CN104748703A - 一种叶面积指数尺度下推方法及系统 - Google Patents
一种叶面积指数尺度下推方法及系统 Download PDFInfo
- Publication number
- CN104748703A CN104748703A CN201310740372.3A CN201310740372A CN104748703A CN 104748703 A CN104748703 A CN 104748703A CN 201310740372 A CN201310740372 A CN 201310740372A CN 104748703 A CN104748703 A CN 104748703A
- Authority
- CN
- China
- Prior art keywords
- yardstick
- under
- vegetation
- ndvi
- lai
- 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
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明适用于遥感技术领域,提供了一种叶面积指数尺度下推方法及系统,该方法包括:获取分辨率成像光谱仪MODIS的监测数据,所述监测数据包括第一尺度下的植被指数、第二尺度下的植被指数以及第一尺度下的叶面积指数LAI1;对所述第一尺度下的植被指数和第二尺度下的植被指数进行归一化处理;基于归一化处理后的第一尺度下的植被指数和第二尺度下的植被指数,计算获得第一尺度下的植被覆盖度和第二尺度下的植被覆盖度;基于所述第一尺度下的LAI1、第一尺度下的植被覆盖度以及第二尺度下的植被覆盖度,计算获得第二尺度下的LAI2;其中,所述第二尺度小于第一尺度。本发明通过降尺度方式可有效提高产品地表植被信息的监测精度。
Description
技术领域
本发明属于遥感技术领域,尤其涉及一种叶面积指数尺度下推方法及系统。
背景技术
叶面积指数(Leaf Area Index,LAI)是指单位地面面积上所有叶子表面积的总和,是陆面过程中一个十分重要的结构参数,是描述植被冠层结构的最基本的参量之一,表征绿色植被时空变化的LAI可以通过卫星遥感资料进行反演。
目前已经有很多成熟的LAI产品,如美国地球观测计划(EOS)公开发布的中分辨率成像光谱仪(Moderate-resolution Imaging Spectroradiometer,MODIS)LAI产品,该产品的主算法基于严格的三向传输理论,利用了多达7个光谱波段的MODIS地表反射率信息,反演精度及时间分辨率较高,为地表植被信息的动态变化监测提供了有力的支持。然而该产品获得的LAI空间分辨率较低,在实际应用中,若能通过尺度下推(尺度下推指将遥感影像从较低分辨率提高到较高分辨率)的方式提高其空间分辨率,则可进一步提高产品地表植被信息的监测精度。
发明内容
本发明实施例在于提供一种叶面积指数尺度下推方法及系统,以进一步提高产品地表植被信息的监测精度。
本发明实施例的第一方面,提供一种叶面积指数尺度下推方法,所述方法包括:
获取分辨率成像光谱仪MODIS的监测数据,所述监测数据包括第一尺度下的植被指数、第二尺度下的植被指数以及第一尺度下的叶面积指数LAI1;
对所述第一尺度下的植被指数和第二尺度下的植被指数进行归一化处理;
基于归一化处理后的第一尺度下的植被指数和第二尺度下的植被指数,计算获得第一尺度下的植被覆盖度和第二尺度下的植被覆盖度;
基于所述第一尺度下的LAI1、第一尺度下的植被覆盖度以及第二尺度下的植被覆盖度,计算获得第二尺度下的LAI2;
其中,所述第二尺度小于第一尺度。
本发明实施例的第二方面,提供一种叶面积指数尺度下推系统,所述系统包括:
数据获取单元,用于获取分辨率成像光谱仪MODIS的监测数据,所述监测数据包括第一尺度下的植被指数、第二尺度下的植被指数以及第一尺度下的叶面积指数LAI1;
归一化处理单元,用于对所述第一尺度下的植被指数和第二尺度下的植被指数进行归一化处理;
第一计算单元,用于基于归一化处理后的第一尺度下的植被指数和第二尺度下的植被指数,计算获得第一尺度下的植被覆盖度和第二尺度下的植被覆盖度;
第二计算单元,用于基于所述第一尺度下的LAI1、第一尺度下的植被覆盖度以及第二尺度下的植被覆盖度,计算获得第二尺度下的LAI2;
其中,所述第二尺度小于第一尺度。
本发明实施例与现有技术相比存在的有益效果是:本发明实施例通过归一化处理后的第一尺度下的植被指数和第二尺度下的植被指数,计算获得第一尺度下的植被覆盖度和第二尺度下的植被覆盖度,并基于所述第一尺度下的LAI1、第一尺度下的植被覆盖度以及第二尺度下的植被覆盖度,计算获得尺度更小的LAI2。本发明实施例通过对已有MODIS LAI尺度下推来提高产品地表植被信息监测精度。而且本发明实施例操作方便、应用灵活,可用于叶面积指数的大区域快速提取。另外本发明实施例实现简单,对硬件要求较低,从而有利于降低产品成本,使得产品适用面更广,具有较强的易用性和实用性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明第一实施例提供的叶面积指数尺度下推方法的实现流程图;
图2是本发明第二实施例提供的叶面积指数尺度下推系统的组成结构图。
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。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
实施例一:
图1示出了第一实施例提供的叶面积指数尺度下推方法方法的实现流程,该方法过程详述如下:
在步骤S101中,获取分辨率成像光谱仪MODIS的监测数据,所述监测数据包括第一尺度下的植被指数、第二尺度下的植被指数以及第一尺度下的叶面积指数LAI1。
优选的是,本实施例在获取中分辨率成像光谱仪(Moderate-resolutionImaging Spectroradiometer,MODIS)的监测数据之后,还包括:
对获取的所述监测数据进行预处理。
其中,所述预处理过程包括但不限于波段提取、投影转换以及数据的拼接、裁剪、提取以及数值转换等,通过预处理后使所述监测数据具有一致的数据格式。
在本实施例中,所述第二尺度小于第一尺度。其中所述第一尺度优选为1000米,所述第二尺度优选为250米。
在步骤S102中,对所述第一尺度下的植被指数和第二尺度下的植被指数进行归一化处理。
在本实施例中,为避免数据量纲差异的问题,本实施例对预处理后的MODIS监测数据进行范围为[0,1]的归一化处理以消除量纲的影响。其中,所述归一化处理公式为:
其中,ndvi1表示第一尺度下归一化植被指数,ndvi2表示第二尺度下归一化植被指数,X1为预处理后第一尺度下的植被指数,X2为预处理后第二尺度下的植被指数,Xmax,Xmin分别为预处理后的植被指数中的最大值和最小值。
在步骤S103中,基于归一化处理后的第一尺度下的植被指数和第二尺度下的植被指数,计算获得第一尺度下的植被覆盖度和第二尺度下的植被覆盖度。
具体的是,基于归一化处理后的第一尺度下的植被指数和第二尺度下的植被指数,通过像元二分模型计算获得第一尺度下的植被覆盖度和第二尺度下的植被覆盖度,计算公式如下:
其中,fc1表示第一尺度下的植被覆盖度,fc2表示第二尺度下的植被覆盖度,ndvi1表示归一化处理后的第一尺度下的植被指数,ndvi2表示归一化处理后的第二尺度下的植被指数,ndvimax,ndvimin分别表示全植被像元和全裸土像元的归一化植被指数NDVI。
在步骤S104中,基于所述第一尺度下的LAI1、第一尺度下的植被覆盖度以及第二尺度下的植被覆盖度,计算获得第二尺度下的LAI2。
其中,所述基于所述第一尺度下的LAI1、第一尺度下的植被覆盖度以及第二尺度下的植被覆盖度,计算获得第二尺度下的LAI2的公式为:
在本实施例中, 的推导过程如下:
一束光线照射到植被冠层上,则穿过植被冠层的光线百分比可用下式计算:
α=exp(-k×LAI) (1)
其中,k为消光系数,表示单位面积移除的能量大小。LAI为植被冠层的叶面积指数。假设植被冠层为不透明,则在像元尺度上,α表示该像元非植被面积所占的比例,即
α=1-fc (2)
其中,fc表示植被覆盖度,即一个像元中植被冠层面积占该像元面积的百分比。由公式(1)和(2)可得到:
消光系数k可认为不随尺度的变化而变化,即第一尺度大小像元的消光系数与第二尺度大小像元的消光系数是一致的,因此:
则
本发明实施例通过对已有MODIS LAI降尺度来提高产品地表植被信息监测的精度,并实现叶面积指数大区域的快速提取。本发明实施例操作方便、应用灵活、适用面广,具有较强的易用性和实用性。
实施例二:
图2示出了本发明第二实施例提供的叶面积指数尺度下推系统的组成结构,为了便于说明,仅示出了与本发明实施例相关的部分。
该叶面积指数尺度下推系统可应用于各种数据处理终端,例如口袋计算机(Pocket Personal Computer,PPC)、掌上电脑、计算机、笔记本电脑、个人数字助理(Personal Digital Assistant,PDA)等,可以是运行于这些终端内的软件单元、硬件单元或者软硬件相结合的单元,也可以作为独立的挂件集成到这些终端中或者运行于这些终端的应用系统中。
该叶面积指数尺度下推系统包括数据获取单元21、归一化处理单元22、第一计算单元23以及第二计算单元24。其中,各单元的具体功能如下:
数据获取单元21,用于获取分辨率成像光谱仪MODIS的监测数据,所述监测数据包括第一尺度下的植被指数、第二尺度下的植被指数以及第一尺度下的叶面积指数LAI1;
归一化处理单元22,用于对所述第一尺度下的植被指数和第二尺度下的植被指数进行归一化处理;
第一计算单元23,用于基于归一化处理后的第一尺度下的植被指数和第二尺度下的植被指数,计算获得第一尺度下的植被覆盖度和第二尺度下的植被覆盖度;
第二计算单元24,用于基于所述第一尺度下的LAI1、第一尺度下的植被覆盖度以及第二尺度下的植被覆盖度,计算获得第二尺度下的LAI2;
其中,所述第二尺度小于第一尺度。
进一步的,所述第一计算单元23用于:
通过像元二分模型计算获得第一尺度下的植被覆盖度和第二尺度下的植被覆盖度,计算公式如下:
其中,fc1表示第一尺度下的植被覆盖度,fc2表示第二尺度下的植被覆盖度,ndvi1表示归一化处理后的第一尺度下的植被指数,ndvi2表示归一化处理后的第二尺度下的植被指数,ndvimax,ndvimin分别表示全植被像元和全裸土像元的归一化植被指数NDVI。
进一步的,所述第二计算单元24基于所述第一尺度下的LAI1、第一尺度下的植被覆盖度以及第二尺度下的植被覆盖度,计算获得第二尺度下的LAI2的公式为:
进一步的,所述系统还包括:
预处理单元25,用于在获取分辨率成像光谱仪MODIS的监测数据之后,对获取的所述监测数据进行预处理。
优选的,所述第一尺度为1000米,所述第二尺度为250米。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即所述系统的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元或模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元或模块既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例的对应过程,在此不再赘述。
