CN113516731B - 一种样本点数据精化方法及系统 - Google Patents
一种样本点数据精化方法及系统 Download PDFInfo
- Publication number
- CN113516731B CN113516731B CN202110529870.8A CN202110529870A CN113516731B CN 113516731 B CN113516731 B CN 113516731B CN 202110529870 A CN202110529870 A CN 202110529870A CN 113516731 B CN113516731 B CN 113516731B
- Authority
- CN
- China
- Prior art keywords
- sample
- sample point
- area
- line
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/203—Drawing of straight lines or curves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/60—Editing figures and text; Combining figures or text
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
本发明提供一种样本点数据精化方法及系统,包括:根据采样区域中的每个样本点所在的泰森多边形面积与平均采样面积,确定样本均值线、样本稀疏线和样本聚集线;进而确定每个样本点的样本类型;根据样本类型,确定每个样本点的数据权重调整量;根据每个样本点的数据权重调整量,对每个样本点的数据进行权重调整,以生成采样区域的样本点精化数据。本发明提供的样本点数据精化方法及系统,可以确定每个样本点的类型,进而针对不同类型的样本点数据分别进行权重调整,以提高样本点数据的代表性和无偏性,不仅节约了野外补充采样成本,而且降低了样本点分布稀疏和聚集引起的不确定性,保证了样本点数据分析评价的准确性和可靠性。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种样本点数据精化方法及系统。
背景技术
空间采样调查是农业土壤重金属污染监测调查、分级分类防治、污染监管的基础。样本点的空间分布是样本点数据检测评价的关键因素,也是后期数据分析结果是否准确的重要依据。
样本点的空间分布呈现聚集分布、均匀分布和稀疏分布三种模式。聚集分布是指样本点空间分布成聚集状的空间分布格局,均匀分布是指样本点空间分布成均匀状的空间分布格局,稀疏分布是指样本点空间分布成稀疏状的空间分布格局。
样本点均匀分布是采样布局设计的重要优化目标,而野外采样数据很难实现样本点均匀分布,会出现样本点稀疏或聚集分布情景,需要进行样本点数据精化处理。
现有技术中,在执行数据精化处理的过程中,往往没有考虑样本点权重调整,或单纯采用传统的静态权重设定模式。没有考虑样本点权重调整模式会出现样本点代表性差的情景,而采用静态权重设定模式的权重不会随样本点状态改变而相应变化,致使分析结果容易出现偏差。上述两种情景都会增加样本点数据分析过程中的不确定性,进而影响样本点数据分析结果的精确度和准确度。
有鉴于此,提供一种新的样本点数据权重调整方法非常必要。
发明内容
针对现有技术在样本点数据精化处理过程中所存在的不足,本发明提供一种样本点数据精化方法及系统。
本发明提供一种样本点数据精化方法,包括:根据采样区域中的每个样本点所在的泰森多边形面积与平均采样面积,确定样本均值线、样本稀疏线和样本聚集线;根据所述样本均值线、样本稀疏线和样本聚集线,确定每个所述样本点的样本类型;根据每个所述样本点的样本类型,分别确定每个所述样本点的数据权重调整量;根据每个所述样本点的数据权重调整量,对每个所述样本点的数据进行权重调整,以生成所述采样区域的样本点精化数据。
根据本发明提供的一种样本点数据精化方法,所述根据采样区域中的每个样本点所在的泰森多边形面积与平均采样面积,确定样本均值线、样本稀疏线和样本聚集线,包括:获取所述采样区域的平均采样面积,以在样本点的空间分布图中确定所述样本均值线;所述平均采样面积为所述采样区域的总面积与样本点总数之间的比值;确定面积大于所述平均采样面积的泰森多边形,作为第一类泰森多边形;计算所有所述第一类泰森多边形的面积均值μ1和面积标准差σ1;根据所述面积均值μ1和面积标准差σ1确定所述样本稀疏线;确定面积小于所述平均采样面积的泰森多边形,作为第二类泰森多边形;计算所有所述第二类泰森多边形的面积均值μ2和面积标准差σ2;根据所述面积均值μ2和面积标准差σ2确定所述样本聚集线。
根据本发明提供的一种样本点数据精化方法,获取所述采样区域的平均采样面积,以在样本点的空间分布图中确定所述样本均值线,包括:构建样本点的空间分布图,并在所述空间分布图中标注所述采样区域中的每个样本点;所述空间分布图中任一样本点的横坐标值为所述样本点的序号、纵坐标值为所述样本点所在的泰森多边形面积;在所述空间分布图中,以所述平均采样面积所对应的纵坐标值作平行于横坐标的数值线,作为所述样本均值线。
根据本发明提供的一种样本点数据精化方法,所述根据所述面积均值μ1和面积标准差σ1确定所述样本稀疏线,包括:在所述空间分布图中,将根据面积均值μ1与n倍面积标准差σ1之和所确定的纵坐标值,所对应的平行于横坐标的数值线,作为所述样本稀疏线;其中n为任一正整数。
根据本发明提供的一种样本点数据精化方法,所述根据所述面积均值μ2和面积标准差σ2之差确定所述样本聚集线,包括:在所述空间分布图中,将根据面积均值μ2与m倍面积标准差σ2之差所确定的纵坐标值,所对应的平行于横坐标的数值线,作为所述样本聚集线;其中m为任一正整数。
