최근 북극항로와 온난화 등의 영향으로 인해 북극해에 대한 활발한 연구가 진행되고 있다. 기존에 수동 마이크로파 복사계를 이용하여 북극해 해빙의 정량적 면적을 산출하는 연구는 진행되어 왔으나, 보다 고해상도로 해빙의 가장자리에서 발생하는 융해 및 표면 거칠기 변화에 대한 연구는 잘 이루어지지 않았다. 또한, 최근 Sentinel1-A/B자료가 무료로 배포되고, 특히 북극해 영역에 대한 수많은 자료들이 짧은 기간 동안 생산 및 제공되고 있기에, 이러한 대용량 자료들을 모자익(mosaic)하여 북극해 전체에 대한 고해상도 해빙정보 이용이 가능하게 되었다. 그러나 Sentienl-1A/B의 광역관측(Extended Wide, EW)모드 자료를 효과적으로 사용하기 위해서는 보다 정확한 방사보정이 수행되어야 한다. 이를 위해 이중편파 Sentinel-1A/B 자료에 나타나는 thermal noise와 scalloping 효과를 자동적으로 보정할 수 있는 방사보정 기법을 개발하였으며, 나아가 방사보정 된 이중편파 SAR자료를 이용할 경우 해빙과 open-water를 보다 더 잘 구분할 수 있음을 확인하였다.
본 연구에서는 합성개구레이더(Synthetic Aperture Radar, SAR) 기반의 식생을 고려하는 후방산란모델 Water Cloud Model (WCM)을 활용한 토양수분 산정 연구를 수행하였다. 금강 상류의 용담댐유역을 포함한 40 × 50 km2 영역의 Sentinel-1 SAR 및 Sentinel-2 MSI (Multi-Spectral Instrument) 영상을 수집하여 연구에 활용하였다. WCM의 식생변수로는 Sentinel-1 기반의 식생지수 RVI (Radar Vegetation Index), 탈분극비(Depolarization Rario, DR)와 Sentinel-2 기반의 NDVI (Normalized Difference Vegetation Index)를 활용하였다. WCM의 정모델링(forward modeling)은 토양수분과 후방산란계수의 특성이 유사한 3개 Group으로 나누어 수행하였다. 토양수분과 후방산란계수의 선형적인 관계가 명확할수록 Group의 모의 성능이 더 높게 나타났으며, 식생지수 별로는 NDVI, RVI, DR 순으로 정확도가 높았다. 토양수분을 모의하기 위해 모의된 후방산란계수를 반전(inversion)하였으며, 모의 성능은 정모델링 결과와 비례하였다. WCM 모의의 오류는 실측 후방산란계수 기준 약 -12dB를 기점으로 증가하는 양상을 보였다.
북극항로의 개척 가능성과 정확한 기후 예측 모델의 필요성에 의해 북극해 고해상도 해빙 지도의 중요성이 증가하고 있다. 그러나 기존의 북극 해빙 지도는 제작에 사용된 위성 영상 취득 센서의 특성에 따른 데이터의 취득과 공간해상도 등에서 그 활용도가 제한된다. 본 연구에서는 Sentinel-1 A/B SAR 위성자료로부터 고해상도 해빙 지도를 생성하기 위한 딥러닝 기반의 해빙 분류 알고리즘을 연구하였다. 북극해 Ice Chart를 기반으로 전문가 판독에 의해 Open Water, First Year Ice, Multi Year Ice의 세 클래스로 구성된 훈련자료를 구축하였으며, Convolutional Neural Network 기반의 두 가지 딥러닝 모델(Simple CNN, Resnet50)과 입사각 및 thermal noise가 보정된 HV 밴드를 포함하는 다섯 가지 입력 밴드 조합을 이용하여 총 10가지 케이스의 해빙 분류를 실시하였다. 이 케이스들에 대하여 Ground Truth Point를 사용하여 정확도를 비교하고, 가장 높은 정확도가 나온 케이스에 대해 confusion matrix 및 Cohen의 kappa 분석을 실시하였다. 또한 전통적으로 분류를 위해 많이 활용되어 온 Maximum Likelihood Classifier 기법을 이용한 분류결과에 대해서도 같은 비교를 하였다. 그 결과 Convolution 층 2개, Max Pooling 층 2개를 가진 구조의 Convolutional Neural Network에 [HV, 입사각] 밴드를 넣은 딥러닝 알고리즘의 분류 결과가 96.66%의 가장 높은 분류 정확도를 보였으며, Cohen의 kappa 계수는 0.9499로 나타나 딥러닝에 의한 해빙 분류는 비교적 높은 분류 결과를 보였다. 또한 모든 딥러닝 케이스는 Maximum Likelihood Classifier 기법에 비해 높은 분류 정확도를 보였다.
본 연구는 직접적인 접근이 어려운 demilitarized zone (DMZ)의 산불 피해 지역을 파악하기 위하여, 고해상도 위성영상 및 머신러닝 기반의 감독 분류 기법을 이용하였다. 고해상도 위성 영상은 Sentinel-2 A/B를 이용하였으며, SVM 감독분류 기법을 기반으로 토지피복도를 산출하였다. DMZ 산불 피해 지역을 분류하기 위한 최적의 조합을 찾기 위하여 SVM 내에 다양한 커널과 밴드 조합에 따른 감독 분류를 진행하고 오차 행렬을 통해 정확도를 평가하였다. 또한, 2020년, 2021년은 위성영상 자료 기반의 산불 탐지 결과와 산불 연보의 피해 지역 면적 간의 비교를 통한 검증을 수행하였다. 이후, 현재 피해 면적 자료가 없는 2022년의 산불 피해 지역을 탐지함으로써 신뢰할 만한 수준의 결과를 신속적으로 파악하고자 하였다.
쌀 수급 조절 정책의 합리적 수립을 지원하기 위해서는 벼 재배면적의 조기 추정이 필요하다. 본 연구는 국내 벼 주산지인 김제시를 대상으로 Sentinel-1 위성영상을 활용하여 이앙이 마무리되는 7월 초순 벼 재배면적을 조기에 추정하기 위해 최적의 훈련자료 수집을 위한 무인기(UAV) 영상 활용 방안을 제시하고자 수행하였다. 5월부터 7월 초까지 수집한 Sentinel-1 위성영상은 ESA에서 제공하는 SNAP(SeNtinel application platform, Version 8.0)프로그램으로 전처리하고 팜맵을 활용하여 농경지만을 추출하였다. 벼 재배지 중심 지역과 벼·콩 혼재지 무인기 영상 촬영 영역을 혼합하여 훈련자료로 선정하여 김제시 전체 벼 재배지를 추정한 결과, 정확도와 카파 계수는 각각 89.9%, 0.774로 가장 좋은 결과를 보였는데, 이는 김제시 전역을 대상으로 무작위 표본조사를 수행하여 분류한 결과와 비교 시 전체 정확도 1% 내외, 카파 계수 0.02~0.04 범위에서 차이를 보여 벼 재배지 조기 추정을 위한 무인기 영상 활용 가능성을 확인할 수 있었다.
정규식생지수는 농업분야에 가장 많이 사용된 원격탐사 자료로, 현재 대부분의 광학위성에서 제공되고 있다. 특히 고해상도 광학위성영상이 제공되면서 농업 활용 분야에 따른 최적의 광학위성영상의 선택이 매우 중요한 이슈가 되었다. 본 연구에서는 국내 논지역의 정규식생지수 모니터링 시 가장 최적의 광학위성영상을 정의하고 이를 위해 필요한 해상도 관련 요구조건을 도출하고자 한다. 이를 위해 전 세계적으로 많이 사용되는 MOD13, Landsat-8, Sentinel-2A/B, PlanetScope 위성의 정규식생지수영상을 대상으로 국내 당진 논지역의 공간분포 및 2019년부터 2022년까지 시계열 패턴을 비교, 분석하였다. 각 자료는 3-250 m의 공간해상도와 다양한 주기해상도로 제공되며, 정규식생지수를 산출할 때 사용되는 분광밴드의 영역도 약간의 차이가 있다. 분석 결과 Landsat-8은 가장 낮은 정규식생지수 값을 나타내며 공간적으로 변이도 매우 낮았다. 이에 비해 MOD13 정규식생지수 영상은 PlanetScope 자료와 비슷한 공간분포 및 시계열 패턴을 나타났으나 낮은 공간해상도로 인해 논 주변지역의 영향을 받았다. Sentinel-2A/B는 넓은 근적외선밴드 영역으로 인해 상대적으로 약간 낮은 정규식생지수 값을 나타내었으며, 특히 생육 초기시기에 그 특징이 두드러졌다. PlanetScope의 정규식생지수가 상세한 공간적 변이 및 안정적인 시계열 패턴을 제공하나 높은 구매가격을 고려하면 공간적으로 균일한 논지역보다는 밭지역에서 그 활용성이 높을 것으로 사료된다. 이에 따라 국내 논지역에 대해서는 250 m급 MOD13 정규식생지수나 10 m급 Sentinel-2A/B가 가장 효율적일 것으로 사료되나 작물의 개체에 대한 상세 물리량 추정을 위해서는 고해상도 위성영상이 활용될 수 있다.
본 연구에서는 Sentinel-1 SAR 센서 기반 이미지자료와 딥러닝기법을 이용하여 고해상도 토양수분을 산정하였다. 입력자료는 지표특성(모래함량, 점토함량, 경사도), 인공위성 기반의 강우와 LANDSAT 기반의 이미지자료(NDVI, LST, 공간분포 토양수분)를 사용하였다. 강우자료의 경우 GPM(Global Precipitation Measurement) 일강우 자료를 사용하였으며, 관측일 기준으로 5일전까지의 강우자료와 5일평균강우를 구분하여 사용하였다. LANDSAT 기반의 토양수분 이미지자료와 지점관측 토양수분을 이용하여 검·보정 이후 딥러닝 모형의 입력자료로 사용하였다. 입력자료는 30m × 30m 해상도로 Resample 하여 딥러닝 모형의 학습을 진행하였으며, 학습에 사용된 모형을 이용하여 Sentinel-1 기반의 고해상도(10m × 10m) 토양수분이미지를 산정하였다. 검증지점은 거창군 거창읍, 계룡시 두마면, 장수군 장수읍 및 무주군 무주읍 토양수분 관측지점을 선정하였다. 거창군 거창읍의 산정결과, LANDSAT 기반의 토양수분 이미지와 DNN 기반의 토양수분 이미지가 매우 유사하게 나타났으며, 모의값(DNN 기반 토양수분)이 실측값(LANDSAT 기반의 토양수분)을 잘 반영한 것(R: 0.875 ; RMSE: 0.013)으로 나타났다. 또한 학습모형을 토지피복이 유사한 지역에 적용하여 토양수분을 산정한 결과 검증지점 계룡시(R: 0.897 ; RMSE: 0.014), 장수군(R: 0.770 ; RMSE: 0.024) 및 무주군(R: 0.909 ; RMSE: 0.012)의 모의값이 실측값과 매우 유사한 것으로 나타났다. 이를 바탕으로 Seninel-1 SAR센서 이미지자료와 딥러닝기법을 연계한 고해상도 토양수분자료가 농업, 수문, 환경 등 다양한 분야에서 활용될 수 있을 것으로 판단된다.
SNAP(SeNtinel's Application Platform)은 유럽우주국이 개발한 공개 소프트웨어로서, SAR(Synthetic Aperture Radar)와 광학위성을 포함한 Sentinel 위성 시리즈에서 얻은 자료를 처리하는 여러개의 Toolbox로 이루어져 있다. 이 중 S1TBX(Sentinel-1 ToolBoX)는 주로 Sentinel-1A/B 영상과 간섭기법을 처리하기 위한 프로그램으로, Graph Builder와 같은 흐름도 방식의 자료처리 기법을 제공하고 DEM(Digital Elevation Model) 자동다운로드 및 모자이크 등을 포함한 편리한 기능을 탑재하고 있다. 프로그램 업데이트가 매우 활발하여, 컴퓨터 메모리가 충분하다면 InSAR(Interferometric SAR)와 DInSAR(Differential InSAR)의 수행이 원활해 최근 전세계적으로 널리 이용되고 있다. S1TBX에는 또한 기존의 타 SAR 위성 자료 처리기능을 포함하고 있으며, 최근 버전 5 이후에는 KOMPSAT-5의 처리 기능도 추가되었다. 이 연구에서는 SNAP의 S1TBX를 이용하여 KOMPSAT-5 SAR 영상의 간섭기법을 처리한 예를 보여주고 있다. 몽골 Tavan Tolgoi 노천탄광에서는 2015년도에 KOMPSAT-5로 얻어진 DEM과 2000년에 얻어진 SRTM 1sec DEM의 차이를 분석한 결과, 15년 동안 최대 130미터 깊이를 채굴하였고 쌓아놓은 광석의 높이가 70미터를 넘는 것을 확인하였다. 남극 장보고기지 인근 빙하지역에서는 타 프로그램에서는 조석과 지형 InSAR 신호가 관찰 되었으나, 궤도오차 및 DEM 오차로 SNAP으로는 처리가 불가했다. 또한 이라크 사막지역에서 여러 장의 DInSAR 영상이 만들어졌으나 시스템 오차로 보이는 줄무늬가 coherence 영상에 다수 발견되었다. StaMPS 적용을 위한 Stack은 궤도 오차 혹은 프로그램 버그로 인하여 불가했다. 최근 SNAP의 사용자가 급증하고 있고 업그레이드가 매우 빠르기 때문에 조만간 해결될 것으로 기대한다.
산불에 대한 피해액과 피해 면적은 전 세계적으로 커지고 있지만 피해 후 복원 방법에 따른 효과연구는 부족한 현실이다. 본 연구는 Sentinel-2B 위성 영상과 임상도를 활용하여 산불 피해 면적을 산출하고, 임상에 따른 산불 피해 강도를 분석하였다. 또한, 다양한 파장대를 활용하여 식생지수를 계산하고, 이를 토대로 복원 방법에 따른 식생 회복력을 -1.0에서 1.0 범위 내에서 정량적으로 분석하였다. 그 결과 침엽수림 비율이 높은 지역에서 높은 강도의 산불 피해가 발생하였고, 상대적으로 혼효림과 활엽수림의 비율이 높은 지역에서 낮은 강도의 산불 피해 경향을 보였다. 산불 발생 이후 인공림과 천연림에서의 식생 회복률을 분석한 결과, 인공림은 산불 발생 이전 대비 약 92%, 천연림은 약 101% 식생을 회복하였으며 인공림보다 천연림에서 식생 회복력이 우수한 것을 확인할 수 있었다. 본 연구는 임상에 따른 산불 피해 강도를 분석하고 복원 방법에 따른 식생 회복력을 평가함으로써 산불 피해를 줄이기 위한 수목 선정에 기초자료를 제공하고 복원방법에 따른 식생회복력을 비교하는데 의의가 있다.
본 연구에서는 Sentinel-1 C-band SAR(Synthetic Aperture Radar) 위성영상을 기반으로 다중선형회귀모형을 활용하여 금강 유역 상류에 위치한 용담댐 유역의 토양수분을 산정하였다. 10 m 공간 해상도의 Sentinel-1A/B SAR 영상은 6일 간격으로 2015년부터 2019년까지 5년 동안 구축하였고, SNAP(SentiNel Application Platform)을 사용하여 기하 보정, 방사 보정 및 잡음(Noise) 보정을 수행하고 VV 및 VH 편파 후방산란계수로 변환하였다. 토양수분 산정 모형의 검증자료로 TDR로 측정된 6개 지점의 실측 토양수분 자료를 구축하였으며, 수문학적 개념인 선행 강우를 고려하기 위해 동지점에 대한 강수량 자료를 구축하였다. 다중선형회귀모형은 전체 기간 및 계절별로 나누어 모의하였으며, 독립변수의 증감에 따른 상관성 분석을 진행하였다. 산정된 토양수분은 결정계수(R2)와 평균제곱근오차(RMSE)를 활용하여 검증하였다. 초지 지역에서 후방산란계수만을 이용한 토양 수분 산정 결과 R2가 0.13, RMSE가 4.83%으로 나타났으며 선행강우를 5일까지 사용했을 경우 R2가 0.37, RMSE가 4.11%로 상관성이 상승하는 모습을 보였다. 이 때, 토양수분의 계절별 변동성과 감소 패턴의 반영을 위해 무강우누적일수의 적용과 계절별 회귀식을 작성한 결과 R2가 0.69, RMSE가 2.88%로 상관성이 크게 상승하였다. SAR 기반 토양수분 추정 시 선행강우 및 무강우누적일수의 활용이 효과적이었다.
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.