CN110132964A - 一种提取荒漠植被根系优先水流运动过程的方法 - Google Patents
一种提取荒漠植被根系优先水流运动过程的方法 Download PDFInfo
- Publication number
- CN110132964A CN110132964A CN201910371909.0A CN201910371909A CN110132964A CN 110132964 A CN110132964 A CN 110132964A CN 201910371909 A CN201910371909 A CN 201910371909A CN 110132964 A CN110132964 A CN 110132964A
- Authority
- CN
- China
- Prior art keywords
- image
- dye
- preferential flow
- root system
- dyeing
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 230000008569 process Effects 0.000 title claims abstract description 34
- 230000033001 locomotion Effects 0.000 title claims abstract description 31
- 238000004043 dyeing Methods 0.000 claims abstract description 29
- 230000000007 visual effect Effects 0.000 claims abstract description 8
- 238000003709 image segmentation Methods 0.000 claims abstract description 4
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 239000000975 dye Substances 0.000 claims description 43
- 239000002689 soil Substances 0.000 claims description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000012360 testing method Methods 0.000 claims description 10
- 238000013508 migration Methods 0.000 claims description 8
- 230000005012 migration Effects 0.000 claims description 8
- 230000008595 infiltration Effects 0.000 claims description 7
- 238000001764 infiltration Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000009412 basement excavation Methods 0.000 claims description 4
- 229910002056 binary alloy Inorganic materials 0.000 claims description 3
- 239000012192 staining solution Substances 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 5
- 238000003702 image correction Methods 0.000 abstract 1
- 235000015097 nutrients Nutrition 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000002366 mineral element Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N1/00—Sampling; Preparing specimens for investigation
- G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
- G01N1/30—Staining; Impregnating ; Fixation; Dehydration; Multistep processes for preparing samples of tissue, cell or nucleic acid material and the like for analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及一种提取荒漠植被根系优先水流运动过程的方法，属于生态水文学领域，包括：染色图像采集，染色图像标记，染色图像校正，染色图像裁剪，设置每张图像阈值的上下限；对图像进行阈值分割，将每张图像分割为染色区和非染色区得到二值化图像，将二值化图像的整个区域进行矩形等分网格划分，形成Shp文件，统计图像每个矩形网格中黑白属性值的个数，计算优先水流运动特征参数，将计算得到的优先水流运动特征参数值添加到相应含坐标的染色黑白图像中，按照时间顺序重新组合，以视频形式显示优先水流的运动全过程。本方法简便，可操作性强，可以重建荒漠植被根系优先水流运动过程和特征参数的变化过程。
