CN106777585B - 一种区域浅表滑坡时空分异规律的esda分析法 - Google Patents
一种区域浅表滑坡时空分异规律的esda分析法 Download PDFInfo
- Publication number
- CN106777585B CN106777585B CN201611087325.3A CN201611087325A CN106777585B CN 106777585 B CN106777585 B CN 106777585B CN 201611087325 A CN201611087325 A CN 201611087325A CN 106777585 B CN106777585 B CN 106777585B
- Authority
- CN
- China
- Prior art keywords
- landslide
- spatial
- temporal
- liability
- index
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种区域浅表滑坡时空分异规律的ESDA分析方法。首先获取滑坡易发区多源时空数据,提取滑坡时空演化痕迹和变化环境下的滑坡孕灾因子信息,对因子时空分布进行ESDA分析;其次,计算时空综合易发性指数,选取最优的半变异函数模型进行指数空间估值与表面拟合;最后,基于ESDA法的易发性指数时空分异规律图谱分析。本发明解决了现有方法中易发性评估领域遇到的准确度不高、滑坡分异机制不明确对易发性影响顾及不够等瓶颈问题。方法充分考虑到了滑坡时空分异现象及规律的挖掘,在确定滑坡易发区与频发点更准确,方法的复杂程度更低,易于对多尺度空间尤其是大中尺度滑坡易发性问题展开分析。
Description
技术领域
本发明涉及滑坡易发性评估领域,特别涉及一种区域浅表滑坡时空分异规律的ESDA分析方法。
背景技术
近年来,由于极端气候和复杂地形条件影响国内外滑坡等地质灾害频发,其中暴雨或短时特大暴雨等强对流天气极易诱发大规模的山体滑坡,危害性极大。
由于信息熵、神经网络等空间数据驱动方法与数学模型往往忽视了滑坡空间结构差异的存在,未考虑计算图层内的空间数据自相关性与多图层数据的空间互相关性,因此空间数据叠置运算过程中易引入误差,给易发性评估精确性带来影响。
针对我国西部地区滑坡分布广泛的国情,考虑到目前滑坡风险评估方法并不完善,准确率低。对区域滑坡的分布规律,尤其是时空分布规律并不明确的现状,本发明提出一种区域浅表滑坡时空分异规律的新分析手段。
本发明通过一种区域浅表滑坡时空分异规律的ESDA分析方法(探索性空间数据分析法),是在滑坡综合易发性指数和时空分布数据处理的基础上采用一种更精确的空间数据分析方法,该方法充分考虑到滑坡易发区的真实演化规律,基于时空发展趋势(历年、逐季)及易发性时空结构分析模型获得数据的时空集散规律。该方法的过程包括:
首先获取滑坡易发区多源时空数据,提取滑坡时空演化痕迹和变化环境下的滑坡孕灾因子信息,基于探索性数据分析和变异函数对滑坡敏感性指数的空间分布特征进行检验,发现数据存在的空间变化趋势并找出数据内部的空间分异规律。其次,计算时空综合易发性指数,选取最优的半变异函数模型对易发性指数进行空间估值与表面拟合,对区域滑坡易发性进行更精细的描述和预测。最后利用区域滑坡编目数据对易发性区划进行改正和精度评价,基于ESDA法的易发性指数时空分异规律图谱分析实现区域浅表滑坡时空分异规律的发掘。
发明内容
发明的目的是提供一种区域浅表滑坡时空分异规律的ESDA分析方法,针对历史发生的滑坡分布数据特点进行自主性探索性空间分析,能够结合高时空分辨率光学影像提取滑坡演化信息与时空演化痕迹,提取关键变化环境下的孕灾因子信息,用于滑坡时空分异规律因素计算,为滑坡时空分异规律发掘和孕灾模式发现提供一种更准确的技术手段。
本发明公开了一种区域浅表滑坡时空分异规律的ESDA分析方法。包括区域浅表滑坡分布指数的计算、空间变异性指数计算模型、空间估值拟合指数模型。方法的特征在于基于不断更新的历史滑坡数据,将滑坡面点状化,提取滑坡灾害点的易发性关键信息,构建采用ESDA法分析检验下的滑坡时空综合易发性指数模型,保障时空数据的有效利用与合理检验。
具体步骤为:
(1)获取滑坡易发区多源时空数据:多时相遥感数据、地形地质数据、人类工程活动数据,并进行几何精校正、影像增强、空间数据矢量化、影像裁剪处理。
(2)时空数据处理与信息提取:通过对比灾前和灾后两个不同时期的遥感影像解译滑坡灾害信息;采用GIS叠置分析工具,将解译的滑坡灾害信息与基础地理地质信息结合,提取灾害点的空间属性信息。
