CN103335968A - 基于背景光谱去除的高光谱解混方法 - Google Patents
基于背景光谱去除的高光谱解混方法 Download PDFInfo
- Publication number
- CN103335968A CN103335968A CN2013102560802A CN201310256080A CN103335968A CN 103335968 A CN103335968 A CN 103335968A CN 2013102560802 A CN2013102560802 A CN 2013102560802A CN 201310256080 A CN201310256080 A CN 201310256080A CN 103335968 A CN103335968 A CN 103335968A
- Authority
- CN
- China
- Prior art keywords
- spectrum
- end member
- target
- background spectrum
- target end
- 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.)
- Granted
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种基于背景光谱去除的高光谱解混方法,包括:根据各非目标端元光谱及其含量预估获得背景光谱;对混合光谱、目标端元光谱、背景光谱进行自然对数处理;将背景光谱一端平移至与目标光谱重合,将平面直角坐标系转换为极坐标系,经拉伸、旋转后实现另一端点重合;利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量。本发明的技术方案可以从ASD、SVC等地面光谱仪及其它卫星高光谱遥感数据中得到某种地物或物质成分的含量,深入分析地物光谱吸收特性,提高高光谱定量反演的精度。
Description
技术领域
本发明涉及遥感技术领域,尤其涉及一种从高光谱遥感数据中利用典型吸收特征得到特定成分含量信息的方法。
背景技术
高光谱遥感是地物成分分析的有力工具,尤其在定量方面有很大的优势。许多物质光谱呈现出诊断性的特征吸收,这也成为高光谱地质分析的基础。这些吸收特征可以用中心波长、吸收深度、对称性、面积等参数来表示,其中中心波长、吸收深度以及半高宽是矿物光谱分析中最常用的光谱特征。
现有技术中去包络线法是强化吸收特征的有效手段。采用的方法是将反射率光谱拐点间的线段连线作为包络线,将反射率曲线与包络线逐波段相除,从而得到去包络线光谱,具体方法可参见文献1:Clark,R.N.,&Roush,T.L.(1984).Reflectance spectroscopy:Quantitativeanalysis techniques for remote sensing applications.Journal of GeophysicalResearch,89,6329-6340及文献2:Van der Meer,F.(2000).Spectral curveshape matching with a continuum removed CCSM algorithm.InternationalJournal Of Remote Sensing,21,3179-3185。然而该方法提到的包络线没有明确的物理含义,所以采用去包络线计算的吸收特征参数无法用于精确的定量分析。
发明内容
(一)要解决的技术问题
本发明的目的是提供一种基于背景光谱去除的高光谱解混方法,以解决现有技术高光谱矿物成分反演中由于缺少实用化且符合物理机理的模型的限制,矿物成分分析不能满足要求的问题。
(二)技术方案
为解决上述问题,本发明提供一种基于背景光谱去除的高光谱解混方法,包括:根据各非目标端元光谱及其含量预估获得背景光谱;对混合光谱、目标端元光谱、背景光谱进行自然对数处理;将背景光谱一端平移至与目标光谱重合,将平面直角坐标系转换为极坐标系,经拉伸、旋转后实现另一端点重合;利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量。
优选地,所述根据各非目标端元光谱及其含量预估获得背景光谱之前还包括:确定混合光谱所包含端元数目、种类及端元光谱;确定目标端元,并选取目标端元的典型吸收特征及其波段区间;根据目标端元吸收特征波段区间对混合光谱、目标端元光谱、背景光谱进行截取。
优选地,所述根据各非目标端元光谱及其含量预估获得背景光谱具体包括:利用完全约束最小二乘算法,求得混合光谱中各端元的丰度作为其含量的预估值,由各非目标端元的光谱按照含量预估值进行线性混合得到背景光谱,公式如下:
其中rb是背景光谱,ri是第i个非目标端元的反射率光谱,fei是第i个非目标端元的含量预估值,n是端元总数。
优选地,所述对混合光谱、目标端元光谱、背景光谱进行自然对数处理具体包括:将混合光谱、目标端元光谱、背景光谱按式(2)进行处理,得到对应的自然对数光谱,
rlog=log(r) (2)
其中,r是待处理的光谱,rlog是对数处理后的光谱。
优选地,所述将背景光谱一端平移至与目标光谱重合,将平面直角坐标系转换为极坐标系,经拉伸、旋转后实现另一端点重合具体包括:计算背景光谱一端与目标光谱差值,并对整个波段区间背景光谱加上该差值实现补偿,使得背景光谱在该端点和目标光谱重合;以重合的端点为极点,以从极点作垂直于纵轴的射线作为极轴,将以波长为横轴、自然对数光谱值为纵轴的平面直角坐标系转换为极坐标系;计算目标光谱和背景光谱另一端点的极径,求得两点极径的比值,并对背景光谱每个点乘以该比值进行补偿,使得背景光谱端点和目标光谱端点极径相同;计算目标光谱和背景光谱另一端点的极角,计算两点极角之差,对背景光谱按照该差值进行旋转,使得背景光谱端点与目标光谱端点重合。
优选地,所述利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量具体包括:求得混合光谱和目标端元光谱吸收特征中心波长位置;计算混合光谱和目标端元光谱在吸收特征中心波长位置的吸收深度,
D=0-rlog(λc) (3)
其中,D是吸收深度,λc是吸收中心波长;计算混合光谱和目标端元光谱吸收深度的比值,得到混合物中目标端元的含量估计值,
f=DM/DT (4)
其中,f是目标端元含量估计值,DM是混合光谱吸收深度,DT是目标端元光谱吸收深度。
优选地,所述端元是具有典型吸收特征的不同地物类型。
优选地,所述不同地物类型是矿物、土壤或植被。
(三)有益效果
本发明的技术方案可以从ASD、SVC等地面光谱仪及其它卫星高光谱遥感数据中得到某种地物或物质成分的含量,深入分析地物光谱吸收特性,提高高光谱定量反演的精度。
附图说明
图1为本发明基于背景光谱去除的高光谱解混方法实施例流程图;
图2为目标端元(石膏)和非目标端元(绿帘石和方解石)的光谱,以及三者按照2:3:5比例进行混合得到的混合物的光谱;
图3为在石膏特征吸收波段范围内(1670-1828nm)的端元光谱、混合光谱,以及拟合出的背景光谱;
图4为利用图1的方法实施例后得到的混合光谱和目标端元的去背景光谱。
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描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
本发明的技术方案提出一种基于背景光谱去除的高光谱解混方法,包括:
根据各非目标端元光谱及其含量预估获得背景光谱;
对混合光谱、目标端元光谱、背景光谱进行自然对数处理;
将背景光谱一端平移至与目标光谱重合,将平面直角坐标系转换为极坐标系,经拉伸、旋转后实现另一端点重合;
利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量。
上述的高光谱解混方法中,所述根据各非目标端元光谱及其含量预估获得背景光谱之前还包括:
确定混合光谱所包含端元数目、种类及端元光谱;
确定目标端元,并选取目标端元的典型吸收特征及其波段区间;
根据目标端元吸收特征波段区间对混合光谱、目标端元光谱、背景光谱进行截取。
上述的高光谱解混方法中,所述根据各非目标端元光谱及其含量预估获得背景光谱具体包括:
利用完全约束最小二乘算法,求得混合光谱中各端元的丰度作为其含量的预估值,由各非目标端元的光谱按照含量预估值进行线性混合得到背景光谱,公式如下:
其中rb是背景光谱,ri是第i个非目标端元的反射率光谱,fei是第i个非目标端元的含量预估值,n是端元总数。
上述的高光谱解混方法中,所述对混合光谱、目标端元光谱、背景光谱进行自然对数处理具体包括:
将混合光谱、目标端元光谱、背景光谱按式(2)进行处理,得到对应的自然对数光谱,
rlog=log(r) (2)
其中,r是待处理的光谱,rlog是对数处理后的光谱。
上述的高光谱解混方法中,其特征在于所述将背景光谱一端平移至与目标光谱重合,将平面直角坐标系转换为极坐标系,经拉伸、旋转后实现另一端点重合具体包括:
计算背景光谱一端与目标光谱差值,并对整个波段区间背景光谱加上该差值实现补偿,使得背景光谱在该端点和目标光谱重合;
以重合的端点为极点,以从极点作垂直于纵轴的射线作为极轴,将以波长为横轴、自然对数光谱值为纵轴的平面直角坐标系转换为极坐标系;
计算目标光谱和背景光谱另一端点的极径,求得两点极径的比值,并对背景光谱每个点乘以该比值进行补偿,使得背景光谱端点和目标光谱端点极径相同;
计算目标光谱和背景光谱另一端点的极角,计算两点极角之差,对背景光谱按照该差值进行旋转,使得背景光谱端点与目标光谱端点重合。
上述的高光谱解混方法中,所述利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量具体包括:
求得混合光谱和目标端元光谱吸收特征中心波长位置;
计算混合光谱和目标端元光谱在吸收特征中心波长位置的吸收深度,
D=0-rlog(λc) (3)
其中,D是吸收深度,λc是吸收中心波长。
计算混合光谱和目标端元光谱吸收深度的比值,得到混合物中目标端元的含量估计值,
f=DM/DT (4)其中,f是目标端元含量估计值,DM是混合光谱吸收深度,DT是目标端元光谱吸收深度。
上述的高光谱解混方法中,所述端元可以是矿物、土壤、植被等具有典型吸收特征的不同地物类型。
图1为本发明基于背景光谱去除的高光谱解混方法实施例流程图,如图所示,本实施例的高光谱解混方法包括以下步骤:
S101、获取原始的光谱数据,并确定混合光谱中所包含的端元数目、种类和端元光谱;
利用ASD、SVC等地面光谱仪及其它卫星高光谱遥感数据光谱数据。图2为采用SVC光谱仪获取的矿物粉末混合光谱(石膏、绿帘石和方解石各占20%,50%,30%)和三种端元光谱,为方便表示波段区间已利用SVC自带软件将光谱重采样为1nm间隔,图中横轴表示波长(nm),纵轴表示反射率。
S102、确定目标端元,并选取目标端元的典型吸收特征及其波段区间,并根据该波段区间对混合光谱、目标端元光谱、背景光谱进行截取;
本实施例中,以石膏为目标端元,选取石膏在1750nm处的典型吸收特征,确定其波段范围在1670-1828nm,并将混合光谱、目标端元光谱在该波段范围截选。
S103、根据各非目标端元光谱及其含量预估获得背景光谱;
利用完全约束最小二乘算法,求得该混合光谱中绿帘石和方解石的含量预估值分别为0.7498和0.0091,计算背景光谱,如下式所示:
式中,rb是背景光谱,ri是第i个非目标端元的反射率光谱,fei是第i个非目标端元的含量预估值,n是端元总数。
图3为选取的目标端元光谱、混合光谱、背景光谱。
S104、对混合光谱、目标端元光谱、背景光谱进行自然对数处理;
如下式所示,
rlog=log(r)
式中,r是待处理的光谱,rlog是对数处理后的光谱。
S105、将背景光谱一端平移至与目标光谱重合,将平面直角坐标系转换为极坐标系,经拉伸、旋转后实现另一端点重合;
计算背景光谱一端与目标光谱差值,并对整个波段区间背景光谱加上该差值实现补偿,使得背景光谱在该端点和目标光谱重合;以重合的端点为极点,以从极点作垂直于纵轴的射线作为极轴,将以波长为横轴、自然对数光谱值为纵轴的平面直角坐标系转换为极坐标系;计算目标光谱和背景光谱另一端点的极径,求得两点极径的比值,并对背景光谱每个点乘以该比值进行补偿,使得背景光谱端点和目标光谱端点极径相同;计算目标光谱和背景光谱另一端点的极角,计算两点极角之差,对背景光谱按照该差值进行旋转,使得背景光谱端点与目标光谱端点重合。
图4为混合光谱和目标端元的去背景光谱。
S106、利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量;
计算混合光谱和目标端元光谱在吸收特征中心波长位置的吸收深度,如下式所示:
D=0-rlog(λc)
式中,D是吸收深度,λc是吸收中心波长。
计算混合光谱和目标端元光谱吸收深度的比值,得到混合物中目标端元的含量估计值,如下式所示:
f=DM/DT
式中,f是目标端元含量估计值,DM是混合光谱吸收深度,DT是目标端元光谱吸收深度。本实例中,DM=0.053,DT=0.2583,f=0.1947。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和替换,这些改进和替换也应视为本发明的保护范围。
Claims (8)
1.一种基于背景光谱去除的高光谱解混方法,其特征 在于,包括:
根据各非目标端元光谱及其含量预估获得背景光谱;
对混合光谱、目标端元光谱、背景光谱进行自然对数处理;
将背景光谱一端平移至与目标光谱重合,将平面直角坐标系转换为极坐标系,经拉伸、旋转后实现另一端点重合;
利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量。
2.如权利要求1所述的方法,其特征在于,所述根据各非目标端元光谱及其含量预估获得背景光谱之前还包括:
确定混合光谱所包含端元数目、种类及端元光谱;
确定目标端元,并选取目标端元的典型吸收特征及其波段区间;
根据目标端元吸收特征波段区间对混合光谱、目标端元光谱、背景光谱进行截取。
3.如权利要求1或2所述的方法,其特征在于,所述根据各非目标端元光谱及其含量预估获得背景光谱具体包括:
利用完全约束最小二乘算法,求得混合光谱中各端元的丰度作为其含量的预估值,由各非目标端元的光谱按照含量预估值进行线性混合得到背景光谱,公式如下:
其中rb是背景光谱,ri是第i个非目标端元的反射率光谱,fei是第i个非目标端元的含量预估值,n是端元总数。
4.如权利要求3所述的方法,其特征在于,所述对混合光谱、目标端元光谱、背景光谱进行自然对数处理具体包括:
将混合光谱、目标端元光谱、背景光谱按式(2)进行处理,得到对应的自然对数光谱,
rlog=log(r) (2)
其中,r是待处理的光谱,rlog是对数处理后的光谱。
5.如权利要求3所述的方法,其特征在于,所述将背景光谱一端平移至与目标光谱重合,将平面直角坐标系转换为极坐标系,经拉伸、旋转后实现另一端点重合具体包括:
计算背景光谱一端与目标光谱差值,并对整个波段区间背景光谱加上该差值实现补偿,使得背景光谱在该端点和目标光谱重合;
以重合的端点为极点,以从极点作垂直于纵轴的射线作为极轴,将以波长为横轴、自然对数光谱值为纵轴的平面直角坐标系转换为极坐标系;
计算目标光谱和背景光谱另一端点的极径,求得两点极径的比值,并对背景光谱每个点乘以该比值进行补偿,使得背景光谱端点和目标光谱端点极径相同;
计算目标光谱和背景光谱另一端点的极角,计算两点极角之差,对背景光谱按照该差值进行旋转,使得背景光谱端点与目标光谱端点重合。
6.如权利要求3所述的方法,其特征在于,所述利用混合光谱吸收特征深度与目标端元光谱吸收特征深度比值来确定端元丰度含量具体包括:
求得混合光谱和目标端元光谱吸收特征中心波长位置;
计算混合光谱和目标端元光谱在吸收特征中心波长位置的吸收深度,
D=0-rlog(λc) (3)
其中,D是吸收深度,λc是吸收中心波长;
计算混合光谱和目标端元光谱吸收深度的比值,得到混合物中目标端元的含量估计值,
f=DM/DT (4)
其中,f是目标端元含量估计值,DM是混合光谱吸收深度,DT是目标端元光谱吸收深度。
7.如权利要求3所述的方法,其特征在于,所述端元是具有典型吸收特征的不同地物类型。
8.如权利要求7所述的方法,其特征在于,所述不同地物类型是矿物、土壤或植被。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310256080.2A CN103335968B (zh) | 2013-06-25 | 2013-06-25 | 基于背景光谱去除的高光谱解混方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310256080.2A CN103335968B (zh) | 2013-06-25 | 2013-06-25 | 基于背景光谱去除的高光谱解混方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103335968A true CN103335968A (zh) | 2013-10-02 |
CN103335968B CN103335968B (zh) | 2015-04-01 |
Family
ID=49244172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310256080.2A Active CN103335968B (zh) | 2013-06-25 | 2013-06-25 | 基于背景光谱去除的高光谱解混方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103335968B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103674247A (zh) * | 2013-11-21 | 2014-03-26 | 中国科学院上海技术物理研究所 | 一种丰度值可控的草地混合光谱获取实验方法 |
CN104182953A (zh) * | 2013-12-30 | 2014-12-03 | 北京大学 | 像元解混逆过程:规格化多端元分解的高光谱重构方法 |
CN105891138A (zh) * | 2016-04-05 | 2016-08-24 | 中国科学院合肥物质科学研究院 | 一种提高亮温光谱中非目标特征抑制能力的方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1595110A (zh) * | 2004-06-29 | 2005-03-16 | 中国国土资源航空物探遥感中心 | 高光谱多端元线性拟合矿物识别与矿化指示方法 |
CN101551471A (zh) * | 2009-05-19 | 2009-10-07 | 中国国土资源航空物探遥感中心 | 一种高光谱遥感矿物含量定量反演方法 |
CN101806898A (zh) * | 2010-03-19 | 2010-08-18 | 武汉大学 | 基于端元可变的高光谱遥感影像目标探测方法 |
CN101887012A (zh) * | 2010-06-28 | 2010-11-17 | 中国国土资源航空物探遥感中心 | 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法 |
CN102436648A (zh) * | 2011-08-11 | 2012-05-02 | 上海交通大学 | 基于背景荧光消除的目标荧光光谱解混方法 |
-
2013
- 2013-06-25 CN CN201310256080.2A patent/CN103335968B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1595110A (zh) * | 2004-06-29 | 2005-03-16 | 中国国土资源航空物探遥感中心 | 高光谱多端元线性拟合矿物识别与矿化指示方法 |
CN101551471A (zh) * | 2009-05-19 | 2009-10-07 | 中国国土资源航空物探遥感中心 | 一种高光谱遥感矿物含量定量反演方法 |
CN101806898A (zh) * | 2010-03-19 | 2010-08-18 | 武汉大学 | 基于端元可变的高光谱遥感影像目标探测方法 |
CN101887012A (zh) * | 2010-06-28 | 2010-11-17 | 中国国土资源航空物探遥感中心 | 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法 |
CN102436648A (zh) * | 2011-08-11 | 2012-05-02 | 上海交通大学 | 基于背景荧光消除的目标荧光光谱解混方法 |
Non-Patent Citations (2)
Title |
---|
朱怀朝: "带约束的最小二乘求解算法及其在高光谱遥感混合像元分解中的应用", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
李杰等: "利用背景残差数据检测高光谱图像异常", 《红外与毫米波学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103674247A (zh) * | 2013-11-21 | 2014-03-26 | 中国科学院上海技术物理研究所 | 一种丰度值可控的草地混合光谱获取实验方法 |
CN103674247B (zh) * | 2013-11-21 | 2015-07-29 | 中国科学院上海技术物理研究所 | 一种丰度值可控的草地混合光谱获取实验方法 |
CN104182953A (zh) * | 2013-12-30 | 2014-12-03 | 北京大学 | 像元解混逆过程:规格化多端元分解的高光谱重构方法 |
CN104182953B (zh) * | 2013-12-30 | 2017-02-01 | 北京大学 | 像元解混逆过程:规格化多端元分解的高光谱重构方法 |
CN105891138A (zh) * | 2016-04-05 | 2016-08-24 | 中国科学院合肥物质科学研究院 | 一种提高亮温光谱中非目标特征抑制能力的方法及系统 |
CN105891138B (zh) * | 2016-04-05 | 2018-11-09 | 中国科学院合肥物质科学研究院 | 一种提高亮温光谱中非目标特征抑制能力的方法及系统 |
CN105891138B8 (zh) * | 2016-04-05 | 2019-02-12 | 中国科学院合肥物质科学研究院 | 一种提高亮温光谱中非目标特征抑制能力的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103335968B (zh) | 2015-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shi et al. | Comparison of multivariate methods for estimating soil total nitrogen with visible/near-infrared spectroscopy | |
CN101887012B (zh) | 基于光谱反射峰分解的高光谱遥感矿物含量定量反演方法 | |
Bull et al. | Late-time cosmology with 21 cm intensity mapping experiments | |
CN102749381B (zh) | 线性扫描极谱曲线重叠峰分离方法 | |
Zhang et al. | Derivative spectral unmixing of hyperspectral data applied to mixtures of lichen and rock | |
CN103353616B (zh) | 一种基于高光谱遥感数据快速识别油气微渗漏的方法 | |
CN102262223B (zh) | 一种基于散射矩阵的相干目标分解方法 | |
CN101893550B (zh) | 一种实现水体叶绿素a浓度反演的半分析方法 | |
CN103543132B (zh) | 一种基于小波变换的煤质特性测量方法 | |
CN103335968A (zh) | 基于背景光谱去除的高光谱解混方法 | |
Zhang et al. | Optimization of soil salt inversion model based on spectral transformation from hyperspectral index | |
CN103983588A (zh) | 一种岩矿光谱特征吸收峰位置识别方法 | |
Gao et al. | Simultaneous spectrophotometric determination of four metals by two kinds of partial least squares methods | |
CN103868858B (zh) | 一种确定盐渍土主导盐分光谱响应最佳波段的方法 | |
CN102645279B (zh) | 月表矿物的干涉成像光谱仪高光谱数据模拟方法 | |
CN102967589B (zh) | 基于微分谱的多组份三维荧光混叠光谱数据处理方法 | |
Li et al. | Code multipath error extraction based on the wavelet and empirical mode decomposition for Android smart devices | |
An et al. | The optimal soil water content models based on crop-LAI and hyperspectral data of winter wheat | |
Hopke | Factor and correlation analysis of multivariate environmental data | |
Tian et al. | Estimation of SO42− ion in saline soil using VIS-NIR spectroscopy under different human activity stress | |
Zhuo et al. | Quantitative retrieving of soil organic matter using field spectrometer and hyperspectral remote sensing | |
CN104535538A (zh) | 一种基于高光谱技术的海冰密度原位测量方法 | |
Schäfer et al. | Source apportionment and the role of meteorological conditions in the assessment of air pollution exposure due to urban emissions | |
Tishchenko et al. | Algorithm for calculating the mineralization of riverine waters and salinity of estuarine waters from conductivity data | |
Ciampalini et al. | Co-kriging of soil properties with Vis-NIR hyperspectral covariates in the Cap Bon region (Tunisia) |
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 |