CN109326086A - 一种基于生态模型的绿潮灾害预警系统及其使用方法 - Google Patents
一种基于生态模型的绿潮灾害预警系统及其使用方法 Download PDFInfo
- Publication number
- CN109326086A CN109326086A CN201811202114.9A CN201811202114A CN109326086A CN 109326086 A CN109326086 A CN 109326086A CN 201811202114 A CN201811202114 A CN 201811202114A CN 109326086 A CN109326086 A CN 109326086A
- Authority
- CN
- China
- Prior art keywords
- green tide
- module
- information
- early warning
- forecast
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/1851—Systems using a satellite or space-based relay
- H04B7/18517—Transmission equipment in earth stations
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于生态模型的绿潮灾害预警系统及其方法,该系统包括绿潮信息数据库、可视化预报系统、敏感区预警系统三部分,绿潮信息数据库包括自动反演模块和手动输入模块,主要是下载和存储绿潮发生初期的位置,时间及覆盖面积;可视化预报系统包括系统管理模块、典型生态模型信息模块、预报模块以及绿潮生态模型知识模块;敏感区预警系统包括数据图形分析器模块和预警模块,具有数据分析、绘图以及敏感区预警示意等功能,并且可同可视化预报系统完美结合。本发明有益效果是;易操作,可以自动下载卫星数据判断绿潮发生;可以根据绿潮信息数据库绿潮数据预报绿潮漂移路径和发展过程;针对性强,可以针对预先设定的敏感区进行预警。
Description
技术领域
本发明涉及海洋生态系统动力学领域,具体涉及一种基于生态模型的绿潮灾害预警系统及其使用方法。
背景技术
绿潮是指大型海洋绿藻大量增殖现象,作为一种自然灾害,绿潮在全球沿岸海域爆发越来越频繁,发生地理范围也日趋增大,对社会经济和人类发展造成了严重的危害,当其大面积爆发时,对海洋环境、海洋渔业和海洋生态系统都会造成一定的影响。因此对绿潮灾害预警的研究,可以进一步提高绿潮的应急预警水平,保证海洋资源可持续利用,保护海洋生态系统。但是现有的绿潮灾害预警系统还存在一些发现滞后,无法预警绿潮爆发范围大小,迁移路径,登陆地点,爆发时间及存在时间长短等问题。
发明内容
有鉴于此,本发明提供了一种基于生态模型的绿潮灾害预警系统及其使用方法,目的在于自动下载卫星数据判断绿潮发生;根据绿潮信息数据库绿潮数据预报绿潮漂移路径和发展过程;针对预先设定的敏感区进行预警。详见下文描述。
一种基于生态模型的绿潮灾害预警系统,所述内容包括绿潮信息数据库、可视化预报系统、敏感区预警系统三部分,其中:
绿潮信息数据库包括自动反演模块和手动输入模块,分别支持自动下载MODIS卫星数据,以此判断是否有绿潮发生,再通过计算植被指数反演、提取并储存绿潮出现的位置,时间及覆盖面积,或者,也可通过人为发现绿潮,手动输入绿潮相关信息;
可视化预报系统能实现该系统相关信息的可视化,便于操作和数据分析,它主要包括系统管理模块、典型生态模型信息模块、预报模块以及绿潮生态模型知识模块;
敏感区预警系统主要采用了图形用户界面技术,具有数据分析,绘图以及敏感区预警示意等功能,并且可同可视化预报系统完美结合。预警系统中设置敏感区,将自动对到达敏感区的绿潮警报生成报表并发布警报。包括数据图形分析器模块和预警模块;
进一步的,所述绿潮信息数据库的存储信息还包括自动反演模块,通过水色卫星遥感,如EOS-Terra和EOS-Aqua卫星的MODIS传感器的遥感图像自动下载MODIS卫星数据,以此判断是否有绿潮发生,通过计算植被指数反演、提取并储存绿潮出现的位置,时间及覆盖面积,或者,也可通过或船舶走航监测等方法,人为发现绿潮,手动输入绿潮相关信息,将绿潮信息手动输入数据库;还包括管理用户数据;保存相关文档、图像数据,以及操作过程中所产生的临时数据。进一步地,所述可视化预报系统具有用户管理权限区分机制,在软件系统中,可以设置不同权限的系统用户,根据相应的权限开放不同的系统管理功能;
进一步地,所述可视化预报系统的典型生态模型信息模块,将基于多年实测数据构建的生态预测模型置入。同时,根据具体的应用环境调节相关的模型参数和对生态过程的选择;
进一步地,所述可视化预报系统的预报模块,基于生态模型,对绿潮信息数据库信息进行预报绿潮漂移路径及覆盖面积;
进一步地,所述敏感区预警系统通过可视化预报系统的典型生态模型信息模块、绿潮信息数据库、预报模块进行信息的交互;
进一步地,所述数据图形分析及敏感区预警系统中设置敏感区,根据绿潮的预报结果,自动对可能影响到敏感区的绿潮发表预警并自动生成报表。
附图说明
图1为本发明一种基于生态模型的绿潮灾害预警系统的示意图;
图2为本发明的绿潮信息数据库各模块功能图;
图3为本发明的可视化预报系统各模块功能图;
图4为本发明的敏感区预警系统各模块功能图;
图5为本发明的绿潮信息数据库功能及流程图;
图6为本发明的预报模块功能及流程图;
图7为本发明的敏感区预警模块功能及流程图;
图8a为本发明的实施例发现绿潮出现位置的示意图;
图8b为本发明的实施例15天后绿潮漂移路径及覆盖面积分布图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面对本发明实施方式作进一步地详细描述。
如图1至4所示,一种基于生态模型的绿潮灾害预警系统,目的在于自动下载卫星数据判断绿潮发生;根据绿潮信息数据库绿潮数据预报绿潮漂移路径和发展过程;针对预先设定的敏感区进行预警。
该系统如图1所示,包括绿潮信息数据库、可视化预报系统、敏感区预警系统三部分,可视化预报系统主要包括系统管理模块、典型生态模型信息模块、预报模块以及绿潮生态模型知识模块;敏感区预警系统主要采用了图形用户界面技术,具有数据分析,绘图以及敏感区预警示意等功能,并且可同可视化预报系统完美结合。预警系统中设置敏感区,将自动对到达敏感区的绿潮警报生成报表并发布警报。包括数据图形分析器模块和预警模块。绿潮信息数据库主要下载和存储绿潮发生初期的位置,时间及覆盖面积,包括自动反演模块和手动输入模块。
如图5至7所示,一种基于生态模型的绿潮灾害预警系统的使用方法,步骤一,建立绿潮信息数据库:通过自动反演模块自动下载卫星数据,计算归一化植被指数,反演、提取信息,判断绿潮发生,进而得出绿潮发生位置、时间、覆盖范围信息,或通过认为输入绿潮发生的相关信息,并将信息存入数据库内,若存在绿潮则自动启动可视化预报系统。绿潮数据信息库的自动下载卫星数据MODIS,为判断是否有绿潮发生,再通过计算植被指数反演、提取并储存绿潮出现的位置,时间及覆盖面积,或通过或船舶走航监测方法人为发现绿潮,手动输入绿潮相关信息。
步骤二,建立预报模块:在可视化预报系统内的典型生态模型信息模块选择生态过程并设置参数,利用数据库绿潮数据,运算模型,预报绿潮发生的漂移路径及覆盖面积,将模型运算结果存至绿潮信息数据库,对预报结果进行直观的显示和分析,表示绿潮分布及影响区域。预报模块对绿潮信息数据库输入的信息进行模型运算,对信息添加,删除,修改,将数据导入Excel表格进行计算,计算结果可以保留在原有表格或新建表格,同时对预报结果进行直观的显示和分析,提供绿潮分布及影响绿潮预报信息的图片。
步骤三,建立敏感区预警模块:选择或设定敏感区,针对预报模块绿潮信息,进行数据处理,画出示意图,判断是否影响敏感区,自动对可能影响到敏感区的绿潮发表预警并自动生成报表。敏感区预警模块,对预报模块结果,进行判断分析,数据分析、绘图和判断敏感区,内置数据分类、回归分析、偏差分析数学分析算法,把分析结果通过图表,图片形式显示出来,对敏感区预警;根据绿潮的预报结果,自动对影响到敏感区的绿潮发表预警并自动生成报表。
如图2、图5所示绿潮信息数据库各模块功能及流程图,自动反演模块,通过水色卫星遥感,自EOS-Terra和EOS-Aqua卫星的MODIS传感器自动下载MODIS卫星数据,以此判断是否有绿潮发生,再通过计算植被指数反演、提取并储存绿潮出现的位置,时间及覆盖面积,或者,也可通过或船舶走航监测等方法,人为发现绿潮,手动输入绿潮相关信息,数据库还包括管理用户数据;保存相关文档、图像数据,以及操作过程中所产生的临时数据。
系统管理模块功能如图3所示,具有用户检索、用户信息修改、增加删除用户和用户操作权限设置等功能。用户暂时分为管理员用户和普通用户,也可以根据需求设置不同的用户权限。管理员用户可以查看和管理当前所具有的所有用户的用户名和密码,以及具有其它模块中对数据的添加和删除等任何操作,具有最高的用户权限。而普通用户仅仅可以修改自己用户的内容,以及查看数据库中的数据,提取相关数据进行分析和结果输出,它不能改变原有的基础数据。
典型生态模型信息模块功能如图3所示,包括设定海域温度场、流场、风场、摄食效率、沉降速率等模型参数,模型参数调节,对生态过程进行选择。同时,可以根据现有数据的时间,给出数据的连续性。
如图3、图6所示预报模块功能及流程图,对绿潮信息数据库输入的信息进行模型运算,对信息添加,删除,修改,包括:连数据图形化分析器,而对于大量的数据可以导入Excel表格进行计算,计算结果可以保留在原有表格或新建表格。同时通过数据图形化分析器对预报结果进行直观的显示和分析,具有绿潮预报信息的图片显示功能,可以更好的显示绿潮分布及影响。
绿潮生态模型知识模块功能如图3所示,主要是对绿潮生态模型资料包括文档、图像、视频进行管理便于查阅。考虑到随着使用量的增加,资料体积会变大,系统预留资料转移接口,可以把资料文件转移到相关的数据存储器中。
如图4、图7所示敏感区预警系统各模块功能及示意图,包括人工指定敏感区,对预报模块结果,进行判断分析,数据分析、绘图功能和判断敏感区功能,内置了数据分类、回归分析、偏差分析等数学分析算法,把分析结果可以通过图表,图片等形式显示出来,以达到更好的可视化效果,对敏感区预警。根据绿潮的预报结果,自动对可能影响到敏感区的绿潮发表预警并自动生成报表。
实施例
1、取2016年5月11日下载的MODIS卫星数据,经绿潮信息数据库中自动反演模块,反演出在苏北浅滩辐射沙洲发现绿潮出现,如图8a所示,将绿潮位置、时间及覆盖范围的数据保存进入数据库。
2、启动预报模块,对典型生态模型信息模块设置参数,读取数据库中5月11号绿潮分布信息,运转模型,得出15天后的绿潮漂移路径及覆盖面积分布图,如图8b所示。
3、启动敏感区预警系统,设置敏感区在经过35°N即进行预警如图8b所示,对连云港进行预警,给出预警报告,如下表:
绿潮预报系统-预警报表
将上述报表发放给相关部门,做好防治准备。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于生态模型的绿潮灾害预警系统,其特征在于,包括绿潮信息数据库、可视化预报系统、敏感区预警系统,所述绿潮信息数据库将绿潮发生初期的位置、时间及覆盖面积数据信息提供给所述可视化预报系统进行管理和分析数据;在可视化预报系统界面建立绿潮预报系统的图形用户界面,预报绿潮信息数据库绿潮数据及预报绿潮漂移路径和发展过程;所述敏感区预警系统中设置敏感区,根据绿潮的预报结果,自动对可能影响到敏感区的绿潮发表预警并自动生成报表。
2.根据权利要求1所述的一种基于生态模型的绿潮灾害预警系统,其特征在于,所述绿潮信息数据库包括自动反演模块和手动输入模块,分别支持自动下载MODIS卫星数据和人为输入数据,将绿潮信息存储进入数据库启动可视化预报模块;
所述可视化预报系统包括系统管理模块、典型生态模型信息模块、预报模块和绿潮生态模型知识模块,所述预报模块读取绿潮信息库绿潮信息和典型生态模型信息模块参数设置及生态过程,进而运转模型,输出的预报信息即绿潮漂移路径及覆盖面积,存入绿潮信息库,启动敏感区预警系统;
所述敏感区预警系统包括数据图形分析器模块和预警模块,所述数据图形分析器模块读取绿潮信息库的预报信息及预警模块的预警信息进行图像处理,所述预警模块通过敏感区的判断处理预报信息。
3.根据权利要求2所述的一种基于生态模型的绿潮灾害预警系统,其特征在于:所述自动下载MODIS卫星数据为判断绿潮发生,提取绿潮发生时间、位置和覆盖面积的信息或通过手动输入模块人为输入的信息,同时数据库还保存用户数据,文档数据,关系数据,系统数据以及系统运行时产生的临时数据。
4.根据权利要求1所述的一种基于生态模型的绿潮灾害预警系统,其特征在于:所述可视化预报系统的系统管理模块中设有用户管理权限区分机制,对用户根据相应的权限开放不同的系统管理功能。
5.根据权利要求2所述的一种基于生态模型的绿潮灾害预警系统,其特征在于:所述可视化预报系统的典型生态模型信息模块,包括设定海域温度场、流场、风场、摄食效率、沉降速率等模型参数。
6.根据权利要求1所述的一种基于生态模型的绿潮灾害预警系统,其特征在于:可视化预报系统的预报模块基于生态模型根据自动获取或者手工输入信息预报绿潮漂移路径及覆盖面积。
7.一种根据权利要求1所述的基于生态模型的绿潮灾害预警系统的使用方法,其特征在于:
步骤一,建立绿潮信息数据库:通过自动反演模块自动下载卫星数据,计算归一化植被指数,反演、提取信息,判断绿潮发生,进而得出绿潮发生位置、时间、覆盖范围信息,或通过认为输入绿潮发生的相关信息,并将信息存入数据库内,若存在绿潮则自动启动可视化预报系统;
步骤二,建立预报模块:在可视化预报系统内的典型生态模型信息模块选择生态过程并设置参数,利用数据库绿潮数据,运算模型,预报绿潮发生的漂移路径及覆盖面积,将模型运算结果存至绿潮信息数据库,对预报结果进行直观的显示和分析,表示绿潮分布及影响区域;
步骤三,建立敏感区预警模块:选择或设定敏感区,针对预报模块绿潮信息,进行数据处理,画出示意图,判断是否影响敏感区,自动对可能影响到敏感区的绿潮发表预警并自动生成报表。
8.根据权利要求7所述的一种基于生态模型的绿潮灾害预警系统的使用方法,其特征在于:步骤一所述绿潮数据信息库的自动下载卫星数据MODIS,为判断是否有绿潮发生,再通过计算植被指数反演、提取并储存绿潮出现的位置,时间及覆盖面积,或通过或船舶走航监测方法人为发现绿潮,手动输入绿潮相关信息。
9.根据权利要求7所述的一种基于生态模型的绿潮灾害预警系统的使用方法,其特征在于:步骤二所述预报模块,对绿潮信息数据库输入的信息进行模型运算,对信息添加,删除,修改,将数据导入Excel表格进行计算,计算结果可以保留在原有表格或新建表格,同时对预报结果进行直观的显示和分析,提供绿潮分布及影响绿潮预报信息的图片。
10.根据权利要求7所述的一种基于生态模型的绿潮灾害预警系统的使用方法,其特征在于:步骤三所述敏感区预警模块,对预报模块结果,进行判断分析,数据分析、绘图和判断敏感区,内置数据分类、回归分析、偏差分析数学分析算法,把分析结果通过图表,图片形式显示出来,对敏感区预警;根据绿潮的预报结果,自动对影响到敏感区的绿潮发表预警并自动生成报表。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811202114.9A CN109326086A (zh) | 2018-10-16 | 2018-10-16 | 一种基于生态模型的绿潮灾害预警系统及其使用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811202114.9A CN109326086A (zh) | 2018-10-16 | 2018-10-16 | 一种基于生态模型的绿潮灾害预警系统及其使用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109326086A true CN109326086A (zh) | 2019-02-12 |
Family
ID=65262676
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811202114.9A Pending CN109326086A (zh) | 2018-10-16 | 2018-10-16 | 一种基于生态模型的绿潮灾害预警系统及其使用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109326086A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111027766A (zh) * | 2019-12-09 | 2020-04-17 | 国家海洋局北海预报中心 | 绿潮生物量预报方法、装置、设备及介质 |
CN112613239A (zh) * | 2020-11-24 | 2021-04-06 | 国家海洋局北海环境监测中心(中国海监北海区检验鉴定中心) | 一种水母灾害预警模型的构建方法 |
CN114417613A (zh) * | 2022-01-20 | 2022-04-29 | 国家海洋环境预报中心 | 物理生态联合作用下的黄海浒苔发展趋势预报系统及方法 |
CN114611800A (zh) * | 2022-03-15 | 2022-06-10 | 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) | 一种黄海绿潮中长期趋势预测方法 |
CN115186203A (zh) * | 2022-07-15 | 2022-10-14 | 广东海洋大学 | 一种珊瑚生态可视化分析方法、系统、设备、介质及终端 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140214472A1 (en) * | 2013-01-31 | 2014-07-31 | Paragon Partners Ltd. | Systems, methods, and devices for analyzing a route using a geographic information system |
CN105825633A (zh) * | 2016-04-27 | 2016-08-03 | 黑龙江真美广播通讯器材有限公司 | 一种临海预警广播探测系统 |
CN106327020A (zh) * | 2016-08-30 | 2017-01-11 | 天津大学 | 一种基于风暴潮预测模型的数据分析管理系统 |
CN108470431A (zh) * | 2018-04-18 | 2018-08-31 | 四川徐氏智慧文化旅游有限公司 | 一种景区险情预警系统 |
-
2018
- 2018-10-16 CN CN201811202114.9A patent/CN109326086A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140214472A1 (en) * | 2013-01-31 | 2014-07-31 | Paragon Partners Ltd. | Systems, methods, and devices for analyzing a route using a geographic information system |
CN105825633A (zh) * | 2016-04-27 | 2016-08-03 | 黑龙江真美广播通讯器材有限公司 | 一种临海预警广播探测系统 |
CN106327020A (zh) * | 2016-08-30 | 2017-01-11 | 天津大学 | 一种基于风暴潮预测模型的数据分析管理系统 |
CN108470431A (zh) * | 2018-04-18 | 2018-08-31 | 四川徐氏智慧文化旅游有限公司 | 一种景区险情预警系统 |
Non-Patent Citations (1)
Title |
---|
曹从华 等: "《黄海绿潮灾害应急遥感监测与预测预警系统》", 31 August 2017 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111027766A (zh) * | 2019-12-09 | 2020-04-17 | 国家海洋局北海预报中心 | 绿潮生物量预报方法、装置、设备及介质 |
CN111027766B (zh) * | 2019-12-09 | 2023-09-26 | 国家海洋局北海预报中心 | 绿潮生物量预报方法、装置、设备及介质 |
CN112613239A (zh) * | 2020-11-24 | 2021-04-06 | 国家海洋局北海环境监测中心(中国海监北海区检验鉴定中心) | 一种水母灾害预警模型的构建方法 |
CN112613239B (zh) * | 2020-11-24 | 2022-05-13 | 国家海洋局北海环境监测中心(中国海监北海区检验鉴定中心) | 一种水母灾害预警模型的构建方法 |
CN114417613A (zh) * | 2022-01-20 | 2022-04-29 | 国家海洋环境预报中心 | 物理生态联合作用下的黄海浒苔发展趋势预报系统及方法 |
CN114611800A (zh) * | 2022-03-15 | 2022-06-10 | 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) | 一种黄海绿潮中长期趋势预测方法 |
CN114611800B (zh) * | 2022-03-15 | 2023-08-04 | 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) | 一种黄海绿潮中长期趋势预测方法 |
CN115186203A (zh) * | 2022-07-15 | 2022-10-14 | 广东海洋大学 | 一种珊瑚生态可视化分析方法、系统、设备、介质及终端 |
CN115186203B (zh) * | 2022-07-15 | 2024-02-02 | 广东海洋大学 | 一种珊瑚生态可视化分析方法、系统、设备、介质及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109326086A (zh) | 一种基于生态模型的绿潮灾害预警系统及其使用方法 | |
Thamaga et al. | Advances in satellite remote sensing of the wetland ecosystems in Sub-Saharan Africa | |
Zweig et al. | Using landscape context to map invasive species with medium‐resolution satellite imagery | |
Chabot et al. | Object-based analysis of UAS imagery to map emergent and submerged invasive aquatic vegetation: a case study | |
Menzel Barraqueta et al. | A first global oceanic compilation of observational dissolved aluminum data with regional statistical data treatment | |
Stanislawski et al. | Automated extraction of natural drainage density patterns for the conterminous United States through high-performance computing | |
Krina et al. | Monitoring and projecting land use/land cover changes of eleven large deltaic areas in Greece from 1945 onwards | |
Vermeiren et al. | Predictable habitat associations of four crab species across the low intertidal landscape of a tropical estuary over time | |
Gieskes et al. | Phaeocystis colony distribution in the North Atlantic Ocean since 1948, and interpretation of long-term changes in the Phaeocystis hotspot in the North Sea | |
Tuygun et al. | Long-term spatial-temporal monitoring of eutrophication in Lake Burdur using remote sensing data | |
Tavora et al. | Detecting turbid plumes from satellite remote sensing: State-of-art thresholds and the novel PLUMES algorithm | |
Dube et al. | GIS and remote sensing analytics: assessment and monitoring | |
Custado et al. | Assessing the spatial and temporal relationship between coastal runoff and chlorophyll-a in the Philippines using gridded datasets | |
Lyu et al. | A practical approach to retrieving the finer areas of algal bloom in inland lakes from coarse spatial resolution satellite data | |
Kırtıloğlu et al. | A map mash-up application: Investigation the temporal effects of climate change on Salt Lake Basin | |
Byrd et al. | Tools and methods for evaluating and refining alternative futures for coastal ecosystem management—the Puget Sound Ecosystem Portfolio Model | |
Monterey et al. | Seasonal variability of global mixed layer depth from WOD98 temperature and salinity profiles | |
Chiaradia et al. | Multi-platform Chlorophyll and Sea Surface Temperature data fusion for Potential Fishing Zone detection using MODIS/VIIRS and ancillary data | |
Toro Herrera | Lakes water quality maps monitoring and dissemination: insubric lakes case study | |
Al Mansoori et al. | Automatic ship detection from high resolution satellite images based on a Deep Convolutional Neural Network (DCNN) model | |
DUQUE ORDOÑEZ | Towards a digital twin of the Italian coast | |
Galvincio et al. | Use of Soil Moisture as an Indicator of Climate Change in the SUPer System | |
Čermáková | Use of Automatic Image Classification for Analysis of the Landscape, Case Study of Staré Jesenčany, the Czech Republic | |
ENV | HYDROLOGICAL RESPONSE OF KACHALONG RIVER TO WATERSHED LAND-USE CHANGE | |
Yadav et al. | Remote sensing to assess surface water quantity scenarios using normalized difference water index in the lesser Himalayan region |
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 |
Application publication date: 20190212 |
|
RJ01 | Rejection of invention patent application after publication |