(3)滑坡孕灾因子时空分布分析:应用探索性空间数据分析对历史滑坡点的各因子属性进行信息挖掘,通过距离变程分析孕灾因子的时间与空间变异性,探索滑坡孕灾因子的时空分布与不同因素对滑坡发育的内在影响规律。建立评价指标体系,利用面积频率比模型和层次分析法确定滑坡易发性评价指标权重。
(4)利用指标权重并对各因子图层进行权重叠加运算,计算时空综合易发性指数并制图,利用ESDA法分析滑坡时空综合易发性指数的分布规律、总体趋势、空间自相关及空间变异程度;通过距离变程分析、块金系数变化分析不同时期滑坡易发性指数的时空分异规律与变化趋势。
(5)空间估值与表面拟合:采用最优表面拟合函数估值模型对滑坡综合易发性指数进行空间估值与表面拟合,空间插值得到空间分布状态图。
(6)通过对比同期历史滑坡分布数据以及采用ROC曲线等方式评价精度,进行易发性区划改正。
(7)时空分异规律图谱:针对不同时期滑坡易发性分布图谱,利用ESDA法分析其潜在的易发性及其时空分异演化趋势。
本发明解决了现有方法中易发性评估领域遇到的准确度不高、滑坡分异机制不明确对易发性影响顾及不够等瓶颈问题。方法充分顾及到了滑坡时空分异现象及规律的挖掘,在确定滑坡易发区与频发点更准确,精度更高,方法的复杂程度更低,易于对多尺度空间尤其是大中尺度滑坡易发性问题进行分析。
附图说明
图1为本发明技术流程图。
图2为本发明方法细节图。
图3为本发明滑坡综合易发性指数QQplot分布图。
图4为本发明滑坡综合易发指数空间半变异函数图。
具体实施方式
实施例:
为了更清楚地说明本发明的技术方案,下面结合具体实施例对本发明做详细说明,以下实施例有助于本领域的技术人员更好的理解本发明。应当指出的是,本领域内的其他技术人员在不脱离于本发明和实例的基础上演变而来的其他实例,都属于本发明的保护范围。
图1所示一种区域浅表滑坡时空分异规律的ESDA分析法方法的技术流程图,其详细与关键步骤如下:
(1)时空数据处理与信息提取:典型浅表滑坡区近年滑坡识别与编目,面向高精度光学遥感数据的滑坡解译调查,滑坡灾害遥感监测数据来源,采用GoogleEarth、我国高分系列卫星可见光红外波段提取滑坡和植被信息,使用美国ASTER DEM作为滑坡调查与监测评估的背景环境评估数据;收集完善工区地形数据、地质数据、气象数据、人类工程活动数据,筛选有价值信息并从中挖掘可用信息。
(2)滑坡发生后,坡体上的岩土体沿滑动面下滑,滑动过程中地表原有物质被掩埋和冲毁,通过对比灾前和灾后两个不同时期的遥感影像,识别因滑坡而改变的地面区域,划出滑坡破坏范围。
(3)利用GIS软件对地形图、地质图以及遥感影像进行几何精校正,将滑坡面点状化。结合ASTER-GDEM2地形数据开展解译标志的建立,获取滑坡体的位置、面积、体积、类型、滑移的距离/方向等信息。结合滑坡点数据,从已知地灾系统电子地图采集和导出滑坡灾害点名称和坐标。
(4)根据不同时序的典型滑坡遥感影像图,应用GIS软件对多时相遥感影像进行解译,获得土地覆被/利用数据;结合ASTER-GDEM2地形数据处理,获得工作区地形、地貌、植被、人类活动空间数据,完成孕灾环境遥感信息提取。
应用全球ASTER DEM2数据集,从遥感和地形数据中提取分析水文因子和地貌因子数据;基于RS、GNSS、GIS技术集成的滑坡空间特征参数提取,反演获得地表浅表关键参数信息;遥感图像灾害环境参数解译、微地貌、与工程地质岩组含水量、NDVI、土地覆盖指数、河流侵蚀指数、治理工程指数、归一化水体指数(MNDWI)。
(5)滑坡孕灾因子时空分布分析:对于不同尺度、不同时间分辨率的遥感影像数据、地图数据、文字资料和实地采集数据,通过最大值、最小值、平均值、中数、偏态和峰度等指标及参数直接反应样点数据的属性,基于ESDA直方图分析,统计分析各滑坡孕灾因子对滑坡发生的敏感性程度与频率分布规律。基于因子敏感性分析筛选相对重要的评价因子构建滑坡易发性评价指标体系。
(6)基于历史因子分布图建立滑坡孕灾环境静态评价指标和动态评价指标,静态指标包括地层岩性、断层分布密度,动态指标包括坡度、高程、坡向、曲率、多年平均降雨量、归一化植被指数、土地利用、河流侵蚀、人类工程活动等主要致灾因子信息。
(7)计算时空综合易发性指数并制图,对评估指标体系进行优化与权重确定,计算评估分值,结合面积频率比模型和层次分析法确定因子权重,具体步骤如下:1、构造判断矩阵,2、根据判断矩阵P每行数值的乘积得向量A,3、将向量A开n次方根得向量M,4、一致性检验。
(8)滑坡空间综合易发性指数是定量描述滑坡空间易发程度的重要指标,将滑坡易发性影响因子的权重叠加计算得到滑坡综合易发性指数,表达为如下公式:
SI为某一时期滑坡综合易发性指数,Wi为滑坡易发性评价因子权重,Xi为评价因子量化值。在GIS软件中应用栅格数据计算功能对各因子图层进行权重叠加运算,得到工作区规则网格单元滑坡时空综合易发性指数分布图。
