CN107632319B - 基于gst的碳酸盐岩非均质储层中溶洞识别标定方法 - Google Patents
基于gst的碳酸盐岩非均质储层中溶洞识别标定方法 Download PDFInfo
- Publication number
- CN107632319B CN107632319B CN201710636436.3A CN201710636436A CN107632319B CN 107632319 B CN107632319 B CN 107632319B CN 201710636436 A CN201710636436 A CN 201710636436A CN 107632319 B CN107632319 B CN 107632319B
- Authority
- CN
- China
- Prior art keywords
- solution cavity
- connected domain
- value
- window
- cave
- 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
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于GST的碳酸盐岩非均质储层中溶洞识别标定方法,包括以下步骤:(1)根据三维叠后地震数据构建结构梯度张量及特征值,所述特征值为λ1、λ2、λ3,且λ1≥λ2≥λ3;(2)根据λ1、λ2,构建溶洞识别算子值根据Ccave值,构建Ccave属性数据体;(3)根据Ccave属性数据体,完成溶洞标定与溶洞特征参数计算。本发明主要包括梯度结构张量的溶洞识别算子的构建;利用局部梯度张量分析技术,对溶洞进行属性加强识别,并利用孔洞标记算法,对溶洞进行标记编号、定位及特征参数的提取,从而达到溶洞的自动识别及分布、规模与聚集程度特征的定量化描述。
Description
技术领域
本发明涉及一种地质识别方法,尤其涉及一种基于GST的碳酸盐岩非均质储层中溶洞识别标定方法。
背景技术
随着三维地震勘探技术的发展,具备高密度、大偏移距、宽频带的高品质的地震数据极大提高勘探结果的分辨率和准确性,使我们在同等地震震源激发状态条件下,能够识别地下更精细的地质结构。因此,在精细的地震成像基础上,需要新的属性提取技术手段对地下目标地质体进行细致的刻画,从而得到更加真实的地质模型,辅助油气开发勘探研究工作。
溶蚀孔洞是碳酸盐岩储层中油气的重要储集空间,是一种典型的非均质性地质体,在地震剖面上表现为“串珠状”。碳酸盐岩溶洞储集体在纵向上、横向上均有较强的非均质性,这对油气勘探开发带来极大的风险。
前人基于大量的物理模型和数值模型的波场模拟实验对溶洞型储层的地震响应进行了系统的分析和研究,提出了多种多样的叠后和叠前地震数据溶洞检测方法,如:相干算法、体曲率分析技术、叠前振幅各向异性分析技术、地层倾角方位角分析技术、累计能量差法等。但这些方法容易受到其他地质体的影响,如断层、河道等,也容易受到非地质因素的影响,不能准确的识别溶蚀溶洞,对钻探造成不小的挑战。
发明内容
本发明的目的就在于提供一种解决上述问题,一种基于梯度结构张量的溶洞识别、标记、定位及几何参数提取方法技术,利用局部梯度结构张量分析技术,构建对溶蚀孔洞地震响应敏感的算子,对溶蚀溶洞进行有效识别,进而利用孔洞标记法,对溶洞进行定位和几何参数的提取,对溶洞的形态和空间分布进行定量化解释的基于GST的碳酸盐岩非均质储层中溶洞识别标定方法。
为了实现上述目的,本发明采用的技术方案是这样的:
一种基于GST的碳酸盐岩非均质储层中溶洞识别标定方法,包括以下步骤:
(1)(1)根据三维叠后地震数据进行结构梯度张量的构建,并计算其特征值,所述特征值为λ1、λ2、λ3,且λ1≥λ2≥λ3;
(2)根据λ1、λ2,构建溶洞识别算子值根据Ccave值,构建Ccave属性数据体。
作为优选:还包括以下步骤:
(3)从Ccave属性数据体中抽取数个溶洞识别属性剖面,将其处理为二值化溶洞剖面,溶洞区域表现为1值,其他区域表现为0值;
(4)用二值图像连通区域标记法对二值化溶洞剖面进行连通域标记,得到连通域标记后的剖面,标记后的连通域为C,该二值化溶洞剖面为目标空间D,所述二值图像连通区域标记法为一步法。
作为优选:还包括以下步骤:
(5)从连通域标记后的剖面中进行溶洞定位及几何参数的提取;
(51)连通域质心确定,质心(xm,ym)
