CN109636018A - 计算气温与气候因子遥相关关系的方法及装置 - Google Patents

计算气温与气候因子遥相关关系的方法及装置 Download PDF

Info

Publication number
CN109636018A
CN109636018A CN201811443622.6A CN201811443622A CN109636018A CN 109636018 A CN109636018 A CN 109636018A CN 201811443622 A CN201811443622 A CN 201811443622A CN 109636018 A CN109636018 A CN 109636018A
Authority
CN
China
Prior art keywords
temperature
factor
climatic factor
climatic
confidence level
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811443622.6A
Other languages
English (en)
Inventor
孙立群
李晴岚
李广鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Institute of Advanced Technology of CAS
Original Assignee
Shenzhen Institute of Advanced Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Institute of Advanced Technology of CAS filed Critical Shenzhen Institute of Advanced Technology of CAS
Priority to CN201811443622.6A priority Critical patent/CN109636018A/zh
Priority to PCT/CN2018/119943 priority patent/WO2020107520A1/zh
Publication of CN109636018A publication Critical patent/CN109636018A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明属于分析及测量控制技术领域，尤其涉及计算气温与气候因子遥相关关系的方法及装置，本发明在分析气温和多个气候因子的相关性时，采用有全球性影响的气候因子和有公信度的气温数据；并通过三阶偏相关系数计算空间栅格内的每一个气候因子与气温数据的变量关系；再通过置信度排除计算结果中的干扰因子，得到对气温变化影响最大的气候因子。该方案能更准确反应选定区域内的气温变化情况，以及该区域的气温受到哪些气候因子的影响。实现了根据当下几个气候因子的变化情况，就可以估计未来该特定区域的温度变化情况，为该区域内的植被生物产量的预测提供一定的参考信息，提升了农林业生产风险预测的准确性。使用该方法的装置也同样具有上述效果。

Description

计算气温与气候因子遥相关关系的方法及装置
技术领域
本发明属于分析及测量控制技术，尤其涉及计算气温与气候因子遥相关关系的方法及装置。
背景技术
目前在全球范围内，除了厄尔尼诺(ENSO事件)这一全球性的表征气候变化的指数外，科学家在全球目前已经发现了数十个气候因子。这些气候因子都会在不同程度对不同范围内的天气***造成不同程度的影响。这些影响最直观的体现则在气温变化上。而且这些气候因子相互作用，形成制约机制，有时一个地区的温度变化，可能同时受多个外部气候因子的影响，产生遥相关关系，进而影响这一地区的植被生长与农产品产量。
研究某一地区的气候变化主要是依据计算气温与气候因子的关系，而且主要是根据地域的不同，选取不同的气候因子做计算。但是影响某一地区的气温变化的气候因子有时不止一个，有时可能同时受到几个气候因子的相互制约。多个气候因子相互干扰不利于预测气温的变化，无法准确的对特定区域的农林业生产及气象风险提供参考，现有技术存在不足。
发明内容
本发明的目的在于提供一种能够去除干扰的计算气温与气候因子遥相关关系的方法及装置，旨在解决如何准确预测出某一区域内气温与气候因子的响应关系问题。
一方面，本发明提供了一种计算气温与气候因子遥相关关系的方法包括下述步骤：
S1.选取具有全球性影响的气候因子和有公信度的气温数据；
S2.通过三阶偏相关系数计算空间栅格内的每一个所述气候因子与所述气温数据的变量关系；
S3.通过置信度排除计算结果中的干扰因子。
进一步的，还包括以下步骤：
S4.根据所述步骤s3的结果绘制全球区域的所述气温数据与所述气候因子的响应关系图。
另一方面，本发明还提供一种计算气温与气候因子遥相关关系的装置，包括：
输入单元，接收选取的具有全球性影响的气候因子和有公信度的气温数据；
预处理单元，将选取的具有全球性影响的气候因子和有公信度的气温数据按月分组，计算时间周期内每个季节的平局值及偏差；
变量关系计算单元，基于地理信息***，通过三阶偏相关系数计算空间栅格内的每一个所述气候因子与所述气温数据的变量关系；
去干扰单元，设置置信度，排除计算结果中置信度低于95％的干扰因子，输出该空间栅格内对气温变化影响最大受的气候因子。
进一步的，该装置还包括：制图单元，基于地理信息***，绘制全球区域的所述气温数据与所述气候因子的响应关系图。
本发明在分析气温和多个气候因子的相关性时，采用有全球性影响的气候因子和有公信度的气温数据；并通过三阶偏相关系数计算空间栅格内的每一个气候因子与气温数据的变量关系；再通过置信度排除计算结果中的干扰因子，得到对气温变化影响最大的气候因子。该方案能更准确反应选定区域内的气温变化情况，以及该区域的气温受到哪些气候因子的影响。实现了根据当下几个气候因子的变化情况，就可以估计未来该特定区域的温度变化情况，为该区域内的植被生物产量的预测提供一定的参考信息，提升了农林业生产风险预测的准确性。
附图说明
图1是本发明计算气温与气候因子遥相关关系的方法的主要流程图；
图2是本发明计算方法的完整流程图；
图3是本发明计算气温与气候因子遥相关关系装置的框架图；
图4是本发明计算方法的具体工作流程示意图；
图5是本发明绘制的地表平均气温数据对气候因子的响应关系图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图1-5及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述：
实施例一：
如附图1所示的一种计算气温与气候因子遥相关关系的方法，包括下述步骤：
S1.选取具有全球性影响的气候因子和有公信度的气温数据，有利于保证结果的准确性。
S2.通过三阶偏相关系数计算空间栅格内的每一个所述气候因子与所述气温数据的变量关系；
S3.通过置信度排除计算结果中的干扰因子。
关于本发明的置信度，在统计学中，一个概率样本的置信区间(Confidenceinterval)是对这个样本的某个总体参数的区间估计。置信区间展现的是这个参数的真实值有一定概率落在测量结果的周围的程度。置信区间给出的是被测量参数的测量值的可信程度，即前面所要求的“一定概率”。这个概率被称为置信水平，即置信度。比如计算温度数据与ENSO、IOD、AO和AAO的偏相关系数，得到温度与ENSO的相关系数置信度超过95％，其余几个都没有超过，则说明温度受ENSO影响控制，其余几个气候因子对温度影响不大，可视为干扰因子被排除。
如附图2所示，计算方法还包括以下步骤：
S4.根据所述步骤s3的结果绘制全球区域的所述气温数据与所述气候因子的响应关系图。
进一步的，所述气温数据采用全球0.5度最高、最低气温月平均格点数据；所述气候因子采用厄尔尼诺-南方涛动，印度洋偶极子，北极涛动和南极涛动；所述干扰因子为置信度低于95％的所述气候因子。
全球0.5度最高、最低气温月是目前科学界使用较为广泛的一套数据，公信度和数据质量较高。
本发明选取了四个可以表征全球气候变化的气候因子，他们分别是处于太平洋的厄尔尼诺-南方涛动(ENSO)，处于印度洋的印度洋偶极子(IOD，Indian Ocean Dipole)，北半球的北极涛动(AO:Arctic Oscillation)，南半球的南极涛动(AAO:AntarcticOscillation)。将通过建立数学模型，***地对全球陆地的0.5度最高、最低气温的与这四个气候因子进行偏相关分析。
如附图4所示的具体工作流程，所述步骤s1还包括对所述气温数据进行预处理；所述预处理为将气温数据与气候因子指数按月分组，计算时间周期内每个季节的平局值及偏差。
优选的，所述时间周期为1982至2016年。在该周期内，按自然月分别计算1982至2016年间季节平均值，3、4、5月为春季，6、7、8为夏季，9、10、11为秋季，12、1、2为冬季。并把气温数据与气候因子指数数据减季节平均值得到每一个季节的偏差。其中平局值为1982至2016年每个季节温度的多年平均值，偏差为每个季度每年的值减去多年平均值所得到的温度距平。
进一步的，所述步骤s2的计算基于具有栅格计算功能的地理信息***进行。
该地理信息***为ArcGIS环境。在该***下直接编写程序计算偏相关。利用ArcGIS 9.3软件中的Raster Calculator工具编写脚本可以对气象数据图层和气候因子数据直接进行计算，高效便捷地计算偏相关系数。这样做的好处是每一次相关计算，都有栅格(Raster)文件生成，对于变量之间的关系能更好地进行分析、理解并解释。
进一步的，需要编写进脚本的三阶偏相关的计算公式为：
其中，1为最高气温，2为厄尔尼诺-南方涛动，3为印度洋偶极子，4为北极涛动，5为南极涛动。R代表relationship，也就是关系。R12,345表示变量1与2的关系，同时排除了变量3,4,5的干扰。
该地理信息***的栅格计算功能可以把每个月的数据当成一个变量，套用偏相关计算的公式，便可以直接在arcgis上实现计算过程并呈现计算结果，不需要外部编写程序再导入arcgis软件显示结果。
通过上述偏相关关系计算，可以得到全球任何一个点的最高、最低气温与某一个其后因子的相关性，并同时排除了其它三个其后因子的干扰。该方法可以更好对全球及局地气候变化进行解释，确定任意地点的气温与那个气候因子关系最密切，并通过气候因子的波动，该地区的未来较长时间的气候趋势做出预测。
进一步的，所述步骤s4包括以下具体步骤：
S41.基于所述地理信息***，将每个空间栅格与像素对应，分别加载计算得到的温度与每个气候因子的相关系数的图层，以不同花纹区分不同的图层；
S42.设置置信度，去除所述图层中置信度低于95％的像素；
S43.所有图层透明度设置为50％，有利于显示气候因子影响重叠区域，明确部分受多个气候因子共同影响的范围。
如附图5所示，图中所有影响区域的置信度均超过95％。其中图a中深灰色代表太平洋厄尔尼诺现象(ENSO)的影响区域，浅灰色代表印度洋偶极子(IOD)的影响区域，斜纹网格代表北极涛动(AO)的影响区域，正交网格代表南极涛动(AAO)的影响区域。所有图层都做了50％透明度处理，以便于一些重叠区域的观察。柱状图插图为按照等面积投影后，各个气候因子的影响区域占地表总面积的百分比。图b同图a，但表示夏季；图c同图a，但表示秋季；图d同图a，但表示冬季。
该气温与气候因子的响应关系图对于粮食及农林产品预测会有积极参考意义，对于农产品期货交易可以给出一定程度的参考。准确的说就是根据当下几个气候因子的变化情况，就可以估计未来特定区域的温度变化情况，进而为植被生物产量的预测提供一定的参考信息。
实施例二：
如附图3所示的一种计算气温与气候因子遥相关关系的装置，包括：
输入单元，接收选取的具有全球性影响的气候因子和有公信度的气温数据。
预处理单元，将选取的具有全球性影响的气候因子和有公信度的气温数据按月分组，计算时间周期内每个季节的平局值及偏差。
其中平局值为1982至2016年每个季节温度的多年平均值，偏差为每个季度每年的值减去多年平均值所得到的温度距平。
变量关系计算单元，基于地理信息***，通过输入三阶偏相关系公式计算空间栅格内的每一个所述气候因子与所述气温数据的变量关系。
去干扰单元，设置置信度，排除计算结果中置信度低于95％的干扰因子，输出该空间栅格内对气温变化影响最大受的气候因子。
进一步的，该装置还包括：制图单元，基于地理信息***，绘制全球区域的所述气温数据与所述气候因子的响应关系图。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，所述的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘、光盘等。
在本发明实施例中，该计算气温与气候因子遥相关关系的装置的各单元可由相应的硬件或软件单元实现，各单元可以为独立的软、硬件单元，也可以集成为一个软、硬件单元，在此不用以限制本发明。各单元的具体实施方式可参考实施例一、二、三的描述，在此不再赘述。
在具体实施过程中，本发明在2015年全球超强厄尔尼诺的影响下，对全球地表气温预测表现良好。
本发明通过在地里信息***中输入计算3阶偏相关关系的公式，计算气温与4个气候因子的响应关系，即计算气温与某一气候因子的关系而排除其它气候因子的干扰。且根据计算结果绘制全球气温度与4个气候因子的响应关系图，表征任意地区的气温同时受到哪些气候因子的主要影响或者共同影响。引入置信度最终确定与气温变化关联最大的一个或多个气候因子，提升了二者遥相关(响应关系)的准确性。实现了根据当下几个气候因子的变化情况，就可以估计未来该特定区域的温度变化情况，为该区域内的植被生物产量的预测提供一定的参考信息，提升了农林业生产风险预测的准确性。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种计算气温与气候因子遥相关关系的方法，其特征在于，包括下述步骤：
S1.选取具有全球性影响的气候因子和有公信度的气温数据；
S2.通过三阶偏相关系数计算空间栅格内的每一个所述气候因子与所述气温数据的变量关系；
S3.通过置信度排除计算结果中的干扰因子。
2.如权利要求1所述的方法，其特征在于，还包括以下步骤：
S4.根据所述步骤s3的结果绘制全球区域的所述气温数据与所述气候因子的响应关系图。
3.如权利要求2所述的方法，其特征在于，所述气温数据采用全球0.5度最高、最低气温月平均格点数据；所述气候因子采用厄尔尼诺-南方涛动，印度洋偶极子，北极涛动和南极涛动；所述干扰因子为置信度低于95％的所述气候因子。
4.如权利要求2所述的方法，其特征在于，所述步骤s1还包括对所述气温数据进行预处理；所述预处理为将气温数据与气候因子指数按月分组，计算时间周期内每个季节的平局值及偏差。
5.如权利要求4所述的方法，其特征在于，所述时间周期为1982-2016年。
6.如权利要求2所述的方法，其特征在于，所述步骤s2的计算基于具有栅格计算功能的地理信息***进行。
7.如权利要求6所述的方法，其特征在于，所述三阶偏相关的计算公式为：
其中，1为最高气温，2为厄尔尼诺-南方涛动，3为印度洋偶极子，4为北极涛动，5为南极涛动。
8.如权利要求7所述的方法，其特征在于，所述步骤s4包括以下具体步骤：
S41.基于所述地理信息***，将每个空间栅格与像素对应，分别加载计算得到的温度与每个气候因子的相关系数的图层，以不同花纹区分不同的图层；
S42.设置置信度，去除所述图层中置信度低于95％的像素；
S43.所有图层透明度设置为50％。
9.一种计算气温与气候因子遥相关关系的装置，其特征在于，包括：
输入单元，接收选取的具有全球性影响的气候因子和有公信度的气温数据；
预处理单元，将选取的具有全球性影响的气候因子和有公信度的气温数据按月分组，计算时间周期内每个季节的平局值及偏差；
变量关系计算单元，基于地理信息***，通过三阶偏相关系数计算空间栅格内的每一个所述气候因子与所述气温数据的变量关系；
去干扰单元，设置置信度，排除计算结果中置信度低于95％的干扰因子，输出该空间栅格内对气温变化影响最大受的气候因子。
10.如权利要求9所述的装置，其特征在于，还包括：
制图单元，基于地理信息***，绘制全球区域的所述气温数据与所述气候因子的响应关系图。
CN201811443622.6A 2018-11-29 2018-11-29 计算气温与气候因子遥相关关系的方法及装置 Pending CN109636018A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201811443622.6A CN109636018A (zh) 2018-11-29 2018-11-29 计算气温与气候因子遥相关关系的方法及装置
PCT/CN2018/119943 WO2020107520A1 (zh) 2018-11-29 2018-12-08 计算气温与气候因子遥相关关系的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811443622.6A CN109636018A (zh) 2018-11-29 2018-11-29 计算气温与气候因子遥相关关系的方法及装置

Publications (1)

Publication Number Publication Date
CN109636018A true CN109636018A (zh) 2019-04-16

Family

ID=66070114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811443622.6A Pending CN109636018A (zh) 2018-11-29 2018-11-29 计算气温与气候因子遥相关关系的方法及装置

Country Status (2)

Country Link
CN (1) CN109636018A (zh)
WO (1) WO2020107520A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110852585A (zh) * 2019-10-30 2020-02-28 北京师范大学 植被生长稳定性的计算方法及装置
CN113917568A (zh) * 2021-10-13 2022-01-11 中山大学 一种基于确定性系数的降水预报能力与遥相关作用关联方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103530499A (zh) * 2013-08-29 2014-01-22 西南林业大学 山区地表温度基线构建的一种方法及应用
CN105787114A (zh) * 2016-03-24 2016-07-20 四川理工学院 釜溪河流域生态环境管理及分析应用***
CN107563554B (zh) * 2017-08-30 2022-01-18 三峡大学 一种统计降尺度模型预报因子的筛选方法
CN108229735B (zh) * 2017-12-29 2021-03-09 国网青海省电力公司 基于气候因子的流域丰枯预测方法及***

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110852585A (zh) * 2019-10-30 2020-02-28 北京师范大学 植被生长稳定性的计算方法及装置
CN110852585B (zh) * 2019-10-30 2022-05-10 北京师范大学 植被生长稳定性的计算方法及装置
CN113917568A (zh) * 2021-10-13 2022-01-11 中山大学 一种基于确定性系数的降水预报能力与遥相关作用关联方法
CN113917568B (zh) * 2021-10-13 2022-06-24 中山大学 一种基于确定性系数的降水预报能力与遥相关作用关联方法

Also Published As

Publication number Publication date
WO2020107520A1 (zh) 2020-06-04

Similar Documents

Publication Publication Date Title
US11151379B2 (en) Method and system for crop type identification using satellite observation and weather data
Ramirez-Villegas et al. Empirical approaches for assessing impacts of climate change on agriculture: The EcoCrop model and a case study with grain sorghum
Guiot et al. Inverse vegetation modeling by Monte Carlo sampling to reconstruct palaeoclimates under changed precipitation seasonality and CO2 conditions: application to glacial climate in Mediterranean region
KR102093544B1 (ko) 곡물 생산량 예측 방법 및 장치
Latifi et al. Evaluation of most similar neighbour and random forest methods for imputing forest inventory variables using data from target and auxiliary stands
US20230091677A1 (en) Monitoring and intelligence generation for farm field
CN109711102A (zh) 一种作物灾害损失快速评估方法
Aubry-Kientz et al. Temperature rising would slow down tropical forest dynamic in the Guiana Shield
Farmer et al. A comparison of methods to predict historical daily streamflow time series in the southeastern United States
CN113095619B (zh) 基于气候和土壤模拟植被生产力空间格局的方法及***
Pichuka et al. Spatio-temporal downscaling of projected precipitation in the 21st century: indication of a wetter monsoon over the Upper Mahanadi Basin, India
Zhou et al. A multiyear gridded data ensemble of surface biogenic carbon fluxes for North America: Evaluation and analysis of results
Patenaude et al. Integrating remote sensing datasets into ecological modelling: a Bayesian approach
CN109636018A (zh) 计算气温与气候因子遥相关关系的方法及装置
Li Liu et al. A GIS‐based climate change adaptation strategy tool
Awaya* et al. Estimation of the global net primary productivity using NOAA images and meteorological data: changes between 1988 and 1993
CN115327662A (zh) 一种基于统计学习的区域电离层tec预测方法
Cheng et al. Crop type classification with combined spectral, texture, and radar features of time-series Sentinel-1 and Sentinel-2 data
Zhang et al. Can Gross Primary Productivity Products be effectively evaluated in regions with few observation data?
Mojiri et al. Comparison of predictions by kriging and spatial autoregressive models
Perez et al. Characterization of spatial relationships between three remotely sensed indirect indicators of biodiversity and climate: a 21years' data series review across the Canadian boreal forest
Laluet et al. A sensitivity analysis of a FAO-56 dual crop coefficient-based model under various field conditions
CN111579565B (zh) 农业干旱监测方法、***及存储介质
Häring et al. Regionalizing indicator values for soil reaction in the Bavarian Alps–from averages to multivariate spectra
Cheng et al. Quantifying corn LAI using machine learning and UAV multispectral imaging

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190416