본 연구에서는 백두산 분화 전 지반 균열 및 거동에 의한 천지못 지반 붕괴 시나리오 별 천지못 유출수의 이동경로와 홍수 피해영향범위를 시계열로 예측하였다. 지형 지표 기상 환경 자료를 기반으로 다방향 흐름기법, 지표토양에 의한 흡수율과 초기저장량, 화구 및 분지 지형의 부피(저장공간)를 함께 고려할 수 있는 지리정보시스템 기반의 수문분석 알고리즘을 개발하였다. 백두산 지역의 화산군 분포와 지형적 특성을 고려하여 4가지 경우의 천지못 지반 붕괴 지점을 가상으로 선정하고, 개발된 알고리즘을 적용하여 천지못 유출수의 확산패턴과 시간 변화에 따른 피해영향범위를 산정하였다. 시나리오 1과 2(천지못 전체/남쪽 경계 지반 붕괴)의 경우 천지못 유출 약 3시간 경과 후부터 중국쪽 마을에 홍수피해가 발생한 반면 북한 영토는 천지못 남동쪽에 위치한 산봉우리의 지형적 특성으로 인해 거의 영향을 받지 않는 것으로 나타났다. 반면 시나리오 2의 조건에 천지못 남동쪽 산봉우리를 붕괴시킨 시나리오 3과 4의 경우에는 천지못 유출 약 3시간 경과 후부터 중국뿐만 아니라 북한 영토쪽 마을에도 1,500만톤 이상의 홍수 피해를 발생시키는 것으로 분석되었다.
기후위기에 선제적으로 대비하기 위해서는 기후변화에 따른 영향을 예측 및 분석하고, 이를 바탕으로 기후위기 적응과 관련한 정책과 전략을 수립할 필요가 있다. 이를 위해 기후변화를 고려해야 하나, 기존 연구 방법인 시나리오 리드 접근법에서 연구자들은 기후변화 대표 시나리오를 선택하여 활용하기 때문에, 예측된 결과의 불확실성이 크고 신뢰도가 낮다. 이러한 연구 결과는 기후변화 관련된 수자원 정책 및 설계기준에 반영되는 데 한계가 있다. 따라서 기후변화로 인해 발생가능한 변화 범위를 고려하는 시나리오 중립 접근법을 활용할 필요가 있다. 본 연구에서는 보령시를 대상으로 총 343개의 기후스트레스 시계열을 생성한 뒤 이변량 가뭄빈도분석을 통해 재현기간을 산정하고 가뭄에 대한 수문학적 위험도를 산정하였다. 분석결과, SSP1-2.6 18개 및 SSP5-8.5에 18개에 대해 최대 재현기간의 가뭄이 20년 내에 발생할 수문학적 위험도는 0.15±0.025, 50년 내에 발생할 수문학적 위험도는 0.3125±0.0625 사이로 나타났다. 따라서 보령시에서는 해당 범위의 수문학적 위험도를 고려하여 가뭄 정책 및 대책 수립이 필요하다.
우리나라 산림의 임상은 자연적·인위적 요인에 의해 지속적으로 변화하고 있다. 임상(침엽수림, 활엽수림, 혼효림)면적의 비율은 국가 산림자원 특성 파악에 중요하게 활용되는 정보이기 때문에 임상 변화에 대한 정확한 이해와 전망이 필요하다. 따라서 본 연구에서는 국가산림자원조사 시계열 자료를 이용하여 임상 변화 발생 특성을 이해하고 이를 기반으로 미래 임상 변화 예측치를 도출하는 것을 목표로 하였다. 제5차, 제7차 국가산림자원조사 자료의 10년 기간 임상 변화정보와 임상 변화에 영향을 미칠 수 있는 변수(기후, 지형, 임분, 교란 등)를 이용하여 임상 변화 특성을 분석한 결과, 우리나라 산림은 침엽수림이 감소하고 혼효림과 활엽수림이 증가하는 방향으로 변화하고 있는 것으로 확인되었다. 침엽수림에서 혼효림으로, 혼효림에서 활엽수림으로 변화되는 지역은 주로 지형적으로 습윤하고 강수량이 많아서 수분관련 생육환경이 양호하며 주변에 활엽수림이 많은 지역이었다. 또한 기온이 높은 지역, 임분의 임령과 밀도가 낮은 지역, 주변 지역에 비산림이 많은 지역 등 교란 가능성이 높은 지역에서 변화가 많이 발생했다. 이러한 임상의 변화 특성을 반영하여 기계학습 모형(SVM)을 구축하고 기후변화시나리오(RCP 8.5)를 이용하여 미래의 임상 변화를 전망한 결과, 2015년에서 2055년까지 40년 동안 침엽수림은 38.1%에서 28.5%로 감소, 활엽수림은 34.2%에서 38.8%로 증가, 혼효림은 27.7%에서 32.7%로 증가할 것으로 예측되었다. 본 미래 임상분포 변화 정보는 향후 산림관리 전략 수립의 기초자료로 활용될 수 있다.
소나무림 산림생태계의 자연적 임분 동태 변화 과정에 따라 참나무류 등 활엽수와의 경쟁에 밀려 분포 면적이 지속적으로 감소하고 있다. 소나무림의 자연적 쇠퇴가 가시화되면서 소나무가 우리 국민들에게 제공해왔던 다양한 가치들이 함께 소멸될 위험에 처해 있으며, 지역별 소나무 쇠퇴 진행 상황에 따라 미래 산림관리 방향을 마련하는 것이 중요한 과제로 제기되고 있다. 따라서, 본 연구는 자연적 임분 동태 변화에 따른 소나무림 변화 특성을 이해하고, 미래 소나무림의 지역별 변화를 전망하는 것을 목적으로 하였다. 이를 위해, 시계열 국가산림자원조사 자료 기반 전국 소나무림 변화 정보를 이용하여 소나무림의 변화 경향을 분석하고 변화에 영향을 줄 수 있는 변수(지형, 임분, 교란, 기후)들을 평가하였다. 또한 유효변수들을 이용하여 모형을 구축하고 미래의 소나무림의 미래 변화 모습을 예측했다. 그 결과, 과거 10년 동안 전국 산림에서 소나무류의 중요치는 전반적으로 감소하였으며 소나무류가 대표수종인 표본점이 10년 후에도 대표수종이 유지된 비율은 75%, 나머지 25%는 혼효림으로 전환된 것으로 나타났다. 이러한 변화는 수분 조건이 좋으며 임분 내·외부의 교란 요인이 많은 지역에서 발생한 것으로 분석되었다. 향후 10년 후의 소나무림 변화를 전망한 결과, 전국적으로 현재 기준 소나무림 순림의 약 14.2%가 자연적인 임분 동태 변화에 따라 혼효림으로 전환될 가능성이 높을 것으로 추정되었다. 지역적으로 보면 소나무림 변화율은 제주와 경기가 42.8%, 26.9%로 가장 높았고 경북과 강원이 8.8%, 13.8%로 가장 낮았다. 경기, 충청, 전남 지역 등 한반도 서쪽 지역에 있는 소나무림의 감소 위험이 높을 것으로 예측되었다. 본 연구에서 제시한 자연적 임분동태 변화에 따른 소나무림 변화 민감도 평가 결과는 전국 소나무림의 종합적 관리 방안을 마련하는데 활용할 수 있다.
가뭄은 인간이 극복하기 힘든 자연재해로서 가뭄지역의 경제를 어렵게 할 뿐 아니라 생태계까지 파괴하기 때문에 전 세계적으로 가장 두려워하는 관심 재해 중 하나이다. 따라서 본 연구에서는 대표적인 가뭄지수인 팔머가뭄지수와 범지구적 해수면 온도의 상관관계를 분석하였다. 먼저 팔머가뭄지수를 산정하여 과거 가뭄발생연도와 비교분석을 실시하였다. 비교분석을 결과 대부분의 과거 가뭄사상과 지수가 일치하는 것으로 분석되었다. 상관성 분석을 위해 팔머가뭄지수 산정을 위한 지수인 강수자료와 온도자료를 월평균강수량과 월평균온도 자료로 산정하여 군집분석을 실시하였다. 우리나라 기상청관할에 있는 61개 지점을 선정하여 월평균강우량과 월평균온도 자료로 군집분석결과 총 6개의 군집을 형성하는 것으로 분석되었다. 또한, 군집분석결과와 팔머가뭄지수의 주성분 분석을 실시하였다. 주성분 분석을 통해 전체 자료의 분산을 80% 이상 설명할 수 있는 14개의 시계열 자료를 추출하였다. 추출된 팔머가뭄지수의 주요 성분과 범지구적 해수면 온도와의 상관성 분석결과 팔머가뭄지수는 양의 상관관계가 음의 상관관계보다 큰 것으로 분석되었으며, 태평양에서 관측되는 해수면 온도와 통계적으로 유의한 상관관계를 갖는 해수면 온도 구역을 확인할 수 있었다. 이를 통해 해수면 온도를 이용하여 우리나라에 발생할 수 있는 가뭄의 예측 가능성을 제시하였다.
