CN102289565A - 一种森林生态系统碳储量动态监测技术方法 - Google Patents
一种森林生态系统碳储量动态监测技术方法 Download PDFInfo
- Publication number
- CN102289565A CN102289565A CN2011101645626A CN201110164562A CN102289565A CN 102289565 A CN102289565 A CN 102289565A CN 2011101645626 A CN2011101645626 A CN 2011101645626A CN 201110164562 A CN201110164562 A CN 201110164562A CN 102289565 A CN102289565 A CN 102289565A
- Authority
- CN
- China
- Prior art keywords
- forest
- period
- carbon
- forest ecosystem
- carbon reserves
- 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
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种森林生态系统碳储量动态监测技术方法。其步骤是：首先，根据外业样地调查数据，获取森林生态系统生物量，再由森林生态系统生物量计算森林生态系统碳储量；其次，利用森林生态系统碳储量与外业调查时期内遥感影像灰度值和地理信息系统因子之间的关系，建立外业调查时期内碳储量反演模型，反演得到外业调查期森林生态系统碳储量；最后，以外业调查时期的影像为参考影像，把区域历史遥感影像与参考影像进行相对大气校正，利用外业调查时期内碳储量反演模型，计算出区域各历史时期的森林生态系统碳储量，实现在少量外业调查点情况下，准确、快速的对森林生态系统碳储量的动态监测。
Description
一、技术领域
本发明涉及一种森林生态系统动态监测技术，特别是一种森林生态系统碳储量动态监测技术方法。
二、技术背景
目前，对森林生态系统碳储量的动态变化的研究，传统方法是通过儿期的森林资源清查资料，依据不同森林类型生物量和蓄积量的关系，估算出森林植被碳储量，但上述种种技术都有其明显的缺点和不足：
①传统方法对于大尺度的森林生态系统，样地外业调查需大量的人力、物力投入，工作量巨大；
②我国每5年进行一次森林资源清查，从开始外业调查到资料整理及制图到最后完成成果，通常需要3-5年时间，历时长，难以及时反映森林碳储量的动态变化；
③对于人力难以到达的山高路险区域，森林资源清查数据空白或不准确。
因此，传统方法存在工作量大，耗时长，森林清查数据难以获取等问题。怎样在保证可靠精度的情况下，减少外业工作量，缩短工作时间，准确快速获取森林生态系统碳储量并进行动态变化监测成为是本领域科技工作者急待解决的问题。
三、发明内容
为了克服传统方法存在的缺点，减少工作量，提高工作效率，本发明的目的是提供一种森林生态系统碳储量动态监测技术方法。
本发明的目的是这样实现的：首先，根据外业样地调查数据，获取森林生态系统生物量，再由森林生态系统生物量计算森林生态系统碳储量；其次，利用森林生态系统碳储量与外业调查时期内遥感影像灰度值和地理信息系统因子之间的关系，建立外业调查时期内碳储量反演模型，反演得到外业调查期森林生态系统碳储量；最后，以外业调查时期的影像为参考影像，把区域历史遥感影像与参考影像进行相对大气校正，利用外业调查时期内碳储量反演模型，计算出区域各历史时期的森林生态系统碳储量。具体步骤如下：
1.森林生态系统生物量获取方法如下：做2m x 2m的样方，调查样方的坐标，采集灌木地面部分，烘干称干重得到灌木生物量；做1m x 1m的样方，调查样方的坐标，采集草本地面部分，烘干称干重得到草本生物量；做30m x 30m的标准地，调查样地的坐标与林木的树高、胸径数据，计算林分蓄积量，由蓄积量计算出乔木林分生物量。
2.森林生态系统碳储量计算方法如下：利用森林生态系统生物量乘以单位生物量的含碳量，得到森林生态系统碳储量。
3.利用森林生态系统碳储量与外业调查时期内遥感影像灰度值和地理信息系统因子之间的关系，建立外业调查时期内碳储量反演模型的方法如下：把外业采集的样方GPS坐标点叠加到遥感影像及数字高程模型数据上，分别获取与外业样方具有相同坐标的象元灰度值和地形因子作为自变量，以该位置上的森林生态系统碳储量为因变量，进行回归分析，建立遥感影像和地形因子与碳储量的多元线性回归方程，计算出外业调查期内该区域森林生态系统碳储量。
4.把研究区域历史遥感影像进行相对大气校正的方法如下：以外业调查时期内的遥感影像为参考影像，在两影像中选定光谱稳定的地物样本点，提取这些样本点各波段的灰度值，建立两图像间的线性回归方程，通过波段运算，得到与参考影像具有相同或相近辐射值的结果图像。
5.研究区各历史时期的森林碳储量计算方法如下：把经过相对大气校正的该区域各期历史遥感影像的象元灰度值和地形因子作为自变量因子代入到外业调查时期内碳储量反演模型，计算出该区域各历史时期的森林碳储量。
本项发明与传统方法相比具有以下优点：
①以少量的地面样本数据，建立外业调查时期内碳储量反演模型，通过模型计算得到研究区的森林生态系统碳储量，大量减少外业调查的工作量和工作时间，提高工作效率；
②以外业调查时期的影像为参考影像，通过相对大气校正，计算出历史时期的森林生态碳储量，该方法能准确、快速获取森林碳储量的时空分布及动态变化特征，是定量监测森林碳储量的有效途径；
③TM影像光谱信息丰富，有研究结果表明TM影像灰度值及其经线性、非线性组合构成的能反映植被生长和分布特征的指数，与长势、蓄积量、覆盖度、季相变动都有很好的相关关系，能作为定量因子参与碳储量的估测。而且遥感影像能覆盖任何区域，不存在人力难以到达的问题；
四.具体实施方式
森林生态系统碳储量动态监测技术方法与传统不同，具体是：
1.外业样地调查数据的采集及森林碳储量的计算。依据测树学的外业调查方法，对灌木做2m x 2m的样方，调查样方的坐标，采集其地面部分，烘干称干重得到灌木生物量；对草本做1m x 1m的样方，调查样方的坐标，采集其地面部分，烘干称干重得到草本生物量；对乔木林地做30m x 30m的标准地，调查样地的坐标与林木的树高、胸径数据。根据公式M＝G1.3*(H+3)*f计算林分蓄积量，式中M表示林分蓄积量，G1.3每公顷胸高总断面积，H表示林分平均高，f表示平均实验形数，北京地区一般阔叶树种取f＝0.41。根据换算因子法(BEF)计算林分生物量：Y＝BEF×x＝ax+b，式中，Y表示林分生物量，BEF为生物量换算因子，即林分生物量与林分材积的比值；x为林分材积；a，b均为常数。森林碳储量等于森林生物量与单位生物量的含碳量(即转换系数)的乘积，较常用的转换系数为0.45。
2.遥感数据的获取与预处理。以对应于外业调查时间的研究区TM数据为数据源，采用的ERDAS IMAGINE9.0遥感图像处理软件对TM影像进行正射校正、图像增强与镶嵌、监督分类、人机交互解译等过程，得到的TM遥感影像解译的研究区土地利用数据，建立非林地的掩膜，作为森林碳储量反演的区域。以研究区30米的数字高程模型数据(DEM)，生成坡度图，坡向图，作为参与建立模型的自变量因子数据。
3.遥感反演自变量因子的选择。选取的遥感因子自变量有共18个，包括7个波段的灰度值因子(即TM1，TM2，TM3，TM4，TM5，TM6，TM7)及11个波段组合因子，分别为TM(4-3)/TM(4+3)，TM4/TM3，TM4TM3，TM(4+5-2)/TM(4+5+2)，TM(4*3)/TM7，TM7/TM3，TM4/TM2，TM(5+7-2)/TM(5+7+2)，TM1-TM7，TM(4*5)/TM7，TM3/TM(1+2+3+4+5+7)。
4.碳储量反演模型的建立。根据外业GPS坐标点采集该位置对应的自变量因子值。把外业采集的GPS坐标点叠加到遥感影像和DEM数据上，提取对应样地位置的遥感影像各波段DN值及地形因子。根据获取的TM影像的7个波段的DN值，计算出其余11个遥感波段组合因子的值，以这18个因子的值及GIS因子值为自变量，以该位置上的碳储量为因变量，进行回归分析，建立森林碳储量与遥感影像及地形因子的多元线性回归方程，并计算出研究区的森林碳储量。遥感反演回归方程y＝β0+β1x1+...+βkxk+ε如：，因变量y是森林生物量，xi为遥感各波段值灰度值和波段比值组合及地形因子，βi为系数。
精度检验：通过相关系数及F值检验对反演模型精度进行评估，并用预留的部分外业数据代入模型进行预测，对实测数据与预测数据进行对比分析，计算预测数据的精度，保证反演模型的精度。
5.历史遥感影像的相对大气校正。以外业调查时期内的影像为参考影像，对历史时期遥感影像进行伪不变特征点的相对大气校正，理论上使得同一地物在不同的历史影像中具有相同的辐射值。即选择两影像中光谱稳定的地物样本点，建立参考影像灰度值与待校正影像灰度值的线性方程：y＝ax+b，其中，y为参考影像灰度值，x为待校正影像灰度值。通过波段运算，得到与参考影像具有相同或相近辐射值的结果图像，实现不同历史时期的遥感影像相对大气校正。
6.森林碳储量的历史变化动态监测。把经过相对大气校正的历史影像遥感因子及地形因子代入到外业调查时期内碳储量遥感模型，可计算出研究区历史时期的森林碳储量，实现在无外业点支持下的历史时期碳储量遥感反演，达到森林碳储量的动态监测目的。
Claims (6)
1.一种森林生态系统碳储量动态监测技术方法，其特征是：首先，根据外业样地调查数据，获取森林生态系统生物量，再由森林生态系统生物量计算森林生态系统碳储量；其次，利用森林生态系统碳储量与外业调查时期内遥感影像灰度值和地理信息系统因子之间的关系，建立外业调查时期内碳储量反演模型，反演得到外业调查期森林生态系统碳储量；最后，以外业调查时期的影像为参考影像，把区域历史遥感影像与参考影像进行相对大气校正，利用外业调查时期内碳储量反演模型，计算出区域各历史时期的森林生态系统碳储量。
2.根据权利要求1所述一种森林生态系统碳储量动态监测技术方法，其特征是：其中森林生态系统生物量获取方法如下：做2m x 2m的样方，调查样方的坐标，采集灌木地面部分，烘干称干重得到灌木生物量；做1m x 1m的样方，调查样方的坐标，采集草本地面部分，烘干称干重得到草本生物量；做30m x 30m的标准地，调查样地的坐标与林木的树高、胸径数据，计算林分蓄积量，由蓄积量计算出乔木林分生物量。
3.根据权利要求1所述一种森林生态系统碳储量动态监测技术方法，其特征是：其中森林生态系统碳储量计算方法如下：利用森林生态系统生物量乘以单位生物量的含碳量，得到森林生态系统碳储量。
4.根据权利要求1所述一种森林生态系统碳储量动态监测技术方法，其特征是：其中利用森林生态系统碳储量与外业调查时期内遥感影像灰度值和地理信息系统因子之间的关系，建立外业调查时期内碳储量反演模型的方法如下：首先，把外业采集的样方GPS坐标点叠加到遥感影像及数字高程模型数据上，分别获取与外业样方具有相同坐标的象元灰度值和地形因子作为自变量，然后，根据权利要求3计算出的该位置上的森林生态系统碳储量为因变量，进行回归分析，建立遥感影像和地形因子与碳储量的多元线性回归方程，最后，计算出外业调查期内该区域森林生态系统碳储量。
5.根据权利要求1所述一种森林生态系统碳储量动态监测技术方法，其特征是：其中把该区域历史遥感影像进行相对大气校正的方法如下：以外业调查时期内的遥感影像为参考影像，在两影像中选定光谱稳定的地物样本点，提取这些样本点各波段的灰度值，建立两图像间的线性回归方程，通过波段运算，得到与参考影像具有相同或相近辐射值的结果图像。
6.根据权利要求1所述一种森林生态系统碳储量动态监测技术方法，其特征是：其中区域各历史时期的森林碳储量计算方法如下：把经过相对大气校正的该区域各期历史遥感影像的象元灰度值和地形因子作为自变量因子代入到权利要求4建立的外业调查时期内碳储量反演模型，计算出该区域各历史时期的森林碳储量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011101645626A CN102289565A (zh) | 2011-06-14 | 2011-06-14 | 一种森林生态系统碳储量动态监测技术方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN2011101645626A CN102289565A (zh) | 2011-06-14 | 2011-06-14 | 一种森林生态系统碳储量动态监测技术方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN102289565A true CN102289565A (zh) | 2011-12-21 |
Family
ID=45335987
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN2011101645626A Pending CN102289565A (zh) | 2011-06-14 | 2011-06-14 | 一种森林生态系统碳储量动态监测技术方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102289565A (zh) |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102590007A (zh) * | 2012-02-24 | 2012-07-18 | 中国科学院亚热带农业生态研究所 | 一种稻田表层土壤净碳储量估算方法 |
| CN104062644A (zh) * | 2013-11-22 | 2014-09-24 | 董立新 | 一种从激光雷达高斯回波数据中提取树高的方法 |
| CN104933233A (zh) * | 2015-06-03 | 2015-09-23 | 西南林业大学 | 余甘子灌丛生态系统生物量分配特征的研究方法 |
| CN106384171A (zh) * | 2016-09-29 | 2017-02-08 | 四川师范大学 | 一种适用于研究区当地的冷杉森林碳储量估测模型 |
| CN108009384A (zh) * | 2017-12-26 | 2018-05-08 | 中国科学院东北地理与农业生态研究所 | 一种城市森林碳储量景观尺度推演方法 |
| CN108776850A (zh) * | 2018-06-06 | 2018-11-09 | 浙江农林大学 | 一种森林蓄积量的精确预估方法 |
| CN109190178A (zh) * | 2018-08-07 | 2019-01-11 | 广西壮族自治区林业科学研究院 | 一种基于dem地形因子的杉木碳密度计算方法 |
| CN110020962A (zh) * | 2019-04-03 | 2019-07-16 | 海南省林业科学研究所 | 一种基于森林资源调查数据获取土地利用变化信息的方法 |
| CN110032611A (zh) * | 2019-04-03 | 2019-07-19 | 海南省林业科学研究所 | 一种碳汇计量监测方法 |
| CN111340644A (zh) * | 2020-04-11 | 2020-06-26 | 黑龙江省林业科学院 | 基于碳储量分布状态分析小兴安岭针阔混交林碳汇结构的方法 |
| CN114283344A (zh) * | 2021-12-28 | 2022-04-05 | 中国科学院西北生态环境资源研究院 | 一种森林生态水文过程自动实时监测方法及系统 |
| CN114819737A (zh) * | 2022-05-26 | 2022-07-29 | 中交第二公路勘察设计研究院有限公司 | 公路路域植被的碳储量估算方法、系统及存储介质 |
| CN114924034A (zh) * | 2022-05-06 | 2022-08-19 | 贵州师范大学 | 一种基于生态过程模型的林业碳计量系统 |
| CN115561773A (zh) * | 2022-12-02 | 2023-01-03 | 武汉大学 | 基于ICESat-2星载LiDAR数据与多光谱数据的森林碳储量反演方法 |
| CN115700370A (zh) * | 2021-07-23 | 2023-02-07 | 久瓴(上海)智能科技有限公司 | 碳储量计算方法、装置、电子设备和存储介质 |
| CN116561498A (zh) * | 2023-04-10 | 2023-08-08 | 武汉大学 | 一种全球森林固碳潜力高精度计算方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101196931A (zh) * | 2008-01-14 | 2008-06-11 | 北京林业大学 | 森林资源价值核算空间信息化技术方法 |
| CN101216297A (zh) * | 2008-01-14 | 2008-07-09 | 北京林业大学 | 森林资源航天遥感与地面角规抽样配套系统集成技术方法 |
-
2011
- 2011-06-14 CN CN2011101645626A patent/CN102289565A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101196931A (zh) * | 2008-01-14 | 2008-06-11 | 北京林业大学 | 森林资源价值核算空间信息化技术方法 |
| CN101216297A (zh) * | 2008-01-14 | 2008-07-09 | 北京林业大学 | 森林资源航天遥感与地面角规抽样配套系统集成技术方法 |
Non-Patent Citations (3)
| Title |
|---|
| 徐天蜀: "基于遥感信息的森林生物量、碳储量估测技术研究", 《林业调查规划》, vol. 33, no. 3, 30 June 2008 (2008-06-30), pages 11 - 13 * |
| 王淑君 等: "广州森林碳储量时空演变及异质性分析", 《环境科学学报》, vol. 28, no. 4, 30 April 2008 (2008-04-30), pages 778 - 785 * |
| 王雪军 等: "基于遥感地学模型的辽宁省森林生物量和碳储量估测", 《林业资源管理》, no. 1, 28 February 2011 (2011-02-28), pages 100 - 105 * |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102590007B (zh) * | 2012-02-24 | 2013-06-19 | 中国科学院亚热带农业生态研究所 | 一种稻田表层土壤净碳储量估算方法 |
| CN102590007A (zh) * | 2012-02-24 | 2012-07-18 | 中国科学院亚热带农业生态研究所 | 一种稻田表层土壤净碳储量估算方法 |
| CN104062644A (zh) * | 2013-11-22 | 2014-09-24 | 董立新 | 一种从激光雷达高斯回波数据中提取树高的方法 |
| CN104933233A (zh) * | 2015-06-03 | 2015-09-23 | 西南林业大学 | 余甘子灌丛生态系统生物量分配特征的研究方法 |
| CN106384171A (zh) * | 2016-09-29 | 2017-02-08 | 四川师范大学 | 一种适用于研究区当地的冷杉森林碳储量估测模型 |
| CN108009384A (zh) * | 2017-12-26 | 2018-05-08 | 中国科学院东北地理与农业生态研究所 | 一种城市森林碳储量景观尺度推演方法 |
| CN108776850B (zh) * | 2018-06-06 | 2021-09-28 | 浙江农林大学 | 一种森林蓄积量的精确预估方法 |
| CN108776850A (zh) * | 2018-06-06 | 2018-11-09 | 浙江农林大学 | 一种森林蓄积量的精确预估方法 |
| CN109190178B (zh) * | 2018-08-07 | 2022-11-01 | 广西壮族自治区林业科学研究院 | 一种基于dem地形因子的杉木碳密度计算方法 |
| CN109190178A (zh) * | 2018-08-07 | 2019-01-11 | 广西壮族自治区林业科学研究院 | 一种基于dem地形因子的杉木碳密度计算方法 |
| CN110020962A (zh) * | 2019-04-03 | 2019-07-16 | 海南省林业科学研究所 | 一种基于森林资源调查数据获取土地利用变化信息的方法 |
| CN110032611A (zh) * | 2019-04-03 | 2019-07-19 | 海南省林业科学研究所 | 一种碳汇计量监测方法 |
| CN111340644A (zh) * | 2020-04-11 | 2020-06-26 | 黑龙江省林业科学院 | 基于碳储量分布状态分析小兴安岭针阔混交林碳汇结构的方法 |
| CN115700370A (zh) * | 2021-07-23 | 2023-02-07 | 久瓴(上海)智能科技有限公司 | 碳储量计算方法、装置、电子设备和存储介质 |
| CN114283344A (zh) * | 2021-12-28 | 2022-04-05 | 中国科学院西北生态环境资源研究院 | 一种森林生态水文过程自动实时监测方法及系统 |
| CN114924034A (zh) * | 2022-05-06 | 2022-08-19 | 贵州师范大学 | 一种基于生态过程模型的林业碳计量系统 |
| CN114924034B (zh) * | 2022-05-06 | 2024-05-14 | 贵州师范大学 | 一种基于生态过程模型的林业碳计量系统 |
| CN114819737A (zh) * | 2022-05-26 | 2022-07-29 | 中交第二公路勘察设计研究院有限公司 | 公路路域植被的碳储量估算方法、系统及存储介质 |
| CN114819737B (zh) * | 2022-05-26 | 2023-10-17 | 中交第二公路勘察设计研究院有限公司 | 公路路域植被的碳储量估算方法、系统及存储介质 |
| CN115561773A (zh) * | 2022-12-02 | 2023-01-03 | 武汉大学 | 基于ICESat-2星载LiDAR数据与多光谱数据的森林碳储量反演方法 |
| CN115561773B (zh) * | 2022-12-02 | 2023-03-10 | 武汉大学 | 基于ICESat-2星载LiDAR数据与多光谱数据的森林碳储量反演方法 |
| CN116561498A (zh) * | 2023-04-10 | 2023-08-08 | 武汉大学 | 一种全球森林固碳潜力高精度计算方法及系统 |
| CN116561498B (zh) * | 2023-04-10 | 2024-03-29 | 武汉大学 | 一种全球森林固碳潜力高精度计算方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102289565A (zh) | 一种森林生态系统碳储量动态监测技术方法 | |
| Balzarolo et al. | Matching the phenology of Net Ecosystem Exchange and vegetation indices estimated with MODIS and FLUXNET in-situ observations | |
| Manivasagam et al. | Practices for upscaling crop simulation models from field scale to large regions | |
| Jones et al. | Fuzzy composite programming to combine remote sensing and crop models for decision support in precision crop management | |
| Feliciano et al. | Assessing mangrove above-ground biomass and structure using terrestrial laser scanning: A case study in the Everglades National Park | |
| Alton | The sensitivity of models of gross primary productivity to meteorological and leaf area forcing: A comparison between a Penman–Monteith ecophysiological approach and the MODIS Light-Use Efficiency algorithm | |
| CN103439297B (zh) | 一种荒漠草原绿色植物鲜重遥感估算方法 | |
| Tang et al. | A comprehensive assessment of MODIS-derived GPP for forest ecosystems using the site-level FLUXNET database | |
| CN106372730A (zh) | 利用机器学习的植被净初级生产力遥感估算方法 | |
| LaRue et al. | Linking Landsat to terrestrial LiDAR: Vegetation metrics of forest greenness are correlated with canopy structural complexity | |
| CN110378925B (zh) | 一种机载LiDAR和多光谱遥感技术的生态水储量估算方法 | |
| Wang et al. | Estimating and mapping forest biomass in northeast China using joint forest resources inventory and remote sensing data | |
| Lu et al. | Changes of actual evapotranspiration and its components in the Yangtze River valley during 1980–2014 from satellite assimilation product | |
| Qing-Ling et al. | Topographical effects of climate data and their impacts on the estimation of net primary productivity in complex terrain: A case study in Wuling mountainous area, China | |
| CN108205718B (zh) | 一种粮食作物抽样测产方法及系统 | |
| CN101196931A (zh) | 森林资源价值核算空间信息化技术方法 | |
| CN102013047A (zh) | 农作物产量变异程度监测方法 | |
| Boori et al. | Machine learning for yield prediction in Fergana valley, Central Asia | |
| Chen et al. | Multi-source data-driven estimation of urban net primary productivity: A case study of Wuhan | |
| An et al. | The optimal soil water content models based on crop-LAI and hyperspectral data of winter wheat | |
| Wang et al. | A modification of CIM for prediction of net primary productivity of the three-river Headwaters, China | |
| Ghulam et al. | Sub-canopy soil moisture modeling in n-dimensional spectral feature space | |
| Xia et al. | A spatial frequency/spectral indicator-driven model for estimating cultivated land quality using the gradient boosting decision tree and genetic algorithm-back propagation neural network | |
| Chraır et al. | Evaluation of the effects of land cover changes and urbanization on land surface temperature: a remote sensing study of sub-watershed of Oued Fekan, Northwest Algeria | |
| Shihua et al. | Modeling of maize gross primary production using MODIS imagery and flux tower 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 | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20111221 |