CN101403795A - 估算城区树覆盖率的遥感测量方法及其遥感测量系统 - Google Patents
估算城区树覆盖率的遥感测量方法及其遥感测量系统 Download PDFInfo
- Publication number
- CN101403795A CN101403795A CNA2008102270067A CN200810227006A CN101403795A CN 101403795 A CN101403795 A CN 101403795A CN A2008102270067 A CNA2008102270067 A CN A2008102270067A CN 200810227006 A CN200810227006 A CN 200810227006A CN 101403795 A CN101403795 A CN 101403795A
- Authority
- CN
- China
- Prior art keywords
- tree
- remote sensing
- coverage rate
- city
- coverage
- 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
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种高精度的估算城区树覆盖率的遥感测量方法及其遥感测量系统，该方法包括以下步骤：步骤S110，利用多光谱遥感影像，对其进行以提取树冠覆盖区域为目的的分割；步骤S120，对分割生成的影像区域，构建模糊分类器进行面向对象的树覆盖分类；步骤S130，对分类结果进行精度评价；步骤S140，根据分类的树覆盖面积计算出城区树覆盖率。根据本发明可以从高分辨率的遥感影像上提取出符合城区每一棵树真实的树冠地面覆盖的区域，然后依据遥感影像像元地面分辨率，计算出城区树覆盖的总面积，最后获得城区的树覆盖率。本发明与当前应用的城区树覆盖率测算方法相比，估算精度明显提高，而且可获得每一棵树的树冠层地面覆盖区域真实位置。
Description
技术领域
本发明涉及一种估算城区树覆盖率的遥感测量方法及其遥感测量系统，属于城市园林统计、森林和植被制图、遥感图像处理与应用领域。
背景技术
城区植被(主要是树和草)覆盖率是评价城区生活环境质量、居住适宜性和城区生态稳健性的重要指标之一。当前，利用高分辨率的遥感影像进行森林植被制图及估算相关森林植被参数已成为一种先进的技术方法手段，如专利文献1所公开的无人机航空摄影遥感森林计测方法和专利文献2所公开的基于高空间分辨率遥感影像的林冠空间统计学定量估计方法。
但目前还没有利用高分辨率的遥感影像进行城区树覆盖率的估算技术，至今为止，城区树覆盖率的测算主要是利用了地理信息系统技术(GIS)，采用的具体方法是基于城区每一棵树的位置为中心，采用固定的覆盖长度为半径计算单棵树的地面覆盖面积(即建立每一棵树的树冠覆盖缓冲区)，最后统计得到城区所有树的地面覆盖总面积，从而获得城区的树覆盖率。由于城区树木不可能全部具有同样大小的树冠层覆盖，而且计算采用的覆盖长度半径通常也难以确定，因此，该估算方法精度不高。
专利文献1：中国专利申请200610000857.9
专利文献2：中国专利中请200610169631.1
发明内容
鉴于上述技术问题，本发明的目的在于提供一种高精度的利用遥感影像估算城区树覆盖率的遥感测量方法及其遥感测量系统。
本发明第一方面所涉及的估算城区树覆盖率的遥感测量方法，包括如下步骤：
步骤一，利用多光谱遥感影像，对其进行以提取树冠覆盖区域为目的的分割；
步骤二，对分割生成的影像区域，构建模糊分类器进行面向对象的树覆盖分类；
步骤三，对分类结果进行精度评价；以及
步骤四，根据分类的树覆盖面积计算出城区树覆盖率。
在上述的估算城区树覆盖率的遥感测量方法中，所述多光谱遥感影像的分辨率是小于等于0.6m的地面分辨率。
在上述的估算城区树覆盖率的遥感测量方法中，所述步骤一中，根据所要提取的树覆盖区域大小选定分割尺度，采用可调尺度的面向对象分割算法进行，所述可调尺度的面向对象分割算法包括易康遥感影像分析软件中采用的多分辨率分割算法、以及均值漂移分割算法。
在上述的估算城区树覆盖率的遥感测量方法中，所述步骤二中，构建的模糊分类器采用的分类关键特征包括归一化差异植被指数、与相邻对象的平均差值和平均亮度值。
在上述的估算城区树覆盖率的遥感测量方法中，所述的步骤三中，采用随机样本作为参考数据进行基于混淆矩阵的精度评价，通过目视解译判读所述随机样本的类别。
根据本发明第二方面所涉及的估算城区树覆盖率的遥感测量系统，包括：分割单元，利用多光谱遥感影像，对其进行以提取树冠覆盖区域为目的的分割；分类单元，对分割生成的影像区域，构建模糊分类器进行面向对象的树覆盖分类；评价单元，对分类结果进行精度评价；以及计算单元，根据分类的树覆盖面积计算出城区树覆盖率。