综上所述,本发明实施例通过归一化处理后的第一尺度下的植被指数和第二尺度下的植被指数,计算获得第一尺度下的植被覆盖度和第二尺度下的植被覆盖度,并基于所述第一尺度下的LAI1、第一尺度下的植被覆盖度以及第二尺度下的植被覆盖度,计算获得尺度更小的LAI2。本发明实施例通过对已有MODIS LAI尺度下推来提高产品地表植被信息监测精度,并获得空间、时间分辨率更高的数据。而且本发明实施例操作方便、应用灵活,可用于叶面积指数的大区域快速提取。另外本发明实施例实现简单,对硬件要求较低,从而有利于降低产品成本,使得产品适用面更广,具有较强的易用性和实用性。
本领域普通技术人员还可以理解,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,所述的程序可以在存储于一计算机可读取存储介质中,所述的存储介质,包括ROM/RAM、磁盘、光盘等。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下做出若干等同替代或明显变型,而且性能或用途相同,都应当视为属于本发明由所提交的权利要求书确定的专利保护范围。
Claims (10)
1.一种叶面积指数尺度下推方法,其特征在于,所述方法包括:
获取分辨率成像光谱仪MODIS的监测数据,所述监测数据包括第一尺度下的植被指数、第二尺度下的植被指数以及第一尺度下的叶面积指数LAI1;
对所述第一尺度下的植被指数和第二尺度下的植被指数进行归一化处理;
基于归一化处理后的第一尺度下的植被指数和第二尺度下的植被指数,计算获得第一尺度下的植被覆盖度和第二尺度下的植被覆盖度;
基于所述第一尺度下的LAI1、第一尺度下的植被覆盖度以及第二尺度下的植被覆盖度,计算获得第二尺度下的LAI2;
其中,所述第二尺度小于第一尺度。
2.如权利要求1所述的方法,其特征在于,所述计算获得第一尺度下的植被覆盖度和第二尺度下的植被覆盖度包括:
通过像元二分模型计算获得第一尺度下的植被覆盖度和第二尺度下的植被覆盖度,计算公式如下:
其中,fc1表示第一尺度下的植被覆盖度,fc2表示第二尺度下的植被覆盖度,ndvi1表示归一化处理后的第一尺度下的植被指数,ndvi2表示归一化处理后的第二尺度下的植被指数,ndvimax,ndvimin分别表示全植被像元和全裸土像元的归一化植被指数NDVI。
3.如权利要求2所述的方法,其特征在于,所述基于所述第一尺度下的LAI1、第一尺度下的植被覆盖度以及第二尺度下的植被覆盖度,计算获得第二尺度下的LAI2的公式为:
4.如权利要求1所述的方法,其特征在于,在获取分辨率成像光谱仪MODIS的监测数据之后,所述方法还包括:
对获取的所述监测数据进行预处理。
5.如权利要求1至4任一项所述的方法,其特征在于,所述第一尺度为1000米,所述第二尺度为250米。
6.一种叶面积指数尺度下推系统,其特征在于,所述系统包括:
数据获取单元,用于获取分辨率成像光谱仪MODIS的监测数据,所述监测数据包括第一尺度下的植被指数、第二尺度下的植被指数以及第一尺度下的叶面积指数LAI1;
归一化处理单元,用于对所述第一尺度下的植被指数和第二尺度下的植被指数进行归一化处理;
第一计算单元,用于基于归一化处理后的第一尺度下的植被指数和第二尺度下的植被指数,计算获得第一尺度下的植被覆盖度和第二尺度下的植被覆盖度;
第二计算单元,用于基于所述第一尺度下的LAI1、第一尺度下的植被覆盖度以及第二尺度下的植被覆盖度,计算获得第二尺度下的LAI2;
其中,所述第二尺度小于第一尺度。
7.如权利要求6所述的系统,其特征在于,所述第一计算单元用于:
通过像元二分模型计算获得第一尺度下的植被覆盖度和第二尺度下的植被覆盖度,计算公式如下:
其中,fc1表示第一尺度下的植被覆盖度,fc2表示第二尺度下的植被覆盖度,ndvi1表示归一化处理后的第一尺度下的植被指数,ndvi2表示归一化处理后的第二尺度下的植被指数,ndvimax,ndvimin分别表示全植被像元和全裸土像元的归一化植被指数NDVI。
8.如权利要求7所述的系统,其特征在于,所述第二计算单元基于所述第一尺度下的LAI1、第一尺度下的植被覆盖度以及第二尺度下的植被覆盖度,计算获得第二尺度下的LAI2的公式为:
9.如权利要求6所述的系统,其特征在于,所述系统还包括:
预处理单元,用于在获取分辨率成像光谱仪MODIS的监测数据之后,对获取的所述监测数据进行预处理。
10.如权利要求6至9任一项所述的系统,其特征在于,所述第一尺度为1000米,所述第二尺度为250米。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310740372.3A CN104748703B (zh) | 2013-12-27 | 2013-12-27 | 一种叶面积指数尺度下推方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310740372.3A CN104748703B (zh) | 2013-12-27 | 2013-12-27 | 一种叶面积指数尺度下推方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104748703A true CN104748703A (zh) | 2015-07-01 |
CN104748703B CN104748703B (zh) | 2017-09-08 |
Family
ID=53588750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310740372.3A Active CN104748703B (zh) | 2013-12-27 | 2013-12-27 | 一种叶面积指数尺度下推方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104748703B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184215A (zh) * | 2015-07-23 | 2015-12-23 | 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 |
CN113378476A (zh) * | 2021-06-28 | 2021-09-10 | 武汉大学 | 一种全球250米分辨率时空连续的叶面积指数卫星产品生成方法 |
CN114757089A (zh) * | 2022-03-14 | 2022-07-15 | 北京城市气象研究院 | 基于物理机理的植被覆盖率测算方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011133451A (ja) * | 2009-11-27 | 2011-07-07 | Kyushu Univ | 光学的植生指数センサ |
CN102243069A (zh) * | 2011-06-22 | 2011-11-16 | 华南农业大学 | 一种叶面积指数测定方法及装置 |
CN102829739A (zh) * | 2012-08-21 | 2012-12-19 | 北京农业信息技术研究中心 | 一种面向对象的作物叶面积指数遥感反演方法 |
CN103278112A (zh) * | 2013-05-17 | 2013-09-04 | 中国科学院对地观测与数字地球科学中心 | 一种基于遥感图像的叶面积指数反演方法及装置 |
-
2013
- 2013-12-27 CN CN201310740372.3A patent/CN104748703B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011133451A (ja) * | 2009-11-27 | 2011-07-07 | Kyushu Univ | 光学的植生指数センサ |
CN102243069A (zh) * | 2011-06-22 | 2011-11-16 | 华南农业大学 | 一种叶面积指数测定方法及装置 |
CN102829739A (zh) * | 2012-08-21 | 2012-12-19 | 北京农业信息技术研究中心 | 一种面向对象的作物叶面积指数遥感反演方法 |
CN103278112A (zh) * | 2013-05-17 | 2013-09-04 | 中国科学院对地观测与数字地球科学中心 | 一种基于遥感图像的叶面积指数反演方法及装置 |
Non-Patent Citations (3)
Title |
---|
G.GUTMAN等: "The_Derivation_of_the_Green_Vegetation_Fraction", 《INT.J.REMOTE SENSING》 * |
李红: "上海市崇明县植被覆盖度的遥感估算及其动态研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
杜培军等: "《遥感科学与进展》", 28 February 2007, 中国矿业大学出版社 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184215A (zh) * | 2015-07-23 | 2015-12-23 | 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 |
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 |
CN113378476A (zh) * | 2021-06-28 | 2021-09-10 | 武汉大学 | 一种全球250米分辨率时空连续的叶面积指数卫星产品生成方法 |
CN113378476B (zh) * | 2021-06-28 | 2022-07-19 | 武汉大学 | 一种全球250米分辨率时空连续的叶面积指数卫星产品生成方法 |
CN114757089A (zh) * | 2022-03-14 | 2022-07-15 | 北京城市气象研究院 | 基于物理机理的植被覆盖率测算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104748703B (zh) | 2017-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A satellite image data based ultra-short-term solar PV power forecasting method considering cloud information from neighboring plant | |
Gao et al. | Hourly forecasting of solar irradiance based on CEEMDAN and multi-strategy CNN-LSTM neural networks | |
Choi et al. | GIS-based solar radiation mapping, site evaluation, and potential assessment: A review | |
Zang et al. | Hybrid method for short‐term photovoltaic power forecasting based on deep convolutional neural network | |
Dou et al. | Dynamic monitoring of land-use/land-cover change and urban expansion in Shenzhen using Landsat imagery from 1988 to 2015 | |
Nguyen et al. | Incorporating shading losses in solar photovoltaic potential assessment at the municipal scale | |
Wei et al. | A new method for the design of the heliostat field layout for solar tower power plant | |
Noone et al. | Site selection for hillside central receiver solar thermal plants | |
CN103984862A (zh) | 一种多元遥感信息协同的积雪参数反演方法 | |
Yao et al. | Analysis of land use changes and driving forces in the Yanhe River Basin from 1980 to 2015 | |
Anurag et al. | General design procedures for airport-based solar photovoltaic systems | |
Ahmed | New features of scattering from a one-dimensional non-Hermitian (complex) potential | |
Chicco et al. | Error assessment of solar irradiance forecasts and AC power from energy conversion model in grid-connected photovoltaic systems | |
CN104748703A (zh) | 一种叶面积指数尺度下推方法及系统 | |
Laslett et al. | A method for generating synthetic hourly solar radiation data for any location in the south west of Western Australia, in a world wide web page | |
Son et al. | LSTM–GAN based cloud movement prediction in satellite images for PV forecast | |
Doorga et al. | Forecasting mesoscale distribution of surface solar irradiation using a proposed hybrid approach combining satellite remote sensing and time series models | |
Praveenkumar et al. | Comparative analysis for a solar tracking mechanism of solar PV in five different climatic locations in south Indian states: a techno-economic feasibility | |
Bognár et al. | Calculating solar irradiance without shading geometry: a point cloud-based method | |
Suvorov | Wave-optical effects in the microlensing of continuous gravitational waves by star clusters | |
Arias-Rosales et al. | Shadow modeling in urban environments for solar harvesting devices with freely defined positions and orientations | |
Jiang et al. | Rapid mapping and spatial analysis on the distribution of photovoltaic power stations with Sentinel-1&2 images in Chinese coastal provinces | |
Zhang et al. | Can China realize the grid parity target of centralized photovoltaic power by 2020? | |
Huang et al. | M-shape PV arrangement for improving solar power generation efficiency | |
Li et al. | Impervious surface expansion in the China-Laos border area under the context of geo-economic cooperation: a case study of the Mohan-Boten Economic Cooperation Zone |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |