CN102136035B - 获取田块尺度的农田蒸散量的方法 - Google Patents
获取田块尺度的农田蒸散量的方法 Download PDFInfo
- Publication number
- CN102136035B CN102136035B CN201110067480XA CN201110067480A CN102136035B CN 102136035 B CN102136035 B CN 102136035B CN 201110067480X A CN201110067480X A CN 201110067480XA CN 201110067480 A CN201110067480 A CN 201110067480A CN 102136035 B CN102136035 B CN 102136035B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- sensing data
- farmland
- field
- visible spectral
- 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.)
- Active
Links
Images
Landscapes
- Radiation Pyrometers (AREA)
Abstract
本发明公开了一种获取田块尺度的农田蒸散量的方法，包括以下步骤：S1、对原始空间分辨率的热红外遥感数据与原始空间分辨率的可见光遥感数据进行空间配准；S2、利用经过空间配准后的热红外遥感数据和可见光遥感数据计算子像元温度；S3、利用原始空间分辨率的可见光遥感数据计算农田参数，所述农田参数包括反照率、比辐射率和植被覆盖度；S4、根据所述反照率、比辐射率及子像元温度计算农田净辐射通量；S5、利用所述农田净辐射通量和植被覆盖度计算土壤热通量；S6、计算农田显热通量H，并根据所述农田显热通量、农田净辐射通量和土壤热通量以及农田能量平衡方程计算得到田块尺度的农田蒸散量。本发明的方法能够获取田块尺度的农田蒸散量。
Description
技术领域
本发明涉及水文气象技术领域，尤其涉及一种获取田块尺度的农田蒸散量的方法。
背景技术
农田蒸散量是作物蒸腾量与棵间土壤蒸发量的总和，是农田水分平衡的主要支出项，是计划蓄水、供水，设计防旱、抗旱措施等的重要依据，鉴定作物水分供应条件的重要指标。然而，由于农田的空间异质性，传统大气学或水文学观测方法仅能获得单个点位置的蒸散大小，不能获得空间上连续的蒸散分布。而遥感相比上述传统观测方法具有动态、大范围覆盖等优势，用遥感手段监测蒸散是一种快速、经济和有效的方法。中高分辨率的遥感数据适于田间小尺度的研究，可以较好的反应不同作物之间的通量差异，但是其时间分辨率太低(半个月左右)，遇到有云有雨的日子则一个月以上才可以获取一幅遥感影像，而且获取影像的成本较高，因此难以获取时间序列数据，不足以反映作物生长季内的蒸散量变化趋势。中低分辨率的遥感数据具有很好的区域性和时效性，可以在短时间内覆盖地球表面较大的区域，这对干旱监测、气候变化等的研究来说是非常重要的，其不足之处在于空间分辨率低以及地表的非均匀性而产生的混合像元引起的计算误差，因而在实际应用中面临较严重的尺度问题。
现有可用于蒸散估算的热红外遥感数据空间分辨率较低(时间分辨率高)，存在大量混合像元，导致无法获取田块尺度(公顷级)农田蒸散量。目前利用热红外遥感数据计算田块尺度的农田蒸散量具有困难：(1)由于现有热红外遥感数据空间分辨率低，无法获取田块尺度(公顷级)农田蒸散量大小；(2)缺少将低空间分辨率的热红外遥感数据与可见光遥感数据结合进行子像元温度计算的方法；(3)缺少基于遥感数据计算农田蒸散量的算法。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是：如何提供一种能够获取田块尺度的农田蒸散量的方法。
(二)技术方案
为解决上述技术问题，本发明提供了一种获取田块尺度的农田蒸散量的方法，包括以下步骤：
S1、对原始空间分辨率的热红外遥感数据与原始空间分辨率的可见光遥感数据进行空间配准；
S2、利用经过空间配准后的热红外遥感数据和可见光遥感数据计算子像元温度；
S3、利用原始空间分辨率的可见光遥感数据计算农田参数，所述农田参数包括反照率、比辐射率和植被覆盖度；
S4、根据所述反照率、比辐射率及子像元温度计算农田净辐射通量；
S5、利用所述农田净辐射通量和植被覆盖度计算土壤热通量；
S6、计算农田显热通量H，并根据所述农田显热通量、农田净辐射通量和土壤热通量以及农田能量平衡方程计算得到田块尺度的农田蒸散量。
步骤S1具体为：对原始空间分辨率的热红外遥感数据与原始空间分辨率的可见光遥感数据的空间坐标进行转换，以使得这两种数据的像素在空间位置上一致。
进一步地，步骤S1具体为：在原始空间分辨率的可见光遥感数据中选择图像控制点，并根据图像控制点求解热红外遥感数据与可见光遥感数据像素坐标转换的二次多项式系数，然后利用所述二次多项式系数将原始空间分辨率的热红外遥感数据像素进行空间坐标转换，转换到原始空间分辨率的可见光遥感数据的地理投影空间，得到经空间坐标转换后的热红外遥感数据Tr，转换公式如下：
X＝a0+a1x+a2y+a3x2+a4y2+a5xy (1)
Y＝b0+b1x+b2y+b3x2+b4y2+b5xy (2)
其中：x，y分别为热红外遥感数据像素的横坐标、纵坐标；X，Y分别为可见光遥感数据像素的地理空间横、纵坐标；a0，a1，a2...a5、b0，b1，b2...b5分别为横、纵坐标转换二次多项式系数。
步骤S2具体包括：
S21、对原始空间分辨率的可见光遥感数据进行重采样，以使其空间分辨率与原始空间分辨率的热红外遥感数据相同；
S22、利用重采样后的可见光遥感数据计算植被指数NDVIL，并建立该植被指数与原始空间分辨率的热红外遥感数据间的模型，即式(3)、(4)：
T′＝a+bNDVIL+cNDVIL 2 (3)
NDVIL＝(LBnir-LBred)/(LBnir+LBred) (4)
T′指原始空间分辨率的热红外遥感数据对应的像元温度，LBnir和LBred分别代表原始空间分辨率的可见光遥感数据中的近红外波段和红光波段，a、b、c为多项式系数；
S23、利用原始空间分辨率的可见光遥感数据计算植被指数NDVI，并将植被指数NDVI代入公式(3)计算得到高分辨率温度Ts；
S24、计算热红外遥感温度Tr与T′之差，并将差值作为误差项补充到Ts中得到子像元温度Tsub，即根据式(5)计算子像元温度：
Tsub＝Ts+(Tr-T′) (5)
得到子像元温度的空间分辨率与原始空间分辨率的可见光遥感数据的空间分辨率相同。
步骤S4具体为：根据所述反照率、比辐射率及子像元温度，计算农田净辐射通量Rn，所述净辐射通量包括农田入射和反射短波辐射、农田入射和反射长波辐射：
Rn＝Rs↓-Rs↑+RL↓-RL↑＝(1-a)Q+(1-a)P-εσ(Tsub)4 (6)
其中，Rs↓、Rs↑分别为农田入射和反射短波辐射；RL↓、RL↑分别为农田入射和反射长波辐射；a为利用可见光遥感数据计算的反照率；Q为太阳总下行短波辐射；P为大气热辐射；ε为利用原始空间分辨率的可见光遥感数据计算的比辐射率；σ为波尔兹曼常数。
所述步骤S5具体为：利用式(5)计算土壤热通量：
G＝Rn[0.315+(1-fc)0.255] (7)
G为土壤热通量，fc为所述植被覆盖度。
步骤S6具体为：根据农田能量平衡方程Rn＝LE+G+H求得田块尺度的农田蒸散量为LE＝Rn-G-H。
步骤S6中，根据气象观测的温度脉动、湿度脉动计算得到农田显热通量：
H＝ρCpw′θ′ (8)
其中ρ是空气密度常数(1.29Kg/m3)；Cp是空气的定压比热常数(1.004KJ/Kg K)；w′为沿地表垂直方向的风速脉动(m/s)；θ′是温度脉动(K)。
(三)有益效果
本发明利用热红外波段遥感数据(具有低空间分辨率、高时间分辨率)，及可见光波段遥感数据(具有高空间分辨率、低时间分辨率)，建立植被指数与热红外温度之间的非线性模型，进而得到具有与可见光数据相同空间分辨率的子像元温度数据(即田块大小分辨率的像元温度)；在利用可见光波段遥感数据计算农田能量平衡方程所需要的关键参数，结合得到的子像元温度数据计算得到田块尺度的田块蒸散量。仿真结果表明，本发明的方法可以将农田蒸散量由低空间分辨率提高到田块尺度，从而能够准确表达蒸散量的空间连续变化情况。
附图说明
图1是本发明的方法流程图；
图2为在同一区域不同分辨率的农田蒸散量图像。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细说明。以下实施例用于说明本发明，但不用来限制本发明的范围。
图1是本发明的方法流程图。本发明提出田块尺度农田蒸散量获取方法包括下列步骤：
S1、热红外遥感数据与可见光遥感数据空间配准。
为了能够同时利用同一区域的两种遥感数据进行田块尺度的农田蒸散量计算，要将二者的地理投影方式及空间对应范围进行统一转换，使二者的像素在空间位置上完全叠合一致。选择高空间分辨率的可见光遥感数据地理投影方式作为参考，在可见光遥感图像上选择道路交叉口、房屋角等明显标志作为图像控制点(需要选择30个以上图像控制点)，并存储各控制点在可见光和热红外遥感数据像素坐标，并根据图像控制点求解热红外遥感数据与可见光遥感数据像素之间坐标转换的二次多项式系数，然后利用求解出的二次多项式系数将热红外遥感数据像素全部转换到可见光遥感数据的地理投影空间，输出经过空间坐标转换的热红外遥感温度数据(Tr)，转换公式如下：
X＝a0+a1x+a2y+a3x2+a4y2+a5xy (1)
Y＝b0+b1x+b2y+b3x2+b4y2+b5xy (2)
其中：x，y分别为热红外遥感像素横坐标、纵坐标；X，Y分别为可见光遥感像素地理空间横、纵坐标；a0，a1，a2...a5、b0，b1，b2...b5分别为所述二次多项式系数。
S2、利用经过空间配准后的热红外数据和可见光遥感数据估算子像元温度，具体包括：
1)对可见光遥感数据进行重采样，以降低空间分辨率，使其空间分辨率与热红外一致。
2)在低空间分辨率下，利用重采样的可见光遥感数据计算植被指数NDVIL，并建立其与热红外温度数据间的模型，求解出模型系数a、b、c：
T′＝a+bNDVIL+cNDVIL 2 (3)
NDVIL＝(LBnir-LBred)/(LBnir+LBred) (4)
T′指热红外遥感数据对应的像元温度，NDVIL指在低空间分辨率下计算的植被指数，LBnir和LBred分别代表可见光遥感数据中的近红外波段和红光波段。
3)利用原始空间分辨率的可见光遥感数据计算植被指数NDVI，并代入公式(3)计算得到高分辨率温度Ts。
4)计算原始热红外遥感温度Tr与T′之差，并将差值作为误差项补充到Ts中得到子像元温度Tsub，子像元空间分辨率与可见光遥感数据高空间分辨率一致：
Tsub＝Ts+(Tr-T′) (5)
S3、利用可见光遥感数据计算农田参数，主要包括：反照率、植被覆盖度和比辐射率。
S4、根据上述反照率、比辐射率(步骤S3的结果)及子像元温度(步骤S2的结果)，计算农田净辐射通量Rn(单位：w m-2)：
Rn＝Rs↓-Rs↑+RL↓-RL↑＝(1-a)Q+(1-a)P-εσ(Tsub)4 (6)
式中：Rs↓、Rs↑分别为农田入射和反射短波辐射；RL↓、RL↑分别为农田入射和反射长波辐射；a为利用可见光遥感数据计算的反照率；Q为太阳总下行短波辐射；P为大气热辐射；ε为利用可见光遥感数据计算的比辐射率；σ为波尔兹曼常数(5.67×10-8Wm-2K-4)。
S5、利用农田净辐射和植被覆盖度计算土壤热通量：G＝Rn[0.315+(1-fc)0.255]，G为土壤热通量(单位：w m-2)，fc为利用可见光遥感数据计算植被覆盖度。
S6、根据气象观测的温度脉动、湿度脉动计算得到农田显热通量，计算公式为：H＝ρCpw′θ′(8)，其中ρ是空气密度常数(1.29Kg/m3)；Cp是空气的定压比热常数(1.004KJ/Kg K)；w′为沿地表垂直方向的风速脉动(m/s)；θ′是温度脉动(K)；最后农田能量平衡方程(Rn＝LE+G+H)求得田块尺度农田蒸散LE＝Rn-G-H，Rn为步骤S4计算的农田净辐射通量，G为步骤S5计算的土壤热通量。
图2为在同一区域利用本发明的方法得到的田块尺度的蒸散量图(a)，以及利用原始数据得到的低空间分辨率的农田蒸散量图(b)，单位为：w/m2。
图2的计算条件如下：
图像位置：甘肃省张掖市盈科绿洲地区，位于北纬38°51′25.7″，东经E100°24′37.2″；
得到图(a)的图像所用到的遥感数据：2008年7月7日获取的Landsat 5TM可见光遥感数据(像元分辨率30米-田块尺度)、MODIS热红外遥感数据(像元分辨率1000米)；
得到图(b)的图像所用到的气象观测数据：2008年5月-8月的连续气温、湿度观测数据，由张掖市气象局提供。
计算过程：图(a)为根据气象观测数据、可见光遥感和热红外遥感按照步骤S1-S6计算得到的田块尺度蒸散量；图(b)为直接利用气象观测数据和热红外遥感数据计算得到的低分辨率蒸散量。
从图2可以看出，按照本方法可以将农田蒸散量由低空间分辨率提高到田块尺度，能够准确表达蒸散量的空间连续变化情况，有利于开展田块灌溉决策及肥水管理。
由以上实施例可以看出，与现有技术相比，本发明提出的技术方案充分利用了可见光高空间分辨率特点，利用其计算的植被指数建立了子像元温度计算流程；并全部依赖遥感数据计算了农田蒸散模型的关键参数，通过分别求解农田净辐射、地表热通量、显热通量，最终利用余项法得到了田块尺度的农田蒸散分布。能够用于指导田间变量肥水管理，为精准农业实施提供了重要决策信息；同时，能够大幅提高水资源利用效益，具有重要应用价值。
以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。
Claims (6)
1.一种获取田块尺度的农田蒸散量的方法，其特征在于，包括以下步骤：
S1、对原始空间分辨率的热红外遥感数据与原始空间分辨率的可见光遥感数据进行空间配准；
S2、利用经过空间配准后的热红外遥感数据和可见光遥感数据计算子像元温度；
S3、利用原始空间分辨率的可见光遥感数据计算农田参数，所述农田参数包括反照率、比辐射率和植被覆盖度；
S4、根据所述反照率、比辐射率及子像元温度计算农田净辐射通量；
S5、利用所述农田净辐射通量和植被覆盖度计算土壤热通量；
S6、计算农田显热通量H，并根据所述农田显热通量、农田净辐射通量和土壤热通量以及农田能量平衡方程计算得到田块尺度的农田蒸散量；
步骤S2具体包括：
S21、对原始空间分辨率的可见光遥感数据进行重采样，以使其空间分辨率与原始空间分辨率的热红外遥感数据相同；
S22、利用重采样后的可见光遥感数据计算植被指数NDVIL，并建立该植被指数与原始空间分辨率的热红外遥感数据间的模型，即式(3)、(4)，并求解出模型系数a、b、c：
T′＝a+bNDVIL+cNDVIL 2 (3)
NDVIL＝(LBnir-LBred)/(LBnir+LBred) (4)
T′指原始空间分辨率的热红外遥感数据对应的像元温度，LBnir和LBred分别代表原始空间分辨率的可见光遥感数据中的近红外波段和红光波段；
S23、利用原始空间分辨率的可见光遥感数据计算植被指数NDVI，并将植被指数NDVI代入公式(3)计算得到高分辨率温度Ts；
S24、计算热红外遥感温度Tr与T′之差，并将差值作为误差项补充到Ts中得到子像元温度Tsub，即根据式(5)计算子像元温度：
Tsub＝Ts+(Tr-T′) (5)
得到子像元温度的空间分辨率与原始空间分辨率的可见光遥感数据的空间分辨率相同；
步骤S4具体为：根据所述反照率、比辐射率及子像元温度，计算农田净辐射通量Rn，所述净辐射通量包括农田入射和反射短波辐射、农田入射和反射长波辐射：
Rn＝Rs↓-Rs↑+RL↓-RL↑＝(1-a)Q+(1-a)P-εσ(Tsub)4 (6)
其中，Rs↓、Rs↑分别为农田入射和反射短波辐射；RL↓、RL↑分别为农田入射和反射长波辐射；a为利用可见光遥感数据计算的反照率；Q为太阳总下行短波辐射；P为大气热辐射；ε为利用原始空间分辨率的可见光遥感数据计算的比辐射率；σ为波尔兹曼常数。
2.如权利要求1所述的方法，其特征在于，步骤S1具体为：对原始空间分辨率的热红外遥感数据与原始空间分辨率的可见光遥感数据的空间坐标进行转换，以使得这两种数据的像素在空间位置上一致。
3.如权利要求2所述的方法，其特征在于，进一步地，步骤S1具体为：在原始空间分辨率的可见光遥感数据中选择图像控制点，并根据图像控制点求解热红外遥感数据与可见光遥感数据像素之间坐标转换的二次多项式系数，然后利用所述二次多项式系数将原始空间分辨率的热红外遥感数据像素进行空间坐标转换，转换到原始空间分辨率的可见光遥感数据的地理投影空间，得到经空间坐标转换后的热红外遥感数据Tr，转换公式如下：
X＝a0+a1x+a2y+a3x2+a4y2+a5xy (1)
Y＝b0+b1x+b2y+b3x2+b4y2+b5xy (2)
其中：x，y分别为热红外遥感数据像素的横坐标、纵坐标；X，Y分别为可见光遥感数据像素的地理空间横、纵坐标a0，a1，a2...a5、b0，b1，b2...b5分别为横、纵坐标转换二次多项式系数。
4.如权利要求1所述的方法，其特征在于，所述步骤S5具体为：利用式(7)计算土壤热通量：
G＝Rn[0.315+(1-fc)0.255] (7)
G为土壤热通量，fc为所述植被覆盖度。
5.如权利要求4所述的方法，其特征在于，步骤S6具体为：根据农田能量平衡方程Rn＝LE+G+H求得田块尺度的农田蒸散量为LE＝Rn-G-H。
6.如权利要求1所述的方法，其特征在于，步骤S6中，根据气象观测的温度脉动、湿度脉动计算得到农田显热通量H：
H＝ρCpw′θ′ (8)
其中ρ是空气密度常数；Cp是空气的定压比热常数；w′为沿地表垂直方向的风速脉动；θ′是温度脉动。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110067480XA CN102136035B (zh) | 2011-03-21 | 2011-03-21 | 获取田块尺度的农田蒸散量的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110067480XA CN102136035B (zh) | 2011-03-21 | 2011-03-21 | 获取田块尺度的农田蒸散量的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102136035A CN102136035A (zh) | 2011-07-27 |
| CN102136035B true CN102136035B (zh) | 2012-11-14 |
Family
ID=44295819
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110067480XA Active CN102136035B (zh) | 2011-03-21 | 2011-03-21 | 获取田块尺度的农田蒸散量的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102136035B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105184215B (zh) * | 2015-07-23 | 2019-01-08 | 河南大学 | 一种融合大尺度蒸散和植被指数的蒸散降尺度方法 |
| CN105628618B (zh) * | 2015-12-21 | 2018-03-09 | 中国矿业大学(北京) | 基于遥感地表温度与植被盖度两阶段空间探测地表蒸散的方法 |
| CN106770446A (zh) * | 2017-02-15 | 2017-05-31 | 北京佳格天地科技有限公司 | 植被蒸腾计算装置、方法及计算机系统 |
| CN111177652B (zh) * | 2019-11-27 | 2021-10-01 | 中国科学院遥感与数字地球研究所 | 一种遥感降水数据的空间降尺度方法及系统 |
| CN112362693B (zh) * | 2020-10-13 | 2021-12-31 | 华中科技大学 | 一种基于土壤热通量推求蒸散发量的测算方法和系统 |
| CN112493084B (zh) * | 2020-11-27 | 2023-04-21 | 重庆文理学院 | 一种基于天气预报信息的水平衡茶树浇水方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7711454B2 (en) * | 2000-06-05 | 2010-05-04 | John Addink | Water savings system |
| CN101551459B (zh) * | 2008-10-15 | 2012-12-26 | 北京天宏金睛信息技术有限公司 | 基于遥感的区域蒸散量监测方法 |
-
2011
- 2011-03-21 CN CN201110067480XA patent/CN102136035B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN102136035A (zh) | 2011-07-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102136035B (zh) | 获取田块尺度的农田蒸散量的方法 | |
| CN103513290B (zh) | 基于遥感的区域陆地生态系统呼吸监测方法 | |
| Nayak et al. | Inter‐annual variability and climate control of terrestrial net primary productivity over India | |
| Tang et al. | Multiscale validation of the 8-day MOD16 evapotranspiration product using flux data collected in China | |
| CN106776481A (zh) | 一种作用于卫星降水数据的降尺度校正方法 | |
| Sun et al. | Improving a Penman–Monteith evapotranspiration model by incorporating soil moisture control on soil evaporation in semiarid areas | |
| CN102253184A (zh) | 一种针对干旱半干旱地区的地表蒸散遥感反演方法 | |
| CN106643529A (zh) | 基于无人机影像的山区农作物生长高度快速测量的方法 | |
| CN107145872A (zh) | 基于gis缓冲区分析的荒漠河岸林空间分布获取方法 | |
| CN104123409B (zh) | 大田冬小麦开花期遥感估产方法 | |
| Kuang et al. | Examining the impacts of urbanization on surface radiation using Landsat imagery | |
| CN101936777A (zh) | 一种基于热红外遥感反演近地层气温的方法 | |
| CN103678884A (zh) | 一种基于hj卫星的地表实际蒸散发动态监测方法 | |
| Huang et al. | Topographic effects on estimating net primary productivity of green coniferous forest in complex terrain using Landsat data: a case study of Yoshino Mountain, Japan | |
| Liang et al. | NEP estimation of terrestrial ecosystems in China using an improved CASA model and soil respiration model | |
| NIU et al. | Agricultural productivity estimation with MODIS-OLI fusion data | |
| Zhao et al. | Validation and Calibration of HRLDAS Soil Moisture Products in Nebraska | |
| Liu et al. | Actual daily evapotranspiration estimated from MERIS and AATSR data over the Chinese Loess Plateau | |
| CN103918514B (zh) | 一种基于环境效应场模型的城市绿地形态格局优化方法 | |
| Liu et al. | Dense temperature mapping and heat wave risk analysis based on multisource remote sensing data | |
| Wei et al. | Simulating alpine vegetation net primary productivity by remote sensing in Qinghai Province, China | |
| Cui et al. | Extraction of vegetation fraction based on the dimidiate pixel model and vegetation index transform plan | |
| Zhang et al. | Winter wheat water productivity evaluated by the developed remote sensing evapotranspiration model in Hebei plain, China | |
| Olivera-Guerra et al. | A first evaluation of an operational method (SSEBop) to estimate Actual Evapotranspiration by using MODIS data over the semi-arid region of Chile | |
| Schirmbeck et al. | Surface moisture index by radiometric measurements and orbital data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |