중적외선(mid-wave infrared, MWIR) 영상은 피복 및 객체의 온도를 파악할 수 있어 환경, 국방 등 다양한 분야에서 핵심 데이터로 사용된다. KOMPSAT-3A 위성은 타 위성에 비해 높은 공간해상도의 MWIR 영상을 제공하지만, 광학(electro-optical, EO) 영상에 비해 상대적으로 낮은 시인성을 가져 활용성의 확대에 어려움을 겪는다. 이에 본 연구에서는 KOMPSAT-3A 전정색(panchromatic, PAN) 영상의 윤곽 정보를 기반으로 시인성이 높은 MWIR 융합 영상을 제작하고자 한다. 먼저, 이종 센서에서 취득된 PAN 영상과 MWIR 영상의 상대 기하오차를 제거하는 전처리를 수행하고, 딥러닝 기반 윤곽 정보 추출 기술인 Pixel difference network (PiDiNet)의 사전 학습 모델을 이용하여 PAN 영상에 대한 윤곽 정보를 추출한다. 이후 전처리된 MWIR 영상과 추출된 윤곽 정보를 중첩하여 객체 경계면이 강조된 MWIR 융합 영상을 제작한다. 제안 방법을 이용하여 서로 다른 세 지역에 대한 MWIR 융합 영상을 제작하였으며, 이를 시각적으로 분석하였다. 본 기법을 통해 제작된 MWIR 융합 영상은 지형 및 지물의 경계면이 강조되어 시인성이 개선되었으며, 세부적으로 관심 지역에 대한 열 정보를 전달할 수 있었다. 특히, MWIR 융합 영상에서는 저해상도의 원본 MWIR 영상에서 식별할 수 없었던 비행기, 선박 등의 객체를 육안으로 판독할 수 있었다. 본 연구는 가시적인 정보와 열 정보를 동시에 고려할 수 있는 단일 영상 제작 방법론을 제시하였으며, 이는 MWIR 영상의 활용성 확대에 이바지할 수 있을 것으로 사료된다.
도시 수목은 탄소를 저장하고 불투수면적을 감소시키는 도시 생태계의 중요 요소이며, 탄소 저장량 및 순환량 산정 시 주요 정보로 활용될 수 있다. 많은 선행 연구에서 항공 라이다 자료 및 인공지능 기법을 활용하여 고해상도 수목 정보를 산출하고 있으나, 항공 라이다 영상은 제공하는 플랫폼이 제한되어 있으며 비용적인 면에서도 한계가 다수 존재한다. 따라서 본 연구에서는 수원시를 대상으로 자료 취득이 용이한 고해상도 위성 영상인 Sentinel-2를 활용하여 기계학습 기반의 도시 내 수목 피복률(fractional tree canopy cover, FTC)을 추정하고자 하였다. Sentinel-2 시계열 영상으로부터 중앙값 합성을 수행하여 수원시 전역에 대한 단일 영상을 제작하여 활용하였다. 도시 내 토지 피복의 이질성을 반영하기 위하여, 30 m 격자내 10 m 해상도의 광학 지수의 평균 및 표준편차 값과 환경부 세분류 토지 피복 지도 기반 항목별 피복률을 계산하여 기계학습 모델의 입력 변수로 활용하였다. 총 4가지의 입력 변수 조합을 설정하여, 입력 변수 구성에 따른 FTC 추정 정확도를 비교 및 평가하였다. 광학 영상의 평균 정보만을 활용(Scheme 1)했을 때 보다 도시 내 이질적인 특성을 반영할 수 있는 표준 편차 및 피복률 정보를 모두 함께 고려(Scheme 4, S4)했을 때 향상된 성능을 나타낼 수 있었다. 검증용 자료에 대해 S4의 Random Forest (RF) 모델이 0.8196의 R2, 0.0749의 mean absolute error (MAE), 및 0.1022의 root mean squared error (RMSE)로 전체 기계학습 모델 중에서 성능이 가장 높게 나타났다. 변수 기여도 분석 결과 광학 지수의 표준 편차 정보는 도시 내 복잡한 토지 피복 지역에 대해 높은 기여도를 나타내었다. 훈련된 S4 구성의 RF 모델을 수원시 전역에 대해 확장 적용하였을 때, 참조 FTC 자료에 대해 0.8702의 R2, 0.0873의 MAE, 및 0.1335의 RMSE의 우수한 성능을 나타냈다. 본 연구의 FTC 추정 기법은 향후 다른 지역에 대한 적용성이 우수할 것으로 판단되며, 도시 생태계 탄소순환 파악의 기초자료로 활용될 수 있을 것으로 기대된다.