式中,xm为连通域质心的横坐标,ym为质心的纵坐标;pi为连通域C内点的像素值,在二值图像中,图像的像素值为1,即pi=1;
(52)连通域宽度确定:连通域宽度指在一个连通域内其最左边的像素点到最右边的像素点的X坐标之差的的绝对值;
wc=|xmax-xmin|
式中,xmin为在连通域C中最小横坐标值,即最左边的横坐标值,xmax为在连通域C最大横坐标值,即最右边的横坐标值;wc为连通域C的宽度;
(53)连通域高度确定:连通域高度指最顶端的纵坐标到最低端的纵坐标的差的绝对值;
hc=|ymax-ymin|
式中,ymin为在连通域C中最小横坐标值,即最顶端的纵坐标值,ymax为在连通域C最底端纵坐标值,即最右边的横坐标值;
(54)连通域的外切圆半径R外及内切圆半径R内:连通域的最左、最右和最顶、最低的四组坐标,构成四个顶点绘制一个矩形,R内为该矩形短边长的1/2,R外为该矩形长对角线的1/2。
作为优选:还包括以下步骤:
(6)定义溶洞的发育程度评估参数
(61)扁平度e:
当连通域形状接近圆形,其标记矩形为正方形,e=1,当连通域形状越扁平,扁平度e越大;
(62)溶洞体面孔率CVPA:
在连通域标记后的剖面上开设窗口,窗口长度为窗长,Ai为窗长内第i个孔洞的面积;Aw为窗长面积;N为窗长内的孔洞个数,CVPA为面孔率,根据下式计算面孔率
(63)溶洞的空间聚集度Ic:
式中,Ai为在目标空间D中的各连通域二维剖面面积,xi为连通域的质心的x坐标,yi为各连通域在质心的y坐标,为该区域的连通域的面积加权中心的横坐标、纵坐标,σx、σy为各连通域质心位置的方差,Ic为连通域的空间聚集度;
(64)所选窗口内溶洞的分选度SC:指储层中溶洞尺度的均匀程度、或溶洞尺度围绕集中趋势的偏离程度;
其中,以目标空间D中,所有连通域内切圆半径或者外接圆半径做粒度累计频率曲线,r25%和r75%为粒度累计频率曲线中,累计频率在25%和75%所对应的溶洞内切圆半径或者外接圆半径。
与现有技术相比,本发明的优点在于:提供一种基于梯度结构张量的溶洞识别、标定、定位及几何参数提取技术,主要包括梯度结构张量的溶洞识别算子的构建;利用局部梯度张量分析技术,对溶洞体进行属性加强识别,并利用孔洞标记算法,对溶洞体进行标定编号、定位及几何参数的提取。
其中,本发明提出了一个新的概念,利用特征值λ1、λ2,构建溶洞识别算子值根据Ccave值,构建Ccave属性数据体。其中,λ1、λ2分别反映的水平方向和竖直方向的变化特征,根据大量分析实验,发现最能反映溶洞下切方向的变化特征。
另外,根据Ccave属性数据体,从其中抽取数个溶洞识别属性剖面,将其处理为二值化溶洞剖面。
本发明还能实现对二值化溶洞剖面进行连通域标记,得到连通域标记后的剖面,用于后期研究中溶洞定位及几何参数的提取。
梯度结构张量特征值λ1、λ2、λ3的物理含义见下表1,
表1梯度结构张量特征值物理含义
附图说明
图1为本实施例所使用的原始叠后地震剖面示意图;
图2本发明方案流程图;
图3为从Ccave属性数据体中抽取的其中1个溶洞识别属性剖面图;
图4为图3经二值化处理后的二值化溶洞剖面图;
图5溶洞连通域一步法标记流程图
图6将图4经溶洞标定算法进行连通域标记后的剖面示意图;
图7为溶洞连通域参数计算图。
具体实施方式
为了解决现有基于叠后地震数据溶洞检测技术存在的问题,本文提供了一种基于梯度结构张量的溶洞自动识别、标定、定位及几何参数提取技术方法。该方案可以有效的解决现有溶洞识别技术的缺陷,提供一套高效的溶洞体自动解释技术。采用梯度结构张量和孔洞标定算法对溶洞体进行定量化的解释,同时有较高的自动化计算过程。其技术方案分为两个核心步骤:基于梯度结构张量溶洞体属性识别技术和基于孔洞标记算法的溶洞标定、定位及几何参数提取技术。
下面将结合附图对本发明作进一步说明。
实施例1:参见图1-图7,一种基于GST的碳酸盐岩非均质储层中溶洞识别标定方法,包括以下步骤:
(1)碳酸盐岩储层中溶洞表现为局部高能反射团,如图1所示,根据三维叠后地震数据构建结构梯度张量及特征值,所述特征值为λ1、λ2、λ3,且λ1≥λ2≥λ3;
(2)根据溶洞的地震响应特征分析,溶洞的形状可以近视看作类圆柱体的线性结构,所以根据表1的特征值的几何意义可知,λ1和λ2对溶洞形状敏感,由此我们根据λ1、λ2,构建出溶洞识别算子值,并根据Ccave值,构建Ccave属性数据体。由此将地震振幅数据转换为对溶洞高度敏感的GST数据体,其中溶洞呈现明显的高值异常,而其他地质结构呈现低值,极大的突出了溶洞特征,见图3。
(3)从Ccave属性数据体中抽取数个溶洞识别属性剖面,将其处理为二值化溶洞剖面,溶洞区域表现为1值,其他区域表现为0值,见图4。
具体方法为:以GST溶洞属性数据Ccave剖面为研究对象,通过滤波、对比度增强处理后,结合地质和测井资料,利用OSTU全局最优化阈值分割算法将Ccave二维剖面数据转换为二值图像,溶洞区域表现为1值,其他区域表现为0值。
(4)用二值图像连通区域标记法对二值化溶洞剖面进行连通域标记,得到连通域标记后的剖面,标记后的连通域为C,该二值化溶洞剖面为目标空间D,所述二值图像连通区域标记法为一步法。
溶洞连通域,所谓连通域是指由若干具有相同像素值的邻近的像素集合,该集合中像素具有如下的性质:①该集合的像素(在二值图像中)的灰度级是相同的;②同连通域中的像素两两联通,即在该连通域中任意的两点之间都存在有一条完全属于该连通域的路径将两点联通。在经过二值化处理的GST溶洞属性数据Ccave剖面上,感兴趣的是像素值为1的溶洞联通成分。用一步像素标记法对二值化的GST溶洞属性数据Ccave剖面进行一次高效溶洞标定。其步骤为:
1)输入二值图像,判断图像像素点是否是目标点(即像素值为1且没有被标记的像素点),如果是目标点进行标记然后执行第二步,如果不是转入下一个像素点进行目标点判定。
2)利用八联通域规则对目标点进行邻域搜索。如果该像素点在八邻域中的某个邻域内存在目标点,进行逐一识别标记,直到标记完该邻域为止。然后标记值加1,进行下一邻域的搜寻与标记。
3)循环第一步,第二步,直到所有邻域被标记完。
具体标记流程见图5。标记后的剖面见图6所示,图中溶洞连通域的色度深度不一致,即代表不同标记编号。
接下来,我们可以从上述处理后的图像中,进行溶洞定位及参数的提取,也就是步骤(5)(6)。
(5)从连通域标记后的剖面中进行溶洞定位及几何参数的提取;
(51)连通域质心确定,质心(xm,ym)
式中,xm为连通域质心的横坐标,ym为质心的纵坐标;pi为连通域C内点的像素值,在二值图像中,图像的像素值为1,即pi=1;
(52)连通域宽度确定:连通域宽度指在一个连通域内其最左边的像素点到最右边的像素点的X坐标之差的的绝对值;
wc=|xmax-xmin|
式中,xmin为在连通域C中最小横坐标值,即最左边的横坐标值,xmax为在连通域C最大横坐标值,即最右边的横坐标值;wc为连通域C的宽度;
(53)连通域高度确定:连通域高度指最顶端的纵坐标到最低端的纵坐标的差的绝对值;
hc=|ymax-ymin|
式中,ymin为在连通域C中最小横坐标值,即最顶端的纵坐标值,ymax为在连通域C最底端纵坐标值,即最右边的横坐标值;
(54)连通域的外切圆半径R外及内切圆半径R内:连通域的最左、最右和最顶、最低的四组坐标,构成四个顶点绘制一个矩形,R内为该矩形短边长的1/2,R外为该矩形长对角线的1/2。
(6)定义溶洞的发育程度评估参数
(61)扁平度e:
当连通域形状接近圆形,其标记矩形为正方形,e=1,当连通域形状越扁平,扁平度e越大;
实际上:根据沉积岩石学中描述溶蚀溶洞的发育程度,一般采用圆度的概念来描述,即孔洞的形状与圆形的接近程度,溶洞发育程度越高,其圆度越大,溶洞越接近圆形,反之,其圆度越低,溶洞形状越扁平。该式意义在于:当溶洞越发育,连通域形状接近圆形,其标记矩形为正方形,e=1。当溶洞不发育,其连通域形状越扁平,扁平度越大,当,e的极限为由此,通过扁平度分布,由此可以直观反映溶洞发育程度。
(72)溶洞体面孔率CVPA:上面的对于单个溶洞发育程度进行了定量描述,要对整个储层的溶洞分布情况和发育状况进行评价,采用孔洞面孔率参数,即单位窗口长度内孔洞面积,具体为:
在连通域标记后的剖面上开设窗口,窗口长度为窗长,Ai为窗长内第i个孔洞的面积;Aw为窗长面积;N为窗长内的孔洞个数,CVPA为面孔率,根据下式计算面孔率:
该参数可以反映目标储层的内溶洞发育状况及溶洞的分布,有利于碳酸盐岩储层的非均质性评估。
(63)溶洞的空间聚集度Ic:
除了单个溶洞的发育程度及溶洞在储层中所占空间的大小,而且还要分析溶洞的空间聚集程度及其分选性。溶洞的空间聚集程度越高,分选性越好,溶洞连通可能性越高,发育程度越高,溶洞型储层性质越好。所谓空间聚集度指的是溶洞的标记质心与其聚类中心的距离,在此结合碳酸盐岩溶洞的特点,定义溶洞空间聚集度如下:
式中,Ai为在目标空间D中的各连通域二维剖面面积,xi为连通域的质心的x坐标,yi为各连通域在质心的y坐标,为该区域的连通域的面积加权中心的横坐标、纵坐标,σx、σy为各连通域质心位置的方差,Ic为连通域的空间聚集度;
(64)所选窗口内溶洞的分选度SC:指储层中溶洞尺度的均匀程度、或溶洞尺度围绕集中趋势的偏离程度;
其中,以目标空间D中,所有连通域内切圆半径或者外接圆半径做粒度累计频率曲线,r25%和r75%为粒度累计频率曲线中,累计频率在25%和75%所对应的溶洞内切圆半径或者外接圆半径。
结合沉积学的理论,可以划分溶洞分选性:Sc=1~2.5,分选性好;Sc=2.5~4,分选性中等;Sc>4,分选性差。
以上确定的目标层段剖面的溶洞的发育程度及几何参数统计结果见表2所示。
表2:本实施案例中剖面的溶洞的发育程度及几何参数统计结果
图7整体分为上下两部分,从左到右由虚线分为个溶洞发育区。上部分的图为溶洞定位及规模标记特征;下部分的图为面孔率随道号的分布图;图中竖直的虚线为三个目标溶洞聚集区的分界线。
Claims (2)
1.一种基于GST的碳酸盐岩非均质储层中溶洞识别标定方法,其特征在于,包括以下步骤:
(1)根据三维叠后地震数据进行结构梯度张量的构建,并计算其特征值,所述特征值为λ1、λ2、λ3,且λ1≥λ2≥λ3;
(2)根据λ1、λ2,构建溶洞识别算子值根据Ccave值,构建Ccave属性数据体;
(3)从Ccave属性数据体中抽取数个溶洞识别属性剖面,将其处理为二值化溶洞剖面,溶洞区域表现为1值,其他区域表现为0值;
(4)用二值图像连通区域标记法对二值化溶洞剖面进行连通域标记,得到连通域标记后的剖面,标记后的连通域为C,该二值化溶洞剖面为目标空间D,所述二值图像连通区域标记法为一步法;
(5)从连通域标记后的剖面中进行溶洞定位及几何参数的提取;
(51)连通域质心确定,质心(xm,ym)
式中,xm为连通域质心的横坐标,ym为质心的纵坐标;pi为连通域C内点的像素值,在二值图像中,图像的像素值为1,即pi=1;
(52)连通域宽度确定:连通域宽度指在一个连通域内其最左边的像素点到最右边的像素点的X坐标之差的的绝对值;
wc=|xmax-xmin|
式中,xmin为在连通域C中最小横坐标值,即最左边的横坐标值,xmax为在连通域C最大横坐标值,即最右边的横坐标值;wc为连通域C的宽度;
(53)连通域高度确定:连通域高度指最顶端的纵坐标到最低端的纵坐标的差的绝对值;
hc=|ymax-ymin|
式中,ymin为在连通域C中最小横坐标值,即最顶端的纵坐标值,ymax为在连通域C最底端纵坐标值,即最右边的横坐标值;
(54)连通域的外切圆半径R外及内切圆半径R内:连通域的最左、最右和最顶、最低的四组坐标,构成四个顶点绘制一个矩形,R内为该矩形短边长的1/2,R外为该矩形长对角线的1/2。
2.根据权利要求1所述的基于GST的碳酸盐岩非均质储层中溶洞识别标定方法,其特征在于:还包括以下步骤:
(6)定义溶洞的发育程度评估参数
(61)扁平度e:
当连通域形状接近圆形,其标记矩形为正方形,e=1,当连通域形状越扁平,扁平度e越大;
(62)溶洞体面孔率CVPA:
在连通域标记后的剖面上开设窗口,窗口长度为窗长,Ai为窗长内第i个孔洞的面积;Aw为窗长面积;N为窗长内的孔洞个数,CVPA为面孔率,根据下式计算面孔率
(63)溶洞的空间聚集度Ic:
式中,Ai为窗长内第i个孔洞的面积,xi为连通域的质心的x坐标,yi为各连通域在质心的y坐标,为该区域的连通域的面积加权中心的横坐标、纵坐标,σx、σy为各连通域质心位置的方差,Ic为连通域的空间聚集度;
(64)所选窗口内溶洞的分选度SC:指储层中溶洞尺度的均匀程度、或溶洞尺度围绕集中趋势的偏离程度;
其中,以目标空间D中,所有连通域内切圆半径或者外接圆半径做粒度累计频率曲线,r25%和r75%为粒度累计频率曲线中,累计频率在25%和75%所对应的溶洞内切圆半径或者外接圆半径。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710636436.3A CN107632319B (zh) | 2017-07-31 | 2017-07-31 | 基于gst的碳酸盐岩非均质储层中溶洞识别标定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710636436.3A CN107632319B (zh) | 2017-07-31 | 2017-07-31 | 基于gst的碳酸盐岩非均质储层中溶洞识别标定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107632319A CN107632319A (zh) | 2018-01-26 |
CN107632319B true CN107632319B (zh) | 2019-02-15 |
Family
ID=61099327
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710636436.3A Active CN107632319B (zh) | 2017-07-31 | 2017-07-31 | 基于gst的碳酸盐岩非均质储层中溶洞识别标定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107632319B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110941027B (zh) * | 2018-09-21 | 2022-03-22 | 潜能恒信能源技术股份有限公司 | 一种计算碳酸盐岩溶蚀孔洞型地热能储量的方法和系统 |
CN110737024B (zh) * | 2019-11-05 | 2020-06-30 | 中国科学院测量与地球物理研究所 | 地震波信号的处理方法、装置、设备及存储介质 |
CN113807359B (zh) * | 2020-06-17 | 2024-05-10 | 中国石油化工股份有限公司 | 井间连通路径智能识别方法及电子设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110115787A1 (en) * | 2008-04-11 | 2011-05-19 | Terraspark Geosciences, Llc | Visulation of geologic features using data representations thereof |
CN102110332B (zh) * | 2009-12-24 | 2013-01-09 | 上海阿艾依智控系统有限公司 | 基于计算机视觉及射频识别技术的书本登记管理装置 |
CN103325118A (zh) * | 2013-06-26 | 2013-09-25 | 中国石油大学(北京) | 一种获取碳酸盐岩岩心孔洞特征参数的方法及装置 |
CN103792576A (zh) * | 2014-01-28 | 2014-05-14 | 中国石油天然气股份有限公司 | 一种基于梯度结构张量的储层非均质检测方法及设备 |
CN104483708A (zh) * | 2014-11-23 | 2015-04-01 | 成都理工大学 | 碳酸盐岩溶洞型储集体地震检测的累计能量差方法 |
CN105223608B (zh) * | 2015-08-07 | 2017-08-04 | 中国石油大学(华东) | 一种含煤强屏蔽缝洞型储层的地震预测与描述方法 |
-
2017
- 2017-07-31 CN CN201710636436.3A patent/CN107632319B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107632319A (zh) | 2018-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | An individual tree segmentation method based on watershed algorithm and three-dimensional spatial distribution analysis from airborne LiDAR point clouds | |
Sofia | Combining geomorphometry, feature extraction techniques and Earth-surface processes research: The way forward | |
Cai et al. | Landslide detection using densely connected convolutional networks and environmental conditions | |
Verdonck et al. | Ground-penetrating radar survey at Falerii Novi: A new approach to the study of Roman cities | |
CN105260737B (zh) | 一种融合多尺度特征的激光扫描数据物理平面自动化提取方法 | |
Ehrlich et al. | Petrography and reservoir physics I: objective classification of reservoir porosity (1) | |
Eisank et al. | Assessment of multiresolution segmentation for delimiting drumlins in digital elevation models | |
CN107632319B (zh) | 基于gst的碳酸盐岩非均质储层中溶洞识别标定方法 | |
WO2016138874A1 (zh) | 位场构造格架自动提取方法 | |
Libohova et al. | Geomorphons: Landform and property predictions in a glacial moraine in Indiana landscapes | |
CN105572736B (zh) | 一种利用地震资料定量预测坡折带的方法 | |
Bohnenstiehl et al. | A modified basal outlining algorithm for identifying topographic highs from gridded elevation data, Part 1: Motivation and methods | |
CN109407161A (zh) | 用于提取地球物理磁异常场边界的磁场刻痕分析方法 | |
CN109839663A (zh) | 一种隐伏陷落柱的地震识别方法和装置 | |
CN106014397B (zh) | 一种成像测井缝洞储层参数提取方法 | |
CN113610070A (zh) | 一种基于多源数据融合的滑坡灾害识别方法 | |
Bugnicourt et al. | Using textural analysis for regional landform and landscape mapping, Eastern Guiana Shield | |
Chen et al. | A higher-order tensor voting-based approach for road junction detection and delineation from airborne LiDAR data | |
Trevisani et al. | Variogram maps from LiDAR data as fingerprints of surface morphology on scree slopes | |
CN107316341A (zh) | 一种多点地质统计学沉积相建模方法 | |
CN111596365A (zh) | 针对盐下湖相碳酸盐岩储层段的火山喷发岩地震解释方法 | |
CN117475314B (zh) | 一种地质灾害隐患立体识别方法、系统及介质 | |
Zhang et al. | Extracting physical urban areas of 81 major Chinese cities from high-resolution land uses | |
Fournillon et al. | Characterization of karstic networks by automatic extraction of geometrical and topological parameters: comparison between observations and stochastic simulations | |
CN108648200A (zh) | 一种间接的城市高分辨率不透水面提取方法 |
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 |