[논문]낙동강권역의 지하수 산출 유망도 평가

유순영; 정재훈; 박길택; 문희선; 석희준; 김용철; 고동찬; 고경석; 김형찬; 문상호; 신제현; 심병완; 최한나; 하규철

doi:10.7857/jsge.2023.28.6.071

낙동강권역의 지하수 산출 유망도 평가
A Groundwater Potential Map for the Nakdonggang River Basin 원문보기

지하수토양환경 = Journal of soil and groundwater environment, v.28 no.6, 2023년, pp.71 - 89

Abstract ▼ AI-Helper

A groundwater potential map (GPM) was built for the Nakdonggang River Basin based on ten variables, including hydrogeologic unit, fault-line density, depth to groundwater, distance to surface water, lineament density, slope, stream drainage density, soil drainage, land cover, and annual rainfall. To integrate the thematic layers for GPM, the criteria were first weighted using the Analytic Hierarchical Process (AHP) and then overlaid using the Technique for Ordering Preferences by Similarity to Ideal Solution (TOPSIS) model. Finally, the groundwater potential was categorized into five classes (very high (VH), high (H), moderate (M), low (L), very low (VL)) and verified by examining the specific capacity of individual wells on each class. The wells in the area categorized as VH showed the highest median specific capacity (5.2 m3/day/m), while the wells with specific capacity < 1.39 m3/day/m were distributed in the areas categorized as L or VL. The accuracy of GPM generated in the work looked acceptable, although the specific capacity data were not enough to verify GPM in the studied large watershed. To create GPMs for the determination of high-yield well locations, the resolution and reliability of thematic maps should be improved. Criterion values for groundwater potential should be established when machine learning or statistical models are used in the GPM evaluation process.

주제어

표/그림 (15)

표 Table 1. Examples of Groundwater Potential Mapping (GPM) based on Multiple-criteria decision-making (MCDM)
표 Table 2. Examples of Groundwater Potential Mapping (GPM) based on Machine-learning techniques
표 Table 3. Examples of Groundwater Potential Mapping (GPM) based on Statistical models
그림 Fig. 1. Study area: (a) Large watersheds and medium-sized watersheds on the topographic map in the Nakdonggang River Basin. (b) The distribution of specific capacity (m³/day/m) in bedrock wells on the shaded relief map (n=2014). The specific capacity data were logtransformed and then classified using the Jenks natural breaks.
표 Table 4. Weightings assigned by AHP (KIGAM, 2021)
그림 Fig. 2. Ten thematic layers for a groundwater potential map: (a) Hydrogeologic unit, (b) Fault-line density, (c) Depth to groundwater, (d) Distance to surface water, (e) Lineament density, (f) Slope, (g) Drainage density, (h) Soil drainage, (i) Land cover, (j) Annual rainfall.
표 Table 5. Data sources for ten thematic maps in Fig. 2
그림 Fig. 3. Box plot of specific capacity (m³/day/m) in bedrock aquifers (on a logarithmic scale) depending on hydrogeological units: a. Unconsolidated clastic sediments (n=154), b. Porous volcanic rocks (n=31), c. Semi-consolidated clastic sedimentary rocks (n=36), d. Non-porous volcanic rocks (n=170), e-1. Cretaceous-Paleogene intrusive igneous rocks (n=174), e-2. Jurassic intrusive igneous rocks (n=344), e-3. Permian-Triassic intrusive igneous rocks (n=100), f. Clastic sedimentary rocks (n=787), g. Carbonate rocks (n=26), h-2. Schists & Paragneisses (n=75), h-3. Orthogneisses (n=111).
표 Table 6. Scores of each class in 10 thematic layers. Frequency ratios provided for comparison
표 Table 6. continued
그림 Fig. 4. Groundwater potential map (GPM) using AHP and TOPSIS: (a) Grouping based on quantiles; (b) Grouping based on Jenks natural breaks.
그림 Fig. 5. Box plot (left) and relative frequency distribution (right) of specific capacity (on a logarithmic scale) in bedrock aquifers on the the Nakdonggang River Basin (n=2014).
그림 Fig. 6. Box plot of specific capacity (m3/day/m) (on a logarithmic scale) for each potential level (VH: Very high, H: High, M: Moderate, L: Low, VL: Very low). The values within the box indicate the number of specific capacity data for the box plot.
그림 Fig. 7. Revised depth to groundwater (a) and GPM (b). The depth to groundwater was estimated by using Co-kriging with the distance to surface water in Fig. 2d as a supplementary data.
그림 Fig. 8. Groundwater potential map (GPM) using frequency ratio analysis. (a) Grouping based on quantiles, (b) Normalized cumulative number of wells vs. normalized cumulative area from VH to VL. In (a), the train data (70%) were used for estimating frequency ratios, while the test data (30%) were used for evaluating the FR model in (b).

