CN112150536B - 一种积雪深度计算方法及装置 - Google Patents
一种积雪深度计算方法及装置 Download PDFInfo
- Publication number
- CN112150536B CN112150536B CN202011006951.1A CN202011006951A CN112150536B CN 112150536 B CN112150536 B CN 112150536B CN 202011006951 A CN202011006951 A CN 202011006951A CN 112150536 B CN112150536 B CN 112150536B
- Authority
- CN
- China
- Prior art keywords
- snow
- data
- area
- spatial resolution
- pixel
- 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
- 238000004364 calculation method Methods 0.000 title claims description 42
- 238000000034 method Methods 0.000 claims abstract description 19
- 238000009825 accumulation Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 abstract description 7
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4053—Scaling of whole images or parts thereof, e.g. expanding or contracting based on super-resolution, i.e. the output image resolution being higher than the sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
- G06T2207/30192—Weather; Meteorology
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
本申请提供一种积雪深度计算方法及装置,应用于气象监测领域,方法包括:获取待确定区域对应的第一积雪面积比例数据以及第一积雪深度数据;确定第二像元对应的第二积雪面积比例数据;针对每一积雪区域内的每一海拔梯度,建立第一积雪深度数据与第二积雪面积比例数据之间的函数关系;根据函数关系以及第一积雪面积比例数据计算第二积雪深度数据。在上述方案中,结合空间分辨率较高的第一积雪面积比例数据以及空间分辨率较低的第一积雪深度数据建立函数关系,以根据函数关系以及空间分辨率较高的第一积雪面积比例数据确定空间分辨率较高的第二积雪深度数据。因此,可以获得空间分辨率较高的积雪深度数据,从而可以反映小区域积雪的变化特征。
Description
技术领域
本申请涉及气象监测领域,具体而言,涉及一种积雪深度计算方法及装置。
背景技术
积雪是冰冻圈的重要组成之一,是重要的生态水文参数,影响着地表与大气之间的能量交换、水分循环等。目前,积雪深度主要通过地面站点观测和遥感反演确定。其中,遥感反演主要通过被动微波遥感进行反演,因此获取的数据时间分辨率高,但是数据空间分辨率低,难以反映小区域积雪的变化特征。
发明内容
本申请实施例的目的在于提供一种积雪深度计算方法及装置,用以解决积雪深度数据的空间分辨率低,难以反映小区域积雪的变化特征的技术问题。
为了实现上述目的,本申请实施例所提供的技术方案如下所示:
第一方面,本申请实施例提供一种积雪深度计算方法,包括:获取待确定区域对应的第一积雪面积比例数据以及第一积雪深度数据;其中,所述第一积雪面积比例数据的空间分辨率为第一空间分辨率,所述第一空间分辨率为所述第一积雪面积比例数据对应的第一像元的尺寸,所述第一积雪深度数据的空间分辨率为第二空间分辨率,所述第二空间分辨率为所述第一积雪深度数据对应的第二像元的尺寸,所述第二空间分辨率低于所述第一空间分辨率,所述待确定区域包括至少一个积雪区域;根据多个所述第一像元对应的所述第一积雪面积比例数据确定所述第二像元对应的第二积雪面积比例数据;其中,所述第二积雪面积比例数据的空间分辨率为所述第二空间分辨率;针对每一积雪区域内的每一海拔梯度,建立所述第一积雪深度数据与所述第二积雪面积比例数据之间的函数关系;根据所述函数关系以及所述第一积雪面积比例数据计算第二积雪深度数据;其中,所述第二积雪深度数据的空间分辨率为所述第一空间分辨率。在上述方案中,结合空间分辨率较高的第一积雪面积比例数据以及空间分辨率较低的第一积雪深度数据建立函数关系,以根据函数关系以及空间分辨率较高的第一积雪面积比例数据确定空间分辨率较高的第二积雪深度数据。因此,可以获得空间分辨率较高的积雪深度数据,从而可以反映小区域积雪的变化特征。
在本申请的可选实施例中,在所述针对每一积雪区域内的每一海拔梯度,建立所述第一积雪深度数据与所述第二积雪面积比例数据之间的函数关系之前,所述方法还包括:根据所述第一积雪深度数据确定每个第二像元对应的多年平均积雪深度数据;根据所述每个第二像元对应的多年平均积雪深度数据将所述待确定区域划分为多个所述积雪区域。在上述方案中,可以根据积雪的分布特征将待确定区域划分为多个积雪区域,以针对每个积雪区域分别进行计算,以增加计算结果的准确度。
在本申请的可选实施例中,所述根据所述第一积雪深度数据确定每个像元对应的多年平均积雪深度数据,包括:根据所述第一积雪深度数据确定每个第二像元对应的年平均积雪深度数据;根据多个所述年平均积雪深度数据确定所述每个第二像元对应的多年平均积雪深度数据。在上述方案中,可以根据每个第二像元一年内的第一积雪深度数据确定其每年的年平均积雪深度数据,然后根据每年的年平均积雪深度数据确定对应的多年平均积雪深度数据,以根据多年平均积雪深度数据确定积雪的分布特征,并将待确定区域划分为多个积雪区域。
在本申请的可选实施例中,所述根据所述第一积雪深度数据确定每个第二像元对应的年平均积雪深度数据,包括:利用如下公式确定所述每个第二像元对应的年平均积雪深度数据:
在本申请的可选实施例中,所述获取待确定区域对应的第一积雪面积比例数据,包括:获取待确定区域对应的第三积雪面积比例数据;其中,所述第三积雪面积比例数据的空间分辨率为所述第一空间分辨率;对所述第三积雪面积比例数据进行重建,得到重建后时空连续的所述第一积雪面积比例数据。在上述方案中,由于第三积雪面积比例数据受云的影响,导致部分像元缺失数据,因此可以通过对第三积雪面积比例数据进行重建,进而生成时空连续的第一积雪面积比例数据。
在本申请的可选实施例中,所述获取第三积雪面积比例数据,包括:获取第四积雪面积比例数据;对所述第四积雪面积比例数据进行预处理,得到所述第三积雪面积比例数据。在上述方案中,可以首先对获取的第四积雪面积比例数据进行预处理,得到预处理后的第三积雪面积比例数据,以提高后续计算的准确度。
在本申请的可选实施例中,在所述针对每一积雪区域内的每一海拔梯度,建立所述第一积雪深度数据与所述第二积雪面积比例数据之间的函数关系之后,所述方法还包括:获取所述待确定区域对应的观测积雪深度数据;根据所述观测积雪深度数据从多个所述函数关系中确定最优函数关系,以根据所述最优函数关系以及所述第一积雪面积比例数据计算所述第二积雪深度数据。在上述方案中,由于建立的函数关系可以有多种,因此可以根据观测积雪深度数据从多个函数关系中确定一个最优函数关系,以根据最优函数关系得到准确度较高的第二积雪深度数据。
在本申请的可选实施例中,所述根据多个所述第一像元对应的所述第一积雪面积比例数据确定所述第二像元对应的第二积雪面积比例数据,包括:根据多个所述第一像元对应的所述第一积雪面积比例数据确定所述第二像元对应的积雪面积比例数据的总和;根据所述第二像元对应的积雪面积比例数据的总和确定所述第二像元对应的第二积雪面积比例数据。在上述方案中,可以根据第一空间分辨率的第一积雪面积比例数据确定第二空间分辨率的第二积雪面积比例数据,以使第一积雪深度数据与第二积雪面积比例数据对应上。
在本申请的可选实施例中,所述根据多个所述第一像元对应的所述第一积雪面积比例数据确定所述第二像元对应的积雪面积比例数据的总和,包括:利用如下公式确定所述第二像元对应的积雪面积比例数据的总和:
其中,SFCi为第i个第二像元对应的积雪面积比例数据的总和,SFCx,y为第(x,y)个第一像元对应的第一积雪面积比例数据,m×n为所述第二像元内包括的所述第一像元的个数。
在本申请的可选实施例中,所述根据所述第二像元对应的积雪面积比例数据的总和确定所述第二像元对应的第二积雪面积比例数据,包括:利用如下公式确定所述第二像元对应的第二积雪面积比例数据:
第二方面,本申请实施例提供一种积雪深度计算装置,包括:第一获取模块,用于获取待确定区域对应的第一积雪面积比例数据以及第一积雪深度数据;其中,所述第一积雪面积比例数据的空间分辨率为第一空间分辨率,所述第一空间分辨率为所述第一积雪面积比例数据对应的第一像元的尺寸,所述第一积雪深度数据的空间分辨率为第二空间分辨率,所述第二空间分辨率为所述第一积雪深度数据对应的第二像元的尺寸,所述第二空间分辨率低于所述第一空间分辨率,所述待确定区域包括至少一个积雪区域;确定模块,用于根据多个所述第一像元对应的所述第一积雪面积比例数据确定所述第二像元对应的第二积雪面积比例数据;其中,所述第二积雪面积比例数据的空间分辨率为所述第二空间分辨率;建立模块,用于针对每一积雪区域内的每一海拔梯度,建立所述第一积雪深度数据与所述第二积雪面积比例数据之间的函数关系;计算模块,用于根据所述函数关系以及所述第一积雪面积比例数据计算第二积雪深度数据;其中,所述第二积雪深度数据的空间分辨率为所述第一空间分辨率。在上述方案中,结合空间分辨率较高的第一积雪面积比例数据以及空间分辨率较低的第一积雪深度数据建立函数关系,以根据函数关系以及空间分辨率较高的第一积雪面积比例数据确定空间分辨率较高的第二积雪深度数据。因此,可以获得空间分辨率较高的积雪深度数据,从而可以反映小区域积雪的变化特征。
在本申请的可选实施例中,所述积雪深度计算装置还包括:第三确定模块,用于根据所述第一积雪深度数据确定每个第二像元对应的多年平均积雪深度数据;划分模块,用于根据所述每个第二像元对应的多年平均积雪深度数据将所述待确定区域划分为多个所述积雪区域。在上述方案中,可以根据积雪的分布特征将待确定区域划分为多个积雪区域,以针对每个积雪区域分别进行计算,以增加计算结果的准确度。
在本申请的可选实施例中,所述第三确定模块还用于:根据所述第一积雪深度数据确定每个第二像元对应的年平均积雪深度数据;根据多个所述年平均积雪深度数据确定所述每个第二像元对应的多年平均积雪深度数据。在上述方案中,可以根据每个第二像元一年内的第一积雪深度数据其每年的年平均积雪深度数据,然后根据每年的年平均积雪深度数据确定对应的多年平均积雪深度数据,以根据多年平均积雪深度数据确定积雪的分布特征,并将待确定区域划分为多个积雪区域。
在本申请的可选实施例中,所述第三确定模块还用于:利用如下公式确定所述每个第二像元对应的年平均积雪深度数据:
在本申请的可选实施例中,所述第一获取模块还用于:获取待确定区域对应的第三积雪面积比例数据;其中,所述第三积雪面积比例数据的空间分辨率为所述第一空间分辨率;对所述第三积雪面积比例数据进行重建,得到重建后时空连续的所述第一积雪面积比例数据。在上述方案中,由于第三积雪面积比例数据受云的影响,导致部分像元缺失数据,因此可以通过对第三积雪面积比例数据进行重建,进而生成时空连续的第一积雪面积比例数据。
在本申请的可选实施例中,所述第一获取模块还用于:获取第四积雪面积比例数据;对所述第四积雪面积比例数据进行预处理,得到所述第三积雪面积比例数据。在上述方案中,可以首先对获取的第四积雪面积比例数据进行预处理,得到预处理后的第三积雪面积比例数据,以提高后续计算的准确度。
在本申请的可选实施例中,所述积雪深度计算装置还包括:获取所述待确定区域对应的观测积雪深度数据;根据所述观测积雪深度数据从多个所述函数关系中确定最优函数关系,以根据所述最优函数关系以及所述第一积雪面积比例数据计算所述第二积雪深度数据。在上述方案中,由于建立的函数关系可以有多种,因此可以根据观测积雪深度数据从多个函数关系中确定一个最优函数关系,以根据最优函数关系得到准确度较高的第二积雪深度数据。
在本申请的可选实施例中,所述确定模块还用于:根据多个所述第一像元对应的所述第一积雪面积比例数据确定所述第二像元对应的积雪面积比例数据的总和;根据所述第二像元对应的积雪面积比例数据的总和确定所述第二像元对应的第二积雪面积比例数据。在上述方案中,可以根据第一空间分辨率的第一积雪面积比例数据确定第二空间分辨率的第二积雪面积比例数据,以使第一积雪深度数据与第二积雪面积比例数据对应上。
在本申请的可选实施例中,所述确定模块还用于:利用如下公式确定所述第二像元对应的积雪面积比例数据的总和:
其中,其中,SFCi为第i个第二像元对应的积雪面积比例数据的总和,SFCx,y为第(x,y)个第一像元对应的第一积雪面积比例数据,m×n为所述第二像元内包括的所述第一像元的个数。
在本申请的可选实施例中,所述确定模块还用于:利用如下公式确定所述第二像元对应的第二积雪面积比例数据:
第三方面,本申请实施例提供一种电子设备,包括:处理器、存储器和总线;所述处理器和所述存储器通过所述总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如第一方面中的积雪深度计算方法。
第四方面,本申请实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行如第一方面中的积雪深度计算方法。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举本申请实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的一种积雪深度计算方法的流程图;
图2为本申请实施例提供的步骤S102的具体实施方式的流程图;
图3为本申请实施例提供的一种积雪区域划分方法的流程图;
图4为本申请实施例提供的一种积雪深度计算装置的结构框图;
图5为本申请实施例提供的一种电子设备的结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行描述。
请参照图1,图1为本申请实施例提供的一种积雪深度计算方法的流程图,该积雪深度计算方法可以包括如下步骤:
步骤S101:获取待确定区域对应的第一积雪面积比例数据以及第一积雪深度数据。
步骤S102:根据多个第一像元对应的第一积雪面积比例数据确定第二像元对应的第二积雪面积比例数据。
步骤S103:针对每一积雪区域内的每一海拔梯度,建立第一积雪深度数据与第二积雪面积比例数据之间的函数关系。
步骤S104:根据函数关系以及第一积雪面积比例数据计算第二积雪深度数据。
具体的,本申请实施例提供的积雪深度计算方法可以针对某一个或者多个待确定区域。待确定区域可以为某国、某城市、某流域、某自然地理单元等,本申请实施例对待确定区域的大小、范围、地理位置等均不作具体的限定,本领域技术人员可以根据实际情况进行合适的选择。
针对第一待确定区域,电子设备可以首先获取对应的第一积雪面积比例数据以及第一积雪深度数据。其中,第一积雪面积比例数据的空间分辨率为第一空间分辨率,第一积雪深度数据的空间分辨率为第二空间分辨率,且第二空间分辨率低于第一空间分辨率(即第二空间分辨率的数值大于第一空间分辨率的数值);第一空间分辨率为第一积雪面积比例数据对应的第一像元的尺寸,第一空间分辨率的第一积雪面积比例数据指针对第一像元所在的区域,存在积雪的区域面积与整个区域面积的比例;类似的,第二空间分辨率为第一积雪深度数据对应的第二像元的尺寸,第二空间分辨率的第一积雪深度数据指针对第二像元所在的区域,积雪的深度。
作为一种实施方式,第一积雪面积比例数据可以为逐日MODIS积雪面积比例数据,第一积雪深度数据可以为AMSR-E反演的逐日积雪深度数据。
电子设备获取第一积雪面积比例数据以及第一积雪深度数据的方式有多种,例如:接收外部设备发送的第一积雪面积比例数据以及第一积雪深度数据,或者从数据库中读取第一积雪面积比例数据以及第一积雪深度数据,或者从本地读取第一积雪面积比例数据以及第一积雪深度数据等,本申请实施例对此不作具体的限定,本领域技术人员可以根据实际情况进行合适的选择。
举例来说,假设第一积雪面积比例数据的空间分辨率为500米,第一积雪深度数据的空间分辨率为25千米,则第一像元的尺寸为500米×500米,第二像元的尺寸为25千米×25千米。第一积雪面积比例数据为500米×500米区域内存在积雪的区域面积与整个区域面积的比例,第一积雪深度数据为25千米×25千米区域内积雪的深度。
可以看出,第一积雪面积比例数据以及第一积雪深度数据的空间分辨率不相同,25千米×25千米大小的第二像元内可以包括2500个500米×500米大小的第一像元。因此,可以根据第二像元与第一像元的对应关系,将第一空间分辨率的第一积雪面积比例数据转换为第二空间分辨率的第二积雪面积比例数据,也就是根据多个第一像元对应的第一积雪面积比例数据确定第二像元对应的第二积雪面积比例数据,即可以实现上述步骤S102。其中,转换的具体实施方式如下:
请参照图2,图2为本申请实施例提供的步骤S102的具体实施方式的流程图,步骤S102可以包括如下步骤:
步骤S201:根据多个第一像元对应的第一积雪面积比例数据确定第二像元对应的积雪面积比例数据的总和。
步骤S202:根据第二像元对应的积雪面积比例数据的总和确定第二像元对应的第二积雪面积比例数据。
由上述介绍可知,第二像元中包括多个第一像元,因此,可以首先根据多个第一像元对应的第一积雪面积比例数据确定第二像元对应的积雪面积比例数据的总和,即将第二像元对应的多个第一像元的第一积雪面积比例数据进行相加。
作为一种实施方式,上述步骤S201可以包括如下步骤:
利用如下公式确定第二像元对应的积雪面积比例数据的总和:
其中,SFCi为第i个第二像元对应的积雪面积比例数据的总和,SFCx,y为第(x,y)个第一像元对应的第一积雪面积比例数据,m×n为第二像元内包括的第一像元的个数。
然后,将第二像元对应的积雪面积比例数据的总和除以第二像元中第一像元的总个数,即可以得到第二像元对应的第二积雪面积比例数据。
作为一种实施方式,上述步骤S202可以包括如下步骤:
利用如下公式确定第二像元对应的第二积雪面积比例数据:
作为另一种实施方式,在确定第二像元对应的第二积雪面积比例数据的过程中,为了便于计算,可以根据第二像元建立对应的网格。为了便于叙述,同样以第一积雪面积比例数据的空间分辨率为500米,第一积雪深度数据的空间分辨率为25千米为例。
建立与第二像元对应的总面积为25千米×25千米大小的网格组合,该网格组合中包括多个网格,且每个网格的面积大小为500米×500米,显然,网格组合中每一行有50个网格,每一列也有50个网格,总共有2500网格,且每个网格与一个第一像元对应。每个网格对应一个第一积雪面积比例数据,所有网格的第一积雪面积比例数据之和即为第二像元对应的积雪面积比例数据的总和。
在上述方案中,可以根据第一空间分辨率的第一积雪面积比例数据确定第二空间分辨率的第二积雪面积比例数据,以使第一积雪深度数据与第二积雪面积比例数据对应上。
在确定第二像元对应的第二积雪面积比例数据之后,由于第一积雪深度数据以及第二积雪面积比例数据的空间分辨率已经统一为第二空间分辨率,因此可以建立第一积雪深度数据以及第二积雪面积比例数据之间的函数关系。
其中,在一个待确定区域中,可能存在一个或者多个积雪分布特征不同的积雪区域,因此,为了提高准确度,可以针对不同的积雪区域分别进行函数关系的建立。
进一步的,类似的,在一个积雪区域中,可能存在一个或者多个不同的海拔梯度,同样为了提高准确度,可以针对一个积雪区域内不同的海拔梯度分别进行函数关系的建立。
可以理解的是,根据不同的实际情况,既可以仅针对不同的积雪区域进行函数关系的建立,也可以仅针对不同海拔梯度进行函数关系的建立,还可以针对不同的积雪区域以及不同的海拔梯度进行函数关系的建立等,本申请实施例对此不作具体的限定。
其中,作为一种实施方式,积雪区域可以根据积雪深度进行划分。请参照图3,图3为本申请实施例提供的一种积雪区域划分方法的流程图,该积雪区域划分方法可以包括如下步骤:
步骤S301:根据第一积雪深度数据确定每个第二像元对应的多年平均积雪深度数据。
步骤S302:根据每个第二像元对应的多年平均积雪深度数据将待确定区域划分为多个积雪区域。
在上述方案中,步骤S301又可以包括如下步骤:
第一步,根据第一积雪深度数据确定每个第二像元对应的年平均积雪深度数据。
第二步,根据多个年平均积雪深度数据确定每个第二像元对应的多年平均积雪深度数据。
首先,可以利用如下公式确定每个第二像元对应的年平均积雪深度数据:
然后,可以根据多个年平均积雪深度数据确定每个第二像元对应的多年平均积雪深度数据。其中,多年平均积雪深度数据可以为3年、5年或者10年等之内的数据,可以为2018年-2019年、2008年-2018年等之内的数据,本申请实施例对此不作具体的限定,本领域技术人员可以根据实际情况进行合适的选择。
最后,根据计算得到的多年平均积雪深度数据,可以将待确定区域划分为多个积雪区域。例如:积雪深度数据为0对应的区域为无积雪区、积雪深度数据为0-5厘米对应的区域为第一积雪区、积雪深度数据为5-10厘米对应的区域为第二积雪区、积雪深度数据为10-15厘米对应的区域为第三积雪区……。
因此,可以根据5厘米积雪深度作为积雪区域的划分,当然,也可以根据其他积雪深度的大小作为积雪区域的划分。类似的,海拔梯度也可以根据海拔高度的大小进行划分,例如0-500米、500-1000米、1000-1500米……。作为一种实施方式,海拔高度可以采用数字高程模型数据。
在上述方案中,可以根据积雪的分布特征将待确定区域划分为多个积雪区域,以针对每个积雪区域分别进行计算,以增加计算结果的准确度。
在建立第一积雪深度数据与第二积雪面积比例数据之间的函数关系的过程中,建立的函数关系可以为:
然后,可以将第一空间分辨率的第一积雪面积比例数据代入上述函数关系中,得到同样为第一空间分辨率的第二积雪深度数据。
在上述方案中,结合空间分辨率较高的第一积雪面积比例数据以及空间分辨率较低的第一积雪深度数据建立函数关系,以根据函数关系以及空间分辨率较高的第一积雪面积比例数据确定空间分辨率较高的第二积雪深度数据。因此,可以获得空间分辨率较高的积雪深度数据,从而可以反映小区域积雪的变化特征。
进一步的,上述步骤S101可以包括如下步骤:
第一步,获取待确定区域对应的第三积雪面积比例数据。
第二步,对第三积雪面积比例数据进行重建,得到重建后时空连续的第一积雪面积比例数据。
具体的,由于第三积雪面积比例数据可能受云层的影响,导致第三积雪面积比例数据中缺失部分像元对应的数据,从而使得待确定区域的积雪面积比例数据不完整,因此,可以通过对第三积雪面积比例数据进行重建,进而生成时空连续的第一积雪面积比例数据。
作为一种实施方式,可以采用多次样条函数插值算法进行云覆盖像元的积雪面积比例数据重建,该方法可以通过对晴空下的积雪面积比例数据与时间进行拟合,构建积雪面积比例随时间变化的曲线,并利用该曲线计算云覆盖像元的积雪面积比例数据,进而生成时空连续的积雪面积比例数据。
进一步的,上述获取第三积雪面积比例数据的步骤还可以包括如下步骤:
第一步,获取第四积雪面积比例数据。
第二步,对第四积雪面积比例数据进行预处理,得到第三积雪面积比例数据。
具体的,在计算之前,还可以首先对数据进行预处理,例如:对第四积雪面积比例数据进行格式转换、投影转换、数据拼接等处理,以提高后续计算的准确度。
进一步的,本申请实施例提供的积雪深度计算方法还可以包括如下步骤:
第一步,获取待确定区域对应的观测积雪深度数据。
第二步,根据观测积雪深度数据从多个函数关系中确定最优函数关系,以根据最优函数关系以及第一积雪面积比例数据计算第二积雪深度数据。
具体的,由于建立的函数关系可以有多种,因此可以根据观测积雪深度数据从多个函数关系中确定一个最优函数关系,以根据最优函数关系得到准确度较高的第二积雪深度数据。
请参照图4,图4为本申请实施例提供的一种积雪深度计算装置的结构框图,该积雪深度计算装置400可以包括:第一获取模块401,用于获取待确定区域对应的第一积雪面积比例数据以及第一积雪深度数据;其中,所述第一积雪面积比例数据的空间分辨率为第一空间分辨率,所述第一空间分辨率为所述第一积雪面积比例数据对应的第一像元的尺寸,所述第一积雪深度数据的空间分辨率为第二空间分辨率,所述第二空间分辨率为所述第一积雪深度数据对应的第二像元的尺寸,所述第二空间分辨率低于所述第一空间分辨率,所述待确定区域包括至少一个积雪区域;确定模块402,用于根据多个所述第一像元对应的所述第一积雪面积比例数据确定所述第二像元对应的第二积雪面积比例数据;其中,所述第二积雪面积比例数据的空间分辨率为所述第二空间分辨率;建立模块403,用于针对每一积雪区域内的每一海拔梯度,建立所述第一积雪深度数据与所述第二积雪面积比例数据之间的函数关系;计算模块404,用于根据所述函数关系以及所述第一积雪面积比例数据计算第二积雪深度数据;其中,所述第二积雪深度数据的空间分辨率为所述第一空间分辨率。
在本申请实施例中,结合空间分辨率较高的第一积雪面积比例数据以及空间分辨率较低的第一积雪深度数据建立函数关系,以根据函数关系以及空间分辨率较高的第一积雪面积比例数据确定空间分辨率较高的第二积雪深度数据。因此,可以获得空间分辨率较高的积雪深度数据,从而可以反映小区域积雪的变化特征。
进一步的,所述积雪深度计算装置400还包括:第三确定模块,用于根据所述第一积雪深度数据确定每个第二像元对应的多年平均积雪深度数据;划分模块,用于根据所述每个第二像元对应的多年平均积雪深度数据将所述待确定区域划分为多个所述积雪区域。
在本申请实施例中,可以根据积雪的分布特征将待确定区域划分为多个积雪区域,以针对每个积雪区域分别进行计算,以增加计算结果的准确度。
进一步的,所述第三确定模块还用于:根据所述第一积雪深度数据确定每个第二像元对应的年平均积雪深度数据;根据多个所述年平均积雪深度数据确定所述每个第二像元对应的多年平均积雪深度数据。
在本申请实施例中,可以根据每个第二像元一年内的第一积雪深度数据确定其每年的年平均积雪深度数据,然后根据每年的年平均积雪深度数据确定对应的多年平均积雪深度数据,以根据多年平均积雪深度数据确定积雪的分布特征,并将待确定区域划分为多个积雪区域。
进一步的,所述第三确定模块还用于:利用如下公式确定所述每个第二像元对应的年平均积雪深度数据:
进一步的,所述第一获取模块401还用于:获取待确定区域对应的第三积雪面积比例数据;其中,所述第三积雪面积比例数据的空间分辨率为所述第一空间分辨率;对所述第三积雪面积比例数据进行重建,得到重建后时空连续的所述第一积雪面积比例数据。
在本申请实施例中,由于第三积雪面积比例数据受云的影响,导致部分像元缺失数据,因此可以通过对第三积雪面积比例数据进行重建,进而生成时空连续的第一积雪面积比例数据。
进一步的,所述第一获取模块401还用于:获取第四积雪面积比例数据;对所述第四积雪面积比例数据进行预处理,得到所述第三积雪面积比例数据。
在本申请实施例中,可以首先对获取的第四积雪面积比例数据进行预处理,得到预处理后的第三积雪面积比例数据,以提高后续计算的准确度。
进一步的,所述积雪深度计算装置400还包括:获取所述待确定区域对应的观测积雪深度数据;根据所述观测积雪深度数据从多个所述函数关系中确定最优函数关系,以根据所述最优函数关系以及所述第一积雪面积比例数据计算所述第二积雪深度数据。
在本申请实施例中,由于建立的函数关系可以有多种,因此可以根据观测积雪深度数据从多个函数关系中确定一个最优函数关系,以根据最优函数关系得到准确度较高的第二积雪深度数据。
进一步的,所述确定模块402还用于:根据多个所述第一像元对应的所述第一积雪面积比例数据确定所述第二像元对应的积雪面积比例数据的总和;根据所述第二像元对应的积雪面积比例数据的总和确定所述第二像元对应的第二积雪面积比例数据。
在本申请实施例中,可以根据第一空间分辨率的第一积雪面积比例数据确定第二空间分辨率的第二积雪面积比例数据,以使第一积雪深度数据与第二积雪面积比例数据对应上。
进一步的,所述确定模块402还用于:利用如下公式确定所述第二像元对应的积雪面积比例数据的总和:
其中,SFCi为第i个第二像元对应的积雪面积比例数据的总和,SFCx,y为第(x,y)个第一像元对应的第一积雪面积比例数据,m×n为所述第二像元内包括的所述第一像元的个数。
进一步的,所述确定模块402还用于:利用如下公式确定所述第二像元对应的第二积雪面积比例数据:
请参照图5,图5为本申请实施例提供的一种电子设备的结构框图,该电子设备500包括:至少一个处理器501,至少一个通信接口502,至少一个存储器503和至少一个通信总线504。其中,通信总线504用于实现这些组件直接的连接通信,通信接口502用于与其他节点设备进行信令或数据的通信,存储器503存储有处理器501可执行的机器可读指令。当电子设备500运行时,处理器501与存储器503之间通过通信总线504通信,机器可读指令被处理器501调用时执行上述积雪深度计算方法。
例如,本申请实施例的处理器501通过通信总线504从存储器503读取计算机程序并执行该计算机程序可以实现如下方法:步骤S101:获取待确定区域对应的第一积雪面积比例数据以及第一积雪深度数据。步骤S102:根据多个第一像元对应的第一积雪面积比例数据确定第二像元对应的第二积雪面积比例数据。步骤S103:针对每一积雪区域内的每一海拔梯度,建立第一积雪深度数据与第二积雪面积比例数据之间的函数关系。步骤S104:根据函数关系以及第一积雪面积比例数据计算第二积雪深度数据。
处理器501可以是一种集成电路芯片,具有信号处理能力。上述处理器501可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(Digital Signal Processing,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。其可以实现或者执行本申请实施例中公开的各种方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器503可以包括但不限于随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
可以理解,图5所示的结构仅为示意,电子设备500还可包括比图5中所示更多或者更少的组件,或者具有与图5所示不同的配置。图5中所示的各组件可以采用硬件、软件或其组合实现。于本申请实施例中,电子设备500可以是,但不限于台式机、笔记本电脑、智能手机、智能穿戴设备、车载设备等实体设备,还可以是虚拟机等虚拟设备。另外,电子设备500也不一定是单台设备,还可以是多台设备的组合,例如服务器集群,等等。
本申请实施例还提供一种计算机程序产品,包括存储在非暂态计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,计算机能够执行上述实施例中积雪深度计算方法的步骤,例如包括:获取待确定区域对应的第一积雪面积比例数据以及第一积雪深度数据;其中,所述第一积雪面积比例数据的空间分辨率为第一空间分辨率,所述第一空间分辨率为所述第一积雪面积比例数据对应的第一像元的尺寸,所述第一积雪深度数据的空间分辨率为第二空间分辨率,所述第二空间分辨率为所述第一积雪深度数据对应的第二像元的尺寸,所述第二空间分辨率低于所述第一空间分辨率,所述待确定区域包括至少一个积雪区域;根据多个所述第一像元对应的所述第一积雪面积比例数据确定所述第二像元对应的第二积雪面积比例数据;其中,所述第二积雪面积比例数据的空间分辨率为所述第二空间分辨率;针对每一积雪区域内的每一海拔梯度,建立所述第一积雪深度数据与所述第二积雪面积比例数据之间的函数关系;根据所述函数关系以及所述第一积雪面积比例数据计算第二积雪深度数据;其中,所述第二积雪深度数据的空间分辨率为所述第一空间分辨率。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
另外,作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述仅为本申请的实施例而已,并不用于限制本申请的保护范围,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种积雪深度计算方法,其特征在于,包括:
获取待确定区域对应的第一积雪面积比例数据以及第一积雪深度数据;其中,所述第一积雪面积比例数据的空间分辨率为第一空间分辨率,所述第一空间分辨率为所述第一积雪面积比例数据对应的第一像元的尺寸,所述第一积雪深度数据的空间分辨率为第二空间分辨率,所述第二空间分辨率为所述第一积雪深度数据对应的第二像元的尺寸,所述第二空间分辨率低于所述第一空间分辨率,所述待确定区域包括至少一个积雪区域;
根据多个所述第一像元对应的所述第一积雪面积比例数据确定所述第二像元对应的第二积雪面积比例数据;其中,所述第二积雪面积比例数据的空间分辨率为所述第二空间分辨率;
针对每一积雪区域内的每一海拔梯度,建立所述第一积雪深度数据与所述第二积雪面积比例数据之间的函数关系;
根据所述函数关系以及所述第一积雪面积比例数据计算第二积雪深度数据;其中,所述第二积雪深度数据的空间分辨率为所述第一空间分辨率。
2.根据权利要求1所述的积雪深度计算方法,其特征在于,在所述针对每一积雪区域内的每一海拔梯度,建立所述第一积雪深度数据与所述第二积雪面积比例数据之间的函数关系之前,所述方法还包括:
根据所述第一积雪深度数据确定每个第二像元对应的多年平均积雪深度数据;
根据所述每个第二像元对应的多年平均积雪深度数据将所述待确定区域划分为多个所述积雪区域。
3.根据权利要求2所述的积雪深度计算方法,其特征在于,所述根据所述第一积雪深度数据确定每个像元对应的多年平均积雪深度数据,包括:
根据所述第一积雪深度数据确定每个第二像元对应的年平均积雪深度数据;
根据多个所述年平均积雪深度数据确定所述每个第二像元对应的多年平均积雪深度数据。
4.根据权利要求1所述的积雪深度计算方法,其特征在于,所述获取待确定区域对应的第一积雪面积比例数据,包括:
获取待确定区域对应的第三积雪面积比例数据;其中,所述第三积雪面积比例数据的空间分辨率为所述第一空间分辨率;
对所述第三积雪面积比例数据进行重建,得到重建后时空连续的所述第一积雪面积比例数据。
5.根据权利要求1所述的积雪深度计算方法,其特征在于,在所述针对每一积雪区域内的每一海拔梯度,建立所述第一积雪深度数据与所述第二积雪面积比例数据之间的函数关系之后,所述方法还包括:
获取所述待确定区域对应的观测积雪深度数据;
根据所述观测积雪深度数据从多个所述函数关系中确定最优函数关系,以根据所述最优函数关系以及所述第一积雪面积比例数据计算所述第二积雪深度数据。
6.根据权利要求1-5任一项所述的积雪深度计算方法,其特征在于,所述根据多个所述第一像元对应的所述第一积雪面积比例数据确定所述第二像元对应的第二积雪面积比例数据,包括:
根据多个所述第一像元对应的所述第一积雪面积比例数据确定所述第二像元对应的积雪面积比例数据的总和;
根据所述第二像元对应的积雪面积比例数据的总和确定所述第二像元对应的第二积雪面积比例数据。
7.根据权利要求6所述的积雪深度计算方法,其特征在于,所述根据多个所述第一像元对应的所述第一积雪面积比例数据确定所述第二像元对应的积雪面积比例数据的总和,包括:
利用如下公式确定所述第二像元对应的积雪面积比例数据的总和:
其中,SFCi为第i个第二像元对应的积雪面积比例数据的总和,SFCx,y为第(x,y)个第一像元对应的第一积雪面积比例数据,m×n为所述第二像元内包括的所述第一像元的个数;
所述根据所述第二像元对应的积雪面积比例数据的总和确定所述第二像元对应的第二积雪面积比例数据,包括:
利用如下公式确定所述第二像元对应的第二积雪面积比例数据:
8.一种积雪深度计算装置,其特征在于,包括:
第一获取模块,用于获取待确定区域对应的第一积雪面积比例数据以及第一积雪深度数据;其中,所述第一积雪面积比例数据的空间分辨率为第一空间分辨率,所述第一空间分辨率为所述第一积雪面积比例数据对应的第一像元的尺寸,所述第一积雪深度数据的空间分辨率为第二空间分辨率,所述第二空间分辨率为所述第一积雪深度数据对应的第二像元的尺寸,所述第二空间分辨率低于所述第一空间分辨率,所述待确定区域包括至少一个积雪区域;
确定模块,用于根据多个所述第一像元对应的所述第一积雪面积比例数据确定所述第二像元对应的第二积雪面积比例数据;其中,所述第二积雪面积比例数据的空间分辨率为所述第二空间分辨率;
建立模块,用于针对每一积雪区域内的每一海拔梯度,建立所述第一积雪深度数据与所述第二积雪面积比例数据之间的函数关系;
计算模块,用于根据所述函数关系以及所述第一积雪面积比例数据计算第二积雪深度数据;其中,所述第二积雪深度数据的空间分辨率为所述第一空间分辨率。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线;
所述处理器和所述存储器通过所述总线完成相互间的通信;
所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行如权利要求1-7任一项所述的积雪深度计算方法。
10.一种非暂态计算机可读存储介质,其特征在于,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令被计算机运行时,使所述计算机执行如权利要求1-7任一项所述的积雪深度计算方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011006951.1A CN112150536B (zh) | 2020-09-22 | 2020-09-22 | 一种积雪深度计算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011006951.1A CN112150536B (zh) | 2020-09-22 | 2020-09-22 | 一种积雪深度计算方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112150536A CN112150536A (zh) | 2020-12-29 |
CN112150536B true CN112150536B (zh) | 2021-07-16 |
Family
ID=73897633
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011006951.1A Active CN112150536B (zh) | 2020-09-22 | 2020-09-22 | 一种积雪深度计算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112150536B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034337A (zh) * | 2009-09-25 | 2011-04-27 | 中国农业科学院农业资源与农业区划研究所 | 草原雪灾遥感监测与灾情评估系统及方法 |
CN106127717A (zh) * | 2016-06-15 | 2016-11-16 | 中国科学院遥感与数字地球研究所 | 一种基于modis逐日积雪覆盖图像的去云方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170228743A1 (en) * | 2016-02-05 | 2017-08-10 | Weather Analytics, LLC | Crop forecasting with incremental feature selection and spectrum constrained scenario generation |
-
2020
- 2020-09-22 CN CN202011006951.1A patent/CN112150536B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102034337A (zh) * | 2009-09-25 | 2011-04-27 | 中国农业科学院农业资源与农业区划研究所 | 草原雪灾遥感监测与灾情评估系统及方法 |
CN106127717A (zh) * | 2016-06-15 | 2016-11-16 | 中国科学院遥感与数字地球研究所 | 一种基于modis逐日积雪覆盖图像的去云方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112150536A (zh) | 2020-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110738252B (zh) | 空间自相关的机器学习卫星降水数据降尺度方法、系统 | |
Ramsankaran et al. | Spatially distributed ice-thickness modelling for Chhota Shigri Glacier in western Himalayas, India | |
CN110516816B (zh) | 基于机器学习的全天候地表温度生成方法及装置 | |
Zhou et al. | Satellite mapping of urban built-up heights reveals extreme infrastructure gaps and inequalities in the Global South | |
CN111862292B (zh) | 输电线路走廊的数据渲染方法、装置和计算机设备 | |
Grigorescu et al. | Modelling land use/cover change to assess future urban sprawl in Romania | |
CN115079307A (zh) | 一种基于多模式最优集成的风电场气象预报方法和系统 | |
Hakkenberg et al. | Characterizing multi-decadal, annual land cover change dynamics in Houston, TX based on automated classification of Landsat imagery | |
CN112150536B (zh) | 一种积雪深度计算方法及装置 | |
Gong et al. | Cloud-covered MODIS LST reconstruction by combining assimilation data and remote sensing data through a nonlocality-reinforced network | |
Fang et al. | Extreme sea levels along coastal China: uncertainties and implications | |
CN112700547B (zh) | 地图制图方法及其相关设备 | |
Shangguan et al. | A long-term, high-accuracy and seamless 1km soil moisture dataset over the Qinghai-Tibet Plateau during 2001–2020 based on a two-step downscaling method | |
CN116776651B (zh) | 地表蒸散发测算方法、装置、电子设备及存储介质 | |
Huerta et al. | High-resolution gridded hourly precipitation dataset for Peru (PISCOp_h) | |
CN112115844A (zh) | 基于多源遥感影像和路网数据的城市人口数据分析方法 | |
Zhao et al. | Performance comparison among typical open global DEM datasets in the Fenhe River Basin of China | |
Luo et al. | Investigating the seasonal dynamics of surface water over the Qinghai–Tibet Plateau using Sentinel-1 imagery and a novel gated multiscale ConvNet | |
CN115877345A (zh) | 一种风廓线雷达缺测数据的补齐方法和装置 | |
CN110569546A (zh) | 交通小区的划分方法及装置 | |
Bao et al. | The effect of estimating areal rainfall using self‐similarity topography method on the simulation accuracy of runoff prediction | |
Tong et al. | Geometric integration of aerial and QuickBird imagery for high accuracy geopositioning and mapping application: A case study in Shanghai | |
Niu et al. | Robust boundary extraction of great lakes by blocking Active Contour Model using Chinese GF‐3 SAR data: a case study of Danjiangkou reservoir, China | |
Jiang et al. | Incorporating daily rainfalls to derive rainfall DDF relationships at ungauged sites in Hong Kong and quantifying their uncertainty | |
CN111339235A (zh) | 一种数据渲染方法、装置、设备及存储介质 |
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 |