(9)ESDA分析:区域降雨型滑坡具有时空分布广泛,滑坡数量众多、分布密度大的特点。不稳定斜坡的发育程度和滑坡易发性受到孕灾环境的直接影响,邻近和相似的地形地貌、地质水文、人类工程活动条件会产生孕育性质相近的滑坡发生并形成有相似的滑动条件。
(10)针对区域地形地貌和地质水文环境具有特定尺度下的空间自相关性与空间变异性,应用ESDA方法采用直方图和QQ-plot图对部分高敏感性、连续分布的因子进行空间模式检验,挖掘不同影响因素对滑坡发育规律的内在影响。
采用直方图和QQ-plot图对综合易发性指数进行空间模式检验,探索其满足变程内空间插值的条件,发掘其作为区域化变量的空间变异性和相关性特征,见附图3。
(11)ESDA分析法-自相关与变异分析:说明书附图4显示滑坡综合易发指数半变异函数图横坐标表示滑坡综合易发指数的空间采样距离,纵坐标表示滑坡综合易发指数的半方差函数值。地形环境在空间上存在显著差异分布,滑坡的孕育因地形因素的差异而表现空间变异性特征,见专利说明书附图4。
在区域点xi处以及与之相距h远的xi+h处,综合滑坡易发性指数Z(x)的取值Z(xi)和Z(xi+h)的差的方差的一半为半变异函数记为r(x,h),表示为
函数云图中各位点在拟合曲线分布的变化有高有低,各向异性不明显,主要为各向同性。在函数横坐标的空间采样为0时,滑坡综合易发指数半方差值不为0,存在明显的块金值,表明滑坡综合易发指数在空间上存在变异性。滑坡综合易发指数的空间变异由自然因素和人为因素共同作用与影响,通过进一步拟合最佳函数分析滑坡易发性的空间变异程度。
(12)ESDA分析法-结构比反应空间相关程度,其空间自相关程度大于变异程度。变异性主要是由人类工程活动导致地形改变,坡脚开挖、依山建房等致使边坡原始的稳定结构遭到破坏,同时地形因素本身发育过程中存在的局部差异也会导致滑坡易发性在空间变异。
(13)ESDA分析:探索性数据散点图及数据全局趋势图对挖掘易发性指数及其核心因子的空间统计分布规律具有帮助。全局趋势分析是为了发现空间事物的总体规律,忽略局部变异的存在,重点关注全局因素对滑坡易发性的综合影响,对于滑坡易发性判断具有优势。
利用GIS地统计分析模块的Trend analysis工具,生成三维透视图,从三维多视角观察数据集的空间整体分布与分异趋势,制作输出综合易发性指数的时空分布趋势图。
(14)ESDA分析:区域综合易发性指数满足邻域重复规律结合历史不稳定斜坡发生滑坡的灾害统计数据,对滑坡易发性指数进行探索性空间数据分析,通过易发性指数结构比与块金系数分析区域空间变异程度的改变,详见专利说明书附图2。
(15)空间估值与表面拟合:滑坡综合易发性指数在全局上具有趋势分布规律,选择有基台值模型进行拟合。目前领域主要的基台值拟合模型有球状模型、指数模型和高斯模型。为了获得最优的易发性半变异函数模型,在GIS地统计分析模块中,通过拟合参数计算且比较选择合适的拟合模型。
(16)由于不稳定斜坡和滑坡发育发生过程的复杂性,考虑到某些随机因素引起的空间变异数量占系统总变异的比例,对滑坡敏感性指数半变异理论模型进行评价,选取均值、标准平均值、均方根预测误差、平均标准预测误差和标准均方根预测误差五个指标作为评价参考。均值和标准平均值最近似于0、标准均方根预测误差最接近1、均方根预测误差最小、平均标准预测误差最接近均方根误差的模型视为最优模型。利用最优拟合模型根据分析结果进行地统计空间估值和表面拟合。
(17)ESDA分析:采用动态统计图形和动态链接窗口技术将数据及统计特征显示出来,可发现数据中非直观的异常特征。利用ESDA法追索空间数据中的异常值以及其对空间估值结果的影响,剔除错误估计值。
(18)ESDA分析法:构建易发性时空Moran’s I指数、局部时空Moran’s I指数和Moran’s散点图。易发指数分析的方法:Moran’s I空间规律分析方法。利用全局空间自相关指标Moran's I指数来反映整个易发区因子的聚集现象。该指数用于衡量易发区内滑坡与所有空间要素的相互关系,其值在-1与+1之间,大于零且具有显著性则表明正相关,反之则为负相关。数学表达式为
式中Xi和Xj代表在i和j处的易发性观测值,表示所有易发性观测值的平均数,Wij表示二元对称矩阵,N代表易发区域总数。
易发性局部Moran’s I指数可以度量每个时空综合易发性指数单元局部空间自相性,数学表达式为
(19)基于GIS分析模块,以指数模型为最优拟合模型,对滑坡综合易发指数进行普通克里格预测插值,制作典型滑坡易发性区划图。
(20)易发性区划改正与精度评价:采用ROC曲线对滑坡易发性区划的准确性进行验证,与历史滑坡编目数据进行一致性检验,获得估值拟合模型的精度。采用受试者工作特征曲线(ROC曲线)对滑坡编目点与易发性区划空间相关性进行检验,完成易发性区划改正,并实现时空分异规律图谱分析。
