CN108287974A - 面向土地利用变化元胞自动机模拟精度的耦合评价方法 - Google Patents
面向土地利用变化元胞自动机模拟精度的耦合评价方法 Download PDFInfo
- Publication number
- CN108287974A CN108287974A CN201810106979.9A CN201810106979A CN108287974A CN 108287974 A CN108287974 A CN 108287974A CN 201810106979 A CN201810106979 A CN 201810106979A CN 108287974 A CN108287974 A CN 108287974A
- Authority
- CN
- China
- Prior art keywords
- land use
- simulation
- precision
- change survey
- evaluation
- 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
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
本发明公开了一种面向土地利用变化元胞自动机模拟精度的耦合评价方法，首先利用遥感影像来提取土地利用信息，再基于元胞自动机进行土地利用变化模拟并计算精度评价指标Kappa系数和Contagion指数，然后利用熵权法对Kappa系数和Contagion指数赋予权重，并根据其权重构建模拟精度的耦合评价模型，更加准确地评价土地利用变化的模拟精度，从而实现全面客观地分析土地利用变化的问题。本发明对于土地利用变化模拟精度的评价指标选取问题上，不仅仅使用较为主流的Kappa系数，还选取了合适的景观指数Contagion指数，构建一个针对模拟精度的耦合评价模型，同现有单独采用某个方面指标相比，本模型则从数值误差和误差空间分布两个方面综合地考虑土地利用变化元胞自动机的模拟精度。
Description
技术领域
本发明属于模拟精度评价技术领域，涉及一种土地利用变化模拟精度的评价方法，特别涉及一种利用Kappa系数和Contagion指数评价土地利用变化元胞自动机模拟精度的耦合方法。
背景技术
土地利用空间格局由于人为活动发生了巨大的改变，这对人类自然和社会环境带来了很大的影响。因而准确掌握土地利用信息和变化动态情况，模拟和预测土地利用变化及其空间演变信息，能为城市决策者合理利用和开发土地资源提供一定的参考依据。
为对土地利用变化信息有全面的认识，必须构建一个适合于研究复杂系统的理论和方法，充分的估计其内在机制复杂度。目前，国内外学者们已经构建了很多用于研究土地利用变化信息的模型，例如马尔科夫链、多因素统计、系统动力学理论、CLUE模型、多智能体和元胞自动机等。这些模型能够对土地利用类型在时空上的演变进行分析，并对未来变化趋势做出较为准确的预估和判断，以此来有效地保护和开发土地资源。
不同的空间尺度将会产生不同的模拟结果，为实现对未来土地利用变化较为准确地预测，需要对其模拟结果进行定量的评价。目前国内外多以Kappa系数作为评价模拟精度的指标，一般来讲，其值越大，代表模拟精度越高。除此之外，也有学者引入景观指数对空间格局进行分析。这些评价指标都在一定的程度上能够对模拟结果进行有效评价，在精度评价研究中应用都较为广泛。但是仍然存在一些问题，较为主流的Kappa系数是一个基于概率事件的系数，虽然能在数值上提供准确性的判断，但是缺失误差在空间上反映的信息。选取合适的景观指数能够量化空间上误差分布的信息，但是目前的研究都只是分别对Kappa系数和某些景观指数进行量化分析，缺乏一个耦合的指标评价体系，从而综合地从数值误差和空间误差两方面考虑模型的模拟精度。
发明内容
本发明的目的是提供一种土地利用变化模拟精度的评价方法，该方法耦合Kappa系数和Contagion指数，可更加准确地评价土地利用模拟精度，从而实现全面客观地分析土地利用变化的问题。
本发明所采用的技术方案是：一种面向土地利用变化元胞自动机模拟精度的耦合评价方法，其特征在于，包括以下步骤：
步骤1：利用遥感影像来获取土地利用变化分类图；
步骤2：基于元胞自动机进行土地利用变化模拟并计算精度评价指标Kappa系数和Contagion指数；
步骤3：利用熵权法对Kappa系数和Contagion指数赋予权重，根据其权重构建模拟精度的耦合评价模型；通过计算所得的耦合评价值，准确地评价土地利用变化的模拟精度；其中，计算所得的耦合评价值越大表示模拟精度越高，耦合评价值越小表示模拟精度越低。
本发明与现有技术相比有以下的主要的优点：
1.本发明对于土地利用变化模拟精度的评价指标选取问题上，不仅仅使用较为主流的Kappa系数，还选取了合适的景观指数Contagion指数。
例如，在本发明中，Kappa系数是一个基于概率事件的系数，虽然能在数值上评价模拟的精度，但是缺失误差在空间上反映的信息；Contagion指数是根据重分类为误差和无误差的土地利用变化模拟误差分布图像计算得来的指数，可以从景观水平上评价模拟误差在整体空间的分布。
2.构建一个模拟精度耦合评价模型，不再分别对Kappa系数和某些景观指数进行量化比较，从而综合地从数值误差和误差空间分布两方面考虑土地利用变化的模拟精度。
