CN113590733A - 区域草本沼泽植被地上生物量的估算方法 - Google Patents
区域草本沼泽植被地上生物量的估算方法 Download PDFInfo
- Publication number
- CN113590733A CN113590733A CN202110878884.0A CN202110878884A CN113590733A CN 113590733 A CN113590733 A CN 113590733A CN 202110878884 A CN202110878884 A CN 202110878884A CN 113590733 A CN113590733 A CN 113590733A
- Authority
- CN
- China
- Prior art keywords
- biomass
- ndvi
- vegetation
- herbaceous
- swamp
- 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
- 239000002028 Biomass Substances 0.000 title claims abstract description 105
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000011160 research Methods 0.000 claims abstract description 41
- 238000005070 sampling Methods 0.000 claims abstract description 23
- 244000025254 Cannabis sativa Species 0.000 claims abstract description 9
- 238000012937 correction Methods 0.000 claims description 10
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000005855 radiation Effects 0.000 claims description 4
- 238000001308 synthesis method Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 abstract description 14
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 241000196324 Embryophyta Species 0.000 description 2
- 244000236458 Panicum colonum Species 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 241000411851 herbal medicine Species 0.000 description 2
- 238000004177 carbon cycle Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009919 sequestration Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
区域草本沼泽植被地上生物量的估算方法,它涉及一种估算区域草本沼泽植被地上生物量的方法。本发明是为了解决野外草本沼泽植被生物量实地测量工作量大、周期长、成本高,且无法对一定区域草本沼泽植被地上生物量进行准确估算的问题。方法:提取研究区草本沼泽分布;获取植被指数NDVI数据集;得到NDVI年最大值;提取采样点对应的NDVI年最大值;构建生物量估算模型;估算草本沼泽植被地上生物量;计算NDVI年最大值变化趋势,预测未来草本沼泽植被地上生物量变化趋势。本发明利用了遥感数据时空分辨率高及宏观性的优点,结合地面实测数据估算了草本沼泽植被地上生物量,并对未来草本沼泽植被地上生物量变化进行了预测。本发明属于区域植被生物量的估算领域。
Description
技术领域
本发明涉及一种估算区域草本沼泽植被地上生物量的方法,特别是涉及一种通过遥感数据及地面实测生物量数据估算草本沼泽植被地上生物量并对未来生物量变化趋势进行预测的方法。
背景技术
沼泽湿地作为主要湿地类型之一,在维持生态平衡、生物多样性保护以及缓解气候变化方面具有重要意义。草本沼泽是陆地生态系统中固碳潜力最大的生态系统类型之一,对全球碳循环起着重要的作用。
植被地上生物量是指在单位面积内植物地上部分的总重量。沼泽植被地上生物量作为沼泽湿地系统功能的重要参数之一,是衡量沼泽生态系统碳储量的重要指标,同时也是研究沼泽湿地固碳量的基础。准确估算区域草本沼泽植被地上生物量并对未来沼泽植被地上生物量变化进行预测,对于全面评估区域沼泽湿地生态系统碳储量具有重要的意义。
当前,草本沼泽植被地上生物量的获取方法主要有两种,一种是实测法,选取研究区具有代表性的草本沼泽植被进行地上生物量实地测量;第二种方法是模型估算法,借助植被指数等遥感数据,利用模型模拟草本沼泽植被地上生物量。第一种方法由于受人力、物力及环境因素的影响,大规模的实地调查具有局限性,如工作量大、周期长、成本高、采样点较少等,并且难以在短时间内全面获取区域内的所有草本沼泽植被地上生物数据。第二种模型估算法,仅基于历史时期的遥感影像植被数据进行模拟,缺乏利用实测数据对估算结果进行验证。随着遥感技术的不断发展,利用遥感数据并结合地面实测数据,可以很好地用来估算区域植被生物量,从而在一定程度上弥补了实地调查及模型估算的不足,并实现了对整个区域植被生物量的准确估算。因此,结合实测数据与遥感数据,估算草本沼泽植被地上生物量对草本沼泽湿地功能评估具有重要的意义。已有相关领域的权威研究表明,中国草本植被地上生物量与归一化植被指数NDVI年最大值有很好的相关性,可以利用NDVI年最大值数据集很好地估算中国草本植被地上生物量。
发明内容
本发明的目的是为了解决野外草本沼泽植被生物量实地测量工作量大、周期长、成本高,且无法对一定区域草本沼泽植被地上生物量进行准确估算的技术问题,提供了一种区域草本沼泽植被地上生物量的估算方法。
区域草本沼泽植被地上生物量的估算方法按照以下步骤进行:
步骤一、获取覆盖研究区域的草本沼泽植被地上生物量实测数据、研究时间段内归一化植被指数NDVI数据集,并进行数据预处理;
步骤二、根据沼泽湿地分布遥感影像及草本沼泽分布实地观测数据提取研究区域草本沼泽分布,并将其作为研究区;
步骤三、根据步骤一得到的预处理之后的NDVI数据集,利用最大值合成法将研究时间段内逐旬NDVI数据集,计算得到NDVI年最大值数据集;
步骤四、根据草本沼泽植被地上生物量采样点的经纬度,利用步骤三得到的NDVI年最大值数据集,提取研究区所有采样点对应位置及对应年份NDVI年最大值;
步骤五、根据草本沼泽植被地上生物量实测数据集与对应年份的NDVI年最大值数据集,利用多种拟合方程分析沼泽植被地上生物量实测数据与对应的NDVI年最大值之间的关系,并选择拟合系数最高的回归模型,构建出基于NDVI年最大值的研究区草本沼泽植被地上生物量估算模型:
AGB=a+b×NDVImax或AGB=a×Exp(b×NDVImax),其中AGB为草本沼泽植被地上生物量,NDVImax为NDVI年最大值,其中a为常数项,b为回归系数,当第一个方程拟合系数高于第二个方程拟合系数时采用第一个方程,其他情况下采用第二个方程;
步骤六、利用NDVI年最大值数据集,通过ArcGIS空间分析工具,计算出NDVI年最大值在研究时间段的变化趋势—NDVI年最大值的变化斜率,公式如下:
式中Slope表示研究时间段内NDVI年最大值的变化斜率;n为研究时间段的年数;i为从1到n,是研究时间段内年份的序号;NDVImaxi表示第i年的NDVI年最大值;
步骤七、步骤七、将步骤六得到的NDVI年最大值的变化斜率代表步骤五的公式中的NDVImax并代入到步骤五得出的生物量估算模型中,得到的AGB值代表生物量变化趋势值,即得到研究区草本沼泽植被地上生物量的变化趋势。
步骤一所述预处理过程如下:
一、对NDVI数据集进行大气校正、几何校正、辐射校正处理;
二、对草本沼泽植被地上生物量各采样点的重复样方数值求平均值,利用每个采样点对应的所有样方的草本沼泽植被地上生物量平均值代表该采样点的草本沼泽植被地上生物量值。
本发明结合长时间序列NDVI数据集、草本沼泽植被地上生物量实测数据集,提出了一种基于遥感数据及地面实测生物量数据估算草本沼泽植被地上生物量的方法。
本发明的优点在于:
在传统的植被生物量实测及估算方法基础上,提出了一种基于遥感数据及地面实测生物量数据来估算区域草本沼泽植被地上生物量并预测其未来变化的方法。该方法改善了野外大规模实地调查费时费力、成本高以及单纯利用遥感影像估算生物量时缺少实地验证的缺点,克服了传统方法不能对整个区域草本沼泽植地上生物量进行估算的难题。本发明对利用遥感数据及地面实测生物量数据在区域尺度上估算草本沼泽植被地上生物量并预测其未来变化提供了新的方法。
附图说明
图1是本发明的流程图;
图2是实验一中草本沼泽植被地上生物量的估算模型;
图3是实验一中草本沼泽植被地上生物量实测值与估算模拟值比较图;
图4是实验一中草本沼泽地上生物量变化趋势空间分布图。
具体实施方式
本发明技术方案不局限于以下所列举具体实施方式,还包括各具体实施方式间的任意组合。
具体实施方式一:本实施方式区域草本沼泽植被地上生物量的估算方法按照以下步骤进行:
步骤一、获取覆盖研究区域的草本沼泽植被地上生物量实测数据、研究时间段内归一化植被指数NDVI数据集,并进行数据预处理;
步骤二、根据沼泽湿地分布遥感影像及草本沼泽分布实地观测数据提取研究区域草本沼泽分布,并将其作为研究区;
步骤三、根据步骤一得到的预处理之后的NDVI数据集,利用最大值合成法将研究时间段内逐旬NDVI数据集,计算得到NDVI年最大值数据集;
步骤四、根据草本沼泽植被地上生物量采样点的经纬度,利用步骤三得到的NDVI年最大值数据集,提取研究区所有采样点对应位置及对应年份NDVI年最大值;
步骤五、根据草本沼泽植被地上生物量实测数据集与对应年份的NDVI年最大值数据集,利用多种拟合方程分析沼泽植被地上生物量实测数据与对应的NDVI年最大值之间的关系,并选择拟合系数最高的回归模型,构建出基于NDVI年最大值的研究区草本沼泽植被地上生物量估算模型:
AGB=a+b×NDVImax或AGB=a×Exp(b×NDVImax),其中AGB为草本沼泽植被地上生物量,NDVImax为NDVI年最大值,其中a为常数项,b为回归系数,当第一个方程拟合系数高于第二个方程拟合系数时采用第一个方程,其他情况下采用第二个方程;
步骤六、利用NDVI年最大值数据集,通过ArcGIS空间分析工具,计算出NDVI年最大值在研究时间段的变化趋势—NDVI年最大值的变化斜率,公式如下:
式中Slope表示研究时间段内NDVI年最大值的变化斜率;n为研究时间段的年数;i为从1到n,是研究时间段内年份的序号;NDVImaxi表示第i年的NDVI年最大值;
步骤七、将步骤六得到的NDVI年最大值的变化斜率代表步骤五的公式中的NDVImax并代入到步骤五得出的生物量估算模型中,得到的AGB值代表生物量变化趋势值,即得到研究区草本沼泽植被地上生物量的变化趋势。
具体实施方式二:本实施方式与具体实施方式一不同的是步骤一所述预处理过程如下:
一、对NDVI数据集进行大气校正、几何校正、辐射校正处理;
二、对草本沼泽植被地上生物量各采样点的重复样方数值求平均值,利用每个采样点对应的所有样方的草本沼泽植被地上生物量平均值代表该采样点的草本沼泽植被地上生物量值。其他与具体实施方式一相同。
采用下述实验验证本发明效果:
实验一:
根据“中国沼泽湿地资源及其主要生态环境效益综合调查”的2013-2017年草本沼泽湿地植被地上生物量的实测数据,选择青藏高原地区草本沼泽分布区为实施区域,结合图1,区域草本沼泽植被地上生物量的估算方法按照以下步骤进行:
(一)、获取覆盖研究区域的草本沼泽植被地上生物量实测数据、研究时间段内归一化植被指数(NDVI)数据集,并进行数据预处理。
分别获取覆盖青藏高原地区的2000-2019年逐旬MODIS NDVI数据集、以及草本沼泽植被地上生物量实测数据;
对NDVI数据集进行大气、辐射及几何校正处理;并对草本沼泽植被地上生物量各采样点的重复样方数值求平均值,利用每个采样点对应的3个样方的草本沼泽植被地上生物量平均值代表该采样点的地上生物量值。
(二)、根据青藏高原沼泽湿地分布遥感影像及草本沼泽分布实地观测数据提取青藏高原草本沼泽分布,并将其作为研究区。
(三)、根据步骤一得到的预处理之后的NDVI数据集,利用最大值合成法将2000-2019年逐旬NDVI数据集,计算得到2000-2019年NDVI年最大值数据集。
(四)、根据草本沼泽植被地上生物量采样点的经纬度,利用步骤三得到的2000-2019年NDVI年最大值数据集,提取研究区所有采样点对应位置及对应年份的NDVI年最大值。
(五)、根据草本沼泽植被地上生物量实测数据集与对应年份的NDVI年最大值数据集,利用多种拟合方程分析沼泽植被地上生物量实测数据与对应的NDVI年最大值之间的关系,并选择拟合系数最高的回归模型,构建出基于NDVI年最大值的研究区草本沼泽植被地上生物量估算模型:
AGB=a+b×NDVImax或AGB=a×Exp(b×NDVImax),其中AGB为草本沼泽植被地上生物量,NDVImax为NDVI年最大值,其中a为常数项,b为回归系数,当第一个方程拟合系数高于第二个方程拟合系数时采用第一个方程,其他情况下采用第二个方程;
(六)、利用NDVI年最大值数据集,通过ArcGIS空间分析工具,计算出NDVI年最大值在研究时间段的变化趋势—NDVI年最大值的变化斜率,公式如下:
式中Slope表示研究时间段内NDVI年最大值的变化斜率;n为研究时间段的年数;i为从1到n,是研究时间段内年份的序号;NDVImaxi表示第i年的NDVI年最大值;
(七)、将步骤六得到的NDVI年最大值的变化斜率代表步骤五的公式中的NDVImax并代入到步骤五得出的生物量估算模型中,得到的AGB值代表生物量变化趋势值,即得到研究区草本沼泽植被地上生物量的变化趋势。
(八)、预测模型结果的验证:
为验证预测模型的模拟效果,利在青藏高原地区50个采样点的草本沼泽植被地上生物量实测数值,将草本沼泽植被地上生物量实测值与模型估算值进行比较。结果表明,草本沼泽植被地上生物量估算值与实测值具有较高的相关性(相关系数为0.94),并且达到了极显著水平。验证结果表明,该回归模型可以很好地应用到估算本区域草本沼泽植被地上生物量上。
Claims (2)
1.区域草本沼泽植被地上生物量的估算方法,其特征在于所述区域草本沼泽植被地上生物量的估算方法按照以下步骤进行:
步骤一、获取覆盖研究区域的草本沼泽植被地上生物量实测数据、研究时间段内归一化植被指数NDVI数据集,并进行数据预处理;
步骤二、根据沼泽湿地分布遥感影像及草本沼泽分布实地观测数据提取研究区域草本沼泽分布,并将其作为研究区;
步骤三、根据步骤一得到的预处理之后的NDVI数据集,利用最大值合成法将研究时间段内逐旬NDVI数据集,计算得到NDVI年最大值数据集;
步骤四、根据草本沼泽植被地上生物量采样点的经纬度,利用步骤三得到的NDVI年最大值数据集,提取研究区所有采样点对应位置及对应年份NDVI年最大值;
步骤五、根据草本沼泽植被地上生物量实测数据集与对应年份的NDVI年最大值数据集,利用多种拟合方程分析沼泽植被地上生物量实测数据与对应的NDVI年最大值之间的关系,并选择拟合系数最高的回归模型,构建出基于NDVI年最大值的研究区草本沼泽植被地上生物量估算模型:
AGB=a+b×NDVImax或AGB=a×Exp(b×NDVImax),其中AGB为草本沼泽植被地上生物量,NDVImax为NDVI年最大值,其中a为常数项,b为回归系数,当第一个方程拟合系数高于第二个方程拟合系数时采用第一个方程,其他情况下采用第二个方程;
步骤六、利用NDVI年最大值数据集,通过ArcGIS空间分析工具,计算出NDVI年最大值在研究时间段的变化趋势—NDVI年最大值的变化斜率,公式如下:
式中Slope表示研究时间段内NDVI年最大值的变化斜率;n为研究时间段的年数;i为从1到n,是研究时间段内年份的序号;NDVImaxi表示第i年的NDVI年最大值;
步骤七、将步骤六得到的NDVI年最大值的变化斜率代表步骤五的公式中的NDVImax并代入到步骤五得出的生物量估算模型中,得到的AGB值代表生物量变化趋势值,即得到研究区草本沼泽植被地上生物量的变化趋势。
2.根据权利要求1所述区域草本沼泽植被地上生物量的估算方法,其特征在于步骤一所述预处理过程如下:
一、对NDVI数据集进行大气校正、几何校正、辐射校正处理;
二、对草本沼泽植被地上生物量各采样点的重复样方数值求平均值,利用每个采样点对应的所有样方的草本沼泽植被地上生物量平均值代表该采样点的草本沼泽植被地上生物量值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110878884.0A CN113590733A (zh) | 2021-08-02 | 2021-08-02 | 区域草本沼泽植被地上生物量的估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110878884.0A CN113590733A (zh) | 2021-08-02 | 2021-08-02 | 区域草本沼泽植被地上生物量的估算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113590733A true CN113590733A (zh) | 2021-11-02 |
Family
ID=78253443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110878884.0A Pending CN113590733A (zh) | 2021-08-02 | 2021-08-02 | 区域草本沼泽植被地上生物量的估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113590733A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092831A (zh) * | 2021-12-02 | 2022-02-25 | 中国科学院东北地理与农业生态研究所 | 一种草本沼泽植被物候信息提取方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537222A (zh) * | 2014-12-18 | 2015-04-22 | 中国科学院东北地理与农业生态研究所 | 基于遥感的区域植被覆盖对地表气温影响的估算方法 |
CN111814326A (zh) * | 2020-07-02 | 2020-10-23 | 中国科学院东北地理与农业生态研究所 | 一种沼泽湿地芦苇地上生物量估算方法 |
-
2021
- 2021-08-02 CN CN202110878884.0A patent/CN113590733A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537222A (zh) * | 2014-12-18 | 2015-04-22 | 中国科学院东北地理与农业生态研究所 | 基于遥感的区域植被覆盖对地表气温影响的估算方法 |
CN111814326A (zh) * | 2020-07-02 | 2020-10-23 | 中国科学院东北地理与农业生态研究所 | 一种沼泽湿地芦苇地上生物量估算方法 |
Non-Patent Citations (2)
Title |
---|
李凤秀等: "洪河自然保护区乌拉苔草生物量高光谱遥感估算模型", 《湿地科学》 * |
李爽等: "湿地植被地上生物量遥感估算模型研究――以洪河湿地自然保护区为例", 《地理研究》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114092831A (zh) * | 2021-12-02 | 2022-02-25 | 中国科学院东北地理与农业生态研究所 | 一种草本沼泽植被物候信息提取方法 |
CN114092831B (zh) * | 2021-12-02 | 2023-03-24 | 中国科学院东北地理与农业生态研究所 | 一种草本沼泽植被物候信息提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jamali et al. | Detecting changes in vegetation trends using time series segmentation | |
Bao et al. | Modeling net primary productivity of terrestrial ecosystems in the semi-arid climate of the Mongolian Plateau using LSWI-based CASA ecosystem model | |
Zhang et al. | Mapping forest stand age in China using remotely sensed forest height and observation data | |
CN111814326A (zh) | 一种沼泽湿地芦苇地上生物量估算方法 | |
Lambin et al. | Time series of remote sensing data for land change science | |
Giannico et al. | Contributions of landscape heterogeneity within the footprint of eddy-covariance towers to flux measurements | |
Chen et al. | A simple method for detecting phenological change from time series of vegetation index | |
CN106980750B (zh) | 一种基于典型对应分析的土壤氮储量估算方法 | |
CN114091613A (zh) | 一种基于高分联合组网数据的森林生物量估算方法 | |
CN113011372B (zh) | 一种盐碱化土地自动监测和识别方法 | |
Qing-Ling et al. | Topographical effects of climate data and their impacts on the estimation of net primary productivity in complex terrain: A case study in Wuling mountainous area, China | |
CN114372707A (zh) | 一种基于遥感数据的高寒湿地退化程度监测方法 | |
CN108764527B (zh) | 一种土壤有机碳库时空动态预测最优环境变量筛选方法 | |
Qu et al. | Estimating vegetation fraction using hyperspectral pixel unmixing method: a case study of a karst area in China | |
CN104424373B (zh) | 一种空间变量相关性的精细表达方法 | |
An et al. | Monitoring grassland degradation and restoration using a novel climate use efficiency (NCUE) index in the Tibetan Plateau, China | |
Molijn et al. | Ground reference data for sugarcane biomass estimation in São Paulo state, Brazil | |
CN113590733A (zh) | 区域草本沼泽植被地上生物量的估算方法 | |
CN116663779B (zh) | 耕地土壤多深度肥力点面转换方法及装置 | |
Sümegi et al. | Some notes on the interpretation and reliability of malacological proxies in paleotemperature reconstructions from loess-comments to Obreht et al.'s “A critical reevaluation of paleoclimate proxy records from loess in the Carpathian Basin” | |
CN116773516A (zh) | 一种基于遥感数据的土壤碳含量分析系统 | |
CN116187859A (zh) | 灌区农作物低温冷害监测与诊断方法、装置、设备及介质 | |
CN109444055A (zh) | 一种盐碱地土壤盐分含量的高光谱计算方法 | |
Zhao et al. | ChinaWheatYield30m: a 30 m annual winter wheat yield dataset from 2016 to 2021 in China | |
CN115203643A (zh) | 融合水文与生态要素的水源涵养功能定量诊断方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211102 |
|
RJ01 | Rejection of invention patent application after publication |