동아시아에서 대기 에어로졸의 광역적 분포를 분석하기 위해 MODIS (Moderate Resolution Imaging Spectrometer) 센서에서 산출된 AOD (Aerosol Optical Depth)와 AE (${\AA}$ngstr$\ddot{o}$m Exponent)를 이용하였다. 2009년 동아시아 지역에서 AOD는 3월($0.44{\pm}0.25$)에 높았고, 9월($0.24{\pm}0.21$)에 낮았다. 봄에는 중국 북부와 몽골의 사막, 건조지역에서 발생한 모래폭풍이 광역적으로 이동하여 동아시아의 AOD에 기여하고 있다. 그러나 동아시아의 풍하측에 위치한 한반도 중부의 안면도, 청원, 울릉도에서 $PM_{10}$ ($d{\leq}10{\mu}m$) 질량 농도는 2월에 최고를 보인 반면, AOD는 5월에 가장 높았다. 장마 전 상대습도의 증가에 따른 흡습성 에어로졸의 성장이 5월의 높은 AOD에 기여하고 있다. 여름(8월)에는 북태평양으로부터 해양성 기류와 잦은 강수에 의한 습윤 침전으로 AOD는 낮지만 중국 동부의 산업지역에서 광역적으로 발생한 미세 에어로졸로 인해 AE ($1.30{\pm}0.37$)가 가장 높은 값을 보였다. 안면도, 청원, 울릉도에서 MODIS AOD와 지상 $PM_{10}$ 질량 농도의 상관계수는 0.4-0.6이었다. 2009년 한반도 중부에서 관측한 황사 사례는 4회(6일)였고, 인위적 대기오염 이동 사례는 6회(12일)였다. 황사 사례와 인위적 대기오염의 이동 사례에서 안면도와 청원의 $PM_{10}$ 농도가 모두 증가하였다. 황사와 인위적 대기오염 이동으로 $PM_{10}$이 증가하는 영역에서 AOD가 높게 나타나고 있다.
2005년 1월부터 12월까지 지속적으로 몽골과 중국 북부의 사막과 건조지대에서 모래폭풍의 발생, 이동 그리고 한국에서 먼지침전(황사)을 모니터링하였다. NOAA 위성의 AVHRR(Advanced Very High Resolution Radiometer) 관측 자료를 직접 수신하여 false colour 합성영상을 만들어 모래폭풍의 발생과 이동 사례를 중점 분석하였다. 또한 모래폭풍 발원지의 풍하측에 위치한 한국 중부의 청원에서 PM10 농도가 $190{\mu}g\;m^{-3}$ 이상인 황사 사례에 대한 PM10, PM2.5농도와 시정 그리고 $O_3,\;NO_2,\;CO,\;SO_2$ 농도의 변동을 분석하였다. 2005년에는 발원지에 적설과 강력한 고기압, 저기압의 이동이 미흡하여 강한 모래폭풍의 발생이 적었고 한국에서도 황사의 발생 빈도가 1997-2005년의 평균과 비교하여 적었다. 한국에는 2005년 총 7회, 11일간의 황사 사례가 발생하였다. 여름에는 발원지가 습하고 바람이 약해 모래폭풍의 발생이 적었으며, 한국에서도 황사의 발생이 없었다. 발원지에서 발생한 모래폭풍이 중국의 대도시와 산업지대를 거치지 않고 한국으로 직접 이동할 경우, 먼지침전에 따른 PM2.5 농도는 PM10 농도의 20% 이하였다. 그러나 모래폭풍이 중국 동부의 산업지역을 거쳐 한국으로 이동할 경우 인위적 대기오염 물질이 함께 유입되어 PM2.5 농도가 증가하여 PM10농도의 25%이상을 나타내었다. 또한 2005년에는 사막에서 날아온 모래 먼지의 PM10농도가 $190{\mu}g\;m^{-3}$ 이하여서 황사로는 미흡한 5개 이상 사례를 관측 및 분석하였다.
본 연구에서는 NOAA AVHRR 밝기온도 자료로부터 해수면 온도(SST) 산출에 황사 에어로솔은 미치는 영향을 복사전달 모델을 사용하여 분석하고, SST 복원 알고리즘을 개선하였다. 봄철의 황사에 의한 AVHRR 밝기온도 변화를 모의하기 위한 복사전달 모델의 입력 자료로서 지상 태양광 관측 자료로부터 분석한 황사 에어로솔 광학적 특성 (에어로솔 광학적 두께 및 크기분포)과 라디오 존데 연직분포 자료(기압, 기온, 및 습도)를 이용하였다. 황사 에어로솔은 적외선 복사대에서 흡수에 비해 산란이 매우 큼을 보였으며, 이러한 특징은 지표면에서 방출되는 상향복사량을 산란시켜 대기상부에서 관측되는 밝기 온도를 감소시키는 경향과 관련이 있다. 광학적 두께가 1인 황사의 경우 직하점에서 약 2 K, 위성 천정각이 $50^{\circ}$인 경우에는 약 4 K의 감쇄를 유발하였다. 황사 존재시 AVHRR 적의채널 11, $12{\mu}m$의 밝기온도 차 역시 감소하는 경향을 보이고 있지만 그 값은 미미하였다. 기존 SST 복원 알고리즘은 황사발생시 SST를 실제 값보다도 낮게 산출함을 보였으며, 이를 보정하기 위해 에어로솔 광학적 두께, $11{\mu}m$에서의 밝기온도, 그리고 위성 천정각을 추가하여 알고리즘을 개선하였다. 개선된 SST 복원 알고리즘은 황사의 두께가 1인 경우 2.7 K정도의 오차를 개선하였다.
엽면적지수(LAI: Leaf Area Index)는 식생의 광합성, 증발산, 지표면과 대기사이의 에너지 교환 등을 설명하는 주요 인자로서, 정확하고 활용성 높은 LAI 추정 기법에 대한 연구들이 진행되었다. 본 연구에서는 UAV를 이용한 LAI 추정 방법을 모색하기 위하여 현장 실측된 LAI 자료와 UAV 영상기반의 식생지수, 수고 및 위성영상(Sentinel-2) LAI 간의 관계성을 파악하고 효과적인 UAV LAI 산정방법을 제시하고자 하였다. 그 결과 연구에 활용된 6종의 식생지수 중 Red-edge band를 포함하고 있는 NDRE ($R^2=0.496$), CIRE ($R^2=0.443$)가 LAI 추정에 효과적인 식생지수로 나타났다. 수고(Canopy Height Model) 자료를 식생지수에 적용하였을 때 LAI에 대한 설명력이 향상되었으며, NDVI의 경우에 LAI와의 선형관계에서 발생되는 포화문제(saturation problem)를 보였던 구간(0.85)이 일부 해소됨을 확인하였다.
정밀지오이드를 구축하기 위하여 육상, 해상, 항공, 위성 중력측정 방법으로 다양화되고 측정 기술이 발전되어 고해상도 고정밀도의 중력자료 확보가 가능해졌다. 정밀지오이드의 구축은 별도의 수준측량 없이 GNSS 측량을 통해 표고를 빠르고 편리하게 결정할 수 있으며 우리나라는 2014년부터 국토지리정보원에서 GNSS를 기반으로 한 높이측량 정확도를 향상시키기 위해 합성지오이드 모델을 개발하고 있다. 본 연구에서는 공공측량의 GNSS높이측량을 검증하기 위하여 기존의 고시된 공공기준점을 선점하여 GNSS높이측량 결과와 비교 분석하였다. 실험은 연구보고서 등에서 정밀도가 낮은 지역으로 제시되거나 정밀도가 낮을 것으로 예상되는 연안, 접경, 산악지형의 공공기준점에 대하여 GNSS높이측량을 수행하고 정밀도를 분석하였다. GNSS높이측량 검증을 위해 공공기준점 GNSS높이측량 기지점으로 사용될 주변 통합기준점의 GNSS 타원체고를 점검하였다. 점검된 통합기준점을 기준으로 공공기준점의 GNSS 타원체고를 산출하고 KNGeoid18 모델을 이용하여 표고를 계산하여 직접수준측량 표고결과와 비교하였다. 분석 결과 연안, 접경, 산악 지역 공공기준점의 GNSS 높이측량 결과가 3·4급 공공수준측량 정확도에 만족하는 것으로 나타났다. 이를 통하여 사용자가 요구하는 높이 정확도에 따라 기존의 직접수준측량보다 GNSS 높이측량이 효율적으로 이용될 수 있으며, KNGeoid18도 자율주행자동차, 무인항공기 등 다양한 분야에서 활용될 수 있을 것으로 판단된다.
본 연구는 AI 기법 중에 최근 널리 사용되고 있는 딥러닝 모델들을 비교하여 재난으로 인해 손상된 건물의 신속한 감지에 가장 적합한 모델을 선정하는 데 목적이 있다. 먼저, 신속한 객체감지에 적합한 1단계 기반 검출기 중 주요 딥러닝 모델인 SSD-512, RetinaNet, YOLOv3를 후보 모델로 선정하였다. 이 방법들은 1단계 기반 검출기 방식을 적용한 모델로서 객체 인식 분야에 널리 이용되고 있다. 이 모델들은 객체 인식 처리방식의 구조와 빠른 연산의 장점으로 인해 객체 인식 분야에 널리 사용되고 있으나 재난관리에서의 적용은 초기 단계에 머물러 있다. 본 연구에서는 피해감지에 가장 적합한 모델을 찾기 위해 다음과 같은 과정을 거쳤다. 먼저, 재난에 의한 건물의 피해 정도 감지를 위해 재난에 의해 손상된 건물로 구성된 xBD 데이터셋을 활용하여 초고해상도 위성영상을 훈련시켰다. 다음으로 모델 간의 성능을 비교·평가하기 위하여 모델의 감지 정확도와 이미지 처리속도를 정량적으로 분석하였다. 학습 결과, YOLOv3는 34.39%의 감지 정확도와 초당 46개의 이미지 처리속도를 기록하였다. RetinaNet은 YOLOv3보다 1.67% 높은 36.06%의 감지 정확도를 기록하였으나, 이미지 처리속도는 YOLOv3의 3분의 1에 그쳤다. SSD-512는 두 지표에서 모두 YOLOv3보다 낮은 수치를 보였다. 대규모 재난에 의해 발생한 피해 정보에 대한 신속하고 정밀한 수집은 재난 대응에 필수적이다. 따라서 본 연구를 통해 얻은 결과는 신속한 지리정보 취득이 요구되는 재난관리에 효과적으로 활용될 수 있을 것이라 기대한다.