在上述的所述的估算城区树覆盖率的遥感测量系统中，所述多光谱遥感影像的分辨率是小于等于0.6m的地面分辨率。
在上述的所述的估算城区树覆盖率的遥感测量系统中，所述分割单元根据所要提取的树覆盖区域大小选定分割尺度，采用可调尺度的面向对象分割算法进行分割，所述可调尺度的面向对象分割算法包括易康遥感影像分析软件中采用的多分辨率分割算法和均值漂移分割算法。
本发明的有益效果在于：
1)可以提取出符合城区真实的树冠地面覆盖的区域面积；
2)与当前应用的城区树覆盖率测算方法及系统相比，估算的准确性和精度明显提高，而且可获得树冠层地面覆盖区域真实位置；
3)具有技术流程简单，执行速度快，自动化程度高，精度高，效率高等优点，完全可以替代当前正在应用的常用测算方法及系统。
附图说明
当结合附图考虑时，通过参照下面的详细描述，能够更完整更好地理解本发明以及容易得知其中许多伴随的优点，但此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，其中：
图1是本发明第一实施例的估算城区树覆盖率的遥感测量方法的流程图；
图2为某局部城区机载高分辨率真彩色合成正射遥感影像图，地面分辨率0.6m；
图3为对图2进行树覆盖提取为目的的分割后影像图；
图4为执行面向对象的模糊分类后显示的草和树覆盖图，其中暗绿色为草，亮绿色为树；
图5为评价树覆盖分类精度选定的随机样本图，嫩绿色为树覆盖样本，浅灰色为非树覆盖样本；
图6为最终的树覆盖分类制图影像，其中的绿色显示为城区树覆盖；
图7是本发明第二实施例的估算城区树覆盖率的遥感测量系统的框图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细描述。
图1是本发明第一实施例的估算城区树覆盖率的遥感测量方法的流程图。
如图1所示，它包括如下处理步骤：
利用多光谱遥感影像，对其进行以提取树冠覆盖区域为目的的分割(S110)；
对分割生成的影像区域，构建模糊分类器进行面向对象的树覆盖分类(S120)；
对分类结果进行精度评价(S130)；
根据分类的树覆盖面积计算出城区树覆盖率(S140)。
在本发明中，在步骤S110中，被利用的多光谱(蓝、绿、红、近红外波段)遥感影像的分辨率是小于等于0.6m的地面分辨率，对这样的高频率多光谱遥感影像进行以提取树冠覆盖区域为目的的分割，图2为某局部城区机载高分辨率真彩色合成正射遥感影像图，地面分辨率为0.6m。
此外，在步骤S110中，根据所要提取的树覆盖区域大小选定分割尺度，采用可调尺度的分割算法进行。本发明优选两种可变尺度分割算法：一种为作为商业软件的易康遥感影像分析软件(eCognition)中采用的多分辨率分割算法；另一种为均值漂移(Mean Shift)分割算法。当然本发明并不限于上述两种可变尺度分割算法，本领域的普通技术人员也可选择分割性能更好的可变尺度分割算法。图3示出了对图2进行提取树覆盖区域为目的的分割后影像图。
此外，在步骤S120中，构建的模糊分类器采用的分类关键特征包括归一化差异植被指数(NDVI)、与相邻对象的平均差值和平均亮度值。图4为执行面向对象的模糊分类后显示的草和树覆盖图，其中暗绿色为草，亮绿色为树。
在步骤S130中，采用随机样本作为参考数据(通过目视解译判读其类别)进行基于混淆矩阵的精度评价。
图5为对示例局部城区影像评价树覆盖分类精度选定的随机样本图，经计算树覆盖分类总精度为96.4％。图6为最终的树覆盖分类制图显示影像，其中的绿色显示为城区树覆盖区域。
在步骤S140中，城区树覆盖率的计算公式为：城区树覆盖率＝树覆盖类所占的总面积/城区总面积。上述示例局部城区影像的树覆盖率经计算为42.3％。
图7是本发明第二实施例的估算城区树覆盖率的遥感测量系统的框图。如图7所示，估算城区树覆盖率的遥感测量系统包括：分割单元710，利用多光谱遥感影像，对其进行以提取树冠覆盖区域为目的的分割；分类单元720，对分割生成的影像区域，构建模糊分类器进行面向对象的树覆盖分类；评价单元730，对分类结果进行精度评价；以及计算单元740，根据分类的树覆盖面积计算出城区树覆盖率。
其中，被利用的多光谱(蓝、绿、红、近红外波段)遥感影像的分辨率是小于等于0.6m的地面分辨率。
分割单元710根据所要提取的树覆盖区域大小选定分割尺度，采用可调尺度的分割算法对诸如图2所示的局部城区机载高分辨率真彩色合成正射遥感影像图进行分割。而图3示出了对图2进行提取树覆盖区域为目的的分割后影像图。本发明优选两种可变尺度分割算法：一种为作为商业软件的eCognition中采用的多分辨率分割算法；另一种为均值漂移(Mean Shift)分割算法。
与上述的第一实施例相同，这里，分类单元720构建的模糊分类器采用的分类关键特征包括归一化差异植被指数(NDVI)、与相邻对象的平均差值和平均亮度值。同理，经过分类单元720的分类处理，图4示出了执行面向对象的模糊分类后显示的草和树覆盖图，其中暗绿色为草，亮绿色为树。
此外，评价单元730采用随机样本作为参考数据(通过目视解译判读其类别)进行基于混淆矩阵的精度评价。与第一实施例相同，经过评价单元730的精度评价，图5为对示例局部城区影像评价树覆盖分类精度选定的随机样本图，经计算树覆盖分类总精度为96.4％。图6为最终的树覆盖分类制图显示影像，其中的绿色显示为城区树覆盖区域。
此外，与第一实施例相同，计算单元740的城区树覆盖率的计算公式为城区树覆盖率＝树覆盖类所占的总面积/城区总面积。上述示例局部城区影像的树覆盖率经计算为42.3％。
根据本发明的估算城区树覆盖率的遥感测量及其遥感测量系统，可以从高分辨率的遥感影像上提取出符合城区每一棵树真实的树冠地面覆盖的区域，然后依据遥感影像像元地面分辨率，计算出城区树覆盖的总面积，最后获得城区的树覆盖率。本发明与现有技术相比，估算精度明显提高，而且可获得每一棵树的树冠层地面覆盖区域真实位置。
本发明具有技术流程简单，速度快，精度高等优点，完全可以替代当前正在应用的常用测算方法及测算系统。因此，具有实用性，存在较大的推广应用商业价值。
应当指出，以上所述具体实施方式可以使本领域的技术人员更全面地理解本发明，但不以任何方式限制本发明。因此，尽管本说明书参照附图和实施方式对本发明已进行了详细的说明，但是，本领域技术人员应当理解，仍然可以对本发明进行修改或者等同替换；而一切不脱离本发明的精神和技术实质的技术方案及其改进，其均应涵盖在本发明专利的保护范围当中。
Claims (10)
1、一种估算城区树覆盖率的遥感测量方法，其特征在于包括以下步骤：
步骤一，利用多光谱遥感影像，对其进行以提取树冠覆盖区域为目的的分割；
步骤二，对分割生成的影像区域，构建模糊分类器进行面向对象的树覆盖分类；
步骤三，对分类结果进行精度评价；以及
步骤四，根据分类的树覆盖面积计算出城区树覆盖率。
2、根据权利要求1所述的估算城区树覆盖率的遥感测量方法，其特征是：所述多光谱遥感影像的分辨率是小于等于0.6m的地面分辨率。
3、根据权利要求2所述的估算城区树覆盖率的遥感测量方法，其特征是：所述步骤一中，根据所要提取的树覆盖区域大小选定分割尺度，采用可调尺度的面向对象分割算法进行分割。
4、根据权利要求2或3所述的估算城区树覆盖率的遥感测量方法，其特征是：所述步骤二中，构建的模糊分类器采用的分类关键特征包括归一化差异植被指数、与相邻对象的平均差值和平均亮度值。
5、根据权利要求2或3所述的估算城区树覆盖率的遥感测量方法，其特征是：所述的步骤三中，采用随机样本作为参考数据进行基于混淆矩阵的精度评价。
6、根据权利要求3所述的估算城区树覆盖率的遥感测量方法，其特征是：所述可调尺度的面向对象分割算法包括易康遥感影像分析软件中采用的多分辨率分割算法、以及均值漂移分割算法。
7、根据权利要求5所述的估算城区树覆盖率的遥感测量方法，其特征是：通过目视解译判读所述随机样本的类别。
8、一种估算城区树覆盖率的遥感测量系统，其特征是，包括：
分割单元，利用多光谱遥感影像，对其进行以提取树冠覆盖区域为目的的分割；
分类单元，对分割生成的影像区域，构建模糊分类器进行面向对象的树覆盖分类；
评价单元，对分类结果进行精度评价；以及
计算单元，根据分类的树覆盖面积计算出城区树覆盖率。
9、根据权利要求8所述的估算城区树覆盖率的遥感测量系统，其特征是：所述多光谱遥感影像的分辨率是小于等于0.6m的地面分辨率。
10、根据权利要求9所述的估算城区树覆盖率的遥感测量系统，其特征是：所述分割单元根据所要提取的树覆盖区域大小选定分割尺度，采用可调尺度的面向对象分割算法进行分割，所述可调尺度的面向对象分割算法包括易康遥感影像分析软件中采用的多分辨率分割算法和均值漂移分割算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2008102270067A CN101403795A (zh) | 2008-11-18 | 2008-11-18 | 估算城区树覆盖率的遥感测量方法及其遥感测量系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2008102270067A CN101403795A (zh) | 2008-11-18 | 2008-11-18 | 估算城区树覆盖率的遥感测量方法及其遥感测量系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101403795A true CN101403795A (zh) | 2009-04-08 |
Family
ID=40537865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA2008102270067A Pending CN101403795A (zh) | 2008-11-18 | 2008-11-18 | 估算城区树覆盖率的遥感测量方法及其遥感测量系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101403795A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101922914A (zh) * | 2010-08-27 | 2010-12-22 | 中国林业科学研究院资源信息研究所 | 基于高空间分辨率遥感影像的树冠信息提取方法和系统 |
| CN102117408A (zh) * | 2011-02-01 | 2011-07-06 | 环境保护部卫星环境应用中心 | 基于聚类分析的遥感图像连续目标场的信息提取方法 |
| CN102393238A (zh) * | 2011-08-01 | 2012-03-28 | 高吉喜 | 一种草地地上干物质量遥感估测方法 |
| CN103383348A (zh) * | 2013-05-28 | 2013-11-06 | 吉林大学 | 植被覆盖区高光谱遥感蚀变矿物提取方法 |
| CN103528570A (zh) * | 2013-10-23 | 2014-01-22 | 环境保护部卫星环境应用中心 | 广西北海地区互花米草的空间分布获取方法和系统 |
| CN103679202A (zh) * | 2013-12-17 | 2014-03-26 | 中国测绘科学研究院 | 一种适用于光学遥感卫星影像植被分类方法及装置 |
| CN104807492A (zh) * | 2015-04-02 | 2015-07-29 | 吉林大学 | 一种使用高精度仪器实测评价大区域地表覆盖精度的方法 |
| CN105868761A (zh) * | 2016-06-06 | 2016-08-17 | 黑龙江科技大学 | 一种与spot5影像匹配的城市森林植被覆盖度采样方法 |
| CN103745239B (zh) * | 2013-12-18 | 2017-06-13 | 广西生态工程职业技术学院 | 一种基于卫星遥感技术的森林资源测量方法 |
| CN107657206A (zh) * | 2016-12-23 | 2018-02-02 | 航天星图科技（北京）有限公司 | 一种基于遥感技术估算绿地覆盖率的方法 |
| CN110070038A (zh) * | 2019-04-23 | 2019-07-30 | 山东建筑大学 | 一种基于城市绿化覆盖面积测算城市绿地率的方法 |
| CN114166842A (zh) * | 2021-11-19 | 2022-03-11 | 中国自然资源航空物探遥感中心 | 高分遥感数据与地面调查数据协同的城镇森林监测方法 |
| CN117014584A (zh) * | 2023-09-28 | 2023-11-07 | 中国科学院空天信息创新研究院 | 植被遥感产品获取系统及方法 |
-
2008
- 2008-11-18 CN CNA2008102270067A patent/CN101403795A/zh active Pending
Cited By (22)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101922914B (zh) * | 2010-08-27 | 2012-02-22 | 中国林业科学研究院资源信息研究所 | 基于高空间分辨率遥感影像的树冠信息提取方法和系统 |
| CN101922914A (zh) * | 2010-08-27 | 2010-12-22 | 中国林业科学研究院资源信息研究所 | 基于高空间分辨率遥感影像的树冠信息提取方法和系统 |
| CN102117408A (zh) * | 2011-02-01 | 2011-07-06 | 环境保护部卫星环境应用中心 | 基于聚类分析的遥感图像连续目标场的信息提取方法 |
| CN102117408B (zh) * | 2011-02-01 | 2012-11-07 | 环境保护部卫星环境应用中心 | 基于聚类分析的遥感图像连续目标场的信息提取方法 |
| CN102393238B (zh) * | 2011-08-01 | 2014-03-19 | 高吉喜 | 一种草地地上干物质量遥感估测方法 |
| CN102393238A (zh) * | 2011-08-01 | 2012-03-28 | 高吉喜 | 一种草地地上干物质量遥感估测方法 |
| CN103383348B (zh) * | 2013-05-28 | 2015-09-30 | 吉林大学 | 植被覆盖区高光谱遥感蚀变矿物提取方法 |
| CN103383348A (zh) * | 2013-05-28 | 2013-11-06 | 吉林大学 | 植被覆盖区高光谱遥感蚀变矿物提取方法 |
| CN103528570A (zh) * | 2013-10-23 | 2014-01-22 | 环境保护部卫星环境应用中心 | 广西北海地区互花米草的空间分布获取方法和系统 |
| CN103679202B (zh) * | 2013-12-17 | 2017-04-12 | 中国测绘科学研究院 | 一种适用于光学遥感卫星影像植被分类方法及装置 |
| CN103679202A (zh) * | 2013-12-17 | 2014-03-26 | 中国测绘科学研究院 | 一种适用于光学遥感卫星影像植被分类方法及装置 |
| CN103745239B (zh) * | 2013-12-18 | 2017-06-13 | 广西生态工程职业技术学院 | 一种基于卫星遥感技术的森林资源测量方法 |
| CN104807492A (zh) * | 2015-04-02 | 2015-07-29 | 吉林大学 | 一种使用高精度仪器实测评价大区域地表覆盖精度的方法 |
| CN104807492B (zh) * | 2015-04-02 | 2017-03-22 | 吉林大学 | 一种使用高精度仪器实测评价大区域地表覆盖精度的方法 |
| CN105868761A (zh) * | 2016-06-06 | 2016-08-17 | 黑龙江科技大学 | 一种与spot5影像匹配的城市森林植被覆盖度采样方法 |
| CN107657206A (zh) * | 2016-12-23 | 2018-02-02 | 航天星图科技（北京）有限公司 | 一种基于遥感技术估算绿地覆盖率的方法 |
| CN107657206B (zh) * | 2016-12-23 | 2019-02-15 | 航天星图科技（北京）有限公司 | 一种基于遥感技术估算绿地覆盖率的方法 |
| CN110070038A (zh) * | 2019-04-23 | 2019-07-30 | 山东建筑大学 | 一种基于城市绿化覆盖面积测算城市绿地率的方法 |
| CN110070038B (zh) * | 2019-04-23 | 2022-06-17 | 山东建筑大学 | 一种基于城市绿化覆盖面积测算城市绿地率的方法 |
| CN114166842A (zh) * | 2021-11-19 | 2022-03-11 | 中国自然资源航空物探遥感中心 | 高分遥感数据与地面调查数据协同的城镇森林监测方法 |
| CN117014584A (zh) * | 2023-09-28 | 2023-11-07 | 中国科学院空天信息创新研究院 | 植被遥感产品获取系统及方法 |
| CN117014584B (zh) * | 2023-09-28 | 2023-12-29 | 中国科学院空天信息创新研究院 | 植被遥感产品获取系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101403795A (zh) | 估算城区树覆盖率的遥感测量方法及其遥感测量系统 | |
| Bao et al. | Monitoring of beach litter by automatic interpretation of unmanned aerial vehicle images using the segmentation threshold method | |
| Jain et al. | Monitoring land use change and its drivers in Delhi, India using multi-temporal satellite data | |
| Mallinis et al. | Object-based classification using Quickbird imagery for delineating forest vegetation polygons in a Mediterranean test site | |
| Heiden et al. | Urban structure type characterization using hyperspectral remote sensing and height information | |
| Innes et al. | Forest biodiversity and its assessment by remote sensing | |
| Cablk et al. | Detecting and discriminating impervious cover with high-resolution IKONOS data using principal component analysis and morphological operators | |
| JP2012517650A (ja) | 場面の内容に基づく点群データの視覚化のための方法及びシステム | |
| CN106295562A (zh) | 一种高分辨率遥感影像道路信息提取方法 | |
| Kabir et al. | Texture analysis of IKONOS satellite imagery for urban land use and land cover classification | |
| Zylshal et al. | A support vector machine object based image analysis approach on urban green space extraction using Pleiades-1A imagery | |
| CN109308451A (zh) | 一种高分数据信息提取系统及方法 | |
| Zhang | Multiscale quantification of urban composition from EO-1/Hyperion data using object-based spectral unmixing | |
| Olivatto et al. | Urban mapping and impacts assessment in a Brazilian irregular settlement using UAV-based imaging | |
| Oșlobanu et al. | Built-up area analysis using Sentinel data in metropolitan areas of Transylvania, Romania | |
| Ngubane et al. | Assessment of the contribution of WorldView-2 strategically positioned bands in Bracken fern (Pteridium aquilinum (L.) Kuhn) mapping | |
| Taherzadeh et al. | Using hyperspectral remote sensing data in urban mapping over Kuala Lumpur | |
| Wang et al. | Object-oriented change detection method based on multi-scale and multi-feature fusion | |
| Rahayu et al. | Land cover changes based on Landsat imagery interpretation. | |
| Bürck | Remote sensing analyses for open pit mine area computation. A comparative study on the implementation of multi-spectral classifications and crowdsourcing to compute the spatial extent of four open-pit mines in Indonesia, Australia, Canada and Brazil | |
| Lehrbass et al. | Urban tree cover mapping with relief-corrected aerial imagery and LiDAR | |
| Cavayas et al. | Mapping urban vegetation cover using WorldView-2 imagery | |
| Zaki et al. | Individual tree crown (ITC) delineation using watershed transformation algorithm for tropical lowland dipterocarp | |
| Ranzoni et al. | Modelling the nocturnal ecological continuum of the State of Geneva, Switzerland, based on high-resolution nighttime imagery | |
| Lu et al. | Mapping urban impervious surfaces from medium and high spatial resolution multispectral imagery |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20090408 |