附图说明
图1是本发明实施例的流程图；
图2是本发明实施例中武汉市1987年的土地利用分类图；
图3是本发明实施例中武汉市1996年的土地利用分类图；
图4是本发明实施例中武汉市2005年的土地利用分类图；
图5是本发明实施例中基于元胞自动机土地利用变化模拟图；
图6是本发明实施例中土地利用变化模拟误差空间分布图。
具体实施方式
为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。
本发明针对现有研究在土地利用变化模拟精度评价分析与表达上的缺陷和不足，提出了一种耦合Kappa系数和Contagion指数来评价土地利用变化元胞自动机模拟精度的方法，该方法是：首先利用遥感影像来提取土地利用信息，再基于元胞自动机进行土地利用变化模拟并计算精度评价指标Kappa系数和Contagion指数，然后利用熵权法对Kappa系数和Contagion指数赋予权重，并根据其权重构建模拟精度的耦合评价模型，更加准确地评价土地利用变化的模拟精度，从而实现全面客观地分析土地利用变化的问题。
本发明的技术核心内容是根据Kappa系数和Contagion指数的特性，将耦合Kappa系数和Contagion指数的评价模型运用于土地利用变化元胞自动机模拟中，探测出土地利用变化的模拟精度。
请见图1，本发明提供的一种面向土地利用变化元胞自动机模拟精度的耦合评价方法，包括以下步骤：
步骤1：利用遥感影像来提取土地利用变化分类图；根据实际情况，可将土地利用类型划分为水体、人造地表、耕地等多种类型。
步骤2：基于元胞自动机进行土地利用变化模拟并计算精度评价指标Kappa系数和Contagion指数；
其步骤包括：
(1)用IDRISI Andes软件中的元胞自动机模型完成对研究区域的土地利用变化模拟；
(2)将土地利用变化的模拟图和分类图导入IDRISI Andes软件CROSSTAB模块中，得到精度评价指标Kappa系数，同时获取土地利用变化的交叉分类图像；
本实施例采用以下方法计算精度评价指标Contagion指数：
(1)用IDRISI Andes软件中的元胞自动机模型完成对研究区域的土地利用变化模拟；
(2)将土地利用变化的模拟图和分类图导入IDRISI Andes软件的CROSSTAB模块中，获取土地利用变化的交叉分类图像；
(3)将土地利用变化的交叉分类图像导入ArcGIS软件中，对其进行重分类，获取土地利用变化模拟误差分布图像；
本实施例采用以下方法获取土地利用变化模拟误差分布图像，首先将土地利用变化的交叉分类图像导入ArcGIS软件中，使用其重分类功能，将交叉分类图像中土地类型一致的重分类值设为0，表示无误差；土地类型不一致的重分类值为1，表示误差；图像背景重分类值设为无数据；然后将重分类后的土地利用变化交叉分类图像在ArcGIS软件中存储为TIFF格式，得到土地利用变化模拟误差分布图像。
(4)将土地利用变化模拟误差分布图像导入Fragstats软件中，计算Contagion指数；
首先将土地利用变化模拟误差分布图像导入Fragstats软件中，选择斑块水平的参数Patch Area和Euclidean Nearest-Neighbor Distance，类别水平的参数Total Area、Largest Patch Index、Total Edge、Edge Density、Number of Patches、Patch Density、Clumpiness和Patch Cohesion Index，景观水平的参数Total Area、Largest PatchIndex、Total Edge、Edge Density、Number of Patches、Patch Density、Contagion和Patch Cohesion Index；
完成参数选择后，保存该模板可用于后续多组试验，运行软件后计算得到精度评价指标Contagion指数，其余指标在软件输入均是基础必备的，不参与到之后指标权重的计算当中。
步骤3：利用熵权法对Kappa系数和Contagion指数赋予权重，根据其权重构建模拟精度的耦合评价模型。通过计算所得的耦合评价值，准确地评价土地利用变化的模拟精度。计算所得的耦合评价值越大表示模拟精度越高，耦合评价值越小表示模拟精度越低。
本实施例采用以下方法构建模拟精度耦合评价模型：
(1)将精度评价指标Kappa系数和Contagion指数导入SPSS软件中，进行Z-score标准化，得到标准化后的指标值Zk和Zc。
本发明中选取的的精度评价指标单位不同，为了统一量纲，故采用Z-score标准化的方法对上述指标进行标准化处理。
(2)将标准化后的指标值Zk和Zc导入MATLAB软件中，调用熵权法命令，计算得到指标值Zk和Zc的权重Wk和Wc；
在本发明中Kappa系数作为在数值上评价模拟精度的指标，其值越大表明精度越高；Contagion指数作为在空间上评价模拟误差分布的指标，其值越小表明误差分布越均匀，越大代表误差分布越聚集。因此，在利用熵权法确定Kappa系数和Contagion指数的权重时，Kappa系数为越大越优型指标，而Contagion指数则为越小越优型指标。
(3)根据Z-score标准化后的指标值Zk和Zc及其权重Wk和Wc，构建模拟精度耦合评价模型Y＝WkZk+Wc(A-Zc)，A为标准化后的指标值Zc的区间最大距离取整值，其目的是使耦合评价值大于零。
在本发明中计算所得的耦合评价值越大表示模拟精度越高，耦合评价值越小表示模拟精度越低。
本实施例根据评价指标权重构建模拟精度的耦合评价模型，并通过计算所得的耦合评价值，更加准确地评价土地利用变化的模拟精度，从而实现全面客观地分析土地利用变化的问题。
本发明提供的上述方法可以为综合地考虑土地利用变化的模拟精度提供理论与实际研究参考依据。下面以具体实例说明：
(1)以1987、1996和2005年武汉市Landsat TM遥感影像数据为基础数据，经过无缝镶嵌拼接、去条带、波段融合以及遥感影像解译分类等一系列数据预处理工作，提取土地利用基础数据。根据武汉市土地实际利用情况，将土地利用类型划分为5大类：水体、人造地表、林地、耕地和其他用地，获得3个不同时期的土地利用分类图，如图2-图4所示。
(2)本发明中所使用的数据原始空间分辨率均为30m，考虑到元胞大小对土地利用模拟结果的影响，需要对分类数据进行重采样，得到元胞大小为90m、150m、210m、270m和330m的土地利用分类图。
(3)将1987、1996和2005年的土地利用分类图分别导入IDRISI Andes软件中，由于IDRISI Andes仅支持栅格数据格式(RST格式)，需要通过File→Import→DesktopPublishing Formats→GEOTIFF/TIFF模块将原来的TIFF格式转换为RST格式。
(4)根据试验方案表1，完成6组土地利用变化模拟试验。在IDRISI Andes软件中，利用1987和1996年的土地利用分类图，通过Modeling→Environmental/Simulationmodels→MARKOV模块，获取马尔科夫转移矩阵。然后在CA_Markov模块中，以1996的土地利用分类图为基础数据，导入所获取得马尔科夫转移矩阵，选取邻域类型和邻域大小，预测2005年的土地利用变化情况，获取2005年的土地利用变化模拟图，如图5所示，其中每个子图代表每个试验号下邻域类型为Moore或Von时的土地利用变化模拟图；
表1
*Moore:Moore邻域类型
*Von:Von Neumann邻域类型
(5)在IDRISI Andes中，通过GIS Analysis→Database Query→CROSSTAB模块，输入2005年的土地利用分类图和模拟图，获取精度评价指标Kappa系数及土地利用变化的交叉分类图像，得到的结果参见表1中的Kappa系数值。在ArcGIS软件中，使用其重分类功能，将交叉分类图像中土地类型一致的重分类值设为0，表示无误差；土地类型不一致的重分类值为1，表示误差；图像背景重分类值设为无数据，得到土地利用变化模拟误差分布图像，如图6所示，其中每个子图代表每个试验号下邻域类型为Moore或Von时的土地利用变化模拟误差分布图；然后将土地利用变化模拟误差分布图像导入Fragstats软件中，计算出精度评价指标Contagion指数，得到的结果参见表1中的Contagion指数值。
(6)将精度评价指标Kappa系数和Contagion指数导入SPSS软件中，进行Z-score标准化，得到标准化后的指标值Zk和Zc，计算结果数据见表2。然后将Zk和Zc输入到data_entropy.xls文件中，在MATLAB软件中调用熵权法命令，计算得到指标值Zk和Zc的权重0.6830和0.3170，构建模拟精度耦合评价模型Y＝0.6830Zk+0.3170(3-Zc)，计算结果数据见表2。
表2
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。
Claims (4)
1.一种面向土地利用变化元胞自动机模拟精度的耦合评价方法，其特征在于，包括以下步骤：
步骤1：利用遥感影像来获取土地利用变化分类图；
步骤2：基于元胞自动机进行土地利用变化模拟并计算精度评价指标Kappa系数和Contagion指数；
步骤3：利用熵权法对Kappa系数和Contagion指数赋予权重，根据其权重构建模拟精度的耦合评价模型；通过计算所得的耦合评价值，准确地评价土地利用变化的模拟精度；其中，计算所得的耦合评价值越大表示模拟精度越高，耦合评价值越小表示模拟精度越低。
2.根据权利要求1所述的面向土地利用变化元胞自动机模拟精度的耦合评价方法，其特征在于，步骤2中计算精度评价指标Contagion指数，具体实现包括以下子步骤：
步骤2.1：用元胞自动机模型完成对研究区域的土地利用变化模拟；
步骤2.2：根据土地利用变化的模拟图和分类图，获取土地利用变化的交叉分类图像；
步骤2.3：对土地利用变化的交叉分类图像进行重分类，获取土地利用变化模拟误差分布图像；
步骤2.4：根据土地利用变化模拟误差分布图像，计算Contagion指数。
3.根据权利要求2所述的面向土地利用变化元胞自动机模拟精度的耦合评价方法，其特征在于，步骤2.3的具体实现过程是：对土地利用变化的交叉分类图像进行重分类，将交叉分类图像中土地类型一致的重分类值设为0，表示无误差；土地类型不一致的重分类值为1，表示误差；图像背景重分类值设为无数据；获得土地利用变化模拟误差分布图像。
4.根据权利要求1-3任意一项所述的面向土地利用变化元胞自动机模拟精度的耦合评价方法，其特征在于，步骤3中所述根据权重构建模拟精度的耦合评价模型，具体实现包括以下子步骤：
步骤3.1：将精度评价指标Kappa系数和Contagion指数进行Z-score标准化，得到标准化后的指标值Zk和Zc；
步骤3.2：利用熵权法计算得到指标值Zk和Zc的权重Wk和Wc；
步骤3.3：根据Zk和Zc及其权重Wk和Wc，构建模拟精度的耦合评价模型Y＝WkZk+Wc(A-Zc)，A为标准化后的指标值Zc的区间最大距离取整值，其目的是使耦合评价值大于零。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810106979.9A CN108287974A (zh) | 2018-02-02 | 2018-02-02 | 面向土地利用变化元胞自动机模拟精度的耦合评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810106979.9A CN108287974A (zh) | 2018-02-02 | 2018-02-02 | 面向土地利用变化元胞自动机模拟精度的耦合评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108287974A true CN108287974A (zh) | 2018-07-17 |
Family
ID=62836478
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810106979.9A Pending CN108287974A (zh) | 2018-02-02 | 2018-02-02 | 面向土地利用变化元胞自动机模拟精度的耦合评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108287974A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109858180A (zh) * | 2019-02-26 | 2019-06-07 | 中国农业大学 | 一种区域作物耗水空间格局优化设计方法 |
| CN110213037A (zh) * | 2019-06-03 | 2019-09-06 | 华中师范大学 | 一种适合硬件环境的流密码加密方法及系统 |
| CN111080070A (zh) * | 2019-11-19 | 2020-04-28 | 同济大学 | 一种基于空间误差的城市土地利用模拟元胞自动机方法 |
| CN111581764A (zh) * | 2019-02-18 | 2020-08-25 | 中国科学院深圳先进技术研究院 | 一种模型精度评价方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1987906A (zh) * | 2005-12-22 | 2007-06-27 | 中国煤炭地质总局航测遥感局 | 土地利用变化动态预测的方法 |
| CN102841963A (zh) * | 2012-08-15 | 2012-12-26 | 武汉理工大学 | 元胞自动机模型尺度敏感性的探测方法 |
| CN106021751A (zh) * | 2016-05-26 | 2016-10-12 | 上海海洋大学 | 基于ca和sar的海岸带土地利用变化模拟方法 |
| CN106651182A (zh) * | 2016-12-25 | 2017-05-10 | 北京工业大学 | 基于熵权重的轨道客流拥塞风险评价方法 |
| CN107194610A (zh) * | 2017-06-16 | 2017-09-22 | 北京师范大学 | 基于结构‑过程‑功能模型的城市生态安全评价方法 |
| CN107506920A (zh) * | 2017-07-24 | 2017-12-22 | 南京大学 | 土地资源节约利用与环境友好一体化评价方法 |
-
2018
- 2018-02-02 CN CN201810106979.9A patent/CN108287974A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1987906A (zh) * | 2005-12-22 | 2007-06-27 | 中国煤炭地质总局航测遥感局 | 土地利用变化动态预测的方法 |
| CN102841963A (zh) * | 2012-08-15 | 2012-12-26 | 武汉理工大学 | 元胞自动机模型尺度敏感性的探测方法 |
| CN106021751A (zh) * | 2016-05-26 | 2016-10-12 | 上海海洋大学 | 基于ca和sar的海岸带土地利用变化模拟方法 |
| CN106651182A (zh) * | 2016-12-25 | 2017-05-10 | 北京工业大学 | 基于熵权重的轨道客流拥塞风险评价方法 |
| CN107194610A (zh) * | 2017-06-16 | 2017-09-22 | 北京师范大学 | 基于结构‑过程‑功能模型的城市生态安全评价方法 |
| CN107506920A (zh) * | 2017-07-24 | 2017-12-22 | 南京大学 | 土地资源节约利用与环境友好一体化评价方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈青: "基于LUCC的福清市生态系统服务价值及功能变化研究", 《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111581764A (zh) * | 2019-02-18 | 2020-08-25 | 中国科学院深圳先进技术研究院 | 一种模型精度评价方法 |
| CN109858180A (zh) * | 2019-02-26 | 2019-06-07 | 中国农业大学 | 一种区域作物耗水空间格局优化设计方法 |
| CN110213037A (zh) * | 2019-06-03 | 2019-09-06 | 华中师范大学 | 一种适合硬件环境的流密码加密方法及系统 |
| CN110213037B (zh) * | 2019-06-03 | 2022-05-20 | 华中师范大学 | 一种适合硬件环境的流密码加密方法及系统 |
| CN111080070A (zh) * | 2019-11-19 | 2020-04-28 | 同济大学 | 一种基于空间误差的城市土地利用模拟元胞自动机方法 |
| CN111080070B (zh) * | 2019-11-19 | 2023-05-02 | 同济大学 | 一种基于空间误差的城市土地利用模拟元胞自动机方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109508360B (zh) | 一种基于元胞自动机的地理多元流数据时空自相关分析方法 | |
| GB2547816B (en) | Actually-measured marine environment data assimilation method based on sequence recursive filtering three-dimensional variation | |
| CN108287974A (zh) | 面向土地利用变化元胞自动机模拟精度的耦合评价方法 | |
| CN109142679B (zh) | 基于人工神经网络克里金插值的森林土壤养分的空间预测方法 | |
| CN104764868B (zh) | 一种基于地理加权回归的土壤有机碳预测方法 | |
| CN105893669A (zh) | 一种基于数据挖掘的全局仿真性能预测方法 | |
| CN106295613A (zh) | 一种无人机目标定位方法及系统 | |
| CN101853290A (zh) | 基于地理信息系统的气象服务效益评估方法 | |
| CN104899448B (zh) | 一种集合卡尔曼滤波静态局地化方案的自适应补偿方法 | |
| CN106909899A (zh) | 一种湿地景观演变过程的分析方法及分析系统 | |
| CN110188927A (zh) | 一种城市热岛主控因素的分析方法、装置及存储介质 | |
| CN102222313A (zh) | 基于核主成分分析的城市演化模拟元胞模型处理方法 | |
| CN104820826B (zh) | 一种基于数字高程模型的坡形提取与识别方法 | |
| Xu et al. | Land-use change modeling with cellular automata using land natural evolution unit | |
| CN201716727U (zh) | 基于遥感与gis的地理模拟系统 | |
| Yu et al. | Parametrically generating new instances of traditional Chinese private gardens that replicate selected socio-spatial and aesthetic properties | |
| CN114548494B (zh) | 一种可视化造价数据预测智能分析系统 | |
| CN104182456B (zh) | 一种基于mrs‑mm目标匹配模型的空间实体增量提取方法 | |
| CN104794335A (zh) | 一种通用多级空间抽样方法 | |
| CN105243503A (zh) | 基于空间变量和logistic回归的海岸带生态安全评估方法 | |
| CN102208027B (zh) | 基于间隙度维数的土地利用空间格局评价方法 | |
| CN105893590A (zh) | 一种用于数字地形分析建模知识案例化自动处理方法 | |
| CN116720632B (zh) | 基于gis和bim的工程建设智能管理方法及系统 | |
| CN113112152A (zh) | 一种国土空间规划现状评估方法 | |
| Zhao et al. | Key Technologies of forest resource examination system development in China |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180717 |