본 연구는 채권시장과 금리시장의 지표를 이용한 외환시장 환율예측 모델을 만드는데 있어 어떤 인공지능 방법론이 가장 적합한지 밝혀내는데 그 목적이 있다. 채권시장의 대표 상품인 국고채와 통안채는 위험회피 상황이 올 때 대규모로 매도되어지고 그런 경우 환율이 상승하는 모습을 자주 보여주었고, 금리시장에서 통화 스왑 (Cross Currency Swap) 가격은 달러 유동성 문제가 생길 때 주로 하락하였으며, 그 움직임은 환율의 상승에 직간접적인 영향을 미쳐온 점 등을 고려하면, 채권시장과 금리시장에서 거래되는 상품의 가격과 움직임은 외환시장에도 직간접적인 영향을 주고 있으며, 세 시장 사이엔 상호 유기적이고 보완적인 관계가 있다고 볼 수 있다. 지금까지 채권시장, 금리시장, 그리고 외환시장 사이의 관계와 연관성을 밝히는 연구는 있어왔으나, 과거 많은 환율예측 연구들이 주로 GDP, 경상수지 흑자/적자, 인플레이션 등 거시적인 지표를 기반으로 한 연구에 집중되어 왔으며, 채권시장과 금리시장 지표를 기반으로 인공지능을 활용하여 외환시장의 환율을 예측하는 적극적인 연구는 아직 진행되지 않았다. 본 연구는 채권시장 지표와 금리시장 지표를 기반으로, 비선형데이터 분석에 적합한 인공신경망(Artificial Neural Network) 모델과, 선형데이터 분석에 적합한 로지스틱 회귀분석 (Logistic regression), 그리고 비선형/선형데이터 분석에 활용 가능한 의사결정나무 (Decision Tree)를 각각 사용하여 환율예측 모델을 만들고 그 수익률을 비교하여 어떤 모델이 가장 외환시장 환율 예측을 하는데 적합한지 알려준다. 또한, 본 연구는 주식시장, 금리시장, 오일시장, 그리고 외환시장 환율 등 비선형적 시계열 데이터 분석에 많이 사용되어진 인공신경망 모델이 채권시장과 금리시장 지표를 기반으로 한 외환시장 환율예측 모델에 가장 적합한 방법론을 제공하고 있다는 것을 증명한다. 채권시장, 금리시장, 그리고 외환시장 간의 단순한 연관성을 밝히는 것을 넘어, 세 시장 간의 거래 신호를 포착하여 적극적인 상관관계를 밝히고 상호 유기적인 움직임을 증명하는 것은 단순히 외환시장 트레이더 들에게 새로운 트레이딩 모델을 제시하는 것뿐만 아니라 금융시장 전체의 효율성을 증가시키는데 기여할 것이라 기대한다.
Korea meteorological administration(KMA) has started to levy air meteorological service charge on both national and foreign carriers since 2005. The charge has grown on 2010 and 2014 twice. However, KMA has still kept asking airlines to agree with another increase in the charge due to the low cost of goods recovery ratio of 7%. The air meteorological charge has changed from 2,210 KRW at the beginning to 11,400 KRW as of June 2018. According to ARIMA intervention time series analysis, it was proven national carriers would make a payment of 831 million KRW 2018 and 1,024 million KRW 2019, showing 186.2% and 123.2% increase compared to last year respectively. The total amount of charge for both national LCC and foreign airlines was aggregated up to 1,952 million KRW 2019, 227% bigger than the charge paid at 2017. Considering the 50% increase of consumer price index last decade, the increased charge would impair the global competitiveness of national carriers. It could be suggested that current air meteorological charge scheme be improved to apply overseas trend and for national carriers to have a competitive advantage in global aviation market.
Forecasts of monthly landings of walleye pollock, Theragra chalcogramma, in Korea were carried out by the seasonal Autoregressive Integrated Moving Average(ARlMA) model. The Box - Cox transformation on the walleye pollock catch data handles nonstationary variance. The equation of Box - Cox transformation was Y'=($Y^0.31$_ 1)/0.31. The model identification was determined by minimum AIC(Akaike Information Criteria). And the seasonal ARlMA model is presented (1- O.583B)(1- $B^1$)(l- $B^12$)$Z_t$ =(l- O.912B)(1- O.732$B^12$)et where: $Z_t$=value at month t ; $B^p$ is a backward shift operator, that is, $B^p$$Z_t$=$Z_t$-P; and et= error term at month t, which is to forecast 24 months ahead the walleye pollock landings in Korea. Monthly forecasts of the walleye pollock landings for 1993~ 1994, which were compared with the actual landings, had an absolute percentage error(APE) range of 20.2-226.1 %. Thtal observed annual landings in 1993 and 1994 were 16, 61OM/T and 1O, 748M/T respectively, while the model predicted 10, 7 48M/T and 8, 203M/T(APE 37.0% and 23.7%, respectively).
인공위성은 시공간적으로 연속적인 지구환경 데이터를 제공하므로 위성영상을 이용하여 효율인 작물 수확량 예측이 가능하며, 딥러닝(deep learning)을 활용함으로써 더 높은 수준의 특징과 추상적인 개념 파악을 기대할 수 있다. 본 연구에서는 Landsat 8 위성 영상을 활용하여 다시기 영상 데이터를 이용하여 5대 수급 관리 채소인 배추와 무의 수확량을 예측하기 위한 딥러닝 모델을 개발하였다. 2015년부터 2020년까지 배추와 무의 생장시기인 6~9월 위성영상을 이용하여 강원도를 대상으로 배추와 무의 수확량 예측을 수행하였다. 본 연구에서는 수확량 모델의 입력자료로 Landsat 8 지표면 반사도 자료와 normalized difference vegetation index, enhanced vegetation index, lead area index, land surface temperature를 입력자료로 사용하였다. 본 연구에서는 기존 연구에서 개발된 모델을 기반으로 우리나라 작물과 입력데이터에 맞게 튜닝한 모델을 제안하였다. 위성영상 시계열 데이터를 이용하여 딥러닝 모델인 convolutional neural network (CNN)을 학습하여 수확량 예측을 진행하였다. Landsat 8은 16일 주기로 영상이 제공되지만 구름 등 기상의 영향으로 인해 특히 여름철에는 영상 취득에 어려움이 많다. 따라서 본 연구에서는 6~7월을 1구간, 8~9월을 2구간으로 나누어 수확량 예측을 수행하였다. 기존 머신러닝 모델과 참조 모델을 이용하여 수확량 예측을 수행하였으며, 모델링 성능을 비교했다. 제안한 모델의 경우 다른 모델과 비교했을 때, 높은 수확량 예측 성능을 나타내었다. Random forest (RF)의 경우 배추에서는 제안한 모델보다 좋은 예측 성능을 나타내었다. 이는 기존 연구 결과처럼 RF가 입력데이터의 물리적인 특성을 잘 반영하여 모델링 되었기 때문인 것으로 사료된다. 연도별 교차 검증 및 조기 예측을 통해 모델의 성능과 조기 예측 가능성을 평가하였다. Leave-one-out cross validation을 통해 분석한 결과 참고 모델을 제외하고는 두 모델에서는 유사한 예측 성능을 보여주었다. 2018년 데이터의 경우 모든 모델에서 가장 낮은 성능이 나타났는데, 2018년의 경우 폭염으로 인해 이는 다른 년도 데이터에서 학습되지 못해 수확량 예측에 영향을 준 것으로 생각되었다. 또한, 조기 예측 가능성을 확인한 결과, 무 수확량은 어느 정도 경향성을 나타냈지만 배추의 경우 조기 예측 가능성을 확인하지 못했다. 향후 연구에서는 데이터 형태에 따라 CNN의 구조를 조정해서 조기 예측 모델을 개발한다면 더 개선된 성능을 보일 것으로 생각된다. 본 연구 결과는 우리나라 밭 작물 수확량 예측을 위한 기초 연구로 활용될 수 있을 것으로 기대된다.
본 웹사이트에 게시된 이메일 주소가 전자우편 수집 프로그램이나
그 밖의 기술적 장치를 이용하여 무단으로 수집되는 것을 거부하며,
이를 위반시 정보통신망법에 의해 형사 처벌됨을 유념하시기 바랍니다.
[게시일 2004년 10월 1일]
이용약관
제 1 장 총칙
제 1 조 (목적)
이 이용약관은 KoreaScience 홈페이지(이하 “당 사이트”)에서 제공하는 인터넷 서비스(이하 '서비스')의 가입조건 및 이용에 관한 제반 사항과 기타 필요한 사항을 구체적으로 규정함을 목적으로 합니다.
제 2 조 (용어의 정의)
① "이용자"라 함은 당 사이트에 접속하여 이 약관에 따라 당 사이트가 제공하는 서비스를 받는 회원 및 비회원을
말합니다.
② "회원"이라 함은 서비스를 이용하기 위하여 당 사이트에 개인정보를 제공하여 아이디(ID)와 비밀번호를 부여
받은 자를 말합니다.
③ "회원 아이디(ID)"라 함은 회원의 식별 및 서비스 이용을 위하여 자신이 선정한 문자 및 숫자의 조합을
말합니다.
④ "비밀번호(패스워드)"라 함은 회원이 자신의 비밀보호를 위하여 선정한 문자 및 숫자의 조합을 말합니다.
제 3 조 (이용약관의 효력 및 변경)
① 이 약관은 당 사이트에 게시하거나 기타의 방법으로 회원에게 공지함으로써 효력이 발생합니다.
② 당 사이트는 이 약관을 개정할 경우에 적용일자 및 개정사유를 명시하여 현행 약관과 함께 당 사이트의
초기화면에 그 적용일자 7일 이전부터 적용일자 전일까지 공지합니다. 다만, 회원에게 불리하게 약관내용을
변경하는 경우에는 최소한 30일 이상의 사전 유예기간을 두고 공지합니다. 이 경우 당 사이트는 개정 전
내용과 개정 후 내용을 명확하게 비교하여 이용자가 알기 쉽도록 표시합니다.
제 4 조(약관 외 준칙)
① 이 약관은 당 사이트가 제공하는 서비스에 관한 이용안내와 함께 적용됩니다.
② 이 약관에 명시되지 아니한 사항은 관계법령의 규정이 적용됩니다.
제 2 장 이용계약의 체결
제 5 조 (이용계약의 성립 등)
① 이용계약은 이용고객이 당 사이트가 정한 약관에 「동의합니다」를 선택하고, 당 사이트가 정한
온라인신청양식을 작성하여 서비스 이용을 신청한 후, 당 사이트가 이를 승낙함으로써 성립합니다.
② 제1항의 승낙은 당 사이트가 제공하는 과학기술정보검색, 맞춤정보, 서지정보 등 다른 서비스의 이용승낙을
포함합니다.
제 6 조 (회원가입)
서비스를 이용하고자 하는 고객은 당 사이트에서 정한 회원가입양식에 개인정보를 기재하여 가입을 하여야 합니다.
제 7 조 (개인정보의 보호 및 사용)
당 사이트는 관계법령이 정하는 바에 따라 회원 등록정보를 포함한 회원의 개인정보를 보호하기 위해 노력합니다. 회원 개인정보의 보호 및 사용에 대해서는 관련법령 및 당 사이트의 개인정보 보호정책이 적용됩니다.
제 8 조 (이용 신청의 승낙과 제한)
① 당 사이트는 제6조의 규정에 의한 이용신청고객에 대하여 서비스 이용을 승낙합니다.
② 당 사이트는 아래사항에 해당하는 경우에 대해서 승낙하지 아니 합니다.
- 이용계약 신청서의 내용을 허위로 기재한 경우
- 기타 규정한 제반사항을 위반하며 신청하는 경우
제 9 조 (회원 ID 부여 및 변경 등)
① 당 사이트는 이용고객에 대하여 약관에 정하는 바에 따라 자신이 선정한 회원 ID를 부여합니다.
② 회원 ID는 원칙적으로 변경이 불가하며 부득이한 사유로 인하여 변경 하고자 하는 경우에는 해당 ID를
해지하고 재가입해야 합니다.
③ 기타 회원 개인정보 관리 및 변경 등에 관한 사항은 서비스별 안내에 정하는 바에 의합니다.
제 3 장 계약 당사자의 의무
제 10 조 (KISTI의 의무)
① 당 사이트는 이용고객이 희망한 서비스 제공 개시일에 특별한 사정이 없는 한 서비스를 이용할 수 있도록
하여야 합니다.
② 당 사이트는 개인정보 보호를 위해 보안시스템을 구축하며 개인정보 보호정책을 공시하고 준수합니다.
③ 당 사이트는 회원으로부터 제기되는 의견이나 불만이 정당하다고 객관적으로 인정될 경우에는 적절한 절차를
거쳐 즉시 처리하여야 합니다. 다만, 즉시 처리가 곤란한 경우는 회원에게 그 사유와 처리일정을 통보하여야
합니다.
제 11 조 (회원의 의무)
① 이용자는 회원가입 신청 또는 회원정보 변경 시 실명으로 모든 사항을 사실에 근거하여 작성하여야 하며,
허위 또는 타인의 정보를 등록할 경우 일체의 권리를 주장할 수 없습니다.
② 당 사이트가 관계법령 및 개인정보 보호정책에 의거하여 그 책임을 지는 경우를 제외하고 회원에게 부여된
ID의 비밀번호 관리소홀, 부정사용에 의하여 발생하는 모든 결과에 대한 책임은 회원에게 있습니다.
③ 회원은 당 사이트 및 제 3자의 지적 재산권을 침해해서는 안 됩니다.
제 4 장 서비스의 이용
제 12 조 (서비스 이용 시간)
① 서비스 이용은 당 사이트의 업무상 또는 기술상 특별한 지장이 없는 한 연중무휴, 1일 24시간 운영을
원칙으로 합니다. 단, 당 사이트는 시스템 정기점검, 증설 및 교체를 위해 당 사이트가 정한 날이나 시간에
서비스를 일시 중단할 수 있으며, 예정되어 있는 작업으로 인한 서비스 일시중단은 당 사이트 홈페이지를
통해 사전에 공지합니다.
② 당 사이트는 서비스를 특정범위로 분할하여 각 범위별로 이용가능시간을 별도로 지정할 수 있습니다. 다만
이 경우 그 내용을 공지합니다.
제 13 조 (홈페이지 저작권)
① NDSL에서 제공하는 모든 저작물의 저작권은 원저작자에게 있으며, KISTI는 복제/배포/전송권을 확보하고
있습니다.
② NDSL에서 제공하는 콘텐츠를 상업적 및 기타 영리목적으로 복제/배포/전송할 경우 사전에 KISTI의 허락을
받아야 합니다.
③ NDSL에서 제공하는 콘텐츠를 보도, 비평, 교육, 연구 등을 위하여 정당한 범위 안에서 공정한 관행에
합치되게 인용할 수 있습니다.
④ NDSL에서 제공하는 콘텐츠를 무단 복제, 전송, 배포 기타 저작권법에 위반되는 방법으로 이용할 경우
저작권법 제136조에 따라 5년 이하의 징역 또는 5천만 원 이하의 벌금에 처해질 수 있습니다.
제 14 조 (유료서비스)
① 당 사이트 및 협력기관이 정한 유료서비스(원문복사 등)는 별도로 정해진 바에 따르며, 변경사항은 시행 전에
당 사이트 홈페이지를 통하여 회원에게 공지합니다.
② 유료서비스를 이용하려는 회원은 정해진 요금체계에 따라 요금을 납부해야 합니다.
제 5 장 계약 해지 및 이용 제한
제 15 조 (계약 해지)
회원이 이용계약을 해지하고자 하는 때에는 [가입해지] 메뉴를 이용해 직접 해지해야 합니다.
제 16 조 (서비스 이용제한)
① 당 사이트는 회원이 서비스 이용내용에 있어서 본 약관 제 11조 내용을 위반하거나, 다음 각 호에 해당하는
경우 서비스 이용을 제한할 수 있습니다.
- 2년 이상 서비스를 이용한 적이 없는 경우
- 기타 정상적인 서비스 운영에 방해가 될 경우
② 상기 이용제한 규정에 따라 서비스를 이용하는 회원에게 서비스 이용에 대하여 별도 공지 없이 서비스 이용의
일시정지, 이용계약 해지 할 수 있습니다.
제 17 조 (전자우편주소 수집 금지)
회원은 전자우편주소 추출기 등을 이용하여 전자우편주소를 수집 또는 제3자에게 제공할 수 없습니다.
제 6 장 손해배상 및 기타사항
제 18 조 (손해배상)
당 사이트는 무료로 제공되는 서비스와 관련하여 회원에게 어떠한 손해가 발생하더라도 당 사이트가 고의 또는 과실로 인한 손해발생을 제외하고는 이에 대하여 책임을 부담하지 아니합니다.
제 19 조 (관할 법원)
서비스 이용으로 발생한 분쟁에 대해 소송이 제기되는 경우 민사 소송법상의 관할 법원에 제기합니다.
[부 칙]
1. (시행일) 이 약관은 2016년 9월 5일부터 적용되며, 종전 약관은 본 약관으로 대체되며, 개정된 약관의 적용일 이전 가입자도 개정된 약관의 적용을 받습니다.