[논문]단일위성영상 기반 도심지 건물변화탐지 방안

김승희; 김태정

doi:10.7780/kjrs.2023.39.5.4.4

[국내논문] 단일위성영상 기반 도심지 건물변화탐지 방안
Building Change Detection Methodology in Urban Area from Single Satellite Image 원문보기

대한원격탐사학회지 = Korean journal of remote sensing, v.39 no.5/1, 2023년, pp.1097 - 1109

김승희 (인하대학교 공간정보공학과) , 김태정 (인하대학교 공간정보공학과)

초록
AI-Helper

도심지는 개별 건물단위의 소규모 변화가 빈번하게 발생하는 지역이다. 기 구축된 건물 데이터베이스는 그 활용도를 높이기 위해 도심지 내의 주기적인 갱신이 요구된다. 그러나 광범위한 도심지에 대한 건물 단위 변화를 관측하기에는 자료수집의 한계가 존재한다. 따라서 본 연구에서는 넓은 범위를 단일 영상으로 촬영 가능한 위성영상을 활용하여 건물변화 탐지와 건물 정보의 갱신 가능성을 확인하고자 한다. 이를 위해 먼저 건물 데이터베이스에서 제공하는 건물 모서리점의 3차원 좌표를 이용하여 위성영상에 건물 영역을 투영한다. 투영된 건물 영역을 다시 지붕 및 전면 영역으로 구분한다. 투영된 지붕영역의 화소값을 비교하여 건물높이 갱신, 건물멸실 등 건물변화 여부를 탐지한다. 건물높이 갱신은 영상에 투영된 지붕면이 실제 영상에서 관측되는 지붕면과 일치할 때까지 높이값을 조절하여 수행된다. 영상에 투영된 모습은 나타나나 관측되는 건물이 없는 경우 철거된 건물에 해당한다. 영상에서 관측되는 건물 중에서 지붕면과 전면영역이 투영되지 않은 건물은 신축 건물에 해당된다. 이러한 변화탐지 결과를 바탕으로 건물 데이터베이스를 높이갱신, 건물삭제 및 건물생성의 세가지 분류로 갱신한다. 제안된 방식은 인천지역을 촬영한 아리랑 3A호와 인천광역시 건물 데이터베이스를 사용하여 실험하였다. 입력 단일 위성영상을 이용하여 건물변화를 탐지하고, 갱신이 필요한 건물에 대해 건물 데이터베이스 편집 작업을 수행하였다. 갱신된 건물 정보를 검증하고자 이를 이용하여 다른 아리랑 3A호 영상에 건물영역을 투영하였다. 실험결과, 갱신된 건물정보로부터 투영된 건물영역은 영상에서 관측된 건물영역과 잘 일치하였다. 이를 통해서 단일 위성영상을 이용한 건물변화탐지 및 건물 데이터베이스 갱신 가능성을 확인하였다. 후속 연구로 제안방식의 자동처리기술 개발을 수행할 예정이다.

Abstract ▼ AI-Helper

Urban is an area where small-scale changes to individual buildings occur frequently. An existing urban building database requires periodic updating to increase its usability. However, there are limitations in data collection for building changes over a wide urban. In this study, we check the possibility of detecting building changes and updating a building database by using satellite images that can capture a wide urban region by a single image. For this purpose, building areas in a satellite image are first extracted by projecting 3D coordinates of building corners available in a building database onto the image. Building areas are then divided into roof and facade areas. By comparing textures of the roof areas projected, building changes such as height change or building removal can be detected. New height values are estimated by adjusting building heights until projected roofs align to actual roofs observed in the image. If the projected image appeared in the image while no building is observed, it corresponds to a demolished building. By checking buildings in the original image whose roofs and facades areas are not projected, new buildings are identified. Based on these results, the building database is updated by the three categories of height update, building deletion, or new building creation. This method was tested with a KOMPSAT-3A image over Incheon Metropolitan City and Incheon building database available in public. Building change detection and building database update was carried out. Updated building corners were then projected to another KOMPSAT-3 image. It was confirmed that building areas projected by updated building information agreed with actual buildings in the image very well. Through this study, the possibility of semi-automatic building change detection and building database update based on single satellite image was confirmed. In the future, follow-up research is needed on technology to enhance computational automation of the proposed method.

주제어

표/그림 (13)

그림 Fig. 1. Flowchart for the proposed method.
그림 Fig. 2. Building points mapping on satellite image and extracted building area.
그림 Fig. 3. Examples of building roof extraction (a) and building façade extraction (b).
표 Table 1. Update method according to classification class
그림 Fig. 4. Subscene area in this study.
표 Table 2. Attributes in building database
그림 Fig. 5. Building roof and façade mapping points, extracted building total area.
표 Table 3. Building area classification results detected according to update type
그림 Fig. 6. Results of orthorectification and building updating type.
그림 Fig. 7. Database with deletion and height update performed.
그림 Fig. 8. Shape and attribute table of building database.
표 Table 4. Results of building after update
그림 Fig. 9. Extracted roof and façade area using updated database and other satellite images.

AI 본문요약
AI-Helper

문제 정의

따라서 본 연구에서는 단일 위성영상과 기 구축되어 서비스되고 있는 건물 데이터베이스와 수치고도자료(digital elevation model, DEM)를 입력자료로 하여 도심지 건물변화정보를 탐지하는 방안을 제안하고자 한다. 본 연구는 건물변화정보의 자동추출 기법개발보다 단일영상을 이용한 건물변화정보 탐지 및 갱신 가능성을 확인할 수 있는 방안 수립에 주안점을 두어 진행하였다.
본 논문에서는 기존에 구축되어 활용되던 건물 데이터베이스 및 단일 위성영상만을 이용하여 건물변화를 탐지하는 방안을 제안하였다. 이를 위해 데이터베이스 내 존재하는 건물 모서리점들을 위성영상에 투영하여 정의한 건물영역을 실제 영상에서 관측되는 건물영역과 비교하였다.
따라서 본 연구에서는 단일 위성영상과 기 구축되어 서비스되고 있는 건물 데이터베이스와 수치고도자료(digital elevation model, DEM)를 입력자료로 하여 도심지 건물변화정보를 탐지하는 방안을 제안하고자 한다. 본 연구는 건물변화정보의 자동추출 기법개발보다 단일영상을 이용한 건물변화정보 탐지 및 갱신 가능성을 확인할 수 있는 방안 수립에 주안점을 두어 진행하였다. 건물의 수평위치와 높이정보를 제공하는 건물 데이터 베이스와 최신위성영상을 이용하여 건물변화탐지를 수행하게 되면 과거시점의 건물정보로 작성된 건물 데이터베이스를 갱신하여 현행화할 수 있다.

제안 방법

건물 공개데이터를 갱신하고자 개별 건물 단위로 갱신 필요 여부를 확인하고 건물의 변화 유형에 따라 데이터베이스를 갱신하였다. 갱신 코드가 BD_H인 건물은 높이값 보정이 필요한 건물로 일정 높이값 만큼의 연산을 수행하여 높이값 갱신을 수행하였다.
추출한 건물 지붕면 및 전면을 바탕으로 건물 오탐지를 확인하고 개별 건물의 건물높이 변화, 건물 멸실 및 건물 신축여부를 확인할 수 있었다. 또한 투영된 건물영역이 영상 내에 건물영역에 일치하도록 건물높이를 조절함으로써 단일영상을 이용하여 건물의 높이를 수정하였다. 최종적으로 수정한 높이를 건물 데이터베이스에 입력하여 단일 위성영상을 통해 탐지한 변화의 갱신 가능성을 확인하였다.
추정을 위해서는 먼저 초기 높이값을 이용하여 영상 좌표를 계산하고 옥상 영역을 추출한다. 본 실험에서는 m 단위의 건물 데이터베이스를 사용하여 영역을 추출하였으므로, 단위 최소값인 1 m씩 높이 갱신을 수행하였다. 영상 내 추출된 옥상 영역을 육안으로 확인하여 실제 옥상 영역보다 아래에 있다면 초기 높이값에 +1 m를 더한다.
본 연구에서는 DEM과 건물 데이터베이스의 높이값에 기반한 3차원 지상좌표를 영상에 투영하고 영상 상의 건물 기복변위 및 건물 영역을 검출하였다. Fig.
이때 상기 수식에 적용되는 Z 값은 건물 모서리점의 3차원 좌표계 상에서의 좌표 값이며, 건물의 지붕 및 바닥에 따라 각기 다른 값을 지닌다. 본 연구에서는 지형 고도자료인 DEM을 이용하여 건물의 지붕면 모서리점의 지형 고도값을 산출하고 이를 건물 데이터베이스의 건물 높이값과 더하여 건물 지붕면 모서리점의 Z값으로 사용하였다. 건물의 바닥면 모서리점의 Z값은 해당 지점의 지형고도값을 그대로 사용하였다.
사전에 확인한 3가지 건물 변화 유형에 따라 각 건물별로 갱신 코드를 부여하고 입력 자료로 사용한 건물 데이터베이스에 갱신 코드 및 갱신한 높이 정보를 추가하여 별도의 산출물로 출력한다. Table 1은 건물 갱신 유형에 따른 갱신 코드를 나타내는 표이다.
앞선 건물변화탐지 실험에 사용되지 않은 새로운 위성영상에 건물영역을 투영하여 갱신한 건물 데이터베이스를 검증하였다. 검증에 사용한 위성영상은 2019년 1월 6일 촬영된 K3 위성영상으로, 다른 촬영각에서 영상이 촬영되어 기복변위가 다른 방향으로 발생한 영상을 사용하였다.
위성영상에서 추출된 지붕면 영상과 전면 영상을 이용하여 건물변화탐지를 수행한다. 만약 건물영역 추출에 사용한 건물정보가 정확하고 건물의 형태에 변화가 발생하지 않은 경우, 추출된 건물 지붕면 영상은 실제 지붕면에 해당하는 픽셀들로 구성된다.
앞 절에서 설명한 과정을 통해서 얻어진 건물변화탐지 결과로부터 갱신이 필요한 건물을 파악하고 건물 데이터베이스의 해당 건물정보를 갱신한다. 이를 위해 건물변화탐지 결과를 바탕으로 갱신이 필요한 건물을 먼저 선별하고 해당 건물의 갱신 유형을 확인한다. 건물 갱신은 건물속성 갱신, 건물 삭제 및 건물 신규 생성의 세가지 변화 유형으로 구분된다.
본 논문에서는 기존에 구축되어 활용되던 건물 데이터베이스 및 단일 위성영상만을 이용하여 건물변화를 탐지하는 방안을 제안하였다. 이를 위해 데이터베이스 내 존재하는 건물 모서리점들을 위성영상에 투영하여 정의한 건물영역을 실제 영상에서 관측되는 건물영역과 비교하였다. 추출한 건물 지붕면 및 전면을 바탕으로 건물 오탐지를 확인하고 개별 건물의 건물높이 변화, 건물 멸실 및 건물 신축여부를 확인할 수 있었다.
먼저 단일 위성영상을 입력받고 기준점 정보를 이용하여 정밀기하보정을 실시한다. 이후 건물 데이터베이스에서 제공하는 건물 모서리점 좌표와 건물 높이값 및 DEM 자료를 이용하여 단일위성영상 내에 존재하는 건물 기복변위를 계산하고 건물 영역을 영상에 투영한다. 투영된 건물영역은 다시 지붕면과 전면으로 구분한다.
최종적으로 탐지 결과에 기반하여 변화가 발생한 건물들에 대해 건물 데이터베이스를 수정한다. 제안된 방법의 검증을 위해서 수정된 건물 데이터베이스를 변화탐지에 사용하지 않은 다른 위성영상에 적용하여 건물영역을 투영한다.
이렇게 탐지된 건물들은 건물 데이터베이스 내 갱신이 필요하거나 신규 정보 추가가 필요한 신규 건물로 판단한다. 최종적으로 탐지 결과에 기반하여 변화가 발생한 건물들에 대해 건물 데이터베이스를 수정한다. 제안된 방법의 검증을 위해서 수정된 건물 데이터베이스를 변화탐지에 사용하지 않은 다른 위성영상에 적용하여 건물영역을 투영한다.
투영된 건물영역은 다시 지붕면과 전면으로 구분한다. 투영된 건물 지붕면 및 전면 영상들을 분석하여 잘못 추출된 지붕면 및 전면 영상을 탐지한다. 또한 원본 위성영상에서 관측되는 건물 중에서 지붕면과 전면이 투영되지 않은 영역 역시 탐지한다.
이는 건물영역 추출에 사용한 건물 데이터베이스 내 해당 건물 정보가 누락되었거나 건물이 신축된 경우에 해당한다. 해당 건물들은 원본 영상에서 이미 추출된 건물영역과 유사한 화소값 패턴이 나타난 영역을 추정하는 방식으로 자동변화탐지가 가능하다. 그러나 본 논문의 주안점은 단일 영상을 활용한 건물변화탐지 방안을 제시하는 데에 있으므로 자동 신규건물 탐지를 위한 처리절차는 후속 연구로 남겨두기로 한다.

대상 데이터

앞선 건물변화탐지 실험에 사용되지 않은 새로운 위성영상에 건물영역을 투영하여 갱신한 건물 데이터베이스를 검증하였다. 검증에 사용한 위성영상은 2019년 1월 6일 촬영된 K3 위성영상으로, 다른 촬영각에서 영상이 촬영되어 기복변위가 다른 방향으로 발생한 영상을 사용하였다. 새로운 위성영상을 사용하여 건물영역을 검출한 결과는 Fig.
본 연구에 사용한 건물 데이터베이스는 오픈소스이며 Shape 파일 형태로 제공된다. 이 자료를 제안방식에 적용하기 위해서 폴리곤 자료를 점형태의 자료로 가공하여 사용하였다.

성능/효과

또한 지면 및 다른 건물 위에 존재하였던 건물들이 갱신 데이터베이스를 사용한 결과, 해당 건물이 검출되지 않는 모습이 나타난다. 건물 폴리곤을 독취하고 높이값을 추정한 신규 건물에 대해서는 기존에 검출되지 않던 건물 영역에 건물영역이 정상적으로 투영되는 것을 볼 수 있었다.
Area 3은 많은 건물들은 올바르게 건물영역이 투영되었으나 건물 데이터베이스 내에 누락된 건물이 있어 신규 건물정보 생성이 필요한 경우에 해당된다. 건물영역 검출 결과, Area 1은 36개, Area 2는 110개, Area 3은 44개의 건물 영역이 검출되었다.
9와 같다. 기존 영상에서 실제 영상과 이격을 보이던 지붕면이 건물높이 갱신 이후에 영상의 건물과 일치되었음을 알 수 있다. 또한 기존 영상에서 잘못 투영된 건물과 누락된 건물은 각각 건물 삭제와 건물 생성과정을 거쳐서 갱신한 결과 새로운 위성 영상에서는 올바르게 건물영역이 투영되었음을 확인하였다.
기존 영상에서 실제 영상과 이격을 보이던 지붕면이 건물높이 갱신 이후에 영상의 건물과 일치되었음을 알 수 있다. 또한 기존 영상에서 잘못 투영된 건물과 누락된 건물은 각각 건물 삭제와 건물 생성과정을 거쳐서 갱신한 결과 새로운 위성 영상에서는 올바르게 건물영역이 투영되었음을 확인하였다. 다만, Area 2에서는 존재하지 않는 건물에 대해 건물 영역이 여전히 검출된 것을 확인할 수 있었다.
이와 달리 본 연구에서 제시하는 변화탐지 방식의 경우 기 구축된 건물 데이터베이스를 사용하여 건물정보를 영상에 투영시키는 방식을 사용하여 건물 기복변위가 미치는 정확도 저하를 근본적으로 배제할 수 있었다. 또한, 본 연구에서 시계열 영상이 아닌 단일 위성영상만을 이용한 단안식 모델-영상 간의 변화탐지를 제안하여 변화탐지에 필요한 입력 자료 수집의 어려움을 극복하였다.
Area 2는 총 110개 중 제대로 검출된 건물이 존재하지 않으며, 8개의 높이갱신, 73개의 삭제, 29개의 건물이 신규 생성이 필요하다. 마지막으로 Area 3는 44개 중 17개의 건물이 제대로 검출되었으며, 3개의 높이갱신, 15개의 삭제, 9개의 건물이 신규 생성이 필요한 것으로 확인되었다.
시범지역 별 건물변화탐지 결과, Area 1은 36개 중 9개의 건물이 제대로 검출되었으며 23개의 높이갱신, 4개 삭제가 필요한 건물이 존재한다. Area 2는 총 110개 중 제대로 검출된 건물이 존재하지 않으며, 8개의 높이갱신, 73개의 삭제, 29개의 건물이 신규 생성이 필요하다.
이와 달리 생성한 정사영상 내 건물이 있지 않은 위치임에도 불구하고 기복변위가 공백처리 되어있는 경우는 기존에 건물이 있었으나 철거된 건물로 간주하여 데이터베이스에서 삭제하였다. 영상 상으로는 확인되나 기복변위 제거 또는 건물 영역이 추출되지 않은 경우는 신규 건설되어 데이터베이스에 존재하지 않는 건물로 확인되었다. 이러한 건물은 신규 폴리곤을 생성하는 작업이 추가로 필요하다.
그러나 이 방식은 건물에서 발생한 기복변위가 변화로 오탐지되는 문제를 내제하고 있다. 이와 달리 본 연구에서 제시하는 변화탐지 방식의 경우 기 구축된 건물 데이터베이스를 사용하여 건물정보를 영상에 투영시키는 방식을 사용하여 건물 기복변위가 미치는 정확도 저하를 근본적으로 배제할 수 있었다. 또한, 본 연구에서 시계열 영상이 아닌 단일 위성영상만을 이용한 단안식 모델-영상 간의 변화탐지를 제안하여 변화탐지에 필요한 입력 자료 수집의 어려움을 극복하였다.
또한 투영된 건물영역이 영상 내에 건물영역에 일치하도록 건물높이를 조절함으로써 단일영상을 이용하여 건물의 높이를 수정하였다. 최종적으로 수정한 높이를 건물 데이터베이스에 입력하여 단일 위성영상을 통해 탐지한 변화의 갱신 가능성을 확인하였다.
이를 위해 데이터베이스 내 존재하는 건물 모서리점들을 위성영상에 투영하여 정의한 건물영역을 실제 영상에서 관측되는 건물영역과 비교하였다. 추출한 건물 지붕면 및 전면을 바탕으로 건물 오탐지를 확인하고 개별 건물의 건물높이 변화, 건물 멸실 및 건물 신축여부를 확인할 수 있었다. 또한 투영된 건물영역이 영상 내에 건물영역에 일치하도록 건물높이를 조절함으로써 단일영상을 이용하여 건물의 높이를 수정하였다.

후속연구

해당 건물들은 원본 영상에서 이미 추출된 건물영역과 유사한 화소값 패턴이 나타난 영역을 추정하는 방식으로 자동변화탐지가 가능하다. 그러나 본 논문의 주안점은 단일 영상을 활용한 건물변화탐지 방안을 제시하는 데에 있으므로 자동 신규건물 탐지를 위한 처리절차는 후속 연구로 남겨두기로 한다.
건물의 수평위치와 높이정보를 제공하는 건물 데이터 베이스와 최신위성영상을 이용하여 건물변화탐지를 수행하게 되면 과거시점의 건물정보로 작성된 건물 데이터베이스를 갱신하여 현행화할 수 있다. 아울러 시계열 위성영상이 아닌 단일 위성영상 만을 사용할 경우 위성영상의 확보가 상대적으로 용이해지고 신속한 도심 지역의 변화탐지가 가능할 것이라고 예상된다.

참고문헌 (16)

Awrangjeb, M., 2015. Effective generation and update？of a building map database through automatic？building change detection from LiDAR point？cloud data. Remote Sensing, 7(10), 14119-14150.？https://doi.org/10.3390/rs71014119

상세보기
Belgiu, M., and Dragut, L., 2014. Comparing supervised？and unsupervised multiresolution segmentation？approaches for extracting buildings from very？high resolution imagery. ISPRS Journal of？Photogrammetry and Remote Sensing, 96, 67-75.？https://doi.org/10.1016/j.isprsjprs.2014.07.002

상세보기
Bouziani, M., Goita, K., and He, D. C., 2010. Automatic？change detection of buildings in urban environment？from very high spatial resolution images using？existing geodatabase and prior knowledge. ISPRS？Journal of Photogrammetry and Remote Sensing,？65(1), 143-153. https://doi.org/10.1016/j.isprsjprs.2009.10.002

상세보기
Chen, H., Qi, Z., and Shi, Z., 2021. Remote sensing？image change detection with transformers. IEEE？Transactions on Geoscience and Remote Sensing,？60, 1-14. https://doi.org/10.1109/TGRS.2021.3095166

상세보기
Dini, G. R., Jacobsen, K., Rottensteiner, F., Al Rajhi,？M., and Heipke, C., 2012. 3D building change？detection using high resolution stereo images？and a GIS database. The International Archives？of the Photogrammetry, Remote Sensing and？Spatial Information Sciences, 39, 299-304. https://doi.org/10.5194/isprsarchives-XXXIX-B7-299-2012

상세보기
Kim, S., and Kim, T., 2023. Automated extraction of？orthorectified building layer from high-resolution？satellite images. Korean Journal of Remote Sensing,？39(3), 339-353. https://doi.org/10.7780/kjrs.2023.39.3.7

원문보기 상세보기
Knudsen, T., and Olsen, B. P., 2003. Automated change？detection for updates of digital map databases.？Photogrammetric Engineering & Remote Sensing,？69(11), 1289-1296. https://doi.org/10.14358/PERS.69.11.1289

상세보기
Korea National Spatial Data Infrastructure Portal Open？API, 2015. GIS building integrated information.？Available online: http://openapi.nsdi.go.kr/nsdi/eios/ServiceDetail.do?svcSeF&svcIdF010？(accessed on Oct. 12, 2023).
Le Bris, A., and Chehata, N., 2013. Change detection in？a topographic building database using submetric？satellite images. The International Archives of？the Photogrammetry, Remote Sensing and Spatial？Information Sciences, 38, 25-30. https://doi.org/10.5194/isprsarchives-XXXVIII-3-W22-25-2011

상세보기
Lee, T., and Kim, T., 2013. Automatic building height？extraction by volumetric shadow analysis of？monoscopic imagery. International Journal of？Remote Sensing, 34(16), 5834-5850. https://doi.org/10.1080/01431161.2013.796434

상세보기
Malpica, J. A., Alonso, M. C., Papi, F., Arozarena, A.,？and Martinez De Agirre, A., 2013. Change detection？of buildings from satellite imagery and LiDAR？data. International Journal of Remote Sensing,？34(5), 1652-1675. https://doi.org/10.1080/01431161.2012.725483

상세보기
Matikainen, L., Hyyppa, J., Ahokas, E., Markelin, L.,？and Kaartinen, H., 2010. Automatic detection of？buildings and changes in buildings for updating？of maps. Remote Sensing, 2(5), 1217-1248. https://doi.org/10.3390/rs2051217

상세보기
National Geographic Information Institute, 2023. Research？on ways to update digital topographic maps？through collaboration with local governments.？Ministry of Land, Infrastructure and Transport.？https://www.ngii.go.kr/kor/contents/view.do?sq1369&board_codecontents_data
Tang, Y., Huang, X., and Zhang, L., 2013. Fault-tolerant building change detection from urban？high-resolution remote sensing imagery. IEEE？Geoscience and Remote Sensing Letters, 10(5),？1060-1064. https://doi.org/10.1109/LGRS.2012.2228626

상세보기
Vosselman, G., Gorte, B. G. H., and Sithole, G., 2004.？Change detection for updating medium scale maps？using laser altimetry. The International Archives of？Photogrammetry, Remote Sensing and Spatial？Information Sciences, 34(B3), 207-212.
Vu, T. T., Matsuoka, M., and Yamazaki, F., 2004.？LiDAR-based change detection of buildings in？dense urban areas. In Proceedings of the 2004？IEEE International Geoscience and Remote Sensing？Symposium, Anchorage, AK, USA, Sept. 20-24,？pp. 3413-3416. https://doi.org/10.1109/IGARSS.2004.1370438

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