CN112733445A - 基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法 - Google Patents
基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法 Download PDFInfo
- Publication number
- CN112733445A CN112733445A CN202110005634.6A CN202110005634A CN112733445A CN 112733445 A CN112733445 A CN 112733445A CN 202110005634 A CN202110005634 A CN 202110005634A CN 112733445 A CN112733445 A CN 112733445A
- Authority
- CN
- China
- Prior art keywords
- vegetation
- evapotranspiration
- ground
- remote sensing
- soil moisture
- 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 41
- 239000002689 soil Substances 0.000 title claims abstract description 31
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 26
- 230000003287 optical effect Effects 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000005540 biological transmission Effects 0.000 claims abstract description 9
- 238000004088 simulation Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 13
- 238000002310 reflectometry Methods 0.000 claims description 11
- 238000013459 approach Methods 0.000 claims description 9
- 238000001704 evaporation Methods 0.000 claims description 9
- 230000008020 evaporation Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 239000006185 dispersion Substances 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003702 image correction Methods 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 239000002352 surface water Substances 0.000 claims description 3
- 238000001931 thermography Methods 0.000 claims description 3
- 230000005068 transpiration Effects 0.000 abstract description 4
- 230000006872 improvement Effects 0.000 description 10
- 230000029553 photosynthesis Effects 0.000 description 4
- 238000010672 photosynthesis Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010606 normalization Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
Abstract
本发明涉及植被种植技术领域,具体地说,涉及基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法。其包括遥感控制步骤:遥感平台对光学观测遥感器以及微波观测遥感器进行控制;植被地面顶点观测步骤:利用光学观测遥感以及微波观测遥感对地面植被的蒸散量进行时间和空间两个特征的观测;特征模拟步骤:利用时间和空间两个特征反演出大区域尺度土壤的水分。本发明中蒸腾参数化引入了冠层阻抗来反应植物的对水蒸气的传输效率,仅需获取归一化植被指数、叶面积指数等遥感数据对大区域尺度土壤水分进行反演计算,从而解决了反演步骤复杂的问题。
Description
技术领域
本发明涉及植被种植技术领域,具体地说,涉及基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法。
背景技术
植被群落蒸散量和CO2交换量的测定方法多种多样,该文以水分、CO2动态的区域性整合为目标,开创了一种新的、同时测定群落蒸散量和CO2交换量的方法--LI-6262CO2/H2O分析仪接气室法。借助这种方法测定了内蒙古锡林河流域典型草原区群落蒸散量和CO2交换量,取得了较好的结果。该方法将群落的重要生态过程:蒸散与光合、呼吸作用的测定联系起来,也因此得到一系列表征群落特性的有用指标;同时该方法具有精度高、简便易携带、适于野外操作等特点,经进一步改进后可广泛用于草原、沙地及湿地植物群落的气体通量测定。对于精确研究草原区各种植物群落类型的水分利用、光合和呼吸特性及草原区植被在全球气候变化中的地位和作用等有重要的实用价值。
但植被群落内的植被种类不同,在大区域尺度土壤水分反演过程中需要对不同种类的植被进行区分,这样无疑增加了反演的工作步骤,增大了反演的负担。
发明内容
本发明的目的在于提供基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法,其方法步骤如下:
S1.1、遥感控制步骤:遥感平台对光学观测遥感器以及微波观测遥感器进行控制;
S1.2、植被地面顶点观测步骤:利用光学观测遥感以及微波观测遥感对地面植被的蒸散量进行时间和空间两个特征的观测;
S1.3、特征模拟步骤:利用时间和空间两个特征反演出大区域尺度土壤的水分。
作为本技术方案的进一步改进,所述S1.1中遥感平台包括信息传输模块、信息接收模块以及图像处理模块;所述信息传输模块用于将控制信息传输给光学观测遥感器以及微波观测遥感器,通过光学观测遥感器以及微波观测遥感对地表温度进行热成像提取;所述信息接收用于接收遥感平台的控制信号;所述图像处理模块用于对提取的热成像进行处理。
作为本技术方案的进一步改进,所述图像处理模块处理方法如下:
S2.1、图像校正:利用地面植被的控制点,将植被坐标转换函数,把各控制点从地理空间投影到图像空间,几何校正的精度直接取决于地面植被的控制点选取的精度、分布和数量;因此,地面植被的控制点的选择必须满足一定的条件,即:地面植被的控制点应当均匀地分布在图像内;地面植被的控制点应当在图像上有明显的、精确的定位识别标志,如公路、铁路交叉点、河流叉口、农田界线等,以保证空间配准的精度;地面植被的控制点要有一定的数量保证;
S2.2、地面植被的控制点选好后,再选择不同的校正算子和插值法进行计算,同时,还对地面植被的控制点进行误差分析,使得其精度满足要求为止,再将校正好的图像与地形图进行对比。
作为本技术方案的进一步改进,所述S2.2中插值法为线性加权算法,其算法公式如下:
其中,Wt为地面植被的控制点左临近权重;Wr为地面植被的控制点右临近权重;lw为地面植被的控制点左临近权重图像尺度大小;rw为地面植被的控制点右临近权重尺度大小;r为空间分辨率大小;d为地面植被的控制点间距大小。
作为本技术方案的进一步改进,所述S1.2中微波观测遥感通过降低图像尺度来提高植被空间特征的分辨率。
作为本技术方案的进一步改进,所述光学观测遥感器以及微波观测遥感器采用归一化植被指数对反射率进行计算,并通过反射率分析出植被的分散率,由于植被一般是对近红外光反射明显而较亮,而由于光合作用吸收红光比较暗,与其它地物在遥感影像上形成强烈差异,因此利用近红外与红波段的反射率,植被的值偏高,可以很容易把植物区分开来,归一化的好处是数值范围比较集中。
作为本技术方案的进一步改进,所述归一化植被指数的计算公式如下:
其中,NDVI为归一化植被指数;NIR为植被近红外波段反射值;R为植被红外波段反射值。
作为本技术方案的进一步改进,所述归一化植被指数与蒸散量的时间特征存在梯度关系,所述梯度关系公式为:
其中,Ts为任意蒸散量时间的地表温度;Tsmin为最低地表温度;r为空间分辨率;d为地面植被的控制点间距。
作为本技术方案的进一步改进,所述S1.3中反演大区域尺度土壤的水分参数化的模型采用水平衡模型。
作为本技术方案的进一步改进,所述水平衡模型计算公式如下:
Ea=Ep(w/wc);
其中,ρw为植被地表水的密度;z为植被地表土壤厚度;w为植被地表土壤平均含水量;Pr为植被地表降水量;Ea为实际蒸发量;Ep为潜在蒸发量;wc为植被地表持水量。
与现有技术相比,本发明的有益效果:该基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法中,通过设置的光学观测遥感器以及微波观测遥感器利用归一化植被指数对反射率进行计算,并通过反射率分析出植被的分散率,然后利用近红外与红波段的反射率,植被的值偏高,以便于把植被区分开来,并使数值范围更加集中,另外蒸腾参数化引入了冠层阻抗来反应植物的对水蒸气的传输效率,仅需获取归一化植被指数、叶面积指数等遥感数据对大区域尺度土壤水分进行反演计算,从而解决了反演步骤复杂的问题。
附图说明
图1为实施例1的整体步骤流程图;
图2为实施例1的图像处理模块处理方法的步骤流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
本发明提供基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法,请参阅图1-图2,其方法步骤如下:
S1.1、遥感控制步骤:遥感平台对光学观测遥感器以及微波观测遥感器进行控制;
S1.2、植被地面顶点观测步骤:利用光学观测遥感以及微波观测遥感对地面植被的蒸散量进行时间和空间两个特征的观测;
S1.3、特征模拟步骤:利用时间和空间两个特征反演出大区域尺度土壤的水分。
本实施例中,S1.1中遥感平台包括信息传输模块、信息接收模块以及图像处理模块;信息传输模块用于将控制信息传输给光学观测遥感器以及微波观测遥感器,通过光学观测遥感器以及微波观测遥感对地表温度进行热成像提取;信息接收用于接收遥感平台的控制信号;图像处理模块用于对提取的热成像进行处理。
进一步的,图像处理模块处理方法如下:
S2.1、图像校正:利用地面植被的控制点,将植被坐标转换函数,把各控制点从地理空间投影到图像空间,几何校正的精度直接取决于地面植被的控制点选取的精度、分布和数量;因此,地面植被的控制点的选择必须满足一定的条件,即:地面植被的控制点应当均匀地分布在图像内;地面植被的控制点应当在图像上有明显的、精确的定位识别标志,如公路、铁路交叉点、河流叉口、农田界线等,以保证空间配准的精度;地面植被的控制点要有一定的数量保证;
S2.2、地面植被的控制点选好后,再选择不同的校正算子和插值法进行计算,同时,还对地面植被的控制点进行误差分析,使得其精度满足要求为止,再将校正好的图像与地形图进行对比。
具体的,S2.2中插值法为线性加权算法,其算法公式如下:
其中,Wt为地面植被的控制点左临近权重;Wr为地面植被的控制点右临近权重;lw为地面植被的控制点左临近权重图像尺度大小;rw为地面植被的控制点右临近权重尺度大小;r为空间分辨率大小;d为地面植被的控制点间距大小。
此外,S1.2中微波观测遥感通过降低图像尺度来提高植被空间特征的分辨率。
除此之外,光学观测遥感器以及微波观测遥感器采用归一化植被指数对反射率进行计算,并通过反射率分析出植被的分散率,由于植被一般是对近红外光反射明显而较亮,而由于光合作用吸收红光比较暗,与其它地物在遥感影像上形成强烈差异,因此利用近红外与红波段的反射率,植被的值偏高,可以很容易把植物区分开来,归一化的好处是数值范围比较集中。
进一步的,归一化植被指数的计算公式如下:
其中,NDVI为归一化植被指数;NIR为植被近红外波段反射值;R为植被红外波段反射值。
此外,当-1≤NDVI≤1,负值表示地面覆盖为云、水、等,对可见光高反射;0表示有岩石或裸土等;NIR和R近似相等;正值,表示有植被覆盖,且随覆盖度增大而增大;NDVI的局限性表现在,用非线性拉伸的方式增强了NIR和R的反射率的对比度;对于同一幅图象,分别求RVI和NDVI时会发现,RVI值增加的速度高于NDVI增加速度,即NDVI对高植被区具有较低的灵敏度;NDVI能反映出植物冠层的背景影响,如土壤、潮湿地面、雪、枯叶、粗糙度等,且与植被覆盖有关。
具体的,归一化植被指数与蒸散量的时间特征存在梯度关系,梯度关系公式为:
其中,Ts为任意蒸散量时间的地表温度;Tsmin为最低地表温度;r为空间分辨率;d为地面植被的控制点间距。
此外,S1.3中反演大区域尺度土壤的水分参数化的模型采用水平衡模型。
除此之外,水平衡模型计算公式如下:
Ea=Ep(w/wc);
其中,ρw为植被地表水的密度;z为植被地表土壤厚度;w为植被地表土壤平均含水量;Pr为植被地表降水量;Ea为实际蒸发量;Ep为潜在蒸发量;wc为植被地表持水量。
值得说明的是,植被蒸散量参数考虑到冠层截留蒸发和叶面蒸腾,冠层截流水分蒸发量计算公式为:
另外,对蒸腾参数化引入了冠层阻抗来反应植物的对水蒸气的传输效率,其计算公式为:
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法,其方法步骤如下:
S1.1、遥感控制步骤:遥感平台对光学观测遥感器以及微波观测遥感器进行控制;
S1.2、植被地面顶点观测步骤:利用光学观测遥感以及微波观测遥感对地面植被的蒸散量进行时间和空间两个特征的观测;
S1.3、特征模拟步骤:利用时间和空间两个特征反演出大区域尺度土壤的水分。
2.根据权利要求1所述的基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法,其特征在于:所述S1.1中遥感平台包括信息传输模块、信息接收模块以及图像处理模块;所述信息传输模块用于将控制信息传输给光学观测遥感器以及微波观测遥感器,通过光学观测遥感器以及微波观测遥感对地表温度进行热成像提取;所述信息接收用于接收遥感平台的控制信号;所述图像处理模块用于对提取的热成像进行处理。
3.根据权利要求2所述的基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法,其特征在于:所述图像处理模块处理方法如下:
S2.1、图像校正:利用地面植被的控制点,将植被坐标转换函数,把各控制点从地理空间投影到图像空间;
S2.2、地面植被的控制点选好后,再选择不同的校正算子和插值法进行计算,同时,还对地面植被的控制点进行误差分析,使得其精度满足要求为止,再将校正好的图像与地形图进行对比。
5.根据权利要求1所述的基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法,其特征在于:所述S1.2中微波观测遥感通过降低图像尺度来提高植被空间特征的分辨率。
6.根据权利要求1所述的基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法,其特征在于:所述光学观测遥感器以及微波观测遥感器采用归一化植被指数对反射率进行计算,并通过反射率分析出植被的分散率。
9.根据权利要求1所述的基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法,其特征在于:所述S1.3中反演大区域尺度土壤的水分参数化的模型采用水平衡模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110005634.6A CN112733445A (zh) | 2021-01-05 | 2021-01-05 | 基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110005634.6A CN112733445A (zh) | 2021-01-05 | 2021-01-05 | 基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112733445A true CN112733445A (zh) | 2021-04-30 |
Family
ID=75590894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110005634.6A Pending CN112733445A (zh) | 2021-01-05 | 2021-01-05 | 基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112733445A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114707412A (zh) * | 2022-04-08 | 2022-07-05 | 四川大学 | 一种基于植被冠层时变特征的swat模型优化方法 |
CN116861637A (zh) * | 2023-06-15 | 2023-10-10 | 中国科学院重庆绿色智能技术研究院 | 植被生长状态和空间分布数值模拟方法、装置及介质 |
CN116861637B (zh) * | 2023-06-15 | 2024-05-10 | 中国科学院重庆绿色智能技术研究院 | 植被生长状态和空间分布数值模拟方法、装置及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930601A (zh) * | 2010-09-01 | 2010-12-29 | 浙江大学 | 一种基于边缘信息的多尺度模糊图像盲复原方法 |
CN106501186A (zh) * | 2016-11-02 | 2017-03-15 | 中国科学院遥感与数字地球研究所 | 一种土壤含水量产品降尺度方法 |
CN110727900A (zh) * | 2019-09-20 | 2020-01-24 | 中国科学院遥感与数字地球研究所 | 一种流域植被干旱发生遥感预警与缺水估算方法 |
CN112014323A (zh) * | 2020-08-31 | 2020-12-01 | 中国科学院地理科学与资源研究所 | 一种地表蒸散发的遥感反演方法及系统 |
-
2021
- 2021-01-05 CN CN202110005634.6A patent/CN112733445A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101930601A (zh) * | 2010-09-01 | 2010-12-29 | 浙江大学 | 一种基于边缘信息的多尺度模糊图像盲复原方法 |
CN106501186A (zh) * | 2016-11-02 | 2017-03-15 | 中国科学院遥感与数字地球研究所 | 一种土壤含水量产品降尺度方法 |
CN110727900A (zh) * | 2019-09-20 | 2020-01-24 | 中国科学院遥感与数字地球研究所 | 一种流域植被干旱发生遥感预警与缺水估算方法 |
CN112014323A (zh) * | 2020-08-31 | 2020-12-01 | 中国科学院地理科学与资源研究所 | 一种地表蒸散发的遥感反演方法及系统 |
Non-Patent Citations (5)
Title |
---|
YU FENG 等: "Comparison of maize water consumption at different scales between mulched and non-mulched croplands", 《AGRICULTURAL WATER MANAGEMENT》 * |
刘礼杨: "基于AMSR-E星载被动微波遥感的植被—温度干旱指数模型研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
卫三平: "黄土丘陵区土壤—植被—大气系统水能传输模拟研究", 《中国博士学位论文全文数据库 农业科技辑》 * |
娄利娇: "被动微波遥感土壤湿度数据降尺度研究", 《中国优秀硕士学位论文全文数据库 农业科技辑》 * |
胡国彪: "基于结构套合分析的遥感影像尺度效应研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114707412A (zh) * | 2022-04-08 | 2022-07-05 | 四川大学 | 一种基于植被冠层时变特征的swat模型优化方法 |
CN114707412B (zh) * | 2022-04-08 | 2023-09-29 | 四川大学 | 一种基于植被冠层时变特征的swat模型优化方法 |
CN116861637A (zh) * | 2023-06-15 | 2023-10-10 | 中国科学院重庆绿色智能技术研究院 | 植被生长状态和空间分布数值模拟方法、装置及介质 |
CN116861637B (zh) * | 2023-06-15 | 2024-05-10 | 中国科学院重庆绿色智能技术研究院 | 植被生长状态和空间分布数值模拟方法、装置及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103530499A (zh) | 山区地表温度基线构建的一种方法及应用 | |
CN114120132A (zh) | 一种气象和红边波段遥感结合的农作物估产方法和装置 | |
CN112836575B (zh) | 一种基于作物物候期的多时序影像水稻估产方法 | |
CN110927120B (zh) | 一种植被覆盖度预警方法 | |
CN113252583B (zh) | 一种基于枯草植被指数计算高寒枯草覆盖度的方法 | |
AU2016273991A1 (en) | Detection of environmental conditions | |
CN110109118B (zh) | 一种森林冠层生物量的预测方法 | |
CN113011372B (zh) | 一种盐碱化土地自动监测和识别方法 | |
CN109325433A (zh) | 引入地形因子的黑土区大豆生物量多时相遥感反演方法 | |
CN114819737B (zh) | 公路路域植被的碳储量估算方法、系统及存储介质 | |
CN115796344A (zh) | 一种区域尺度上森林植被碳储量的估算方法 | |
Liu et al. | Comparison and evaluation of different dryness indices based on vegetation indices-land surface temperature/albedo feature space | |
CN113887024B (zh) | 基于归一化温度构建的干旱指数反演表层土壤水分方法 | |
CN108548793A (zh) | 一种综合Nir-Red-Swir光谱特征的小麦冠层含水量反演方法 | |
CN111783288A (zh) | 基于Landsat8对黄河三角洲土壤盐分的反演方法 | |
CN114486783A (zh) | 基于无人机多源遥感的冬小麦田土壤水分反演方法 | |
CN112733445A (zh) | 基于蒸散量植被指数空间特征的大区域尺度土壤水分反演方法 | |
Munda et al. | Soil moisture modeling over agricultural fields using C-band synthetic aperture radar and modified Dubois model | |
Ardakani et al. | Monitoring of organic matter and soil salinity by using IRS-LissIII satellite data in the Harat plain, of yazd province. | |
CN116628405A (zh) | 一种估算草地植被高度的遥感方法 | |
Yadav et al. | Estimation of soil moisture through water cloud model using sentinel-1A SAR data | |
CN111751286B (zh) | 基于变化检测算法的土壤水分提取方法 | |
CN115326721A (zh) | 一种作物水分胁迫估算的方法 | |
Herodowicz et al. | Effects of soil surface roughness on soil processes and remote sensing data interpretation and its measuring techniques-a review | |
Sun et al. | Comparison and evaluation of remote sensing indices for agricultural drought monitoring over Kazakhstan |
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: 20210430 |