해무발생은 대기 ·해양간의 상호작용과 강한 국지적 영향에 좌우된다. 실제로 해양에서의 선상관측과 부이관측의 부족 때문에 그 연구에 어려움이 많다. 따라서 현재 광범위한 해무역의 탐지는 위성영상의 이용만이 가능한데, 즉 매 1시간마다 수신되는 GMS-5호를 이용하여 해무탐지기법과 연속적인 해무탐지를 수행할 수 있다.본 연구에서는 1999년 5월 중 해무 발생시의 종관장을 한기이류형과 난기이류형으로 분류하였으며, 또한 오산 고층 기상자료를 이용한 하층 수증기량의 변동량을 파악하여 5월 10일 OOUTC와 18UTC을 사례일로 결정하였다. 주간 해무 탐지 사례일(1999년 5월 10일 OOUTC)에 대해서 합성영상, 가시누적히스토그램, 지표알 베도값 기법을 적용하였으며 그 중 가시누적히스토그램기법을 이용한 해부탐지의 특성값은A(min) > 20%and DA <. 10% 이며 지표알베도 기법이 가시누적히스토그램보다 합성영상기법의 해무 탐지역이 더욱더 일치하는 것을 보였다. 또한 육상 시정 및 상대습도와 비교할 때 가시누적히스토그램 적용시 시정 1km이하, 상대습도 80%이상지역은 보령 하나였고, 지표알베도기법 적용시 보령, 목포, 강릉지역에서 모두 잘 일치하였다. 야간해무탐지 사례일(1999년 5월 10일 18UTC)에 대해서 적외누적히스토그램과 최대휘도온도값 기법을 적용하였다 적외차 기법인 적외누적히스토그램기법은 야간 해무를 전혀 탐지하지 못하였으며 최대휘도온도값 기법은 T_max < T_max_Os 보다 작고 적외 1채널의 휘도온도값이 700hPa의 수치온도값보다 작을 때 해무역으로 판단되었으며 사례일에 대해서 NOAA(National Oceanic and Atmospjheric Administration) 적외차에의한 해무탐지역과 일치하였다. 그러나 육상 시정 및 상대습도분포와 잘 일치하지 않았다.
산불은 예측이 어려운 재해이기 때문에 실시간 모니터링을 통해 빠르게 대응하는 것이 중요하며, 정지 궤도 위성 영상은 광역을 짧은 시간 간격으로 모니터링할 수 있어 산불 탐지 분야에 활발히 이용되고 있다. 기존의 위성 영상 기반 산불 탐지 알고리즘은 밝기 온도의 통계량 분석을 통한 임계값 기반으로 이상치를 탐지하는 방향으로 진행되어 왔다. 그러나 강도가 약한 산불을 탐지하기 어렵거나, 적절한 임계값 설정의 어려움으로 일반화 성능이 저하되는 한계점이 있어 최근에는 기계학습을 이용한 산불 탐지 알고리즘들이 제시되고 있다. 현재까지는 random forest, VanillaConvolutional neural network (CNN), U-net 구조 등의 비교적 간단한 기법이 적용되고 있다. 따라서, 본 연구에서는 정지궤도 위성인 Advanced Himawari Imager를 이용하여 동아시아와 호주를 대상으로 State of the Art (SOTA)딥러닝 기법을 적용한 산불 탐지 알고리즘을 개발하고자 하였다. SOTA 모델은 EfficientNet과 lion optimizer를 적용하여 개발하고, Vanilla CNN 구조를 사용한 모델과 산불 탐지 결과를 비교하였다. EfficientNet은 동아시아와 호주에서 0.88 및 0.83의 F1-score를 기록함으로써 CNN (동아시아: 0.83, 호주: 0.78)에 비해 뛰어난 성능을 입증하였다. EfficientNet에 불균형 문제 해결을 위한 weighted loss, equal sampling, image augmentation 기법 적용 시, 동아시아와 호주에서 각각 0.92와 0.84의 F1-score를 기록함으로써 적용 전(동아시아: 0.88, 호주: 0.83)에 비하여 성능이 향상되었음을 확인하였다. 본 연구를 통하여 제시된 SOTA 딥러닝 기법의 산불 탐지에의 적용 가능성과 딥러닝 모델의 성능 향상을 위해 고려해야 할 방향은 향후 산불탐지 분야에 대한 딥러닝 적용에 도움이 될 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.