AI 본문요약
AI-Helper

문제 정의

물이용취약지역에서 지하수 개발 최적지를 선정하고, 관정 개발의 실패 확률을 낮추기 위해서는 정확한 GPM이 요구된다. GPM의 정확도에 영향을 미치는 요인들을 살펴보고, 정확한 GPM 구축을 위해 필요한 연구 과제를 논의해 보았다.
이 논문은 한국지질자원연구원이 2023년 발간한 낙동강권역 지하수 정보 지도집에 수록된 낙동강권역의 GPM 산출과정을 소개하고, 향후 물이용취약지역에서 지하수를 이용하여 물 수요를 충당하는데 있어 GPM을 활용하기 위해 필요한 연구 과제를 제시하고자 하였다.

가설 설정

각 산출 유망 등급에 해당하는 암반 관정의 비양수량 중앙값을 살펴보면(Fig. 6a), 산출 유망도가 가장 높은 것으로 예상된 VH 그룹의 중앙값이 가장 크다. 그러나 H 그룹의 중앙값은 M, L, VL 그룹의 중앙값보다 작은 것을 알 수 있다.

제안 방법

국내의 경우, 한국지질자원연구원에서 MCDM, 통계기반모델, 기계학습방법을 활용하여 지하수 산출 유망지 평가 연구를 수행한 바 있다. AHP와 TOPSIS를 이용하여 2021년과 2023년 각각 금강권역 및 낙동강권역의 GPM을 제시하였으며(KIGAM, 2021; 2032), 이외에도 통계기반모델(예: FR) 및 기계학습방법(예: SVR, Convolutional Neural Networks (CNN))을 이용하여 지하수산출가능성도를 구축하고 환경 빅데이터 플랫폼(https://www.bigdata-environment.kr/)에 공개하였다. GPM의 검증에는 기존 관정의 비양수량 또는 투수량계수가 이용되었다.
TOPSIS로 계산된 상대적 근접도의 순위를 동일한 비율(20%)로 5개 등급(very high(VH), high(H), moderate(M), low(L), very low(VL))으로 구분하여 지하수 산출 유망 등급을 나누고, 이를 이용하여 산출성이 높을 것으로 예상되는 지역과 낮을 것으로 예상되는 지역을 구분해 보았다(Fig. 4a).
단층 선밀도, 등수심선도, 지표수 거리, 선형구조 밀도, 경사도, 하천 배수밀도, 연평균 강수량과 같은 연속형 자료의 경우, Jenks natural breaks를 이용하여 5개 구간으로 구분하였다. 단층 선밀도, 선형구조 밀도, 연평균 강수량의 경우, 값이 증가함에 따라 1부터 5의 평가점수를 부여하였고, 등수심도, 지표수 거리, 경사도, 하천배수밀도의 경우, 값이 증가함에 따라 5부터 1의 평가점수를 부여하였다.
함양 특성은 토양배수도(Soil drainage), 토지이용도(Land cover), 연평균 강수량(Annual rainfall) 정보를 이용하여 반영하였다. 토양 투수성은 유효 공극율, 입자 모양 및 크기, 공극비와 직접적으로 관련이 있고 이들은 침투에 중요한 요소이다.

대상 데이터

따라서 토양 배수능은 지하수 산출성과 관련이 있을 것으로 판단된다. 국립농업과학원(NIAS)에서 구축한 토양특성 자료 중 배수등급도를 확보해 토양배수도를 구축하였다. 토지피복 특성은 직접유출량과 증발산량에 영향을 미친다.
낙동강권역 지하수 산출 유망도를 검증하기 위해 지하수기초조사 보고서, 수맥조사 보고서, 지하수영향조사 보고서, 가뭄대비나눔지하수 보고서 등에 보고된 암반 관정의 비양수량 자료를 확보하였다. 비양수량은 단위수위강 하량에 대한 양수량을 표현한 것이다.
수리지질 특성의 경우, 등수심(Depth to groundwater)과 지표수까지의 거리(Distance to surface water)를 이용하여 반영하였다. 등수심도(m)는 한국수자원공사에서 구축한 지하수 등수심선 자료를 국가공간정보포털(www.nsdi.go.kr/)에서 다운받아 점(point) 정보로 변환한 후 보간하여 생성하였다. 지표수까지의 거리(km)는 통계청의 해안 위치 정보 및 국가수자원관리종합정보시스템(www.
kr/)에서 다운받아 점(point) 정보로 변환한 후 보간하여 생성하였다. 지표수까지의 거리(km)는 통계청의 해안 위치 정보 및 국가수자원관리종합정보시스템(www.wamis.go.kr)에서 제공하는 국가 하천, 지방 1급 하천, 지방 2급 하천 정보를 이용하여 계산하였다.
일반적으로 주거지역, 나지와 같은 지역은 지하수 함양량이 낮고, 산지, 농지와 같은 지역에서는 높은 편이다. 환경부에서 2019년 구축한 대분류 토지피복지도(해상도 30 m급)를 환경공간정보서비스(https://egis.me.go.kr/)에서 제공받아 토지이용/피복도를 구축하였다. 이외에도 강우량이 함양량을 결정하는 주요 요인으로, 일반적으로 강우가 많을수록 지하수 함양량이 커지고 지하수 부존 가능성을 증가시킨다.

데이터처리

낙동강권역의 GPM 평가를 위해 총 10개의 변수를 선정하고, 상용소프트웨어인 ArcG IS Pro 3.1.0을 사용하여 주제도를 구축하였다(Fig. 2).
이외에도 강우량이 함양량을 결정하는 주요 요인으로, 일반적으로 강우가 많을수록 지하수 함양량이 커지고 지하수 부존 가능성을 증가시킨다. 종관기상관측소(Automated Synoptic Observing System, ASOS) 31개소의 20년 (2003~2022년) 평균을 이용하여 강수량(mm) 분포도를 작성하였다.

이론/모형

kr/)에 공개하였다. GPM의 검증에는 기존 관정의 비양수량 또는 투수량계수가 이용되었다. 이외에도 환경부의 ‘통합 지하수 기초조사 및 지하수지도 제작 관리 지침’은 지하수 기초조사 시 지하수 개발유망지점을 평가 및 검토하도록 하고 있으나, 주제도 선정 및 개발유망 지점 평가 방법 등에 관한 가이드라인은 부재한 실정이다.
Hwang and Yoon(1981)이 개발한 TOPSIS 기법은 MCDM 방법 중 하나로, 양의 이상적인 해(Positive Ideal Solution, PIS)에 가깝고, 부의 이상적인 해(Negative Ideal Solution, NIS)에서 먼 해를 최종 해로 선택한다. 유클리디언 거리(Euclidean distance)를 통해 이상적인 해를 찾는 방법으로써, 기후변화에 따른 다양한 문제 해결에 활용되고 있으며(Kim and Chung, 2013; Chung et al.
낙동강권역의 GPM는 Shabani et al.(2022)와 유사하게 AHP를 이용하여 선정된 가중치를 TOPSIS에 적용하여 평가하였다.
총 50명의 지하수 전문가가 설문 조사에 참여하였고, 일관성 검정 결과, 일관성지수(CR)가 10% 미만인 것으로 나타나 설문 결과에는 일관성이 있는 것으로 판단되었다. 이에 도출된 가중치(Table 4)를 GPM 평가에 이용하였다.
또한 양수 시간도 조사자마다 다르고, Theis법, Cooper-Jacob법, Theis recovery법, Hantush-Jacob법, Neuman-Witherspoon법, Moench법 등의 다양한 수리상수 산출 방법이 적용되고 있어 비양수량의 산출에는 일관성이 없는 실정이다. 이에 지하수기초조사 보고서에 수록된 양수일보를 확보하여 Cooper-Jacob법 수위강하식을 이용하고 하루(1440분) 기준으로 수위 강하를 평가하여 비양수량을 재계산하였다. 양수일보가 없는 경우, 해석 그래프를 복사해 재산출하였다.
주제도의 격자 크기는 30 m × 30 m로 통일하였으며, 점(point) 정보(등수심, 연평균 강수량)는 역거리가중법(Inverse Distance Weighting, IDW)으로 보간하였다
, 2022). 중요도 산출 결과에 있어 평가자들이 내린 판단에 논리적 모순이 있는지 검증하기 위해 일관성지수(Consistency Index, CI)와 일관성비율(Consistency Ratio, CR)이 활용된다. 일관성비율(CR)은 일관성지수(CI)를 무작위 지수(Random Index, RI)로 나눈 비율로, 이 비율이 10% 이내일 경우, 평가자가 내린 판단에 일관성이 있다고 볼 수 있다.

성능/효과

2), 30 m × 30 m의 GPM 작성은 가능할 것으로 보인다
산출 등급별 비양수량 분포의 경우(Fig. 6b), M 그룹을 제외하면, VL에서 VH로 갈수록 비양수량의 중앙값이 커지는 것으로 나타나, 정확도도 개선된 것을 알 수 있다.
Díaz-Alcaide and Martínez-Santos(2019)에 의해 GPM 평가에 있어 가장 빈도 높게 활용되는 것으로 확인된 8개의 변수(지질, 선구조, 지형, 토양, 토지이용도, 강우, 배수밀도, 경사도)가 모두 고려된 것을 알 수 있다
(2015)은 AHP, FR, CF를 통해 얻어진 GPM 결과에 대해 ROC 곡선을 구성하고, AUC를 계산한 후 성능을 비교하였다. FR 모델 결과(77.55%)가 AHP(73.47%) 및 CF (65.08%) 모델 결과보다 성능이 우수한 것으로 나타났다. Hasanuzzaman et al.
한국지질자원연구원은 10개의 주제도에 대한 쌍대 비교를 통해 가중치를 산정한 바 있다(KIGAM, 2021). 총 50명의 지하수 전문가가 설문 조사에 참여하였고, 일관성 검정 결과, 일관성지수(CR)가 10% 미만인 것으로 나타나 설문 결과에는 일관성이 있는 것으로 판단되었다. 이에 도출된 가중치(Table 4)를 GPM 평가에 이용하였다.

후속연구

2c), 이는 산지에서 수심이 깊고, 지표수 쪽으로 갈수록 수심이 얕아지는 일반적인 현상과 배치된다. AHP를 통해 얻어진 가중치에 따르면 지하수심은 GPM 평가에서 매우 큰 비중(18.9%)을 차지하는 요소로, 좀 더 신뢰할 만한 지하수심 자료가 필요한 것으로 보인다.
우선, 주제도의 해상도와 신뢰도를 향상시킬 필요가 있다. 둘째, 전문가의 주관적 의견에 의존하는 다기준 의사결정방법을 대신하여 비교적 객관적인 통계기반모형 및 기계학습방법을 활용하여 GPM을 작성할 필요가 있는데, 이 경우 모델을 학습시키기 위해 지하수 산출 능력을 대표할 만한 자료가 필요하다. 마지막으로 평가 결과를 해석(예: 등급 구분) 및 검증하는 방법에 대한 연구도 필요하다.
향후 GPM 평가 방법의 선정 절차에 관한 기준이 마련될 필요가 있다. 또한 통계 및 기계학습 모델을 이용할 경우, 모델을 학습시키기 위해 높은 산출성의 기준에 관한 연구가 필요하다. Abesser and Lewis(2015)은 반정량적인(semi-quantitative) 방법으로 영국 잉글랜드 웨일스(England and Wales)에서 암반 대수층의 산출 능력(potential aquifer productivity)을 평가하였는데, 대수층의 산출 능력을 등급으로 구분하기 위해, 양수량의 누적빈도분포(cumulative frequency distributions)를 도시하고, 중앙값과 분위값을 활용하여, 양수량이 크고(>6 L/s) 작음(<1 L/s)을 평가할 수 있는 기준을 설정하였다.
둘째, 전문가의 주관적 의견에 의존하는 다기준 의사결정방법을 대신하여 비교적 객관적인 통계기반모형 및 기계학습방법을 활용하여 GPM을 작성할 필요가 있는데, 이 경우 모델을 학습시키기 위해 지하수 산출 능력을 대표할 만한 자료가 필요하다. 마지막으로 평가 결과를 해석(예: 등급 구분) 및 검증하는 방법에 대한 연구도 필요하다.
향후 GPM 평가 방법의 선정 절차에 관한 기준이 마련될 필요가 있다. 또한 통계 및 기계학습 모델을 이용할 경우, 모델을 학습시키기 위해 높은 산출성의 기준에 관한 연구가 필요하다.
이는 날씨 예보에 있어서는 문제가 없을 수 있으나, 표준유역 규모의 GPM 산정에는 문제가 될 수 있다. 향후 고해상도 GPM 개발을 위해서는 지역별상세관측자료(Automatic Weather System, AWS)를 활용할 필요가 있다. Lee et al.
예를 들면, 도시화와 같은 국토 개발은 토지이용도 및 토양배수도에 영향을 미칠 수 있는데, 현재 낙동강권역 GPM 작성에 이용된 토양배수등급은 1970~1979년 조사하여 1979년 발간된 자료이다(Table 5). 향후 물이용취약지역에서 지하수 개발 유망지를 선정하는 데 있어 GPM을 활용하기 위해서는 주제도의 해상도를 높이고 시간변화 특성을 반영할 수 있는 방안을 고안할 필요가 있다.

참고문헌 (48)

Abesser, C. and Lewis, M., 2015, A semi-quantitative technique？for mapping potential aquifer productivity on the national scale:？example of England and Wales (UK), Hydrogeol. J., 23(8),？1677-1694.？
Adiat, K.A.N., Nawawi, M.N.M., and Abdullah, K., 2012,？Assessing the accuracy of GIS-Based elementary multi criteria？decision analysis as a spatial prediction tool-a case of predicting？potential zones of sustainable groundwater resources, J. Hydrol.,？440-441, 75-89.？
Agarwal, E., Agarwal, R., Garg, R.D., and Garg, P.K., 2013,？Delineation of groundwater potential zone: An AHP/ANP？approach, J. Earth Syst. Sci., 122, 887-898.？
Agarwal, R. and Garg, P.K., 2016, Remote sensing and GIS？based groundwater potential & recharge zones mapping using？multi-criteria decision making technique, Water Resour. Manag.,？30, 243-260.？

상세보기
Arulbalaji, P., Padmalal, D., and Sreelash, K., 2019, GIS and？AHP techniques based delineation of groundwater potential？zones: a case study from Southern Western Ghats, India, Sci.？Rep., 9, 2082.？

상세보기
Bae, S., Park, S., and Kim, S.J., 2015, The enhancement strategy on national cyber capability using hybrid methodology of？AHP and TOPSIS, Converg. Secur. J., 15(4), 43-55.？
Celik, R., 2019, Evaluation of groundwater potential by GIS-based multicriteria decision making as a spatial prediction tool:？Case study in the tigris river batman-hasankeyf sub-basin, Turkey, Water, 11(12), 2630.？
Chaudhry, A.K., Kumar, K., and Alam, M.A., 2021, Mapping of？groundwater potential zones using the fuzzy analytic hierarchy？process and geospatial technique, Geocarto Int., 36(20), 2323-2344.？

상세보기
Chung, E.-S., Won, K.J., Kim, Y.J., and Lee, H.S., 2014, Water？resources vulnerability characteristics by district's population？size in a changing climate using subjective and objective weights,？Sustainability, 6(9), 6141-6157.？
Das, S., 2019, Comparison among influencing factor, frequency？ratio, and analytical hierarchy process techniques for groundwater potential zonation in Vaitarna basin, Maharashtra, India,？Groundw. Sustain. Dev., 8, 617-629.？
Diaz-Alcaide, S. and Martinez-Santos, P., 2019, Review: Advances？in groundwater potential mapping, Hydrogeol. J., 27, 2307-2324.？
Geological Survey Ireland, 2023, Aquifer classification. Available online: https://www.gsi.ie/ (Accessed at December 15, 2023)？
Gomez-Escalonilla, V., Martinez-Santos, P., and Martin-Loeches,？M., 2022, Preprocessing approaches in machine-learning-based？groundwater potential mapping: an application to the Koulikoro？and Bamako regions, Mali, Hydrol. Earth Syst. Sci., 26(2), 221-243.？
Hasanuzzaman, M., Mandal, M.H., Hasnine, M., and Shit, P.K.,？2022, Groundwater potential mapping using multi-criteria decision, bivariate statistic and machine learning algorithms: evidence from Chota Nagpur Plateau, India, Appl. Water Sci., 12, 58.？

상세보기
Hwang, C.L. and Yoon, K., 1981, Multiple Attributes Decision？Making Methods and Applications. Springer, Heidelberg, Germany.？
Jenifer, M.A. and Jha, M.K., 2017, Comparison of analytic hierarchy process, catastrophe and entropy techniques for evaluating groundwater prospect of hard-rock aquifer systems, J.？Hydrol., 548, 605-624.？

상세보기
KIGAM (Korea Institute of Geoscience and Mineral Resources),？2019. 1:1,000,000 Digital geological map. Available online:？https://data.kigam.re.kr/ (Accessed at December 15, 2023)？
KIGAM, 2021, Groundwater information map: the Geumgang？River Basin. ISSN: 979-11-90505-22-2, 65p？
KIGAM, 2023, Groundwater information map of the Nakdonggang River Basin. ISSN: 979-11-90505-59-8, 76p？
KIGAM, 2022, Annual report of the basic research project of？Korea Institute of Geoscience and Mineral resources: Development of Climate Change Adaptation Technologies for Securing？and Utilizing Large-Scale Groundwater Resources, 238p？
Kim, Y.J. and Chung, E.-S., 2013, Assessing climate change vulnerability with group multi-criteria decision making approaches,？Clim. Change, 121, 301-315.？

상세보기
KMA (Korea Meteorological Administration), 2022, Automated Synoptic Observing System (ASOS) annual rainfall data.？Available online: https://data.kma.go.kr (Accessed at December？15, 2023).？
KMOE (Ministry of Environment), 2019, Land cover map.？Available online: https://egis.me.go.kr (Accessed at December？15, 2023).？
KOSTAT, 2019, Administrative divisions. Available online:？http://data.nsdi.go.kr/ (Accessed at December 15, 2023).？
Kumar, T., Gautam, A.K., and Kumar, T., 2014, Appraising the？accuracy of GIS-based Multi-criteria decision making technique for delineation of Groundwater potential zones, Water？Resour. Manag., 28, 4449-4466.？

상세보기
K-water, 2010. River order map. Available online: http://www.wamis.go.kr (Accessed at December 15, 2023)？
K-water, 2019, Depth to groundwater. Available online: http://data.nsdi.go.kr/ (Accessed at December 15, 2023)？
Lee, J.-Y., Raza, M., and Park, Y.-C., 2018, Current status and management for the sustainable groundwater resources in？Korea, Episodes, 41(3), 179-191.？

상세보기
Lee, S., Kim, Y.-S., and Oh, H.-J., 2012, Application of a？weights-of-evidence method and GIS to regional groundwater？productivity potential mapping, J. Environ. Manag., 96(1), 91-105.？
Lee, S. and Lee, C.-W., 2015, Application of decision-tree？model to groundwater productivity-potential mapping, Sustainability, 7(10), 13416-13432.？
Lee, S., Hyun, Y., and Lee, M.-J., 2019, Groundwater potential？mapping using data mining models of big data analysis in Goyang-si, South Korea, Sustainability, 11(6), 1678.？
Naghibi, S.A., Hashemi, H., Berndtsson, R., and Lee, S., 2020,？Application of extreme gradient boosting and parallel random？forest algorithms for assessing groundwater spring potential？using DEM-derived factors, J. Hydrol., 589, 125197.？

상세보기
NIAS (National Institute of Agricultural Sciences), 1979, Drainage class map. Available online: http://soil.rda.go.kr (Accessed？at December 15, 2023)？
NGII (National Geogrpahic Information Institute), 2021, Digital？topographic map. Available online: http://data.nsdi.go.kr/ (Accessed at December 15, 2023)？
Patidar, N., Mohseni, U., Pathan, A. I., and Agnihotri, P.G., 2022. Groundwater potential zone mapping using an integrated？approach of GIS-Based AHP-TOPSIS in Ujjain District, Madhya Pradesh, India. Water Conserv. Sci. En., 7, 267-282.？
Prasad, P., Loveson, V.J., Kotha, M., and Yadav, R., 2020,？Application of machine learning techniques in groundwater？potential mapping along the west coast of India, GISci. Remote？Sens., 57, 735-752.？
Rahmati, O., Nazari Samani, A., Mahdavi, M., Pourghasemi,？H.R., and Zeinivand, H., 2015, Groundwater potential mapping？at Kurdistan region of Iran using analytic hierarchy process and？GIS, Arab. J. Geosci., 8, 7059-7071.？

상세보기
Rasool, U., Yin, X., Xu, Z., Rasool, M. A. Senapathi, V., Hussain, M., Siddique, J., and Trabucco, J.C., 2022, Mapping of？groundwater productivity potential with machine learning algorithms: A case study in the provincial capital of Baluchistan,？Pakistan, Chemosphere, 303(Part 3), 135265.？

상세보기
Ravenscroft, P. and Lytton, L., 2022, Seeing the Invisible: A？Strategic Report on Groundwater Quality, World Bank, Washington, D.C.
Razandi, Y., Pourghasemi, H.R., Neisani, N.S., and Rahmati, O.,？2015, Application of analytical hierarchy process, frequency？ratio, and certainty factor models for groundwater potential？mapping using GIS, Earth Sci. Inform., 8, 867-883.？
Panahi, M.R., Mousavi, S.M., and Rahimzadegan, M., 2017,？Delineation of groundwater potential zones using remote sensing, GIS, and AHP technique in Tehran-Karaj plain, Iran, Environ. Earth Sci., 76, 792.？

상세보기
Saaty, R.W., 1980, The Analytic Hierarchy Process, Planning,？Priority Setting, Resource Allocation. McGraw-Hill, New York.？
Shabani, M., Masoumi, Z., and Rezaei, A., 2022, Assessment of？groundwater potential using multi-criteria decision analysis and？geoelectrical surveying, Geo-spat. Inf. Sci., 25(4), 600-618.？
Taylor, R., Scanlon, B., Doll, P. et al., 2013, Ground water and？climate change, Nature Clim. Change, 3, 322-329.？

상세보기
Tolche, A.D.D., 2021, Groundwater potential mapping using？geospatial techniques: A case study of dhungeta-ramis sub-basin, Ethiopia, Geol. Ecol. Landsc., 5(1), 65-80.？

상세보기
Trabelsi, F., Lee, S., Khlifi, S., and Arfaoui, A., 2019, Frequency ratio model for mapping groundwater potential zones？using gis and remote sensing; Medjerda watershed Tunisia. In:？Chamine, H., Barbieri, M., Kisi, O., Chen, M., Merkel, B. (eds)？Advances in Sustainable and Environmental Hydrology, Hydrogeology, Hydrochemistry and Water Resources, CAJG 2018.？Advances in Science, Technology & Innovation, Springer, Cham.？
Won, K.J, Chung, E.-S, Kim, Y.J., and Hong, I.P., 2014, Assessment of water resources vulnerability index by nation, J. Korea？Water Resour. Assoc., 47(2), 183-194.？
Yin, H., Shi, Y., Niu, H., Xie, D., Wei, J., Lefticariu, L., and Xu,？S., 2018, A GIS-based model of potential groundwater yield？zonation for a sandstone aquifer in the Juye Coalfield, Shangdong, China, J. Hydrol., 557, 434-447.？

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