation of vegetation drought likelihood and its implications to resilience across India, Global and Planetary Change, 176: 23-35. https://doi.org/10.1016/j.gloplacha.2019.01.014

상세보기
Kogan, F.N., 1997. Global drought watch from space, Bulletin of the American Meteorological Society, 78(4): 621-636. https://doi.org/10.1175/1520-0477(1997)078 2.0.CO;2

상세보기
Lovelock, C.E. and J. Ellison, 2007. Chapter 9 Vulnerability of mangroves and tidal wetlands of the Great Barrier Reef to climate change, In: Johnson, J., Marshall, P. (eds), Climate Change and the Great Barrier Reef, Great Barrier Reef Marine Park Authority and Australian Greenhouse Office, Australia, pp. 237-269. http://hdl.handle.net/11017/542
McKee, T.B., N.J. Doesken, and J. Kleist, 1993. The relationship of drought frequency and duration to time scales, Proc. of the 8th Conference on Applied Climatology, Anaheim, CA, Jan. 17-22, vol. 17, pp. 179-183.
Rhee, J., J. Im, and G. J. Carbone, 2010. Monitoring agricultural drought for arid and humid regions using multi-sensor remote sensing data, Remote Sensing of Environment, 114(12): 2875-2887. https://doi.org/10.1016/j.rse.2010.07.005

상세보기
Sadegh, M., E. Ragno, and A. AghaKouchak, 2017. Multivariate Copula Analysis Toolbox (MvCAT): describing dependence and underlying uncertainty using a Bayesian framework, Water Resources Research, 53(6): 5166-5183. https://doi.org/10.1002/2016WR020242

상세보기
Sandeep, P., G.O. Reddy, R. Jegankumar, and K.A. Kumar, 2021. Monitoring of agricultural drought in semi-arid ecosystem of Peninsular India through indices derived from time-series CHIRPS and MODIS datasets, Ecological Indicators, 121: 107033. https://doi.org/10.1016/j.ecolind.2020.107033

상세보기
Shukla, S., A. McNally, G. Husak, and C. Funk, 2014. A seasonal agricultural drought forecast system for food-insecure regions of East Africa, Hydrology and Earth System Sciences, 18(10): 3907-3921. https://doi.org/10.5194/hess-18-3907-2014

상세보기
Sur, C., J. Hur, K. Kim, W. Choi, and M. Choi, 2015. An evaluation of satellite-based drought indices on a regional scale, International Journal of Remote Sensing, 36(22): 5593-5612. https://doi.org/10.1080/01431161.2015.1101653

상세보기
Wan, Z., P. Wang, and X. Li, 2004. Using MODIS land surface temperature and normalized difference vegetation index products for monitoring drought in the southern Great Plains, USA, International Journal of Remote Sensing, 25(1): 61-72. https://doi.org/10.1080/0143116031000115328

상세보기
Wang, H., H. Lin, and D. Liu, 2014. Remotely sensed drought index and its responses to meteorological drought in Southwest China, Remote Sensing Letters, 5(5): 413-422. https://doi.org/10.1080/2150704X.2014.912768

상세보기
Wang, L., S. Huang, Q. Huang, G. Leng, Z. Han, J. Zhao, and Y. Guo, 2021. Vegetation vulnerability and resistance to hydrometeorological stresses in water-and energy-limited watersheds based on a Bayesian framework, Catena, 196: 104879. https://doi.org/10.1016/j.catena.2020.104879

상세보기
Wang, S., X. Mo, S. Hu, S. Liu, and Z. Liu, 2018. Assessment of droughts and wheat yield loss on the North China Plain with an aggregate drought index (ADI) approach, Ecological Indicators, 87: 107-116. https://doi.org/10.1016/j.ecolind.2017.12.047

상세보기
West, H., N. Quinn, and M. Horswell, 2019. Remote sensing for drought monitoring & impact assessment: Progress, past challenges and future opportunities, Remote Sensing of Environment, 232: 111291. https://doi.org/10.1016/j.rse.2019.111291

상세보기
Won, J., J. Seo, J. Lee, O. Lee, and S. Kim, 2021. Vegetation Drought Vulnerability Mapping Using a Copula Model of Vegetation Index and Meteorological Drought Index, Remote Sensing, 13(24): 5103. https://doi.org/10.3390/rs13245103

상세보기
Zhang, M., X. Yuan, and J.A. Otkin, 2020. Remote sensing of the impact of flash drought events on terrestrial carbon dynamics over China, Carbon Balance and Management, 15(1): 1-11. https://doi.org/10.1186/s13021-020-00156-1

상세보기
Zhou, L., J. Wu, J. Zhang, S. Leng, M. Liu, J. Zhang, L. Zhao, F. Zhang, and Y. Shi, 2013. The integrated surface drought index (ISDI) as an indicator for agricultural drought monitoring: theory, validation, and application in Mid-Eastern China, IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 6(3): 1254-1262. https://doi.org/10.1109/JSTARS.2013.2248077

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