(21)综合上述,可以通过以上实施例的详细步骤,实现和利用本专利提出的区域浅表滑坡时空分异规律的ESDA分析法。
Claims (1)
1.一种区域浅表滑坡时空分异规律的ESDA分析法,其特征在于具体步骤为:
(1)获取滑坡易发区多源时空数据:多时相遥感数据、地形地质数据、人类工程活动数据,并进行几何精校正、影像增强、空间数据矢量化、影像裁剪处理;
(2)时空数据处理与信息提取:通过对比灾前和灾后两个不同时期的遥感影像解译滑坡灾害信息;采用GIS叠置分析工具,将解译的滑坡灾害信息与基础地理地质信息结合,提取灾害点的空间属性信息;
(3)滑坡孕灾因子时空分布分析:应用探索性空间数据分析对历史滑坡点的各因子属性进行信息挖掘,通过距离变程分析孕灾因子的时间与空间变异性,探索滑坡孕灾因子的时空分布与不同因素对滑坡发育的内在影响规律;建立评价指标体系,利用面积频率比模型和层次分析法确定滑坡易发性评价指标权重;
(4) 利用指标权重并对各因子图层进行权重叠加运算,计算时空综合易发性指数并制图,利用ESDA法分析滑坡时空综合易发性指数的分布规律、总体趋势、空间自相关及空间变异程度;通过距离变程分析、块金系数变化分析不同时期滑坡易发性指数的时空分异规律与变化趋势;
(5) 空间估值与表面拟合:采用最优表面拟合函数估值模型对滑坡综合易发性指数进行空间估值与表面拟合,空间插值得到空间分布状态图;
(6)通过对比同期历史滑坡分布数据以及采用ROC曲线方式评价精度,进行易发性区划改正;
(7) 时空分异规律图谱:针对不同时期滑坡易发性分布图谱,利用ESDA法分析其潜在的易发性及其时空分异演化趋势。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611087325.3A CN106777585B (zh) | 2016-12-01 | 2016-12-01 | 一种区域浅表滑坡时空分异规律的esda分析法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611087325.3A CN106777585B (zh) | 2016-12-01 | 2016-12-01 | 一种区域浅表滑坡时空分异规律的esda分析法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106777585A CN106777585A (zh) | 2017-05-31 |
CN106777585B true CN106777585B (zh) | 2019-10-11 |
Family
ID=58914145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611087325.3A Active CN106777585B (zh) | 2016-12-01 | 2016-12-01 | 一种区域浅表滑坡时空分异规律的esda分析法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106777585B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109542995B (zh) * | 2018-11-19 | 2022-05-06 | 四川大学 | 一种库区滑坡分析方法 |
CN109767409B (zh) * | 2018-11-28 | 2021-04-09 | 中国科学院空天信息创新研究院 | 基于遥感影像的滑坡变化检测方法、存储介质和电子设备 |
CN110427655B (zh) * | 2019-07-09 | 2023-05-26 | 中国地质大学(武汉) | 一种滑坡敏感状态的提取方法 |
CN112926233A (zh) * | 2021-01-25 | 2021-06-08 | 北京理工大学 | 一种基于空间插值的多因素敏感性分析方法 |
CN112907113B (zh) * | 2021-03-18 | 2021-09-28 | 中国科学院地理科学与资源研究所 | 一种考虑空间相关性的植被变化成因识别方法 |
CN113742438B (zh) * | 2021-08-19 | 2022-03-18 | 中国科学院地理科学与资源研究所 | 滑坡易发性分布图的确定方法、装置及存储介质 |
CN116108758B (zh) * | 2023-04-10 | 2023-06-27 | 中南大学 | 滑坡易发性评价方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216955A (zh) * | 2008-01-10 | 2008-07-09 | 重庆大学 | 滑坡灾变过程时空预测的智能方法 |
CN105488582A (zh) * | 2015-11-13 | 2016-04-13 | 辽宁工程技术大学 | 一种山体岩堆滑坡预测方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7535473B2 (en) * | 2005-09-20 | 2009-05-19 | Erdas, Inc. | Collaborative environments in a graphical information system |
-
2016
- 2016-12-01 CN CN201611087325.3A patent/CN106777585B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101216955A (zh) * | 2008-01-10 | 2008-07-09 | 重庆大学 | 滑坡灾变过程时空预测的智能方法 |
CN105488582A (zh) * | 2015-11-13 | 2016-04-13 | 辽宁工程技术大学 | 一种山体岩堆滑坡预测方法及装置 |
Non-Patent Citations (4)
Title |
---|
ArcGIS.ArcGIS 帮助(10.2、10.2.1 和 10.2.2).《https://resources.arcgis.com/zh-cn/help/main/10.2/#/na/00310000000m000000/》.2014, * |
Integrating Decision Tree and Spatial Cluster Analysis for Landslide Susceptibility Zonation;Chien-Min Chu等;《International Scholarly and Scientific Research & Innovation》;20091231;第3卷(第11期);全文 * |
基于ESDA的区域旅游演进动态分析——以山东省为例;邰鹏飞等;《旅游论坛》;20160331;第9卷(第2期);全文 * |
滑坡时空演化规律及预警预报研究;许强等;《岩石力学与工程学报》;20080630;第27卷(第6期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN106777585A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106777585B (zh) | 一种区域浅表滑坡时空分异规律的esda分析法 | |
NEFESLİOĞLU et al. | Assessment of landslide susceptibility by decision trees in the metropolitan area of Istanbul, Turkey | |
Du et al. | Landslide susceptibility assessment based on an incomplete landslide inventory in the Jilong Valley, Tibet, Chinese Himalayas | |
Lee et al. | Application of a weights-of-evidence method and GIS to regional groundwater productivity potential mapping | |
Chauhan et al. | Landslide susceptibility zonation through ratings derived from artificial neural network | |
CN109584510B (zh) | 一种基于评估函数训练的道路高边坡滑坡灾害预警方法 | |
Bishop et al. | Geospatial technologies and digital geomorphological mapping: Concepts, issues and research | |
Wulder et al. | Local spatial autocorrelation characteristics of remotely sensed imagery assessed with the Getis statistic | |
Fressard et al. | Which data for quantitative landslide susceptibility mapping at operational scale? Case study of the Pays d'Auge plateau hillslopes (Normandy, France) | |
Othman et al. | Improving landslide susceptibility mapping using morphometric features in the Mawat area, Kurdistan Region, NE Iraq: Comparison of different statistical models | |
Abdullah et al. | Remote sensing and geographic information system for fault segments mapping a study from Taiz area, Yemen | |
WO2011062794A1 (en) | Attribute importance measure for parametric multivariate modeling | |
Bishop et al. | Digital soil-terrain modeling: the predictive potential and uncertainty | |
Jena et al. | Delineation of groundwater storage and recharge potential zones using RS-GIS-AHP: Application in arable land expansion | |
Patra et al. | Groundwater prospecting and management | |
Bishop et al. | SPOT multispectral analysis for producing supraglacial debris‐load estimates for Batura glacier, Pakistan | |
Hannah et al. | Pleistocene plateau ice fields in the High Atlas, Morocco | |
Elhag | Consideration of landsat-8 Spectral band combination in typical mediterranean forest classification in Halkidiki, Greece | |
Barnett et al. | Mineral exploration using modern data mining techniques | |
Ishola et al. | Groundwater potential mapping in hard rock terrain using remote sensing, geospatial and aeromagnetic data | |
Parsekian et al. | Hydrogeophysical comparison of hillslope critical zone architecture for different geologic substrates | |
Tafila et al. | Investigating groundwater recharge potential of Notwane catchment in Botswana using geophysical and geospatial tools | |
Qiu et al. | Sinkhole susceptibility assessment based on morphological, imagery, and contextual attributes derived from GIS and imagery data | |
Ogbonna | Understanding gully erosion vulnerability in Old Imo State using geographic information system and geostatistics | |
Wu et al. | Study on the changes in vegetation structural coverage and its response mechanism to hydrology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |