[논문]동해안 산불피해 사례기반 격자체계를 활용한 산불위험분석

김구윤; 이미란; 곽창재; 한지혜

doi:10.7780/kjrs.2023.39.5.2.4

동해안 산불피해 사례기반 격자체계를 활용한 산불위험분석
Forest Fire Risk Analysis Using a Grid System Based on Cases of Wildfire Damage in the East Coast of Korean Peninsula 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.39 no.5/1, 2023년, pp.785 - 798

김구윤 (국립재난안전연구원 재난정보연구실) , 이미란 (국립재난안전연구원 재난정보연구실) , 곽창재 (국립재난안전연구원 재난정보연구실) , 한지혜 (국립재난안전연구원 재난정보연구실)

초록
AI-Helper

최근 기후변화로 인해 산불 발생이 빈번해지고 있으며, 산불의 크기도 대형화가 되고 있다. 우리나라 산불은 매년 100 ha 이상 산불피해가 지속적으로 발생하고 있다. 최근 5년간 강원도에서 발생한 대형산불의 90%는 동해안 지역을 중심으로 집중된 것으로 나타났다. 동해안 지역은 건조한 대기, 양간지풍 등 산불에 취약한 기후와 침엽수림의 산림 조건을 지니고 있다. 이와 관련하여 산불 발생 위험성 예측, 산불 위험도 산정 등 다양한 산불 분석과 관련된 연구들이 추진되고 있다. 기상 및 산림 관련 인자를 고려하여 산림지역에 대한 위험 분석에 관련된 연구는 많이 추진되고 있으나, 산림 인접 지역을 대상으로 위험도 분석을 수행한 연구는 아직 부족한 실정이다. 산림 인접 지역에 대한 관리는 인명과 재산 보호를 위해 중요한 일이다. 산림 인접한 주택 및 시설물들은 산불에 의해 큰 위협을 받게 된다. 이에 본 연구에서는 국가지점번호를 활용하여 산림 인근 지역에서 영향을 받는 인자들을 활용하여 격자기반 산불 관련 재난위험지도를 작성하고 강릉 산불 사례 기반으로 산림 지역과 산림 인접 지역을 대상으로 위험등급 차이를 비교하였다.

Abstract ▼ AI-Helper

Recently, forest fires have become frequent due to climate change, and the size of forest fires is also increasing. Forest fires in Korea continue to cause more than 100 ha of forest fire damage every year. It was found that 90% of the large-scale wildfires that occurred in Gangwon-do over the past five years were concentrated in the east coast area. The east coast area has a climate vulnerable to forest fires such as dry air and intermediate wind, and forest conditions of coniferous forests. In this regard, studies related to various forest fire analysis, such as predicting the risk of forest fires and calculating the risk of forest fires, are being promoted. There are many studies related to risk analysis for forest areas in consideration of weather and forest-related factors, but studies that have conducted risk analysis for forest-friendly areas are still insufficient. Management of forest adjacent areas is important for the protection of human life and property. Forest-adjacent houses and facilities are greatly threatened by forest fires. Therefore, in this study, a grid-based forest fire-related disaster risk map was created using factors affected by forest-neighboring areas using national branch numbers, and differences in risk ratings were compared for forest areas and areas adjacent to forests based on Gangneung forest fire cases.

주제어

표/그림 (20)

그림 Fig. 1. Forest fire-related research target area.
그림 Fig. 2. Country branch number (Ministry of the Interior and Safety, 2023).
그림 Fig. 3. District units expressed by grid size (National Geographic Information Institute, 2018).
그림 Fig. 4. Research flow chart.
표 Table 1. Current status of data collection for analysis of influencing factors related to forest fires
그림 Fig. 5. Statistical value exception handling process for less than 5 people (National Geographic Information Institute, 2016).
그림 Fig. 6. Data processing results: (a) population and (b) building.
그림 Fig. 7. Data processing results: (a) in-forest area and (b) forest adjacent area.
그림 Fig. 8. Data processing results: (a) forest fire risk index and (b) forest fire vulnerable area.
그림 Fig. 9. Data processing results: (a) farmhouses using wood-fired boilers and (b) slope.
그림 Fig. 10. Grid data processing results: (a) forest fire risk index and (b) forest fire vulnerable area.
그림 Fig. 11. Grid data processing results: (a) farmhouses using wood-fired boilers and (b) slope.
그림 Fig. 12. Grid data processing results: (a) in-forest area and (b) forest adjacent area.
그림 Fig. 13. Result of creating a disaster risk map related to the Gangneung forest fire in 2019.
그림 Fig. 14. Forest fire-related disaster risk map automation model process. (a) Build spatial datasets related to wildfires. (b) Building a grid dataset for wildfires. (c) Forest fire related impact calculation and risk rating calculation.
그림 Fig. 14. Continued.
그림 Fig. 15. Case analysis result using automated modeler for 2023 Gangneung forest fire.
그림 Fig. 16. Risk rating result for Gangneung forest fire.
그림 Fig. 17. Ambient risk rating result for Gangneung forest fire.
표 Table 2. Verification of risk rating results by district in Gangneung

AI 본문요약
AI-Helper

문제 정의

현재 제공되고 있는 산림청의 산불위험지도는 지역별 산림 특성을 고려한 산불 위험관리를 지원하는데 중점을 두고 있다. 본 연구에서는 산림이 주된 목적이 아닌 산림 인근지역에 분포되어 있는 인구, 건물, 농업지역을 대상으로 피해등급을 파악하기 위해 격자기반의 산불 관련 재난위험분석을 수행하였다. 격자 기반으로 분석한 전체 자료 중 산림 인접 지역에 해당되는 분석된 격자 결과인 산림 인접 지역은 2.
본 연구에서의 산불 관련 재난위험분석은 산불 발생 상황별 및 지역별 재난위험을 분석하기 위한 목적으로서 상대적 위험도를 도출하였다. 산불 위험도는 각 지표값을 지표별 측정 데이터의 합을 정규화 하여 0과 1 사이의 값으로 분포시켰다.

제안 방법

첫 번째는 산불 관련 영향인자를 수집하기 위해 각 기관 서비스 및 협조를 통해 자료를 수집하였다. 두 번째는 수집된 자료의 속성 테이블 및 도형 정보를 확인하여 중복값, null 값 등 이상치를 처리하고, 텍스트 형태의 비공간 자료에 대해서는 주소정제를 수행하고 지오코딩(geocoding) 작업을 통해 공간데이터로 구축하였다. 세 번째는 가공된 공간정보 자료는 국가지점번호 자료를 활용하여 격자기반 재난위험지도를 작성하였다.
또한, 구축하는 과정에서 벡터(vector) 기반의 자료 구축 방법을 소요되는 시간을 축소시키기 위해 래스터(raster) 기반의 자동화 모델러를 구축하였다. 마지막으로, 구축한 자동화 모델러를 활용하여 산불 발생으로 인한 소실지역과 산림 인접 지역의 등급을 비교하여 재난위험지도의 등급을 검증하였다. Fig.
산림보호법 시행규칙 제28조에 의하면 산림 경계로부터 100 m 이내에 위치한 지역을 산림 인접 지역이라 정의하여 이를 기반으로 산림 경계로부터 100 m 거리를 버퍼(buffer) 기능을 활용하여 인접 지역을 생성하였다. 버퍼로 생성한 산림 인접 지역 경계는 산림경계와 중복되는 경계가 존재하여 대칭 빼기(symmetrical difference) 기능을 사용하여 산림 인접 경계 데이터를 구축하였다. 산림 내 지역과 동일한 과정으로 산림 인접 지역의 인구, 건물, 농업지역 데이터를 구축하였다.
제작한 산불 관련 재난위험지도는 자료 수집 단계부터 지도를 제작하기까지 모두 수동으로 구축하였으나, 오랜 시간이 소요되는 벡터 기반 과정을 새로운 정보를 반복적으로 취득하고 분석하는데 효율성이 떨어지는 단점을 줄이기 위해 QGIS에서 제공하고 있는 그래픽 모델러 도구를 활용하여 자동화 모델을 구축하였다. 본 연구에서 구축한 모델러 과정은 수집 자료의 공간 및 래스터 기반의 격자 데이터 구축(1단계), 재난위험분석 모델 적용(2단계), 재난위험지도 표출(3단계) 등의 단계를 거쳐 자동화 모델을 구축하였다. Fig.
본 연구에서는 산림 인접 지역의 범위가 실제 위험한지 파악하기 위해 소실지역을 중심으로 산림 인접 지역을 추출하고 해당 범위에 대하여 정량적인 비교를 통해 검증하였다. 2023년 4월 11일 강릉 지역에서 발생한 산불 당시 강릉시의 평균 위험등급은 1.
본 연구에서는 재난위험지도를 작성하기 위해 데이터 수집, 데이터 가공, 격자체계 적용 등의 과정을 통해 산불 관련 재난위험지도를 작성하였다. 첫 번째는 산불 관련 영향인자를 수집하기 위해 각 기관 서비스 및 협조를 통해 자료를 수집하였다.
환경부에서 수집한 토지피복도는 건물과 동일한 과정으로 데이터를 가공하였으며, 농업지역과 산림지역에 대한 데이터를 추출하기 위해 속성정보에서 필터를 적용하여 대분류 코드에서 필요한 데이터를 추출하였다. 본 연구에서는 토지피복도를 활용하여 산림지역 경계를 추출하고 산림 내 지역과 산림 인접 지역으로 분류하여 인구, 건물, 농업지역 데이터를 결합하고 분석을 수행하였다.
본 연구에서는 행정안전부에서 제공하는 국가지점 번호 자료를 기반으로 산불 관련 영향인자를 융·복합하여 산불 관련 재난위험지도를 작성하였다
산불 위험과 관련해서 다양한 인자가 존재하는데, 본 연구에서는 영향인자를 선정할 때 산불 위험이 발생하였을 때 산림지역 인근에 있는 농가, 건물, 인구 등 산불로 인해 피해를 입을 수 있는 영향인자 또는 산불 피해 영향을 주는 요소를 고려하였다. 또한, 위험 분석 시 단순 위치 정보를 표현하는 정보로 활용이 가능한 인자는 제외하고 활용가능한 속성값을 포함한 인자를 대상으로 영향인자를 고려하여 산불위험지수, 인구, 건물, 토지피복도, 화목보일러 농가, 산불취약지, 경사도 총 7개의 영향인자를 선정하였다.
산불위험지수는 강릉 산불 사례에 해당되는 자료를 기반으로 격자 데이터로 변환하였다. 산불취약지는 산불취약등급이 반영된 폴리곤 형태 자료 기반으로 이를 격자 위치별 산불취약등급 값을 추출하여 격자 데이터를 구축하였다. Fig.
두 번째는 수집된 자료의 속성 테이블 및 도형 정보를 확인하여 중복값, null 값 등 이상치를 처리하고, 텍스트 형태의 비공간 자료에 대해서는 주소정제를 수행하고 지오코딩(geocoding) 작업을 통해 공간데이터로 구축하였다. 세 번째는 가공된 공간정보 자료는 국가지점번호 자료를 활용하여 격자기반 재난위험지도를 작성하였다. 또한, 구축하는 과정에서 벡터(vector) 기반의 자료 구축 방법을 소요되는 시간을 축소시키기 위해 래스터(raster) 기반의 자동화 모델러를 구축하였다.
이는 지표별 동일한 가중치를 부여하기 위함이다. 이와 같이 산출된 위험도는 5개 등급으로 분류하였으며, 이를 기반으로 2019년 강릉 산불 사례에 대한 격자기반 재난위험지도를 작성하였다. Fig.
제작한 산불 관련 재난위험지도는 자료 수집 단계부터 지도를 제작하기까지 모두 수동으로 구축하였으나, 오랜 시간이 소요되는 벡터 기반 과정을 새로운 정보를 반복적으로 취득하고 분석하는데 효율성이 떨어지는 단점을 줄이기 위해 QGIS에서 제공하고 있는 그래픽 모델러 도구를 활용하여 자동화 모델을 구축하였다. 본 연구에서 구축한 모델러 과정은 수집 자료의 공간 및 래스터 기반의 격자 데이터 구축(1단계), 재난위험분석 모델 적용(2단계), 재난위험지도 표출(3단계) 등의 단계를 거쳐 자동화 모델을 구축하였다.
행정구역의 한계점을 극복하기 위해 본 연구에서는 위험도 분석지표 설정과 격자 변환 데이터셋 구축을 거쳐 위험도 산정을 하였다. 지표 기반의 위험분석모델을 통해 산정된 위험도에 대해 공간정보 융합분석을 수행하여 취약한 지역과 시설의 위험구역에 대해 격자형태로 표출하였다.
기존 행정구역 단위의 정보해석 시 통계정보의 집계 범위가 상이하거나 결측 자료가 발생하는 등 공간정보 융합·분석 시 한계점이 있다. 행정구역의 한계점을 극복하기 위해 본 연구에서는 위험도 분석지표 설정과 격자 변환 데이터셋 구축을 거쳐 위험도 산정을 하였다. 지표 기반의 위험분석모델을 통해 산정된 위험도에 대해 공간정보 융합분석을 수행하여 취약한 지역과 시설의 위험구역에 대해 격자형태로 표출하였다.
화목보일러 농가현황은 주소 기반으로 되어 있는 텍스트 자료로 주소정제를 수행하고 정제한 데이터를 지오코딩을 수행하였다. 경사도는 10 m 해상도 DEM 데이터를 활용하여 구축하였다.

대상 데이터

인구 정보는 국토지리정보원 국토정보플랫폼에서 제공하는 2022년도 국토통계지도 자료를 수집하였다. 건물 정보는 국토교통부 국가공간정보포털에서 제공하는 GIS건물통합정보를 활용하였다. 토지피복도는 환경부 환경공간정보서비스를 통해 2021년도 세분류 토지피복도 자료를 수집하였다.
화목보일러 농가현황은 주소 기반으로 되어 있는 텍스트 자료로 주소정제를 수행하고 정제한 데이터를 지오코딩을 수행하였다. 경사도는 10 m 해상도 DEM 데이터를 활용하여 구축하였다. Fig.
구축한 자동화 모델러를 활용하여 2023년 4월 11일에 발생한 강원도 강릉시 지역 내 발생한 산불 사례를 기반으로 분석하였다. 해당 일자의 강릉 지역은 산불위험지수 데이터는 13시에 해당되는 평균값이 가장 높아 13시 시간대의 산불위험지수 데이터를 활용하였다.
산불 위험과 관련해서 다양한 인자가 존재하는데, 본 연구에서는 영향인자를 선정할 때 산불 위험이 발생하였을 때 산림지역 인근에 있는 농가, 건물, 인구 등 산불로 인해 피해를 입을 수 있는 영향인자 또는 산불 피해 영향을 주는 요소를 고려하였다. 또한, 위험 분석 시 단순 위치 정보를 표현하는 정보로 활용이 가능한 인자는 제외하고 활용가능한 속성값을 포함한 인자를 대상으로 영향인자를 고려하여 산불위험지수, 인구, 건물, 토지피복도, 화목보일러 농가, 산불취약지, 경사도 총 7개의 영향인자를 선정하였다. 산불 관련 재난위험지도를 작성하기 위해 각 기관별로 보유하고 있는 영향인자 자료를 수집 및 가공하였다.
본 연구에서는 국가기지점번호 100 m 데이터를 활용하여 동해안 지역대상으로 산불위험지도를 구축하였다. 해당 지역 경계는 동해안 일대에 속하는 시·군·구와 동해안 일대 주변지역을 포함하여 구축하였다.
산림 내·외 건물과 농업지역은 격자경계를 기반으로 위치에 포함되는 건물, 농업지역과 속성결합을 시켜 격자 데이터를 구축하였다
산림 내·외 인구는 기존 자료 형태가 100 m 크기의 격자라 기초데이터에서 가공한 결과를 활용하였다
산불위험지수 데이터는 읍·면·동 단위, 산불취약지는 읍·면·동과 리 단위로 되어 있는 텍스트 자료로 행정구역 경계 데이터를 활용하여 공간데이터로 가공하였다
앞서 언급한 구축한 기초데이터와 국가지점번호를 활용하여 격자기반 데이터를 구축하였다. 산불위험지수는 강릉 산불 사례에 해당되는 자료를 기반으로 격자 데이터로 변환하였다. 산불취약지는 산불취약등급이 반영된 폴리곤 형태 자료 기반으로 이를 격자 위치별 산불취약등급 값을 추출하여 격자 데이터를 구축하였다.
산불위험지수는 산림청 국립산림과학원에서 2019년과 2023년 자료를 수집하여 활용하였다. 산불위험지수는 지형, 임상, 기상자료를 융합하여 행정구역 단위로 매시간 산불위험 상황을 제공해주는 자료이다.
화목보일러 농가와 산불취약지는 동해안산불방지센터를 통해 텍스트 자료를 제공받아 활용하였다. 수치표고모델(digital elevation model, DEM) 자료는 10 m 해상도를 가진 데이터로 국토지리정보원을 통해 자료를 수집하였다. Table 1은 산불 관련 영향인자에 관해 수집한 정보이다.
해당 지역 경계는 동해안 일대에 속하는 시·군·구와 동해안 일대 주변지역을 포함하여 구축하였다. 앞서 언급한 구축한 기초데이터와 국가지점번호를 활용하여 격자기반 데이터를 구축하였다. 산불위험지수는 강릉 산불 사례에 해당되는 자료를 기반으로 격자 데이터로 변환하였다.
산불위험지수는 지형, 임상, 기상자료를 융합하여 행정구역 단위로 매시간 산불위험 상황을 제공해주는 자료이다. 인구 정보는 국토지리정보원 국토정보플랫폼에서 제공하는 2022년도 국토통계지도 자료를 수집하였다. 건물 정보는 국토교통부 국가공간정보포털에서 제공하는 GIS건물통합정보를 활용하였다.
건물 정보는 국토교통부 국가공간정보포털에서 제공하는 GIS건물통합정보를 활용하였다. 토지피복도는 환경부 환경공간정보서비스를 통해 2021년도 세분류 토지피복도 자료를 수집하였다. 화목보일러 농가와 산불취약지는 동해안산불방지센터를 통해 텍스트 자료를 제공받아 활용하였다.
구축한 자동화 모델러를 활용하여 2023년 4월 11일에 발생한 강원도 강릉시 지역 내 발생한 산불 사례를 기반으로 분석하였다. 해당 일자의 강릉 지역은 산불위험지수 데이터는 13시에 해당되는 평균값이 가장 높아 13시 시간대의 산불위험지수 데이터를 활용하였다. Fig.
토지피복도는 환경부 환경공간정보서비스를 통해 2021년도 세분류 토지피복도 자료를 수집하였다. 화목보일러 농가와 산불취약지는 동해안산불방지센터를 통해 텍스트 자료를 제공받아 활용하였다. 수치표고모델(digital elevation model, DEM) 자료는 10 m 해상도를 가진 데이터로 국토지리정보원을 통해 자료를 수집하였다.
환경부에서 수집한 토지피복도는 건물과 동일한 과정으로 데이터를 가공하였으며, 농업지역과 산림지역에 대한 데이터를 추출하기 위해 속성정보에서 필터를 적용하여 대분류 코드에서 필요한 데이터를 추출하였다. 본 연구에서는 토지피복도를 활용하여 산림지역 경계를 추출하고 산림 내 지역과 산림 인접 지역으로 분류하여 인구, 건물, 농업지역 데이터를 결합하고 분석을 수행하였다.

이론/모형

강원도 동해안 일대의 광역적 범위를 대상으로 하는 산불위험을 분석하기 위해 유엔 재난위험경감사무국(UN Office for Disaster Risk Reduction)에서 분류하는 재난위험지표인 위해성, 노출성, 취약성 기반의 모델을 적용하였다. 산불 위험도를 산정하기 위해 식(1)에서 제시하는 모델을 적용하였다.

성능/효과

본 연구에서는 산림이 주된 목적이 아닌 산림 인근지역에 분포되어 있는 인구, 건물, 농업지역을 대상으로 피해등급을 파악하기 위해 격자기반의 산불 관련 재난위험분석을 수행하였다. 격자 기반으로 분석한 전체 자료 중 산림 인접 지역에 해당되는 분석된 격자 결과인 산림 인접 지역은 2.2, 소실지역은 1.4로 산불로 인한 인구, 건물, 농업지역과 같이 산불로 인해 피해를 받는 타 영향인자를 고려했을 때 산림 인접 지역 위험등급이 더 높다는 것을 확인하였다.
2의 위험등급이 산출되었다. 따라서 산불위험분석 모델의 알고리즘과 데이터 관계로 볼 때 산림지역에 해당하는 소실지역보다 건물, 농지, 인구가 분포된 인접지역에 대한 위험등급이 상대적으로 높은 것은 결과의 적정성이 검증되는 것으로 판단할 수 있다. Table 2는 강릉 산불 피해지역의 위험등급 산정 결과이며, Fig.

참고문헌 (21)

East Coastal Forest Fire Center of Gangwon Prevention？Center, 2021. Gangwon-do east coast forest fire？investigation and identification data book (2011-2020). East Coastal Forest Fire Center of Gangwon？Prevention Center.
Jang, M. H., 2021. A study on the improvement of？rural diagnosis using spatial big data and a grid？system. The Geographical Journal of Korea,？55(2), 155-170. https://doi.org/10.22905/kaopqj.2021.55.2.2
Jeong, J. Y., Woo, S. H., Son, R. K., Yoon, J. H., Jeong,？J. H., Lee, S. J., and Lee, B. D., 2018. Spring？forest-fire variability over Korea associated with？large-scale climate factors. Atmosphere, 28(4),？457-467. https://doi.org/10.14191/Atmos.2018.28.4.457

원문보기 상세보기
Kang, Y. J., Park, S. M., Jang, E. N., Im, J. H., Kwon,？C. G., and Lee, S. J., 2019. Spatio-temporal？enhancement of forest fire risk index using？weather forecast and satellite data in South？Korea. Journal of the Korean Association of？Geographic Information Studies, 22(4), 116-130. https://doi.org/10.11108/kagis.2019.22.4.116

원문보기 상세보기
Kong, I., Kim, K., and Lee, Y., 2017. Sensitivity analysis？of meteorology-based wildfire risk indices and？satellite-based surface dryness indices against？wildfire cases in South Korea. Journal of Cadastre？& Land InformatiX, 47(2), 107-120. https://doi.org/10.22640/lxsiri.2017.47.2.107

원문보기 상세보기
Korea Forest Service, 2022. 2021 wildfire statistical？yearbook. Korea Forest Service.
Korea Land and Geospatial InformatiX Corporation,？2019. A study on location intelligence of open？data based on spatial information. Korea Land？and Geospatial Informatix Corporation.
Lee, H., and Park, Y., 2017. A study on mapping forest fire？risk using combustion characteristic of forest fuels:？Focusing on Samcheok in Gangwon-do. Journal of？the Korean Society of Disaster Information, 13(3),？296-304. https://doi.org/10.15683/kosdi.2017.09.30.296

원문보기 상세보기
Lim, C. J., and Chae, H., 2022. Predicting forest fire？danger using fuel characteristics of forest. Journal？of the Korean Society of Hazard Mitigation, 22(6),？125-132. https://doi.org/10.9798/KOSHAM.2022.22.6.125

상세보기
Ministry of the Interior and Safety, 2022. 2021 calamity？yearbook. Ministry of the Interior and Safety.
Ministry of the Interior and Safety, 2023. National？branch number that informs rescue location, can？be checked anywhere in dangerous moments.？Ministry of the Interior and Safety.
Moon, C., Lee, J., and Shin, S., 2013. Development of？calculating model for hydrological geographic？parameters using ArcGIS modelbuilder, Journal？of the Korean GEO-environmental Society, 14(2),？19-29.
National Geographic Information Institute, 2016. National？territory information platform national territory？statistical map utilization guide. National Geographic？Information Institute.
National Geographic Information Institute, 2018. 2018？National territory monitoring report. National？Geographic Information Institute.
Park, H. S., Lee, S. Y., Lee, B. D., and Koo, K. S., 2012. The basic study on forest fire danger？assessment for facilities in WUI. In Proceeding？of the Korea Institute of Fire Science and？Engineering Conference, Daegu, Republic of？Korea, May 3-4, pp. 456-459.
Park, J., Park, C., An, J., and Yoon, H., 2020. An？assessment method for evaluating vulnerability to？regional disasters and its application to disaster？due to heavy rain. Journal of the Korean Society？of Hazard Mitigation, 20(1), 151-161. https://doi.org/10.9798/KOSHAM.2020.20.1.151

상세보기
Ryu, J. Y., Kim, S. Y., Seo, K. W., and Kwon, C. G., 2022. A study on the wildland fire risk assessment？of cultural properties in wildland-urban interface.？Journal of the Society of Cultural Heritage Disaster？Prevention, 7(1), 25-36.
Shim, J. H., and Choi, S. O., 2018. An empirical study？on the organizational and network capability of？local emergency management: Focused on 228？local governments in South Korea. Korean Public？Administration Quarterly, 30(3), 651-681. https://doi.org/10.21888/KPAQ.2018.9.30.3.651

상세보기
Statistics Research Institute, 2022. A study on the？establishment of publication standards for SGIS？grid services by statistical topic. Statistics Research？Institute.
The Seoul Institute, 2014. National disaster risk to？strengthen disaster response capacity activation？of the prior evaluation system. World & Cities,？7, 26-33.
Won, M., Jang, K., Yoon, S., and Lee, H., 2019. Change？detection of damaged area and burn severity due？to heat damage from Gangwon large fire area in？2019. Korean Journal of Remote Sensing, 35(6-2),？1083-1093. https://doi.org/10.7780/kjrs.2019.35.6.2.5

원문보기 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