Skip to content

GCRI · 시스템 과학과 모델링

불확실성 하의 최적화

Plans for infrastructure, reserves and portfolios must work across futures that cannot be predicted. Optimisation under uncertainty chooses decisions that perform well on average, hold up in bad cases or stay acceptable across many scenarios. This page sets out the main approaches, from stochastic to robust optimisation and decision-making under 심층 불확실성, how their results are tested, and what evidence serves the planners who rely on them.

문의하기 주제로 돌아가기
01등록

Optimisation under uncertainty on the record.

자료집Systems Science and Modelling · topic
  1. 01질문메커니즘 4개
  2. 02분야육각형 필드 판
  3. 03지표6
  4. 04출처5
  5. 05결정 권한 보유자3
  6. 06방법4
02질문

Optimisation under uncertainty: how the risk develops.

Robust and adaptive decisions when futures are deeply uncertain. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.

메커니즘

Optimal for one future is fragile

A plan optimised for a single forecast can perform badly if the future differs. Representing uncertainty explicitly avoids this trap.

메커니즘

Stochastic methods use probabilities

Stochastic programming optimises expected performance across scenarios with assigned probabilities, which needs those probabilities to be credible.

메커니즘

Robust methods guard the worst case

Robust optimisation chooses decisions that perform acceptably for all scenarios within a set, trading average performance for protection.

메커니즘

Adaptive plans keep options open

Plans with decision points and triggers adapt as uncertainty resolves, avoiding commitments that lock in poor outcomes.

03지리

북미의 재해와 노출.

Flood water, population density and daytime surface heat over North America, from NASA GIBS. Each layer carries its own date.

대화형 지도에는 JavaScript가 필요합니다. 레이어 목록과 출처는 아래에 있습니다.

레이어 3

이 페이지의 재해와 노출

이 레이어 소개
증거
관측(구름이 있으면 빈틈이 생김)
출처
VIIRS 글로벌 홍수 산출물(NASA LANCE)
제공자
NASA LANCE
라이선스
NASA 공개 데이터
생산 연도
매일, 위성 탐지, 구름이 있으면 빈틈이 생김
빌드 시점 최신
2026-10-14
해결
약 250 m 격자
불확실성
위성 탐지로, 구름이 있으면 빈틈이 생깁니다. 제공자가 게시한 그대로의 위성 또는 모형 래스터입니다. 구름, 관측 폭 공백, 산출 오차로 인해 빈틈과 잡음이 생기며, 값은 특정 장소의 측정치가 아니라 지표입니다.
접근 경로
실시간 지도를 허용한 뒤에만 gibs.earthdata.nasa.gov에 접속합니다
이 레이어 소개
증거
추정
출처
세계 격자 인구 v4.11(NASA SEDAC(CIESIN, 컬럼비아 대학교))
제공자
NASA SEDAC(CIESIN, 컬럼비아 대학교)
라이선스
CC BY 4.0
생산 연도
null; 인구조사 기반 추정치, 정적(2020)
해결
약 1 km 격자
불확실성
2020년 제곱킬로미터당 인구에 대한 인구총조사 기반 추정값으로 노출 맥락으로 표시되며, 어떤 재해로 영향받은 사람의 수가 아닙니다.
접근 경로
실시간 지도를 허용한 뒤에만 gibs.earthdata.nasa.gov에 접속합니다
이 레이어 소개
증거
관측(지속적인 구름으로 여전히 빈틈이 남음)
출처
VIIRS NOAA-20 Level 3, 8일(NASA LANCE)
제공자
NASA LANCE
라이선스
NASA 공개 데이터
생산 연도
8일, 위성 8일 합성, 지속적인 구름으로 여전히 빈틈이 남음
빌드 시점 최신
2026-09-14
해결
약 1 km 격자
불확실성
표시된 날짜까지 8일간 지표면의 위성 관측 표면 온도로, 열 노출 지표이며 기온, 열지수, 폭염 경보가 아닙니다.
접근 경로
실시간 지도를 허용한 뒤에만 gibs.earthdata.nasa.gov에 접속합니다
이 레이어 소개
증거
관측
출처
VIIRS NOAA-20 보정 반사율(NASA LANCE)
제공자
NASA LANCE
라이선스
NASA 공개 데이터
생산 연도
매일, 위성 영상
빌드 시점 최신
2026-10-14
해결
약 250 m 격자
불확실성
위성 영상. 제공자가 게시한 그대로의 위성 또는 모형 래스터입니다. 구름, 관측 폭 공백, 산출 오차로 인해 빈틈과 잡음이 생기며, 값은 특정 장소의 측정치가 아니라 지표입니다.
접근 경로
실시간 지도를 허용한 뒤에만 gibs.earthdata.nasa.gov에 접속합니다
이 레이어 소개
증거
모형 산출(GIBS가 게시한 최신 연도)
출처
MODIS Terra 및 Aqua 토지 피복(MCD12Q1)(NASA LP DAAC)
제공자
NASA LP DAAC
라이선스
NASA 공개 데이터
생산 연도
매년, 위성 분류, GIBS가 게시한 최신 연도
빌드 시점 최신
2024-01-01
해결
약 500 m 격자
불확실성
표시된 연도의 위성 토지 피복 분류로, 농경지를 포함합니다. 알려진 오차가 있는 분류이며 농장 등록부가 아닙니다.
접근 경로
실시간 지도를 허용한 뒤에만 gibs.earthdata.nasa.gov에 접속합니다
이 레이어 소개
증거
관측(구름과 통과 시각으로 인해 빈틈이 생김)
출처
VIIRS NOAA-20 375 m(FIRMS)(NASA LANCE FIRMS)
제공자
NASA LANCE FIRMS
라이선스
NASA 공개 데이터
생산 연도
매일, 위성 탐지, 구름과 통과 시각으로 인해 빈틈이 생김
빌드 시점 최신
2026-10-13
해결
약 500 m 격자
불확실성
표시된 날짜의 위성 열점 탐지 결과로, 가스 플레어와 산업 열을 포함합니다. 확인된 화재, 사고 보고서 또는 경보가 아닙니다.
접근 경로
실시간 지도를 허용한 뒤에만 gibs.earthdata.nasa.gov에 접속합니다

제공 가능한 최신

NASA GIBS / EOSDIS · ASTER GDEM (METI, NASA) · Blue Marble (NASA) · © OpenStreetMap 기여자 (ODbL) · Natural Earth

최신 NASA 이미지를 불러오는 중입니다.

끌어서 이동합니다. Ctrl 또는 ⌘를 누른 채 스크롤하거나 핀치 또는 버튼으로 확대합니다. 포인터 아래의 값은 마우스를 올려 확인하며, 초기화하면 해당 지역으로 돌아갑니다.

북미를 중심으로 본 재해와 노출.NASA가 게시한 그대로의 위성 및 모형 산출물로, 각각 고유한 날짜가 있습니다. 지표이며 어떤 장소에 대한 평가도 아닙니다.

데이터: NASA GIBS · ASTER GDEM · Blue Marble · © OpenStreetMap 기여자 · Natural Earth · NASA EONET · U.S. Geological Survey · NASA JPL OPERA DIST-ALERT출처와 라이선스

  • We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS). Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). NASA 공개 데이터
  • We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS). Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). NASA 공개 데이터
  • VIIRS 준실시간 산출물(홍수, 지표면 온도, 적설 피복, 보정 반사율), NASA LANCE; 영상은 NASA GIBS 제공. 색상은 공개된 색상표에서 다시 그렸으며, 표시된 곳의 값은 육각형 셀로 평균했습니다(수정됨). NASA 공개 데이터
  • Center for International Earth Science Information Network (CIESIN), Columbia University. 2018. Gridded Population of the World, Version 4 (GPWv4): Population Density, Revision 11. NASA Socioeconomic Data and Applications Center (SEDAC). CC BY 4.0 라이선스. 색상은 공개된 색상표에서 다시 그렸으며, 표시된 곳의 값은 육각형 셀로 평균했습니다(수정됨). doi:10.7927/H49C6VHW. CC BY 4.0
  • MODIS 육상 산출물(식생 지수, 총일차생산량, 토지 피복), NASA LP DAAC 및 LANCE; 영상은 NASA GIBS 제공. 색상은 공개된 색상표에서 다시 그렸으며, 표시된 곳의 값은 육각형 셀로 평균했습니다(수정됨). NASA 공개 데이터
  • NASA 자원 관리용 화재 정보 시스템(FIRMS), VIIRS 375 m 활성 화재 산출물, NASA LANCE; 벡터 타일은 NASA GIBS 제공. 색상은 공개된 색상표에서 다시 그렸으며, 표시된 곳의 값은 육각형 셀로 평균했습니다(수정됨). NASA 공개 데이터
  • ASTER GDEM은 METI와 NASA의 산출물입니다(ASTER Global Digital Elevation Model V003, NASA LP DAAC). 영상은 NASA GIBS 제공. 색상은 공개된 색상표에서 다시 그렸으며, 표시된 곳의 값은 육각형 셀로 평균했습니다(수정됨). 인용: NASA/METI/AIST/Japan Spacesystems and U.S./Japan ASTER Science Team (2019). ASTER Global Digital Elevation Model V003. doi:10.5067/ASTER/ASTGTM.003. NASA 공개 데이터
  • Natural Earth으로 제작. 무료 벡터 및 래스터 지도 데이터 @ naturalearthdata.com. 퍼블릭 도메인
  • © OpenStreetMap 기여자(ODbL), NASA GIBS 경유(해안선, 경계, 도로 및 지명). 색상은 공개된 색상표에서 다시 그렸으며, 표시된 곳의 값은 육각형 셀로 평균했습니다(수정됨). ODbL
  • Blue Marble, NASA Earth Observatory; 영상은 NASA GIBS 제공. 색상은 공개된 색상표에서 다시 그렸으며, 표시된 곳의 값은 육각형 셀로 평균했습니다(수정됨). NASA 공개 데이터
  • 지구본과 평면 지도의 맥락 정보: NASA GIBS 참조 레이어의 해안선, 경계, 도로, 지명(OpenStreetMap 데이터, ODbL, © OpenStreetMap 기여자). 선택 기본 지도로 Blue Marble 영상. 3D 지형과 고도 표시는 ASTER GDEM 고도 색상 지수(5 m에서 200 m 구간, 가독성을 위해 과장). 경계는 공표된 대로 그렸으며 어떤 영토에 대한 입장도 뜻하지 않습니다.
  • 실시간 사건: NASA 지구관측소 자연 사건 추적기(EONET). 사건은 참고용이며 원출처 링크를 그대로 유지합니다.
  • 실시간: NASA EONET. 사건은 참고용이며 당국의 경보가 아닙니다.
  • 실시간: 미국 지질조사국. 사건은 참고용이며 당국의 경보가 아닙니다.
  • Observed (EO): NASA JPL OPERA DIST-ALERT (contains modified Copernicus Sentinel data 2026). We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS).
  • NASA GIBS: We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS).
  • 하천 유량 예측, 범위를 포함한 30일 (Open-Meteo를 통한 GloFAS): 수정된 Copernicus 긴급상황관리서비스 정보 2026 포함. 홍수 경보가 아닙니다.
  • Open-Meteo.com (https://open-meteo.com/), 제공 날씨 데이터, CC BY 4.0 라이선스 (https://creativecommons.org/licenses/by/4.0/).
  • 선택 레이어(레이어 목록의 출처 11개: 실시간, 예보, 관측 및 배경)는 켜면 지도와 이곳에 제공자 출처가 표시됩니다. 예보는 모형 산출물이며 파생 지수는 추정치입니다.

레이어와 날짜

  • 홍수 수역, 3일 합성: VIIRS 전지구 홍수 산출물, NASA LANCE · 2026년 10월 14일
  • 인구 밀도, 2020년: 인구: CIESIN, 컬럼비아 대학교, 세계 격자 인구 v4.11(2018), NASA SEDAC, CC BY 4.0 · 정적
  • 지표면 온도, 주간, 8일 합성: VIIRS NOAA-20 레벨 3, 8일, NASA LANCE · 2026년 9월 14일
  • 트루컬러: VIIRS NOAA-20 보정 반사도, NASA LANCE · 2026년 10월 13일
  • 토지 피복 유형(IGBP), 연간: MODIS Terra 및 Aqua 토지 피복(MCD12Q1), NASA LP DAAC · 2024
  • 활성 화재 및 열 이상: VIIRS NOAA-20 375 m(FIRMS), NASA LANCE FIRMS · 2026년 10월 13일

04영역 전반

Optimisation under uncertainty supports decisions in every domain.

Findings are designed for the 방법 및 기술 시리즈. Decision making under 심층 불확실성 (Marchau and others, 2019) sets out robust methods; owners decide.

  • Case applications.
  • Comparisons of robust methods.
05모니터링

결합 모델 실행기.

팀이 이 주제를 따라가는 데 사용할 화면으로, 그 지표, 상태, 결정을 보여 줍니다. 이름은 예시이며 값은 설명용입니다.

결합 모델 실행기

Optimisation under uncertainty · Coupled model A · Scenario set 3

앙상블 실행 중GCRI · 시스템 과학과 모델링

모델 결합 그래프

노드: 모형 · 간선: 교환되는 변수

결합된 구성 요소

수문학1 day유출예
전력 시스템1 h수요, 정전예
경제1분기산출, 가격부분
인구1 year노출예

앙상블 출력

Coupled model runner: the screen’s structure, terms and states for Optimisation under uncertainty.예시 이름과 예시 값으로, 실제 기록이나 운영 중인 시스템이 아닌 설계안입니다.
06지표

측정되는 것과 그 정확도.

각 지표에는 단위, 주기, 그 뒤의 출처 종류, 값에 붙을 근거 표시가 있습니다. 값은 표시하지 않습니다. 값은 프로그램이 자체 권한으로 제공합니다.

지표단위주기출처 유형라벨
Scenarios evaluated건수per analysisAnalysis documentation신고됨
Regret of chosen plandifference from best plan in each scenarioper analysisRobustness analysis모형 산출
Value of the stochastic solutiondifference between stochastic and deterministic plansper analysisOptimisation outputs모형 산출
Satisficing sharepercent of scenarios meeting objectivesper analysisRobustness analysis모형 산출
Adaptation triggers defined건수per planPlan documentation신고됨
Out-of-sample performanceobjective value on held-out scenariosper analysis시험모형 산출
07트윈 및 캐스케이드 시뮬레이터

Model optimisation under uncertainty as a system. Run the cascade.

Assembled from the Nexus Standards area profile 복합 및 연쇄 재해 표준: the hazards it names, the 시스템 and sectors that carry the loss, the controls that dampen it and the data that observe it. Choose the components, pick an initiating hazard and step through the cascade. The Map view places the run on an example geography with open data. Every coupling weight is a stated assumption you can change. A teaching model, not a forecast, an assessment or a certification. To model a place of your own choosing, open the full System Builder.

재해

통제 수단

  • NS-0 헌장과 원칙
  • NS-3 리스크 기록 UNI(문법, 기존 체계 대응, 할당 권한)
  • NS-9 맥락 UNI(배치, 인스턴스, 프로그램 인스턴스)
  • NS-11 검증 및 모니터링(근거, 증명, 제로 트러스트 적합성 관찰)
  • NRS-H61 재해군: 연쇄 실패(NHS-1 sys.cascade)
  • NRS-H62 재해 유형: 복합 및 다중 재해 사건(NHS-1 sys.compound)
  • NRS-H60 재해 계열: 공급망 및 흐름 차질(NHS-1 sys.supply-chain)
  • NRS-H94 재해군: 시스템적 사이버 사건(NHS-1 cyber.systemic-cyber)
  • NRS-H107 재해군: 디지털 인프라 집중과 단일화(NHS-1 tech.digital-concentration)
  • NRS-H7 재해 계열: 대규모 순환 이상(NHS-1 atmo.climate-mode)

관측

  • Copernicus EMS rapid mapping activations (listed for reference)
  • OpenStreetMap planet and replication (listed for reference)
  • ERA5 재분석(Copernicus Climate Data Store)(참고용으로 게재)
  • 세계 GDP 대비 재난으로 인한 직접 경제 손실
  • Number of disruptions to basic services attributed to disasters

예시 지리

  • 방글라데시: 육각형 셀 134개
  • 오늘 밤 야간 조명과 정전(VIIRS 주야간 밴드), NASA GIBS
  • Carbon monoxide, smoke transport (AIRS), NASA GIBS
  • Vegetation disturbance alerts, 30 m (OPERA DIST-ALERT), NASA GIBS
08출처

근거의 출처.

이름이 명시된 공개 데이터셋과 기관 기록으로, 각각 라이선스 등급이 있습니다. 협약에 따른 출처는 그 조건에 따라서만 사용하며 결코 재게시하지 않습니다.

출처제공하는 것라이선스 등급
Society for Decision Making under Deep Uncertainty resourcesMethods and case studies for robust and adaptive planningPublic, terms to check
Open-source optimisation tools such as Pyomo and JuMPModelling languages for stochastic and robust optimisationOpen source, BSD and MPL licences
EMA WorkbenchExploratory modelling and analysis toolkitOpen source, BSD licence
Operations research literature on stochastic programmingMethods and applicationsLicence per publication
발행됨 adaptive pathway plans, such as delta programmesApplied adaptive planningPublic records, licence per government
09방법과 근거

How optimisation under uncertainty is modelled, measured and tested.

모형, 그 가정, 데이터, 불확실성을 과학자나 엔지니어가 확인할 형태로 제시합니다. 구조는 발행된 방법을 따릅니다. 제시된 값은 예시이며 결과가 아닙니다.

모형, 방정식 및 가정

The model structure used for optimisation under uncertainty, the assumptions it makes and how each is tested.

요소 i의 리스크Ri = f(Hi, Ei, Vi, Ci)재해, 노출, 취약성, 대처 역량
연간 기대 손실EAL = ∑k pk · Lk연간 확률이 pk
결합 시스템xt+1 = A xt + B ut + εtA carries the couplings, u the shock, ε the error
가정만드는 이유시험 방법
한 사건 안에서 재해와 노출은 서로 독립적임손실 적분을 다루기 쉽게 유지함결합 기록에 적합한 코퓰러와 비교
결합은 운전점 근처에서 선형이다충격이 A를 통해 전파되게 함선형 범위를 넘어 섭동을 주고 비교하십시오
취약성 곡선은 장소 간에 옮겨 쓸 수 있다지역 곡선은 거의 없다관측된 손실이 있는 곳에서는 이에 대해 검증
투입 자료
출처 정보가 있는 버전 관리 데이터세트
산출물
분포이며 결코 단일 숫자가 아님
코드
모델 카드 및 시험과 함께 공개
재현
같은 데이터, 코드, 환경과 시드
표준 리스크 및 상태공간 정식화로, 나열된 가정은 해당 방법에 일반적인 것이며 검토를 위해 명시한 것으로 결과가 아닙니다.
FAIR 지침 원칙 · GO FAIR와 FORCE11W3C PROV · 월드 와이드 웹 컨소시엄불확실성의 일관된 처리에 관한 지침 · IPCCCEOS 분석 준비 데이터(Analysis Ready Data) · 지구관측위성위원회
10결정

누가 결정하며 근거는 무엇에 쓰이는지.

시스템 Science and Modelling prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.

결정 주체질문이 페이지가 제공하는 근거
Infrastructure and resource plannersWhich plans hold up across plausible futuresRobustness analyses; pathway designs
Analysts across Nexus platformsWhich optimisation approach suits their questionMethod selection guides
Finance and audit bodiesWhether planning analyses considered uncertainty adequatelyAnalysis documentation

이 주제가 생산하는 산출물

  • Method selection guides for planning under uncertainty
  • Robustness and regret analyses
  • Adaptive pathway designs with triggers
  • Teaching material on optimisation under uncertainty
11핵심 질문

What experts ask about decisions under uncertainty.

  • Is the aim to perform best on average, to avoid the worst outcomes, or to perform acceptably across many futures?
  • Which uncertainties can be described with probabilities, and which cannot?
  • Which decisions can be delayed, adapted or reversed as information arrives?
  • How do trade-offs between objectives change across scenarios?
  • What signals would indicate that a strategy needs to change?
12메커니즘과 동인

Why optimal can be fragile.

Classical optimisation assumes a known model and known inputs. A strategy optimised for a single forecast can be finely tuned to that forecast and fragile if the future differs. In infrastructure planning, for example, a design optimised for one climate projection may fail under another.

Stochastic optimisation handles uncertainty described by probability distributions, seeking the best expected performance or managing risk measures. Robust optimisation seeks solutions that perform well across a set of possible conditions without probabilities.

Under 심층 불확실성, when experts cannot agree on models or probabilities, methods such as robust decision making and adaptive pathways explore many futures, identify where strategies fail, and design plans that can change course when signposts are observed.

13방법과 데이터

방법과 그 한계.

  1. 01

    Stochastic programming

    Optimising expected outcomes over scenarios, using 최적화와 운영 연구. Requires credible probabilities.

  2. 02

    Robust optimisation

    Optimising worst-case or regret across uncertainty sets. Can be conservative.

  3. 03

    Exploratory modelling

    Running models across many futures to find vulnerabilities, using decision analysis. Computationally demanding.

  4. 04

    Adaptive pathways

    Sequencing actions with triggers for change. Requires monitoring and institutional capacity.

These methods support judgement, they do not replace it. The choice of objectives and acceptable risks is a value choice for decision-makers.

14방법

연구되는 방식과 방법이 말할 수 없는 것.

  1. 최적화와 운용 과학문제 정식화 지침 · 강건·확률적 비교 · 솔버 벤치마킹이곳에서의 적용
    정본 · STEM Commons
  2. 불확실성하의 의사결정 분석모델 이전에 결정을 정식화하기 · 모델을 위한 정보 가치이곳에서의 적용
    정본 · STEM Commons
  3. 불확실성 정량화와 모델 검증불확실성 예산 · 고비용 시뮬레이션을 위한 대리 모델 · 신뢰성 평가이곳에서의 적용
    정본 · STEM Commons
  4. 고성능, 클라우드 및 엣지 컴퓨팅예산 내 앙상블 설계 · 워크플로 조정 · 재현 가능한 환경이곳에서의 적용
    정본 · STEM Commons
15Where this page’s references

Where this page’s references lead.

이 페이지를 읽을 때 기준이 되는 기구와 문서. 상태와 판은 바뀌며, 각 링크는 발행 기구로 연결됩니다.

16질문

질문과 답변.

What is robust optimisation?
An approach that finds solutions that remain feasible and perform acceptably for all values of uncertain parameters within a defined set.
What is deep uncertainty?
A situation where parties cannot agree on models, probabilities or how to value outcomes, so planning seeks robust and adaptive strategies.
What is an adaptive pathway?
A sequence of actions with decision points that lets a plan change course as conditions evolve, keeping future options open.
Is a robust strategy always more expensive?
Often it costs more upfront but reduces the risk of costly failure. The trade-off is made explicit.
Does the platform choose strategies?
No. It develops methods. Choices remain with decision-makers.
보고서기여하기

이 페이지에서 증거를 기여하십시오.

보고서 is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.

GCRI시스템 과학과 모델링방법 및 기술시나리오 및 스트레스 테스트

개인정보, 민감한 인프라 세부 정보, 공유할 권리가 없는 자료는 절대 보내지 마십시오. 기여물은 사용 전에 검토됩니다. 기여물을 보낸다고 해서 저작자 지위나 편집 권한이 부여되지 않으며, 후원으로 조사 결과를 얻을 수 없습니다.

시스템 과학과 모델링

방법, 데이터세트 또는 질문을 가져오십시오.

정보와 문의는 오늘부터 열려 있습니다. 문의에는 참조 번호가 부여되고 다음 단계가 안내됩니다. 신청, 결제, 컴퓨팅 할당, 등록은 해당 팀, 약관, 심사 역량이 갖추어졌을 때만 열립니다.

방법 제안 모든 연락 경로 보기
법률

이 사이트의 지도, 데이터와 그림은 맥락과 일반 정보로 제시됩니다. 조언, 예보 또는 경보가 아니며, 정보의 한계는 면책 고지와 데이터 고지에 나와 있습니다.