Description
技术领域
本发明涉及一种提取荒漠植被根系优先水流运动过程的方法，属于生态水文学领域。
背景技术
根系是荒漠植被生长的水分、养分来源,在生态系统生态学及全球变化研究中备受关注，根系的空间分布特征影响着荒漠生态系统的水分平衡和矿质元素的生物地球化学循环。干旱区灌木植被根系在荒漠生态水文效应方面有重要的贡献作用，一方面通过“生物钻孔”的方式使得土壤变得松散，形成根—土间隙；二是易腐烂的根系形成管状空腔，这些根系孔隙，提高了土壤的孔隙率，增强了灌丛植被根区附近土壤的导水能力，促进土壤水分优先入渗，减少地表径流及其侵蚀过程。
在干旱荒漠区，根系孔隙的存在改变了灌丛附近土壤水分时空分布，影响着干旱区深层水分补给过程。灌木植被冠层对降雨进行了重新分配，冠层截留形成的茎流使降雨汇集于灌丛基部，通过根系孔隙作用优先到达土壤深处，此过程成为干旱区植物水分、养分的重要来源。固沙植物冠幅下方的土壤水分、养分较高，有利于干旱区种子定居和萌发，影响着荒漠植被分布和组成。因此需要认识荒漠植被根系优先水流的运动过程，其为干旱区土壤水分补给提供了优先通道，对促进干旱区斑块化植被恢复格局有重要的现实意义。目前关于荒漠植被根系优先水流的运动过程监测较难，通常采用土壤水分观测反演优先水流运动，观测过程不连续，且研究结果精度低。
发明内容
为解决上述问题，本发明的目的在于提供一种提取荒漠植被根系优先水流运动过程的方法。该方法简便，可操作性强，可以重建荒漠植被根系优先水流运动过程和特征参数的变化过程。
本发明的目的是通过以下技术方案实现的：
一种提取荒漠植被根系优先水流运动过程的方法，包括以下步骤：
步骤1，染色图像采集：在荒漠灌丛根区进行染色示踪试验，试验结束后，开挖土壤剖面获取连续性的染色图像数据；
步骤2：染色图像标记：将在不同时间点获取的连续性染色图像进行时间标记；
步骤3：图像校正：对获得的扭曲染色图像进行几何校正；
步骤4：图像裁剪：裁剪染色图像的中心研究区域；
步骤5：阈值设置：通过图像全局目视解译，设定每张图像阈值的上下限；
步骤6：图像二值化：对图像进行阈值分割，将每张图像分割为染色区和非染色区得到二值化图像；
步骤7：图像网格化：将二值化图像的整个区域进行矩形等分网格划分，形成Shp文件；
步骤8：图像属性统计：统计图像每个矩形网格中黑白属性值的个数；
步骤9：计算优先水流运动特征参数，得到土壤剖面染色百分比、基质流入渗深度、优先流比例、长度指数和优先流运移值；
步骤10：组合重建植被根系优先水流的运动过程：将步骤9计算得到的优先水流运动特征参数值添加到相应含坐标的染色黑白图像中，按照时间顺序重新组合，以视频形式显示优先水流的运动全过程。
进一步的，步骤1中染色示踪试验结束后，垂向开挖土壤剖面，每隔12h，剖面间隔20cm，逐次挖取并铲平垂直土壤染色剖面，使用相机拍照记录此刻水流染色图像，依次进行拍照，直到48h。
进一步的，步骤2中不同时间点分别为0h、12h、24h、36h和48h。
进一步的，步骤6中，是在ImageJ 1.50e软件中设定每张图像的阈值上下限，将图像分割为染色区和非染色区，其中染色区域是黑色的，而未染色区域是白色的，将HSV染色图像的饱和通道转换成二进制黑白GIF图像。
进一步的，步骤8中，黑白GIF图像属性为：0代表白色，1代表黑色，统计图像中每个矩形多边形属性为0,1的个数。
进一步的，步骤9中所述优先水流运动特征中：
参数基质流入渗深度为染色剖面百分比曲线为80％时所对应的土壤深度值；
优先流运移值为最大优先入渗深度与单位面积染色溶液体积的比值；
优先流比例(PF％)计算公式如下：
其中Udepth是基质流入渗深度(cm)；W是染色宽度(cm)；Sdye是染色面积(cm2)；
优先流长度指数(PFLI)计算公式如下：
其中DC是研究区域的染色百分比；染色区域划分成i＝1……n个。
本发明的有益效果为：
本发明提供一种提取荒漠植被根系优先水流运动过程的方法。方法简便，可操作性强，较土壤水分观测反演根系优先水流运动过程相比，真实可靠地反映了荒漠植被根系优先水流运动过程。本发明在图像网格化和图像属性统计过程中，依据Shp文件统计GIF图像中黑白属性值，简便、准确地提取染色水流信息。另外，本发明还计算了优先流运移值，完善了优先流运动特征参数。本发明节约了试验经费成本，成功地重建荒漠植被根系优先水流运动过程。
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用以解释本发明，并不用于限定本发明。
一种提取荒漠植被根系优先水流运动过程的方法，包括以下步骤：
步骤1，染色图像采集：
在荒漠灌丛根区进行染色示踪试验，对试验样地的土壤表层进行平整处理，处理后的试验区楔入正方体铁框，尺寸大小为120cm×120cm×25cm，楔入地面以下10cm，部分保留地表以上，夯实边壁。将染色剂溶液缓慢加入到试验样地中，可采用喷洒的方式，染色溶液添加完后，用薄膜将样地表面覆盖防止蒸发。垂向开挖土壤剖面，铲平垂直染色剖面，放置有刻度100cm×100cm样方框，利用高速相机拍照记录样方框内的水流染色图像，采用隔板遮挡防止拍摄过程中太阳光等光线影响。每隔12h，剖面间隔20cm，逐层挖取并铲平垂直土壤染色剖面，使用相机拍照记录此刻水流染色图像；依次拍照，直到48h，此刻湿润锋运移基本稳定，拍照记录染色图像，染色图像采集结束。
步骤2：染色图像标记：
通过目视观察检验拍摄图像的合理性，删除拍照质量较差的染色图像；并在不同时间点获取的染色图像刻度边框上分别标记0h、12h、24h、36h和48h。
