CN116383774B - 一种水网区钉螺适生环境定位方法 - Google Patents
一种水网区钉螺适生环境定位方法 Download PDFInfo
- Publication number
- CN116383774B CN116383774B CN202310657708.3A CN202310657708A CN116383774B CN 116383774 B CN116383774 B CN 116383774B CN 202310657708 A CN202310657708 A CN 202310657708A CN 116383774 B CN116383774 B CN 116383774B
- Authority
- CN
- China
- Prior art keywords
- oncomelania
- level
- landscape
- water network
- plaque
- 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
- 241000565675 Oncomelania Species 0.000 title claims abstract description 74
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000002689 soil Substances 0.000 claims abstract description 15
- 238000011160 research Methods 0.000 claims abstract description 12
- 238000007477 logistic regression Methods 0.000 claims abstract description 8
- 230000000694 effects Effects 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 abstract description 4
- 230000009471 action Effects 0.000 abstract description 2
- 230000002776 aggregation Effects 0.000 abstract description 2
- 238000004220 aggregation Methods 0.000 abstract description 2
- 239000007787 solid Substances 0.000 abstract 1
- 238000011835 investigation Methods 0.000 description 4
- 238000005192 partition Methods 0.000 description 3
- 241000196171 Hydrodictyon reticulatum Species 0.000 description 2
- 201000004409 schistosomiasis Diseases 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- 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
- G06F16/26—Visual data mining; Browsing structured data
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- 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
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Cultivation Of Plants (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种水网区钉螺适生环境定位方法,先利用研究区域的多个第一水平影响因子数据、多个第二水平影响因子数据、钉螺空间分布数据对预先构建的钉螺分布两水平Logistic回归模型进行拟合,然后将获取的覆盖研究区域所在片区的多个第一水平影响因子数据、多个第二水平影响因子数据代入拟合好的模型中,输出整个片区的实地钉螺空间分布。一方面,该设计能够体现钉螺在水网沟渠内的聚集性,适用于水网区域钉螺适生环境的定位,另一方面,该设计以栅格尺度上的高程、土壤湿度、植被指数和景观分维指数作为小微环境特征,以斑块尺度上的土地利用类型、水网密度作为宏观环境特征,反映钉螺分布是小微环境特征和宏观环境特征共同作用的结果。
Description
技术领域
本发明属于钉螺分布技术领域,具体涉及一种水网区钉螺适生环境定位方法。
背景技术
目前国内外钉螺(血吸虫病中间宿主)适生环境区域定位研究一方面,主要集中于范围较为广阔的河湖洲滩地区,其中钉螺沿洲摊呈面状分布,采用的特征指标尺度较大,反映不出江汉平原钉螺沿水网、沟渠呈线状分布的特征,不适用于水网钉螺适生环境的区域定位;另一方面,多基于单个环境指标进行,如遥感的光谱特征及其组合(如NDVI)等,忽略了钉螺孳生环境需考虑土地利用、土壤湿度、归一化植被指数、高程等区域地理要素在内各类地理环境要素之间的综合作用。
发明内容
本发明的目的是克服现有技术存在的上述问题,提供一种适用于水网钉螺适生环境区域定位的水网区钉螺适生环境定位方法。
为实现以上目的,本发明提供了以下技术方案:
一种水网区钉螺适生环境定位方法,所述定位方法依次包括以下步骤:
S1、利用多个第一水平影响因子数据、多个第二水平影响因子数据、钉螺空间分布数据对预先构建的钉螺分布两水平Logistic回归模型进行拟合,所述模型的构建方法为:
先将研究区域划分为多个斑块,然后将每个斑块都划分为多个栅格,最后以栅格作为第一景观水平,以斑块作为第二景观水平,以多个第一水平影响因子作为第一景观水平的场景变量,以多个第二水平影响因子作为第二景观水平的场景变量,构建得到钉螺分布两水平Logistic回归模型;
S2、将获取的覆盖研究区域所在片区的多个第一水平影响因子数据、多个第二水平影响因子数据代入由步骤S1拟合好的模型中,输出片区的钉螺适生环境空间分布。
所述钉螺分布两水平Logistic回归模型具体为:
;
上式中,log为Logit连接函数,表示对数转换,为第j个斑块中第i个栅格的钉螺适生概率,其取值为1时表示有螺或适宜钉螺生存,其取值为0时表示无螺或不适宜钉螺生存,i =1,2,…,N,N为栅格总数,j=1,2,…,J,J为斑块总数,/>为第j个斑块中第m个为第二景观水平的场景变量,m =1,2,…,M,M为第二景观水平的场景变量的总个数,/>为第j个斑块中第i个栅格的第/>个具有随机斜率的第一景观水平的场景变量,/>为/>的随机斜率,/>=1,2,…,P,P为具有随机斜率的第一景观水平的场景变量的总个数,/>为第j个斑块中第i个栅格的第/>个具有固定斜率的第一景观水平的场景变量,q =1,2,…,Q,Q为具有固定斜率的第一景观水平的场景变量的总个数,/>为整个地区中钉螺适生概率的平均值,/>为/>对/>的效应与/>对/>的平均效应的偏离程度,/>为/>的固定斜率,/>为/>的固定斜率,/>为/>与/>交互作用的固定斜率,/>为第j个斑块中第i个栅格的钉螺适生概率与第j个斑块中钉螺适生概率平均值之间的差异;
所述钉螺分布两水平Logistic回归模型根据以下公式构建得到:
;
;
;
上式中,为第j个斑块中所有栅格钉螺适生概率的平均值,/>为/>的固定斜率。
所述多个第一影响因子包括土壤湿度、归一化植被指数、高程、景观分维数;
所述多个第二影响因子包括土地利用类型、水网密度。
所述土壤湿度、归一化植被指数、高程、土地利用类型均基于遥感数据获得。
所述景观分维数根据以下公式计算得到:
;
上式中,为斑块的景观分维数,/>是斑块的周长,/>是斑块的面积,/>为常数因子。
所述水网密度根据以下公式计算得到:
斑块的水网密度=斑块内沟渠长度/斑块的面积。
所述具有随机斜率的第一景观水平的场景变量具体为景观分维数,所述具有固定斜率的第一景观水平的场景变量具体为高程、土壤湿度、归一化植被指数。
与现有技术相比,本发明的有益效果为:
本发明一种水网区钉螺适生环境定位方法先利用研究区域中多个第一影响因子数据、多个第二影响因子数据、钉螺空间分布数据对预先构建的钉螺分布两水平Logistic回归模型进行拟合,然后将获取的覆盖研究区域所在片区的多个第一水平影响因子数据、多个第二水平影响因子数据代入由步骤S1拟合好的模型中,输出片区的钉螺适生环境空间分布,该回归模型的构建方法为,先将研究区域划分为多个斑块,再将每个斑块都划分为多个栅格,最后以栅格、斑块分别作为第一景观水平、第二景观水平,以多个第一影响因子作为第一景观水平的场景变量,以多个第二影响因子作为第二景观水平的场景变量,构建得到钉螺分布两水平Logistic回归模型;一方面,该设计使输出的钉螺适生环境空间分布能够体现钉螺孳生的特定地理空间,即在水网沟渠内的聚集性,适用于水网区域钉螺适生环境的定位,另一方面,以栅格尺度上的高程、土壤湿度、植被指数和景观分维指数作为小微环境特征,以斑块尺度上的土地利用类型、水网密度作为宏观环境特征,该设计能够反映钉螺分布是小微环境特征和宏观环境特征共同作用的结果,解释了小微环境变量和宏观环境变量如何影响钉螺分布,以及小微环境特征对钉螺分布的影响如何随着宏观环境特征变化而变化的问题。因此,本发明适用于水网区域钉螺适生环境的定位,综合了考虑各类小微环境变量以及宏观环境变量的影响。
附图说明
图1为本发明的流程图。
图2为实施例步骤S1获得的研究区域内钉螺适生环境空间分布与水网密度数据。
图3为实施例步骤S1获得的研究区域内土地利用类型数据。
图4为实施例步骤S1获得的研究区域内高程数据。
图5为实施例步骤S1获得的研究区域内景观分维数。
图6为实施例步骤S1获得的研究区域内土壤湿度数据。
图7为实施例步骤S1获得的研究区域内归一化植被指数数据。
图8为实施例步骤S3输出的整个片区内的钉螺适生环境空间分布。
具体实施方式
下面结合说明书附图和具体实施方式对本发明作进一步的说明。
实施例:
参见图1,一种水网区钉螺适生环境定位方法,依次按照以下步骤进行:
S1、处理得到某地区钉螺空间分布与水网密度数据(如图2所示)、土地利用类型数据(如图3所示)、高程数据(如图4所示)、景观分维数(如图5所示)、土壤湿度数据(如图6所示)、归一化植被指数数据(如图7所示);
其中,所述钉螺空间分布数据从省级血吸虫病防治研究所获取,随机生成有螺分布样点及无螺分布样点,所述水网密度数据基于高分遥感数据提取水系沟渠数据(干渠、支渠、斗渠和毛渠等)后根据以下公式计算得到:
斑块的水网密度=斑块内沟渠长度/斑块的面积;
所述土地利用类型数据、土壤湿度、归一化植被指数通过中分辨率遥感数据解译得到,所述高程数据下载于国际科学数据镜像网站;
所述景观分维数根据以下公式计算得到:
;
上式中,为斑块的景观分维数,/>是斑块的周长,/>是斑块的面积,/>为常数因子,计算得到斑块尺度上的景观分维数通过图像重采样生成栅格尺度上的景观分维数;
S2、利用由步骤S1获得的数据对预先构建的钉螺分布两水平Logistic回归模型进行拟合,拟合过程中因随机成分如、/> 、/>是无法观察到的潜在变量,不属于统计学意义上的参数,不予计算,所述模型的构建方法为:
S22、先将研究区域按空间对象划分为多个斑块,再将每个斑块都按同一大小划分为多个栅格,最后以栅格作为第一景观水平,以斑块作为第二景观水平,以土壤湿度、归一化植被指数、高程、景观分维数作为第一景观水平的场景变量,以土地利用类型、水网密度作为第二景观水平的场景变量,构建得到如下所示的模型表达式:
;
;
;
上式中,log为Logit连接函数,表示对数转换,为第j个斑块中第i个栅格的钉螺适生概率,其取值为1时表示有螺或适宜钉螺生存,其取值为0时表示无螺或不适宜钉螺生存,i =1,2,…,N,N为栅格总数,j=1,2,…,J,J为斑块总数,/>为第j个斑块中第m个为第二景观水平的场景变量,m =1,2,…,M,M为第二景观水平的场景变量的总个数,/>为第j个斑块中第i个栅格的第/>个具有随机斜率的第一景观水平的场景变量,具体指景观分维数,/>为/>的随机斜率,/>=1,2,…,P,P为具有随机斜率的第一景观水平的场景变量的总个数,/>为第j个斑块中第i个栅格的第/>个具有固定斜率的第一景观水平的场景变量,具体指高程、土壤湿度、归一化植被指数,q =1,2,…,Q,Q为具有固定斜率的第一景观水平的场景变量的总个数,/>为整个地区中钉螺适生概率的平均值,/>为/>对/>的效应与/>对/>的平均效应的偏离程度,/>为/>的固定斜率,/>为/>的固定斜率,/>为/>与/>交互作用的固定斜率,/>为第j个斑块中第i个栅格的钉螺适生概率与第j个斑块中钉螺适生概率平均值之间的差异;
S21、整理模型表达式得到如下所示的钉螺分布两水平Logistic回归模型:
;
S3、将获取的覆盖研究区域所在片区的水网密度数据、土地利用类型数据、高程数据、土壤湿度数据、归一化植被指数数据、景观分维数代入拟合好的模型中,输出如图8所示的整个片区钉螺适生环境空间分布。
由图8可以看出,采用本发明得到钉螺空间分布图能够清晰反映江汉平原钉螺沿水网、沟渠呈线状分布的特征,尤其适用于水网区钉螺适生环境的定位。
Claims (7)
1.一种水网区钉螺适生环境定位方法,其特征在于:
所述定位方法依次包括以下步骤:
S1、利用多个第一水平影响因子数据、多个第二水平影响因子数据、钉螺空间分布数据对预先构建的钉螺分布两水平Logistic回归模型进行拟合,所述模型的构建方法为:
先将研究区域划分为多个斑块,然后将每个斑块都划分为多个栅格,最后以栅格作为第一景观水平,以斑块作为第二景观水平,以多个第一水平影响因子作为第一景观水平的场景变量,以多个第二水平影响因子作为第二景观水平的场景变量,构建得到钉螺分布两水平Logistic回归模型;
S2、将获取的覆盖研究区域所在片区的多个第一水平影响因子数据、多个第二水平影响因子数据代入由步骤S1拟合好的模型中,输出片区的钉螺适生环境空间分布;
所述钉螺分布两水平Logistic回归模型具体为:
上式中,log为Logit连接函数,表示对数转换,pij为第j个斑块中第i个栅格的钉螺适生概率,其取值为1时表示有螺或适宜钉螺生存,其取值为0时表示无螺或不适宜钉螺生存,i=1,2,…,N,N为栅格总数,j=1,2,…,J,J为斑块总数,为第j个斑块中第m个为第二景观水平的场景变量,m=1,2,…,M,M为第二景观水平的场景变量的总个数,/>为第j个斑块中第i个栅格的第p个具有随机斜率的第一景观水平的场景变量,αp为/>的随机斜率,p=1,2,…,P,P为具有随机斜率的第一景观水平的场景变量的总个数,/>为第j个斑块中第i个栅格的第p个具有固定斜率的第一景观水平的场景变量,q=1,2,…,Q,Q为具有固定斜率的第一景观水平的场景变量的总个数,γ00为整个地区中钉螺适生概率的平均值,为第j个斑块中钉螺适生概率平均值与整个地区中钉螺适生概率平均值的差异,/>为/>对pij的效应与/>对pij的平均效应的偏离程度,γ0m为/>的固定斜率,γq0为的固定斜率,γqm为/>与/>交互作用的固定斜率,eij为第j个斑块中第i个栅格的钉螺适生概率与第j个斑块中钉螺适生概率平均值之间的差异。
2.根据权利要求1所述的一种水网区钉螺适生环境定位方法,其特征在于:
所述钉螺分布两水平Logistic回归模型根据以下公式构建得到:
上式中,β0j为第j个斑块中所有栅格钉螺适生概率的平均值,βqj为的固定斜率。
3.根据权利要求1或2所述的一种水网区钉螺适生环境定位方法,其特征在于:
所述多个第一水平影响因子包括土壤湿度、归一化植被指数、高程、景观分维数;
所述多个第二水平影响因子包括土地利用类型、水网密度。
4.根据权利要求3所述的一种水网区钉螺适生环境定位方法,其特征在于:
所述土壤湿度、归一化植被指数、高程、土地利用类型均基于遥感数据获得。
5.根据权利要求3所述的一种水网区钉螺适生环境定位方法,其特征在于:
所述景观分维数根据以下公式计算得到:
上式中,Fd为斑块的景观分维数,P是斑块的周长,A是斑块的面积,为常数因子。
6.根据权利要求3所述的一种水网区钉螺适生环境定位方法,其特征在于:
所述水网密度根据以下公式计算得到:
斑块的水网密度=斑块内沟渠长度/斑块的面积。
7.根据权利要求1所述的一种水网区钉螺适生环境定位方法,其特征在于:
所述具有随机斜率的第一景观水平的场景变量具体为景观分维数,所述具有固定斜率的第一景观水平的场景变量具体为高程、土壤湿度、归一化植被指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310657708.3A CN116383774B (zh) | 2023-06-06 | 2023-06-06 | 一种水网区钉螺适生环境定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310657708.3A CN116383774B (zh) | 2023-06-06 | 2023-06-06 | 一种水网区钉螺适生环境定位方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116383774A CN116383774A (zh) | 2023-07-04 |
CN116383774B true CN116383774B (zh) | 2023-09-12 |
Family
ID=86969815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310657708.3A Active CN116383774B (zh) | 2023-06-06 | 2023-06-06 | 一种水网区钉螺适生环境定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116383774B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103999736A (zh) * | 2014-05-19 | 2014-08-27 | 江苏大学 | 一种河口湿地红树林生态修复造林方法 |
CN113901348A (zh) * | 2021-11-10 | 2022-01-07 | 江苏省血吸虫病防治研究所 | 一种基于数学模型的钉螺分布影响因素识别与预测方法 |
WO2022128956A1 (en) * | 2020-12-14 | 2022-06-23 | Incremed Ag | Method for determining the screw trajectory of a pedicle bone screw |
-
2023
- 2023-06-06 CN CN202310657708.3A patent/CN116383774B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103999736A (zh) * | 2014-05-19 | 2014-08-27 | 江苏大学 | 一种河口湿地红树林生态修复造林方法 |
WO2022128956A1 (en) * | 2020-12-14 | 2022-06-23 | Incremed Ag | Method for determining the screw trajectory of a pedicle bone screw |
CN113901348A (zh) * | 2021-11-10 | 2022-01-07 | 江苏省血吸虫病防治研究所 | 一种基于数学模型的钉螺分布影响因素识别与预测方法 |
Non-Patent Citations (1)
Title |
---|
Influence of common carp on apple snail in a rice field evaluated by a predator - prey logistic model;K. Ichinose et al.;《International Journal of Pest Management》;第48卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116383774A (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
McMichael et al. | Ancient human disturbances may be skewing our understanding of Amazonian forests | |
Huang et al. | Analysis of NDVI data for crop identification and yield estimation | |
Jones et al. | Generating characteristic daily weather data using downscaled climate model data from the IPCC's Fourth Assessment | |
Van Der Zanden et al. | Modelling the spatial distribution of linear landscape elements in Europe | |
Safari et al. | A comparative assessment of multi-temporal Landsat 8 and machine learning algorithms for estimating aboveground carbon stock in coppice oak forests | |
Gevana et al. | Land use characterization and change detection of a small mangrove area in Banacon Island, Bohol, Philippines using a maximum likelihood classification method | |
Sillero et al. | Spatial structure analysis of a reptile community with airborne LiDAR data | |
Said et al. | Predicting land use/cover changes and its association to agricultural production on the slopes of Mount Kilimanjaro, Tanzania | |
Bernard et al. | The impact of refugee settlements on land use changes and vegetation degradation in West Nile Sub-region, Uganda | |
Wagner et al. | Development of a new downscaling method for hydrologic assessment of climate change impacts in data scarce regions and its application in the Western Ghats, India | |
Ranjan et al. | Predicting paddy yield at spatial scale using optical and Synthetic Aperture Radar (SAR) based satellite data in conjunction with field-based Crop Cutting Experiment (CCE) data | |
CN116580318B (zh) | 作物覆盖区域的土壤养分反演方法、装置、设备及介质 | |
Villarreal et al. | Mapping and monitoring riparian vegetation distribution, structure and composition with regression tree models and post-classification change metrics | |
Rodríguez-Medina et al. | Evaluating the capacity of species distribution modeling to predict the geographic distribution of the mangrove community in Mexico | |
Wan et al. | Modeling wetland aboveground biomass in the Poyang Lake National Nature Reserve using machine learning algorithms and Landsat-8 imagery | |
Mallick et al. | Spatio-temporal analysis and simulation of land cover changes and their impacts on land surface temperature in urban agglomeration of Bisha Watershed, Saudi Arabia | |
Knitter et al. | Land use patterns and climate change—a modeled scenario of the Late Bronze Age in Southern Greece | |
Toma et al. | Historical and future dynamics of land use land cover and its drivers in Ajora‐Woybo watershed, Omo‐Gibe basin, Ethiopia | |
Holloway et al. | Spatial econometric issues for bio‐economic and land‐use modelling | |
Li et al. | A large-scale, long time-series (1984‒2020) of soybean mapping with phenological features: Heilongjiang Province as a test case | |
Honda et al. | Agriculture information service built on geospatial data infrastructure and crop modeling | |
Yin et al. | Statistical downscaling of regional daily precipitation over southeast Australia based on self-organizing maps | |
Rivillas-Ospina et al. | APPMAR 1.0: A Python application for downloading and analyzing of WAVEWATCH III® wave and wind data | |
Akrami et al. | Graph-based local climate classification in Iran | |
Abdurahman et al. | Past and future land-use/land-cover change trends and its potential drivers in Koore’s agricultural landscape, Southern Ethiopia |
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 |