根据本发明提供的一种样本点数据精化方法,所述样本类型包括稀疏型、聚集型和均匀型;所述根据所述样本均值线、样本稀疏线和样本聚集线,确定每个所述样本点的样本类型,包括:针对任一样本点,若所述样本点所在的泰森多边形面积大于所述样本稀疏线所对应的面积,则将所述样本点确定为稀疏型;若所述样本点所在的泰森多边形面积小于所述样本聚集线所对应的面积,则将所述样本点确定为聚集型;若所述样本点所在的泰森多边形面积不大于所述样本稀疏线所对应的面积,且不小于所述样本聚集线所对应的面积,则将所述样本点确定为均匀型。
根据本发明提供的一种样本点数据精化方法,针对任一目标样本点,所述根据每个所述样本点的样本类型,分别确定每个所述样本点的数据权重调整量,包括:
在所述目标样本点的样本类型为均匀型的情况下,确定第一数据权重调整量;所述第一数据权重调整量为0;
在所述目标样本点的样本类型为稀疏型的情况下,确定第二数据权重调整量;所述第二数据权重调整量的计算公式为:
在所述目标样本点的样本类型为聚集型的情况下,确定第三数据权重调整量;所述第三数据权重调整量的计算公式为:
其中,ΔWi表示第i个稀疏型目标样本点的数据权重调整量,Si表示第i个稀疏型目标样本点所在的泰森多边形面积,V1表示样本稀疏线的数值,V0表示样本均值线的数值;ΔWj表示第j个聚集型目标样本点的数据权重调整量,Sj表示第j个聚集型目标样本点所在的泰森多边形面积,V2表示样本聚集线的数值。
根据本发明提供的一种样本点数据精化方法,针对任一目标样本点,所述根据每个所述样本点的数据权重调整量,对每个所述样本点的数据进行权重调整,包括:在所述目标样本点的样本类型为均匀型的情况下,以所述第一数据权重调整量对所述目标样本点的初始数据权重进行调整,调整结果为保持所述目标样本点的初始数据权重不变;在所述目标样本点的样本类型为稀疏型的情况下,在所述目标样本点的初始数据权重的基础上增加所述第二数据权重调整量,作为所述目标样本点的精化数据权重;在所述目标样本点的样本类型为聚集型的情况下,在所述目标样本点的初始数据权重的基础上减小所述第三数据权重调整量,作为所述目标样本点的精化数据权重。
本发明还提供一种样本点数据精化系统,包括:第一运算模块,用于根据采样区域中的每个样本点所在的泰森多边形面积与平均采样面积,确定样本均值线、样本稀疏线和样本聚集线;第二运算模块,用于根据所述样本均值线、样本稀疏线和样本聚集线,确定每个所述样本点的样本类型;第三运算模块,用于根据每个所述样本点的样本类型,分别确定每个所述样本点的数据权重调整量;第四运算模块,用于根据每个所述样本点的数据权重调整量,对每个所述样本点的数据进行权重调整,以生成所述采样区域的样本点精化数据。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述样本点数据精化方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述样本点数据精化方法的步骤。
本发明提供的样本点数据精化方法及系统,可以确定每个样本点的类型,进而针对不同类型的样本点数据分别进行权重调整,以提高样本点数据的代表性和无偏性,不仅节约了野外补充采样成本,而且降低了样本点分布稀疏和聚集引起的不确定性,保证了样本点数据分析评价的准确性和可靠性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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的附图。
图1是本发明提供的样本点数据精化方法的流程示意图;
图2是本发明提供的样本点的空间分布示意图;
图3是本发明提供的样本均值线、样本稀疏线和样本聚集线的示意图;
图4是本发明提供的不同样本类型的样本点空间分布示意图;
图5是本发明提供的样本点数据精化系统的结构示意图;
图6是本发明提供的电子设备的结构示意图。
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,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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作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。
需要说明的是,在本发明实施例的描述中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在空间采样中,样本点的空间分布分为均匀分布和不均匀分布,而不均匀分布又包括聚集型分布和稀疏型分布。样本点是否均匀分布是样本点的数据质量评价的重要指标。有鉴于此,本发明提供了一种样本点数据精化方法及系统,以对采样获取到的所有样本点的数据进行精化处理。
样本点数据精化是指通过一定的精化规则和技术规范对样本点数据进行去除冗余、权重调整等处理,以提高样本点数据的代表性。样本点数据精化处理主要包括三种模式:样本点增加、样本点删减和样本点权重调整。考虑到采样时间、成本花费、时间序列数据延续性等因素,采用样本点增加或样本点删减的数据精化处理方式在有些情况下是无法实现的,此时就需要采取样本点权重调整。
下面结合图1-图6描述本发明实施例所提供的样本点数据精化方法和系统。
图1是本发明提供的样本点数据精化方法的流程示意图,如图1所示,包括但不限于以下步骤:
步骤S1:根据采样区域中的每个样本点所在的泰森多边形面积与平均采样面积,确定样本均值线、样本稀疏线和样本聚集线;
步骤S2:根据所述样本均值线、样本稀疏线和样本聚集线,确定每个所述样本点的样本类型;
步骤S3:根据每个所述样本点的样本类型,分别确定每个所述样本点的数据权重调整量;
步骤S4:根据每个所述样本点的数据权重调整量,对每个所述样本点的数据进行权重调整,以生成所述采样区域的样本点精化数据。
泰森多边形是由一组连接两邻点线段的垂直平分线组成的连续多边形组成。泰森多边形是对空间平面的一种剖分,其特点是多边形内的任何位置离该多边形的样本点的距离最近,离相邻泰森多边形内样本点的距离远,且每个泰森多边形内含且仅包含一个样本点。由于泰森多边形在空间剖分上的等分性特征,因此可用于解决最近点、最小封闭圆等问题,以及许多空间分析问题,如邻接、接近度和可达性分析等。
本发明提供的样本点数据精化方法,可以预先根据采样区域中样本点的空间分布,利用ArcGIS软件,将采样区域划分为多个泰森多边形,其中每个泰森多边形内部包含且仅包含一个样本点,并统计整个采样区域的总面积以及每个泰森多边形面积。设采样区域的总面积为S,第i个泰森多边形面积为Si,根据采样区域的总面积S与该采样区域内的样本点总数(记为k),则可以计算出该采样区域的平均采样面积。
在步骤S1中,可以根据每个样本点所在的泰森多边形面积和计算出的平均采样面积,分别确定出样本均值线、样本稀疏线和样本聚集线。
其中,样本均值线可以是指平均采样面积所代表的数值线。在确定了样本均值线的基础上,样本稀疏线和样本聚集线可以根据实际数据精化的精度要求进行适当的设置。
在步骤S2中,可以根据确定出的样本均值线、样本稀疏线和样本聚集线,对采样区域中的所有样本点进行样本类型的划分。
针对任一样本点来说,若该样本点所在的泰森多边形面积大于样本稀疏线所对应的面积,则将该样本点确定为稀疏型;若任一样本点所在的泰森多边形面积小于样本聚集线所对应的面积,则将该样本点确定为聚集型;若任一样本点所在的泰森多边形面积不大于样本稀疏线所对应的面积,且不小于样本聚集线所对应的面积,则将该样本点确定为均匀型。
可以理解为:作为稀疏型的样本点和聚集型的样本点,表示该局部区域内样本点的分布不均匀;稀疏型的样本点所对应的局部区域内样本点的分布偏稀疏,而聚集型的样本点所对应的局部区域内样本点的分布偏聚集。
传统的数据精化方法是在确定了稀疏型的样本点和聚集型的样本点之后,在稀疏型的样本点所对应的局部区域内增加样本点,以及在聚集型的样本点所对应的局部区域内删减样本点。而本发明提供的样本点数据精化方法不同于传统的数据精化方法,通过适当的增加稀疏型的样本点的数据权重,以及适当的降低聚集型的样本点的数据权重,以实现对采样区域的样本点数据的精化。
具体地,在步骤S3中,根据每个样本点的样本类型,可以计算出每个样本点的数据权重调整量。
针对均匀型的样本点,可以将其数据权重调整量设置为0;针对稀疏型的样本点,可以根据每个样本点所在的泰森多边形面积与样本稀疏线所对应的面积以及样本均值线所对应的面积之间的关系,计算出该样本点的数据权重调整量;针对聚集型的样本点,可以根据每个样本点所在的泰森多边形面积与样本聚集线所对应的面积以及样本均值线所对应的面积之间的关系,计算出该样本点的数据权重调整量。
在步骤S4中,在确定每个样本点的数据权重调整量之后,则可以根据各自的数据权重调整量对每个样本点的数据进行精化,即通过数据权重调整量调整每个样本点的数据权重,以根据调整后的每个样本点的数据权重,生成采样区域的样本点精化数据。
需要说明的是,在本发明所提供的样本点数据精化方法中,精化数据仅仅是指,对每个样本点的数据权重的调整,并不是改变样本点本身的属性值,只是在利用样本点的数据进行统计计算时,对各样本点的属性值进行了权重调整。
例如,一个样本点的重金属Cu的含量为10mg/kg,在采用本发明的方法对其进行数据权重的调整后,确定其调整后的数据权重0.9,仅在利用这一样本点的数据参与统计计算时,将其重金属Cu的含量被视作9mg/kg(但样本点的真实的重金属Cu的含量还是10mg/kg)。
对应地,在利用该样本点的数据参与到其它的统计计算时,其数据权重可能变为1.2,则参与其它的统计计算的重金属Cu的含量则被视作为12mg/kg(该样本点的真实的重金属Cu的含量仍然是10mg/kg)。
本发明提供的样本点数据精化方法,可以确定每个样本点的类型,进而针对不同类型的样本点数据分别进行权重调整,以提高样本点数据的代表性和无偏性,不仅节约了野外补充采样成本,而且降低了样本点分布稀疏和聚集引起的不确定性,保证了样本点数据分析评价的准确性和可靠性。
基于上述实施例的内容,作为一种可选实施例,上述步骤S1中所述的根据采样区域中的每个样本点所在的泰森多边形面积与平均采样面积,确定样本均值线、样本稀疏线和样本聚集线,具体包括:
获取采样区域的平均采样面积,以在样本点的空间分布图中确定样本均值线;该平均采样面积为采样区域的总面积与样本点总数之间的比值;
确定面积大于平均采样面积的泰森多边形,作为第一类泰森多边形;计算所有第一类泰森多边形的面积均值μ1和面积标准差σ1;根据面积均值μ1和面积标准差σ1确定样本稀疏线;
确定面积小于平均采样面积的泰森多边形,作为第二类泰森多边形;计算所有第二类泰森多边形的面积均值μ2和面积标准差σ2;根据面积均值μ2和面积标准差σ2确定样本聚集线。
可选地,上述获取采样区域的平均采样面积,以在样本点的空间分布图中确定样本均值线,主要包括:构建样本点的空间分布图,并在空间分布图中标注采样区域中的每个样本点;空间分布图中任一样本点的横坐标值为样本点的序号、纵坐标值为样本点所在的泰森多边形面积;在空间分布图中,以平均采样面积所对应的纵坐标值作平行于横坐标的数值线,作为样本均值线。
可选地,上述根据面积均值μ1和面积标准差σ1确定样本稀疏线,具体包括:在上述空间分布图中,将根据面积均值μ1与n倍面积标准差σ1之和所确定的纵坐标值,所对应的平行于横坐标的数值线,作为样本稀疏线;其中n为任一正整数。
进一步地,上述根据面积均值μ2和面积标准差σ2确定样本聚集线,具体包括:在上述空间分布图中,将根据面积均值μ2与m倍面积标准差σ2之差所确定的纵坐标值,所对应的平行于横坐标的数值线,作为所述样本聚集线;其中m为任一正整数。
具体地,在所有样本点中,先选取出样本点所在泰森多边形面积大于平均采样面积的样本点并将每个样本点所在的泰森多边形称为第一类泰森多边形。然后,计算所有第一类泰森多边形面积的均值μ1和标准差σ1。
