표준관측소의 점 단위 기온 관측 및 예보값을 농업분야에서 활용하기 위해서는 공간내삽이 필요한 경우가 많지만 기후학적 평년값 같은 장기간의 평균값 내삽과는 달리 지형효과를 반영하기 어려워 거리역산가중법이 수정 없이 사용되고 있다. 우리 나라처럼 지형이 복잡한 산악지역에서는 수평 거리에만 의존한 내삽 결과에 심각한 오류가 포함될 수 있으므로, 영농지원 정보로서 중요한 일 최저기온을 대상으로 추정오차의 최대근원인 해발고도의 영향을 보정 할 수 있는 간단한 공간내삽모형을 작성하였다. 먼저 남한 육지 상에 위치한 63개 표준관측소에서 수집된 일 최저기온자료와 관측소의 위치, 해안으로부터 거리, 경사향, 표고 등 국지기온 결정인자를 회귀분석 하여 표고에 따른 기온감율 추정식을 날짜의 함수로 표현하였다. 63개 관측점의 표고값을 공간내삽 하여 재구성한 전국의 가상 지형으로부터 1 km$\times$ 1 km 공간단위의 전국 수치고도값 편차를 계산하고, 여기에 해당 날짜의 기온감율을 적용하여 보정값을 계산한다. 기존의 거리역산가중법에 의한 기온추정값을 이 보정값에 의해 수정함으로써 최종 기온값을 얻는다. 임의로 선발된 1999년의 월별 하루씩 총 12일에 대하여 이 모형과 기존 거리역산가중법을 각기 적용하여 267개 자동기상관측지점의 일 최저기온을 추정한후 실측값과 비교하였다 오차평균, 절대오차평균, 그리고 평방근오차평균 등 세가지 추정오차를 분석한 결과 이 방법이 거리역산가중법에 비해 산악지역에서의 일 최저기온 추정에 있어 뚜렷한 개선효과를 보였다.
지구온난화로 인한 기후변화에 따라 평균강수량과 증발량이 증가하며 강우지역 집중화와 강우강도가 높아질 가능성이 크다. 우리나라의 경우 협소한 국토면적과 높은 인구밀도로 기후변동의 영향이 크기 때문에 한반도에 적합한 유역규모의 수자원 예측과 대응방안을 마련해야 한다. 이를 위한 수자원 관리를 위해서는 유역에서 강수량, 유출량, 증발량 등의 장기적인 자료가 필요하며 경험식, 물리적 강우-유출 모형 등이 사용되었고, 최근들어 연구의 확장성과 비 선형성 등을 고려하기 위해 딥러닝등 인공지능 기술들이 접목되고 있다. 본 연구에서는 ASOS(동해, 태백)와 AWS(삼척, 신기, 도계) 5곳의 관측소에서 2011년~2020년까지의 일 단위 기상관측자료를 수집하고 WAMIS에서 같은 기간의 오십천 하구 일 유출량 자료를 수집 후 5개 관측소를 기준으로Thiessen 면적비를 적용해 기상자료를 구축했으며 Angstrom & Hargreaves 공식으로 잠재증발산량 산정해 3개의 모델에 각각 기상자료(일 강수량, 최고기온, 최대 순간 풍속, 최저기온, 평균풍속, 평균기온), 일 강수량과 잠재증발산량, 일 강수량 - 잠재증발산량을 학습 후 관측 유출량과 비교결과 기상자료(일 강수량, 최고기온, 최대 순간 풍속, 최저기온, 평균풍속, 평균기온)로 학습한 모델성능이 가장 높아 최적 모델로 선정했으며 일, 월, 연 관측유출량 시계열과 비교했다. 또한 같은 학습자료를 사용해 다층 퍼셉트론(Multi Layer Perceptron, MLP) 앙상블 모델을 구축하여 수자원 분야에서의 인공지능 활용성을 평가했다.
본 연구에서는 Terra/Aqua MODIS LST(Moderate Resolution Imaging Spectroradiometer Land Surface Temperature)의 Daytime, Nighttime 자료와 기상청 기상관측소 86개 지점에 대한 최고, 최저 및 평균기온을 이용하여 두 자료 사이의 상관성을 분석하고, 한파 및 폭염 발생 기간의 특성을 집중적으로 분석하였다. 모든 자료는 2008년부터 2018년까지 총 11년간 일별로 구축하였으며, Pearson 상관계수(Pearson correlation coefficient, R)와 평균제곱근오차(Root Mean Square Error, RMSE)를 이용하여 상관성 분석을 수행하였다. 시계열 분석 결과, 대상 기간 전체에서 기온과 MODIS LST 간의 변동 양상은 유사하였고, 최고 기온과 MODIS 자료의 R 0.9 이상, 평균기온과 최저 기온과는 0.8 이상으로 기온과 MODIS LST 사이의 상관성은 높은 것으로 나타났다. 특히, 최고 기온은 Terra MODIS LST Daytime과 정확도가 제일 높고, 최저 기온은 Terra MODIS LST Nighttime과 상관성이 제일 높은 것으로 분석되었다. 한파 기간에는 Terra/Aqua MODIS 모두 주간 자료보다 야간 자료의 상관성이 더 높은 것으로 분석되었으며, 특히 Terra MODIS LST Nighttime과의 상관성이 좋은 것으로 분석되었다. 폭염 기간에는 Aqua MODIS LST Daytime 자료가 가장 좋은 것으로 분석되었으나, 전체적인 R이 0.5보다 낮아 추후 활용을 위해서는 식생이나 토지이용, 고도 등 다른 요소를 활용한 추가 분석이 필요할 것으로 판단된다.
본 연구에서는 계절내-계절(Subseasonal to seasonal, S2S) 기후예측의 주별 예측 성능을 개선하기 위해서 딥러닝 기반의 후보정(post processing) 기술을 개발하였다. 그 첫 단계로, 일 최고, 최저기온과 일 강수를 목표 변수로, 자료의 특성과 분포에 적합한 자료 변환 및 특성 공학 기법을 규명하고자 하였다. 먼저, 6개 개별 기후모델의 S2S 예측 자료를 딥러닝 모델에 입력하기 위한 훈련자료로 변환하고, 이로부터 다중모델앙상블(Multi-Model Ensemble, MME) 기반 훈련자료를 구축하였다. 참값(label)으로는 ECMWF의 ERA5 재분석 자료를 사용하였다. 자료 변환 알고리즘은 최고 및 최저 차이를 계산하여 입력자료의 범위를 변형시키는 MinMax 및 MaxAbs 변환, 표준편차를 이용하는 Standard 변환 및 분위수를 지정하여 변형하는 Robust와 Quantile 변환으로 구성된 전처리 파이프라인을 구축하였으며, 변환된 훈련자료와 예측 변수와의 상관관계를 계산하여 순위에 따라 훈련자료의 특성을 선택하는 특성 선택 기법을 추가하였다. 본 연구는 U-Net 모델에 TimeDistributed wrapper를 모든 합성곱 층(convolutional layer)에 적용하여 활용하였다. 5개 알고리즘으로부터 변환된 6개 개별 기후모델 및 MME S2S 훈련자료(일 최고 및 최저기온, 강수)에 훈련 모델을 적용한 결과와 훈련 모델을 적용하지 않은 결과를 ERA5와의 공간상관계수(spatial Pattern Correlation Coefficient)를 계산하고 그 개선율인 기술 점수(skill score)를 평가한 결과, 일 강수의 PCC 기술 점수는 Standard 및 Robust 변환으로 처리된 것에서 전체 예측선행(1~4주)에 대해 모두 높았고, 일 최고 및 최저기온에서는 예측 선행시간 3~4주에서만 높게 나타났다. 또한, 일 강수에서 특성 선택에 따른 훈련자료의 차원 감소가 예측 성능 변화에 영향을 미치지 않는 것으로 나타났다. 일 최고 및 최저기온의 경우에는 특성 선택에 의한 훈련자료의 특성 정보 감소가 오히려 예측 성능을 저하시킬 수 있는 것으로 확인되었으며, 원시자료에서 예측성이 높은 1~2주 기온 예측 개선을 위한 적합한 전처리 변환 알고리즘이나 특성 선택을 찾을 수 없었다. 후속 연구에서는 원시 예측 성능이 강수에 비해 높으나 딥러닝 훈련 모델에 의한 후보정 효과가 미미한 예측 선행 1~2주 기온 예측의 저조 원인에 대해 탐색하고, 다양한 딥러닝 훈련 모델로의 적용 및 초매개변수 조정 등 학습 과정의 최적화를 통해 S2S 기후 예측 성능을 개선하고자 한다.
본 연구에서는 풍환경에 따른 열손실을 분석하는데 있어 필요한 풍속 기초자료를 제공하기 위하여 주요 11개 해안지역 중 온실밀집지역을 선정하여 기상환경 및 온실방위를 조사 분석하였다. 대상지역은 난방온실 재배면적과 풍환경 기준으로 선정하였고 온실밀집지역은 $50,000m^2$ 이상인 지역을 대상으로 하였다. 11곳의 기상자료 중 기온, 풍속, 풍향을 대상으로 30년간 자료를 수집하여 분석하였고 기온은 최저, 평균, 최고 기온을 나누고 풍속 및 풍향 기준은 기상청 분석 기준을 적용하였다. 온실의 배치방향은 형태가 대칭인 점을 감안하여 $0{\sim}180^{\circ}$ 범위로 자료를 수집하였다. 또한, 각 지역마다 풍향이 있으며 온실길이방향을 기준으로 하였을 때 적용되는 풍향은 달라질 수 있으며 이를 상대풍향으로 지칭하고 중복되는 점을 고려하여 $0{\sim}90^{\circ}$ 범위로 자료를 수집하였다. 11개 지역의 기온은 중부지방에 있는 보령, 영광 지역과 남부지방에 있는 9개 지역의 기온차이가 구분되었다. 중부해안 대상지역은 1월 최저기온은 약 $3{\sim}4^{\circ}C$ 정도 온도가 높은 것을 확인할 수 있었고 평균기온은 약 $3^{\circ}C$ 정도 높았으며 월별 기온 중 최저기온을 선정할 때에 1월 기온을 고려해야 되는 것으로 판단된다. 대상지역의 주풍향에 대한 월별 차이는 크게 발생하지 않았으며 풍향 분포에 따라 지역별로 서해안측, 서해 및 남해 경계 해안측, 남해안측으로 구분되어졌다. 풍속은 영광을 제외한 10개 지역은 월간 풍속 포차이가 크게 발생하지 않는 것으로 판단된다. 대상지역의 온실의 방향은 길이방향 기준으로 분석하였으며 보령과 영광, 남해 지역은 60%이상 집중되어 있는 방향이 존재하였고 해남, 통영지역은 약 90% 집중되어있는 방향이 존재하였으며 이는 경지정리로 인하여 방향이 편향되어있는 지역이 존재하는 것으로 판단된다.
전국 (60개 지점 평균)과 서울의 온도 및 강수를 분석하였다. 분석된 기간은 전국의 경우 1973-2007 년 기간 중 8월과 여름 및 서울의 경우 1908-2007년 기간 중 8월과 여름 이다. 금년 8월과 여름은 전국과 서울 모두 기온 (평균, 최고, 최저)이 평년에 비해 높았다. 전국의 경우 1973년부터 서울의 경우 1908년부터 8월과 여름 모두 최저기온이 꾸준히 증가하는 경향을 보인다. 최저 기온의 상승률은 평균 및 최고기온에 비하여 높다. 이러한 최저기온의 상승은 현재 전 지구적인 추세이며 전지구 온난화에 따른 증발량의 증가로 구름의 양이 증가하게 되어 최저기온이 상승한 것으로 해석하고 있다. 열대야라 불리는 최저기온 $25^{\circ}C$ 이상인 날은 8월과 여름 모두 1973년부터 2007년 현재까지 꾸준히 증가한다. 이는 전 지구 온난화와 도시화의 효과가 복합적으로 작용한 결과이다. 금년 8월의 전국 강수량 (60개 지점 평균)은 330.9mm 로 평년 (265.0 mm)보다 65.9 mm 많았다. 하지만 서울의 금년 8월 강수량은 237.6 mm 로 평년 (348.0mm)에 비해 110.4 mm 적었다. 전국의 금년 여름 강수량은 676.3 mm로 평년 (699.9 mm)과 비슷하였으며 서울은 566.2 mm 로 평년 (809.2 mm)모다 243.0 mm 적었다. 1973년부터 2007년까지 8월과 여름의 강수량을 분석한 결과 비록 변동 폭은 크나 1973년부터 (서울의 경우 1908년부터) 8월과 여름 모두 강수량은 증가하는 경향을 보인다. 전국 60개 지점의 8월 및 여름의 호우 일수 (120 mm 이상/일, 80 mm이상/일, 1시간 최다 30 mm 이상, 10분간 최다 10 mm 이상)는 1973년부터 꾸준히 증가하는 경향을 보였으나 금년에는 예외적으로 집중호우 현상이 일반적으로 오히려 감소한 것으로 분석되었다.
흑색 P E. film 피복과 노지재배에서 초당옥수수를 원하는 시기에 수확할 수 있는 파종기를 결정하는 방법을 찾기 위하여 "Cambella-90"을 4월 1일에서 6월 30일까지 10일 간격으로 파종한 후 파종기와 관계없이 파종에서 수확까지 생육기간을 일정하게 나타낼 수 있는 GDD 모델과 기준온도를 설정하였으며, 그 결과를 요약하면 다음과 같다. 1, 초당옥수수의 생육기간은 파종기에 따라 흑색 P. E. film 피복에서는 $64{\sim}93$일, 노지에서는 $66{\sim}97$일로 파종기간 CV는 각각 13.8 및 14.2%이었다. 그러나 생육기간을 GDD로 표시하면 최적 기준온도를 적용하였을 때 파종기간 GDD의 CV는 모델에 따라 흑색 P. E. film 피복에서는 $1.1{\sim}2.4%$, 노지에서는 $1.5{\sim}1.8%$이었다. 2. 초당옥수수의 생육기간을 나타내는 가장 적합한 GDD 모델은 파종에서 수확까지 일 최고기온과 최저기온을 합하여 2로 나눈 후 기준온도를 빼서 GDD를 계산하되 일 최고 기온이 $30^{\circ}C$가 넘을 때는 일 최고기온에서 $30^{\circ}C$를 넘는 만큼 $30^{\circ}C$에서 빼어 그 값을 최고기온으로 대치하고, 최저기온이 기준온도 이하일 때는 기준온도로 대치하여 계산하는 방법이었다. 이때 기준온도는 흑색 P. E. film 피복에서는 $9^{\circ}C$, 노지재배에서는 $10^{\circ}C$이었다. 3. 원하는 시기에 수확하기 위한 파종기를 결정하기 위해서는 그 지역의 누적 GDD표를 만들고, 수확 예정일의 누적 GDD에서 그 품종의 GDD를 빼서 그 GDD에 해당되는 일자를 선택하면 된다.
본 연구는 3면이 바다로 둘러싸인 우리나라에서 해안지대 기온 관측자료에 포함되어있지도 모르는 바다의 영향을 정량적으로 추정하기 위해 수행하였다. 1981-2009 기간 중 전국 66개 기상관서에서 관측한 일별 최고 및 최저기온자료를 수집하여 월별 평균을 계산하고 이들 가운데 27개 내륙지점 자료만을 이용하여 거리역산가중평균법에 의해 남한 전역의 가상기온 분포도를 제작하였다. 이 가상기온분포도 상에서 해안에 가까운 나머지 39개 지점의 국지기온을 지리지형정보 및 소기후모형에 의해 정밀하게 추정하였다. 실측 기온과 이 추정기온과의 편차를 '외견상의 바다효과'로 간주하고 39개 지점의 해안거리 대수를 독립변수로 하는 회귀모형을 월별로 작성하였다. 이 모형에 의하면 우리나라의 바다는 잠재적으로 여름철 일 최고기온에 $6^{\circ}C$ 냉각효과, 겨울철 일 최저기온에는 $7.5^{\circ}C$의 가온 효과가 있다. 해안은 물론 내륙의 기온자료에도 포함된 공통오차를 제거한 '실제의 바다효과'를 추정한 결과 서해안의 경우 여름철 냉각효과는 $1.5^{\circ}C$, 겨울철 가온효과는 $1.0^{\circ}C$인 반면, 남해안과 동해안은 각각 $3.0^{\circ}C$ 및 $3.5^{\circ}C$ 내외로 판명된다.
미국은 전 세계 주요 곡물(밀, 옥수수, 콩 등)의 생산 및 수출 국가로 알려져 있다. 따라서 신뢰할 만한 기상 예측 정보를 바탕으로 해당 지역에 대한 작황을 추정하는 것은 우리나라의 곡물 수급을 안정적으로 계획하기 위해서 중요하다. 본 연구에서는 지역 규모의 일 기온 및 이를 기반으로 산출되는 농업기후지수의 계절 예측성을 향상시키는 데 목적을 두었다. 이를 위해 먼저 역학적 규모축소법을 위한 지역기후모형으로 WRF가 사용되었으며, 해당 모형의 초기 및 측면 경계조건으로 PNU CGCM에서 생산된 시간 별 전지구 예측자료가 활용되었다. WRF의 적분은 22년(2000~2021년) 동안 매년 하반기를 포함하는 기간(6~12월)에 대해 수행되었다. 본 연구에서는 WRF에 의해 모의된 일 평균⋅최저⋅최고기온에 대해 EQM을 적용하여 모형이 갖는 편의를 보정하였다. EQM을 이용하여 보정된(보정되지 않은) 자료들은 WRF_C (WRF_UC)로 명명하였다. WRF_UC는 미국 내 대부분의 지역에서 일 최저기온(최고기온)을 과대(과소) 모의했는데, 이는 저온(고온) 범위를 과소 모의한 특징에서 비롯되었다. WRF_C는 WRF_UC에 나타난 일 평균⋅최저⋅최고기온의 편의가 감소하고 공간분포에 대한 예측성이 향상되었기 때문에 결과적으로 일 기온을 기반으로 산출되는 농업기후지수의 예측성 향상을 유도했다.
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.