步骤3：图像校正：
受到相机镜头、角度和光线影响，对获得染色图像进行几何校正；将染色图像导入到Adobe Photoshop CS5，在导入的图像四边上绘制添加基准线，利用中滤镜—扭曲—镜头校正模块进行几何校正。
步骤4：图像裁剪：
垂向挖掘土壤剖面采样过程中破坏到100cm×100cm样方框四周的水流运动的染色状况，利用Adobe Photoshop CS5编辑模块裁剪出每张染色图像中心80cm×80cm区域图像。
步骤5：阈值设置：
将上述图像导入到ImageJ 1.50e软件中，采用处理模块进行图像增强、去除噪音；基于图像全局目视解译确定每张图像的阈值，受土壤基质和水分状况的影响，每张染色图像的阈值会存在偏差，通过尝试对比法确定每张图像阈值的上下限。
步骤6：图像二值化：对图像进行阈值分割，将每张图像分割为染色区和非染色区；
利用ImageJ 1.50e—Image—Adjust—Threshold—Set设定每张图像的阈值上下限，将图像分割为染色区和非染色区，其中染色区域是黑色的，而未染色区域是白色的，将HSV染色图像的饱和通道转换成二进制黑白GIF图像，同时在图像上添加横、纵坐标值。
步骤7：图像网格化：
将上述GIF图像导入到ArcMap 10中，其中黑白GIF图像属性0代表白色，1代表黑色；利用ArcToolbox—Data Management Tools—Feature Class—Create Fishnet工具，将二值化图像的整个区域进行矩形等分网格划分，生成Shp多边形文件；80cm×80cm图像区域沿垂向等分成100个矩形，其中每个矩形面积为64cm2。
步骤8：图像属性统计：
利用ArcToolbox—Spatial Analyst Tools—Zonal—Tabulate Area工具进行分析，黑白GIF图像属性0代表白色，1代表黑色，统计图像中每个矩形多边形属性为0,1的个数。
步骤9：计算优先水流运动特征参数，得到土壤剖面染色百分比、基质流入渗深度、优先流比例、长度指数和优先流运移值；
根据统计得到图像中每个矩形多边形属性值，计算土壤剖面染色百分比、基质流入渗深度、优先流比例、优先流长度指数和优先流运移值等运动参数，其中，基质流入渗深度为染色剖面百分比曲线为80％时所对应的土壤深度值，优先流运移值为最大优先入渗深度与单位面积染色溶液体积的比值。
优先流比例(PF％)计算公式如下：
其中Udepth是基质流入渗深度(cm)；W是染色宽度(cm)；Sdye是染色面积(cm2)；
优先流长度指数(PFLI)计算公式如下：
其中DC是研究区域的染色百分比；染色区域划分成i＝1……n个。
步骤10：组合重建植被根系优先水流的运动过程：
将优先水流运动特征参数值添加到相应含坐标的染色黑白图像中，按照时间顺序重新组合，以视频形式显示优先水流的运动全过程。
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，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种提取荒漠植被根系优先水流运动过程的方法，其特征在于，包括以下步骤：
步骤1，染色图像采集：在荒漠灌丛根区进行染色示踪试验，试验结束后，开挖土壤剖面获取连续性的染色图像数据；
步骤2：染色图像标记：将在不同时间点获取的连续性染色图像进行时间标记；
步骤3：图像校正：对获得的扭曲染色图像进行几何校正；
步骤4：图像裁剪：裁剪染色图像的中心研究区域；
步骤5：阈值设置：通过图像全局目视解译，设定每张图像阈值的上下限；
步骤6：图像二值化：对图像进行阈值分割，将每张图像分割为染色区和非染色区得到二值化图像；
步骤7：图像网格化：将二值化图像的整个区域进行矩形等分网格划分，形成Shp文件；
步骤8：图像属性统计：统计图像每个矩形网格中黑白属性值的个数；
步骤9：计算优先水流运动特征参数，得到土壤剖面染色百分比、基质流入渗深度、优先流比例、长度指数和优先流运移值；
步骤10：组合重建植被根系优先水流的运动过程：将步骤9计算得到的优先水流运动特征参数值添加到相应含坐标的染色黑白图像中，按照时间顺序重新组合，以视频形式显示优先水流的运动全过程。
2.根据权利要求1所述的提取荒漠植被根系优先水流运动过程的方法，其特征在于，步骤1中染色示踪试验结束后，垂向开挖土壤剖面，每隔12h，剖面间隔20cm，逐次挖取并铲平垂直土壤染色剖面，使用相机拍照记录此刻水流染色图像，依次进行拍照，直到48h。
3.根据权利要求2所述的提取荒漠植被根系优先水流运动过程的方法，其特征在于，步骤2中不同时间点分别为0h、12h、24h、36h和48h。
4.根据权利要求1所述的提取荒漠植被根系优先水流运动过程的方法，其特征在于，步骤6中，是在ImageJ1.50e软件中设定每张图像的阈值上下限，将图像分割为染色区和非染色区，其中染色区域是黑色的，而未染色区域是白色的，将HSV染色图像的饱和通道转换成二进制黑白GIF图像。
5.根据权利要求4所述的提取荒漠植被根系优先水流运动过程的方法，其特征在于，步骤8中，黑白GIF图像属性为：0代表白色，1代表黑色，统计图像中每个矩形多边形属性为0,1的个数。
6.根据权利要求1所述的提取荒漠植被根系优先水流运动过程的方法，其特征在于，步骤9中所述优先水流运动特征中：
参数基质流入渗深度为染色剖面百分比曲线为80％时所对应的土壤深度值；
优先流运移值为最大优先入渗深度与单位面积染色溶液体积的比值；
优先流比例(PF％)计算公式如下：
其中Udepth是基质流入渗深度(cm)；W是染色宽度(cm)；Sdye是染色面积(cm2)；
优先流长度指数(PFLI)计算公式如下：
其中DC是研究区域的染色百分比；染色区域划分成i＝1……n个。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910371909.0A CN110132964A (zh) | 2019-05-06 | 2019-05-06 | 一种提取荒漠植被根系优先水流运动过程的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910371909.0A CN110132964A (zh) | 2019-05-06 | 2019-05-06 | 一种提取荒漠植被根系优先水流运动过程的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110132964A true CN110132964A (zh) | 2019-08-16 |
Family
ID=67576233
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910371909.0A Pending CN110132964A (zh) | 2019-05-06 | 2019-05-06 | 一种提取荒漠植被根系优先水流运动过程的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110132964A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113826541A (zh) * | 2020-06-23 | 2021-12-24 | 中国农业科学院生物技术研究所 | 一种快速检测与鉴定植物根细胞结构的方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106596898A (zh) * | 2017-01-19 | 2017-04-26 | 南京林业大学 | 一种测定根系土壤剖面优先流的方法 |
| CN109297868A (zh) * | 2018-08-16 | 2019-02-01 | 中国水利水电科学研究院 | 一种基于高清图像的优先流测定方法、装置和系统 |
| CN109521014A (zh) * | 2018-10-08 | 2019-03-26 | 中国水利水电科学研究院 | 一种评价土石二元介质基质流、优先流程度的方法 |
| CN109540935A (zh) * | 2018-12-28 | 2019-03-29 | 长安大学 | 用于ct扫描原状黄土优先流动态观测装置及使用方法 |
-
2019
- 2019-05-06 CN CN201910371909.0A patent/CN110132964A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106596898A (zh) * | 2017-01-19 | 2017-04-26 | 南京林业大学 | 一种测定根系土壤剖面优先流的方法 |
| CN109297868A (zh) * | 2018-08-16 | 2019-02-01 | 中国水利水电科学研究院 | 一种基于高清图像的优先流测定方法、装置和系统 |
| CN109521014A (zh) * | 2018-10-08 | 2019-03-26 | 中国水利水电科学研究院 | 一种评价土石二元介质基质流、优先流程度的方法 |
| CN109540935A (zh) * | 2018-12-28 | 2019-03-29 | 长安大学 | 用于ct扫描原状黄土优先流动态观测装置及使用方法 |
Non-Patent Citations (3)
| Title |
|---|
| EDWIN E. CEY ET AL: "Field study of macropore flow processes using tension infiltration of a dye tracer in partially saturated soils", 《HYDROLOGICAL PROCESSES》 * |
| 米切尔 等: "《图像融合：理论、技术与应用》", 31 May 2016, 国防工业出版社 * |
| 郑欣 等: "北京地区２种类型土壤优先流染色形态特征及其影响因素", 《水土保持学报》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113826541A (zh) * | 2020-06-23 | 2021-12-24 | 中国农业科学院生物技术研究所 | 一种快速检测与鉴定植物根细胞结构的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pal et al. | Identifying dam-induced wetland changes using an inundation frequency approach: the case of the Atreyee River basin of Indo-Bangladesh | |
| Wittmann et al. | Tree species distribution and community structure of central Amazonian várzea forests by remote-sensing techniques | |
| Rayburg et al. | A comparison of digital elevation models generated from different data sources | |
| CN111161415B (zh) | 一种岩溶区地下水岩溶发育通道三维空间模拟方法 | |
| CN112241711A (zh) | 一种从钻孔岩芯照片中识别rqd的智能方法 | |
| Anders et al. | Impact of flight altitude and cover orientation on Digital Surface Model (DSM) accuracy for flood damage assessment in Murcia (Spain) using a fixed-wing UAV | |
| Kadirova et al. | Creating a digital model of regional relief using GIS technologies to evaluate degradation processes | |
| Stähli et al. | Snowmelt infiltration into alpine soils visualized by dye tracer technique | |
| CN110132964A (zh) | 一种提取荒漠植被根系优先水流运动过程的方法 | |
| CN109766892A (zh) | 一种基于边缘检测的射线检测图像标记信息字符分割方法 | |
| CN109990718A (zh) | 一种坡耕地耕层土体构型图像分析方法 | |
| Homolák et al. | Estimating hydraulic conductivity of a sandy soil under different plant covers using minidisk infiltrometer and a dye tracer experiment | |
| Sari et al. | Quality analysis of single tree object with obia and vegetation index from lapan surveillance aircraft multispectral data in urban area | |
| CN106898035A (zh) | 一种服饰样本集生成方法和装置 | |
| Li et al. | A new region growing-based segmentation method for high resolution remote sensing imagery | |
| Smajić et al. | Identification and geovisualization of landscape transformation of surface mine areas in the Đurđevik coal basin (Bosnia and Herzegovina) | |
| Rodný et al. | Depth-dependent heterogeneity of water flow in sandy soil under grass | |
| Heng et al. | Land use information quick mapping based on uav low-altitude remote sensing technology and transfer learning | |
| Lv et al. | A Framework for Fracture Extraction Under Glaciological Property‐Based Constraints: Scientific Application on the Filchner–Ronne Ice Shelf of Antarctica | |
| Overton et al. | Flood modelling and vegetation mapping in large river systems | |
| Kaburi et al. | GIS and Remote Sensing Support in Watershed Conservation and Management: Case Study of the Upper Gucha Watershed–Kenya | |
| CN109297878A (zh) | 一种准确计算白云岩孔洞面孔率的方法 | |
| Tian et al. | Influence of Paulownia fortunei (Seem.) Hemsl. roots on preferential flow in the red soil hilly region. | |
| CN113610062B (zh) | 一种土样特性提取方法、系统及信息数据处理终端 | |
| Wohlfart et al. | Multi-temporal analysis of land surface dynamics in the Yellow River Basin (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 |
Application publication date: 20190816 |
|
| RJ01 | Rejection of invention patent application after publication |