其中,均值μ1的计算方法是指将所有第一类泰森多边形面积进行求和后,除以第一类泰森多边形的总数量,其计算公式为:
标准差σ1是离均差平方的算术平均数的算术平方根,其计算公式为:
其中,N1为第一类泰森多边形的总数量,xi为第i个第一类泰森多边形的面积。
在所有样本点中,选取样本点所在泰森多边形面积小于平均采样面积的样本点并将每个样本点所在的泰森多边形称为第二类泰森多边形。同理,可以根据第二类泰森多边形的总数量以及每个第二类泰森多边形的面积,分别计算均值μ2和标准差σ2。
其中,均值μ2的计算公式为:
标准差σ2的计算公式为:
其中,N2为第二类泰森多边形的总数量,xj为第j个第二类泰森多边形的面积。
然后,在样本点的空间分布图中,将样本稀疏线设置为μ1+nσ1数值线,将样本聚集线设置为μ2-mσ2数值线,其中n和m可以相同或者不同且可以根据实际数据精化的要求进行设置。n和m为任一正整数,例如:将n和m分别设置为1、2或3中的任一数值。
本发明提供的样本点数据精化方法,提供了一种样本均值线、样本稀疏线和样本聚集线的划分方法,为后续精确、快速的确定采样区域中的每个样本点的样本类型提供了依据。
基于上述实施例的内容,作为一种可选实施例,样本类型主要包括稀疏型、聚集型和均匀型;上述根据样本均值线、样本稀疏线和样本聚集线,确定每个样本点的样本类型,主要包括:
针对任一样本点,若所述样本点所在的泰森多边形面积大于所述样本稀疏线所对应的面积,则将所述样本点确定为稀疏型;若任一样本点所在的泰森多边形面积小于样本聚集线所对应的面积,则将该样本点确定为聚集型;若任一样本点所在的泰森多边形面积不大于样本稀疏线所对应的面积,且不小于样本聚集线所对应的面积,则将该样本点确定为均匀型。
在本发明提供的样本点数据精化方法中,上述步骤S2中所述的根据样本均值线、样本稀疏线和样本聚集线将所有的样本点划分为三种类型:稀疏型的样本点、聚集型的样本点和均匀型的样本点。
其中,均匀型的样本点是指:其所在的泰森多边形面积不大于稀疏线所对应的面积,且不小于聚集线所对应的面积的样本点;稀疏型的样本点是指:其所在的泰森多边形面积大于稀疏线所对应的面积的样本点;聚集型的样本点是指:其所在泰森多边形面积小于聚集线所对应的面积的样本点。
本发明提供的样本点数据精化方法,通过预先在空间分布图标示出采样区域中的所有样本点的空间分布(与面积相关),以根据每个样本点所在的泰森多边形面积确定出平均采样面积,进而在空间分布图中分别确定出样本均值线、样本稀疏线和样本聚集线,为实现对每个样本点的样本类型的准确划分提供了依据,目标更明确、运算的效率和精确度更高。
基于上述实施例的内容,作为一种可选实施例,针对采样区域中的任一目标样本点,步骤S3中所述的根据每个样本点的样本类型,分别确定每个样本点的数据权重调整量,具体包括:
在该目标样本点的样本类型为均匀型的情况下,确定第一数据权重调整量;第一数据权重调整量为0。
在该目标样本点的样本类型为稀疏型的情况下,确定第二数据权重调整量;第二数据权重调整量的计算公式为:
在该目标样本点的样本类型为聚集型的情况下,确定第三数据权重调整量;第三数据权重调整量的计算公式为:
其中,ΔWi表示第i个稀疏型目标样本点的数据权重调整量,Si表示第i个稀疏型目标样本点所在的泰森多边形面积,V1表示样本稀疏线的数值,V0表示样本均值线的数值;ΔWj表示第j个聚集型目标样本点的数据权重调整量,Sj表示第j个聚集型目标样本点所在的泰森多边形面积,V2表示样本聚集线的数值。
进一步地,在步骤S4中所述的根据每个样本点的数据权重调整量,对每个所述样本点的数据进行权重调整,具体包括:
在所述目标样本点的样本类型为均匀型的情况下,以所述第一数据权重调整量对所述目标样本点的初始数据权重进行调整,调整结果为保持所述目标样本点的初始数据权重不变;
在目标样本点的样本类型为稀疏型的情况下,在目标样本点的初始数据权重的基础上增加上述第二数据权重调整量,作为目标样本点的精化数据权重(即精化后的数据权重);在目标样本点的样本类型为聚集型的情况下,在目标样本点的初始数据权重的基础上减小上述第三数据权重调整量,作为目标样本点的精化数据权重。
本发明提供基于泰森多边形的样本点数据权重调整方法,无需改变样本点的空间位置或增加、删减样本点,仅通过对各样本点数据进行数据权重调整,即可实现提高样本点数据的代表性和无偏性。
由于针对每个样本点的数据权重调整方式(根据样本类型确定)以及数据权重调整量均需要单独确定和计算,故本发明所提供的样本点数据精化方法,能够精确到每个样本点,对各个样本点数据进行差异性权重调整,目标更明确、代表性更强。
为了更为清楚的展示本发明所提供的样本点数据精化方法,下面结合相关实例和附图作如下描述:
图2是本发明提供的样本点的空间分布示意图,如图2所示,在本实施例中,以北京市顺义区高丽营镇、赵全营镇、牛栏山地区和北石槽镇农业用地为例。其中,图2中的农业用地主要包括菜地、水浇地、苗圃等。采样区域总面积为114.379km2,样本点个数为95个。
首先,计算出平均采样面积为1.204km2,以在空间分布图中绘制出纵坐标值为1.204,平行于横坐标的样本均值线。
选取样本点所在的泰森多边形面积大于平均采样面积的样本点共43个。计算43个样本点所在的泰森多边形面积的均值μ1为1.672km2和标准差σ1为0.364;将n取值为2,则可以计算μ1+2σ1数值为2.401,由此可以在空间分布图中绘制出纵坐标值为2.401,平行于横坐标的样本稀疏线。
然后,选取样本点所在的泰森多边形面积小于平均采样面积的样本点共52个,则可以计算出52个样本点所在的泰森多边形面积的均值μ2为0.817km2和标准差σ2为0.225。将m取值为2,则可以计算μ2-2σ2数值为0.367,由此可以在空间分布图中绘制出纵坐标值为0.367,平行于横坐标的样本聚集线。
图3是本发明提供的样本均值线、样本稀疏线和样本聚集线的示意图,如图3所示,基于上述实施例的内容,可以确定出样本均值线的纵坐标值为1.204,样本稀疏线的纵坐标值为2.401,样本聚集线的纵坐标值为0.367。
图4是本发明提供的不同样本类型的样本点空间分布示意图,如图4所示,根据上述实施例中所确定出的样本均值线、样本稀疏线和样本聚集线,对上述95个样本点的样本类型进行划分。
其中,在空间分布示意图中,将样本点分布在样本稀疏线和样本聚集线之间的所有样本点,作为均匀型的样本点(图4中的圆点表示),共计93个;将样本点分布于样本稀疏线之上的所有样本点,作为稀疏型的样本点(图4中的五角星点表示),共计1个;将样本点分布于样本聚集线之下的所有样本点,作为聚集型的样本点(图4中的三角形点表示),共计1个。
进一步地,本实施例需针对不同样本类型的样本点,进行不同的样本点数据权重调整,主要包括:93个均匀型的样本点的数据权重调整量设置为0,1个稀疏型的样本点的数据权重需进行增大调整(即增加第二数据权重调整量),1个聚集型的样本点的数据权重需进行减小调整(即减小第三数据权重调整量)。
具体地,均匀型的样本点的数据权重调整量为0。
基于上述实施例中的公式1,在确定上述1个稀疏型的样本点所在的泰森多边形面积为2.744km2的基础上,则可以计算出第二数据权重调整量为0.183。
基于上述实施例中的公式2,在确定上述1个聚集型的样本点所在的泰森多边形面积为0.349km2的基础上,则可以计算出第三数据权重调整量为0.035。
利用确定的每个样本点的数据权重调整量,对95个样本点数据进行权重调整,包括:设置93个均匀型的样本点的数据权重为原始数据权重(即权重调整量为0);对1个稀疏型的样本点的数据权重进行增大调整,其对应的第二数据权重调整量为0.183;对1个聚集型的样本点的数据权重进行减小调整,其对应的第三数据权重调整量为0.035。
最后,计算获取采样区域中各样本点的数据权重调整结果为:93个均匀型的样本点的数据权重为1,1个稀疏型的样本点的数据权重调整为1.183,1个聚集型的样本点的数据权重调整为0.965。
为了更好的评价本发明所提供的样本点数据精化方法的效果,以上述95个样本点的数据权重调整前后的两种场景为例,分别进行重金属元素的全局均值估计,并比较全局均值估计中重金属元素的均值和标准差:
以土壤重金属Cu为例,95个原始样本点中存在1个稀疏型样本点和1个聚集型样本点,样本点分布不均匀导致重金属元素全局均值估计结果有偏。95个原始样本点的全局均值估计所获取的均值为23.503mg/kg、标准差为5.992,而采用本发明提供的样本点数据精化方法进行数据权重调整后,对样本点分布不均匀导致的有偏估计结果进行了数据纠偏,95个样本点的全局均值估计所获取的均值为23.531mg/kg、标准差为5.976。
由此可见,在采用本发明所提供的样本点数据权重调整之后,土壤重金属Cu的均值变大,标准差降低,对原始样本点数据空间分布不均匀进行了数据纠偏,纠偏大小为0.12%,充分验证了本发明所提供的样本点数据精化方法的有效性。
图5是本发明提供的样本点数据精化系统的结构示意图,如图5所示,包括但不限于第一运算模块51、第二运算模块52、第三运算模块53和第四运算模块54,其中:
第一运算模块51主要用于根据采样区域中的每个样本点所在的泰森多边形面积与平均采样面积,确定样本均值线、样本稀疏线和样本聚集线。
第二运算模块52主要用于根据所述样本均值线、样本稀疏线和样本聚集线,确定每个所述样本点的样本类型。
第三运算模块53主要用于根据每个所述样本点的样本类型,分别确定每个所述样本点的数据权重调整量。
第四运算模块54主要用于根据每个所述样本点的数据权重调整量,对每个所述样本点的数据进行权重调整,以生成所述采样区域的样本点精化数据。
具体地,在第一运算模块51中,根据每个样本点所在的泰森多边形面积和计算出的平均采样面积,分别确定出样本均值线、样本稀疏线和样本聚集线。
其中,样本均值线可以是在空间分布图中,由平均采样面积所对应的数值线。在确定了样本均值线的基础上,样本稀疏线和样本聚集线可以根据实际数据精化的精度要求进行适当的设置。
在第二运算模块52中,根据确定出的样本均值线、样本稀疏线和样本聚集线,对采样区域中的所有样本点进行样本类型的划分。
一般来说,针对任一样本点,将该样本点所在的泰森多边形面积大于样本稀疏线所对应的面积的情况下,则将该样本点的样本类型设为稀疏型;在任一样本点所在的泰森多边形面积小于样本聚集线的所有样本点所对应的面积的情况下,则将该样本点的样本类型设为聚集型;相应地,在任一样本点所在的泰森多边形面积处于样本稀疏线所对应的面积与样本聚集线所对应的面积之间的情况下,则将该样本点的样本类型设为均匀型。
由此,可以确定所有样本点的样本类型。
本发明提供的样本点数据精化系统,通过适当的增加稀疏型的样本点的数据权重,以及适当的降低聚集型的样本点的数据权重,以实现对采样区域的样本点数据的精化。
在第三运算模块53中,根据每个样本点的样本类型,计算出每个所述样本点的数据权重调整量。
针对均匀型的样本点,由于其数据权重调整量为0,故其数据权重的调整结果为保持样本点的初始数据权重不变;针对稀疏型的样本点,可以根据每个样本点所在的泰森多边形面积与样本稀疏线所对应的面积以及样本均值线所对应的面积之间的关系,计算出该样本点的数据权重调整量;针对聚集型的样本点,可以根据每个样本点所在的泰森多边形面积与样本聚集线所对应的面积以及样本均值线所对应的面积之间的关系,计算出该样本点的数据权重调整量。
在第四运算模块54中,在利用第三运算模块53确定每个样本点的数据权重调整量之后,则可以根据该数据权重调整量对每个样本点的数据进行精化,即通过数据权重调整量调整每个样本点的数据权重,以根据调整后的每个样本点的数据权重,生成采样区域的样本点精化数据。
本发明提供的样本点数据精化系统,可以确定每个样本点的类型,进而针对不同类型的样本点数据分别进行权重调整,以提高样本点数据的代表性和无偏性,不仅节约了野外补充采样成本,而且降低了样本点分布稀疏和聚集引起的不确定性,保证了样本点数据分析评价的准确性和可靠性。
需要说明的是,本发明实施例提供的样本点数据精化系统,在具体执行时,可以基于上述任一实施例所述的样本点数据精化方法来实现,对此本实施例不作赘述。
图6是本发明提供的电子设备的结构示意图,如图6所示,该电子设备可以包括:处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630和通信总线640,其中,处理器610,通信接口620,存储器630通过通信总线640完成相互间的通信。处理器610可以调用存储器630中的逻辑指令,以执行样本点数据精化方法,该方法包括:根据采样区域中的每个样本点所在的泰森多边形面积与平均采样面积,确定样本均值线、样本稀疏线和样本聚集线;根据所述样本均值线、样本稀疏线和样本聚集线,确定每个所述样本点的样本类型;根据每个所述样本点的样本类型,分别确定每个所述样本点的数据权重调整量;根据每个所述样本点的数据权重调整量,对每个所述样本点的数据进行权重调整,以生成所述采样区域的样本点精化数据。
此外,上述的存储器630中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述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,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法所提供的样本点数据精化方法,该方法包括:根据采样区域中的每个样本点所在的泰森多边形面积与平均采样面积,确定样本均值线、样本稀疏线和样本聚集线;根据所述样本均值线、样本稀疏线和样本聚集线,确定每个所述样本点的样本类型;根据每个所述样本点的样本类型,分别确定每个所述样本点的数据权重调整量;根据每个所述样本点的数据权重调整量,对每个所述样本点的数据进行权重调整,以生成所述采样区域的样本点精化数据。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的样本点数据精化方法,该方法包括:根据采样区域中的每个样本点所在的泰森多边形面积与平均采样面积,确定样本均值线、样本稀疏线和样本聚集线;根据所述样本均值线、样本稀疏线和样本聚集线,确定每个所述样本点的样本类型;根据每个所述样本点的样本类型,分别确定每个所述样本点的数据权重调整量;根据每个所述样本点的数据权重调整量,对每个所述样本点的数据进行权重调整,以生成所述采样区域的样本点精化数据。
以上所描述的装置实施例仅仅是示意性的,其中所述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模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种样本点数据精化方法,其特征在于,包括:
根据采样区域中的每个样本点所在的泰森多边形面积与平均采样面积,确定样本均值线、样本稀疏线和样本聚集线;
根据所述样本均值线、样本稀疏线和样本聚集线,确定每个所述样本点的样本类型;
根据每个所述样本点的样本类型,分别确定每个所述样本点的数据权重调整量;
根据每个所述样本点的数据权重调整量,对每个所述样本点的数据进行权重调整,以生成所述采样区域的样本点精化数据;
所述根据采样区域中的每个样本点所在的泰森多边形面积与平均采样面积,确定样本均值线、样本稀疏线和样本聚集线,包括:
获取所述采样区域的平均采样面积,以在样本点的空间分布图中确定所述样本均值线;所述平均采样面积为所述采样区域的总面积与样本点总数之间的比值;
确定面积大于所述平均采样面积的泰森多边形,作为第一类泰森多边形;计算所有所述第一类泰森多边形的面积均值μ1和面积标准差σ1;根据所述面积均值μ1和面积标准差σ1确定所述样本稀疏线;
确定面积小于所述平均采样面积的泰森多边形,作为第二类泰森多边形;计算所有所述第二类泰森多边形的面积均值μ2和面积标准差σ2;根据所述面积均值μ2和面积标准差σ2确定所述样本聚集线。
2.根据权利要求1所述的样本点数据精化方法,其特征在于,所述获取所述采样区域的平均采样面积,以在样本点的空间分布图中确定所述样本均值线,包括:
构建样本点的空间分布图,并在所述空间分布图中标注所述采样区域中的每个样本点;
所述空间分布图中任一样本点的横坐标值为所述样本点的序号、纵坐标值为所述样本点所在的泰森多边形面积;
在所述空间分布图中,以所述平均采样面积所对应的纵坐标值作平行于横坐标的数值线,作为所述样本均值线。
3.根据权利要求2所述的样本点数据精化方法,其特征在于,所述根据所述面积均值μ1和面积标准差σ1确定所述样本稀疏线,包括:
在所述空间分布图中,将根据面积均值μ1与n倍面积标准差σ1之和所确定的纵坐标值,所对应的平行于横坐标的数值线,作为所述样本稀疏线;其中n为任一正整数。
4.根据权利要求2所述的样本点数据精化方法,其特征在于,所述根据所述面积均值μ2和面积标准差σ2确定所述样本聚集线,包括:
在所述空间分布图中,将根据面积均值μ2与m倍面积标准差σ2之差所确定的纵坐标值,所对应的平行于横坐标的数值线,作为所述样本聚集线;其中m为任一正整数。
5.根据权利要求2所述的样本点数据精化方法,其特征在于,所述样本类型包括稀疏型、聚集型和均匀型;
所述根据所述样本均值线、样本稀疏线和样本聚集线,确定每个所述样本点的样本类型,包括:
针对任一样本点,若所述样本点所在的泰森多边形面积大于所述样本稀疏线所对应的面积,则将所述样本点确定为稀疏型;
若所述样本点所在的泰森多边形面积小于所述样本聚集线所对应的面积,则将所述样本点确定为聚集型;
若所述样本点所在的泰森多边形面积不大于所述样本稀疏线所对应的面积,且不小于所述样本聚集线所对应的面积,则将所述样本点确定为均匀型。
6.根据权利要求1所述的样本点数据精化方法,其特征在于,针对任一目标样本点,所述根据每个所述样本点的样本类型,分别确定每个所述样本点的数据权重调整量,包括:
在所述目标样本点的样本类型为均匀型的情况下,确定第一数据权重调整量;所述第一数据权重调整量为0;
在所述目标样本点的样本类型为稀疏型的情况下,确定第二数据权重调整量;所述第二数据权重调整量的计算公式为:
在所述目标样本点的样本类型为聚集型的情况下,确定第三数据权重调整量;所述第三数据权重调整量的计算公式为:
其中,ΔWi表示第i个稀疏型目标样本点的数据权重调整量,Si表示第i个稀疏型目标样本点所在的泰森多边形面积,V1表示样本稀疏线的数值,V0表示样本均值线的数值;ΔWj表示第j个聚集型目标样本点的数据权重调整量,Sj表示第j个聚集型目标样本点所在的泰森多边形面积,V2表示样本聚集线的数值。
7.根据权利要求6所述的样本点数据精化方法,其特征在于,针对任一目标样本点,所述根据每个所述样本点的数据权重调整量,对每个所述样本点的数据进行权重调整,包括:
在所述目标样本点的样本类型为均匀型的情况下,以所述第一数据权重调整量对所述目标样本点的初始数据权重进行调整,调整结果为保持所述目标样本点的初始数据权重不变;
在所述目标样本点的样本类型为稀疏型的情况下,在所述目标样本点的初始数据权重的基础上增加所述第二数据权重调整量,作为所述目标样本点的精化数据权重;
在所述目标样本点的样本类型为聚集型的情况下,在所述目标样本点的初始数据权重的基础上减小所述第三数据权重调整量,作为所述目标样本点的精化数据权重。
8.一种样本点数据精化系统,其特征在于,包括:
第一运算模块,用于根据采样区域中的每个样本点所在的泰森多边形面积与平均采样面积,确定样本均值线、样本稀疏线和样本聚集线,具体包括:
获取所述采样区域的平均采样面积,以在样本点的空间分布图中确定所述样本均值线;所述平均采样面积为所述采样区域的总面积与样本点总数之间的比值;
确定面积大于所述平均采样面积的泰森多边形,作为第一类泰森多边形;计算所有所述第一类泰森多边形的面积均值μ1和面积标准差σ1;根据所述面积均值μ1和面积标准差σ1确定所述样本稀疏线;
确定面积小于所述平均采样面积的泰森多边形,作为第二类泰森多边形;计算所有所述第二类泰森多边形的面积均值μ2和面积标准差σ2;根据所述面积均值μ2和面积标准差σ2确定所述样本聚集线;
第二运算模块,用于根据所述样本均值线、样本稀疏线和样本聚集线,确定每个所述样本点的样本类型;
第三运算模块,用于根据每个所述样本点的样本类型,分别确定每个所述样本点的数据权重调整量;
第四运算模块,用于根据每个所述样本点的数据权重调整量,对每个所述样本点的数据进行权重调整,以生成所述采样区域的样本点精化数据。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述样本点数据精化方法步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述样本点数据精化方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110529870.8A CN113516731B (zh) | 2021-05-14 | 2021-05-14 | 一种样本点数据精化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110529870.8A CN113516731B (zh) | 2021-05-14 | 2021-05-14 | 一种样本点数据精化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113516731A CN113516731A (zh) | 2021-10-19 |
CN113516731B true CN113516731B (zh) | 2022-03-01 |
Family
ID=78064433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110529870.8A Active CN113516731B (zh) | 2021-05-14 | 2021-05-14 | 一种样本点数据精化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113516731B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113515758B (zh) * | 2021-05-14 | 2022-03-01 | 北京市农林科学院信息技术研究中心 | 一种稀疏区域的样本点加密方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108228722A (zh) * | 2017-12-08 | 2018-06-29 | 北京农业信息技术研究中心 | 破碎化区域采样点的地理空间分布均匀度检测方法 |
CN111122222A (zh) * | 2019-12-24 | 2020-05-08 | 北京农业信息技术研究中心 | 一种样本点位置确定方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7752580B2 (en) * | 2007-07-26 | 2010-07-06 | International Business Machines Corporation | Method and system for analyzing an integrated circuit based on sample windows selected using an open deterministic sequencing technique |
CN108197347B (zh) * | 2017-12-08 | 2019-12-17 | 北京农业信息技术研究中心 | 连续不规则区域采样点的地理空间分布均匀度检测方法 |
-
2021
- 2021-05-14 CN CN202110529870.8A patent/CN113516731B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108228722A (zh) * | 2017-12-08 | 2018-06-29 | 北京农业信息技术研究中心 | 破碎化区域采样点的地理空间分布均匀度检测方法 |
CN111122222A (zh) * | 2019-12-24 | 2020-05-08 | 北京农业信息技术研究中心 | 一种样本点位置确定方法及系统 |
Non-Patent Citations (3)
Title |
---|
Global mean estimation using a self-organizing dual-zoning method for preferential sampling;Yuchun Pan等;《Environmental Monitoring and Assessment 》;20150219;第187卷;第187-121页 * |
农业用地土壤重金属样本点数据精化方法——以北京市顺义区为例;董士伟等;《农业环境科学学报》;20201031;第39卷(第10期);第2288-2296页 * |
福建杉木人工林密度控制图研制及应用;田猛等;《西北林学院学报》;20150515(第03期);第157-163页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113516731A (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Efron | Empirical Bayes deconvolution estimates | |
CN101369313B (zh) | 点云噪声点过滤系统及方法 | |
CN107341176B (zh) | 一种样本权重设置方法及装置,电子设备 | |
CN108228722B (zh) | 破碎化区域采样点的地理空间分布均匀度检测方法 | |
CN109727070B (zh) | 一种潜在活跃用户的确定方法及装置 | |
CN110245687B (zh) | 用户分类方法以及装置 | |
CN113516731B (zh) | 一种样本点数据精化方法及系统 | |
CN108388509B (zh) | 一种软件测试方法、计算机可读存储介质及终端设备 | |
CN107633257B (zh) | 数据质量评估方法及装置、计算机可读存储介质、终端 | |
CN107729519A (zh) | 基于多源多维数据的评估方法及装置、终端 | |
CN111122222B (zh) | 一种样本点位置确定方法及系统 | |
CN109461053B (zh) | 多推荐渠道的动态分流方法、电子装置及存储介质 | |
CN106909539A (zh) | 图像检索系统、服务器、数据库及相关的方法 | |
Schmidt et al. | Reducing effort while improving inference: Estimating Dall's sheep abundance and composition in small areas | |
CN107067276A (zh) | 确定对象影响力的方法及装置 | |
CN116226697B (zh) | 空间数据聚类方法、系统、设备及介质 | |
CN117669494A (zh) | 文本行高的调整方法及装置、电子设备 | |
CN110097250A (zh) | 产品风险预测方法、装置、计算机设备和存储介质 | |
CN114912627A (zh) | 推荐模型训练方法、系统、计算机设备及存储介质 | |
CN111291259B (zh) | 一种数据筛选方法、装置、电子设备和存储介质 | |
DE112014006627T5 (de) | Bestimmen eines Nutzlast-Schätzwerts | |
CN110321495B (zh) | 活动消息的推送方法、装置、计算机设备及存储介质 | |
CN111490889B (zh) | 一种无线业务增长预估方法及装置 | |
CN107943674B (zh) | 任务进度确定方法及装置、计算机设备及存储介质 | |
CN113515757B (zh) | 一种基于线段优化的样本点加密方法及系统 |
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 | ||
CB02 | Change of applicant information |
Address after: 1107, block a, Nongke building, No. 11, Shuguang garden middle road, Haidian District, Beijing, 100097 Applicant after: Information technology research center of Beijing Academy of agricultural and Forestry Sciences Address before: 1107, block a, Nongke building, No. 11, Shuguang garden middle road, Haidian District, Beijing, 100097 Applicant before: BEIJING RESEARCH CENTER FOR INFORMATION TECHNOLOGY IN AGRICULTURE |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |