CN116644554A - 一种考虑不同天气情况的阴、阳叶分离方法 - Google Patents
一种考虑不同天气情况的阴、阳叶分离方法 Download PDFInfo
- Publication number
- CN116644554A CN116644554A CN202310446147.2A CN202310446147A CN116644554A CN 116644554 A CN116644554 A CN 116644554A CN 202310446147 A CN202310446147 A CN 202310446147A CN 116644554 A CN116644554 A CN 116644554A
- Authority
- CN
- China
- Prior art keywords
- leaves
- weather conditions
- leaf area
- leaf
- different weather
- 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 38
- 230000005855 radiation Effects 0.000 claims abstract description 38
- 239000000443 aerosol Substances 0.000 claims abstract description 8
- 238000000926 separation method Methods 0.000 claims abstract description 7
- 230000002776 aggregation Effects 0.000 claims description 6
- 238000004220 aggregation Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000009499 grossing Methods 0.000 claims description 4
- 238000003908 quality control method Methods 0.000 claims description 4
- 238000001704 evaporation Methods 0.000 abstract description 3
- 230000008020 evaporation Effects 0.000 abstract description 3
- 238000012935 Averaging Methods 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000029553 photosynthesis Effects 0.000 description 1
- 238000010672 photosynthesis Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005068 transpiration Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种考虑不同天气情况的阴、阳叶分离方法，利用晴空系数定义天气情况，考虑了直射辐射被云层或气溶胶所遮挡时的特殊情况，合理地解译了不同天气情况下的冠层结构，进而实现了阴、阳叶的叶面积指数的准确分离。该方法有效解决了传统方法在不同天气情况下均将植被冠层简单假设为阴、阳叶共存的问题，对于基于双叶理论的陆地生态系统总初级生产力和蒸散发的高精度反演具有重要意义。
Description
技术领域
本发明涉及阴、阳叶分离技术领域，特别是涉及一种考虑不同天气情况的阴、阳叶分离方法。
背景技术
双叶模型是陆地生态系统总初级生产力和蒸散发反演中的一类重要且有效的方法，其原理是将植被冠层中的叶片划分为阴叶(仅能接收散射辐射)和阳叶(可同时接收直射辐射和散射辐射)并考虑二者生理特征的差异。具体而言，阳叶通常能够吸收更多的太阳辐射，导致其相较于阴叶具有更低的光能转换效率和气孔导度，进一步影响植被的光合作用和蒸腾作用。因此，合理分离植被冠层内的阴、阳叶对深刻理解陆地生态系统的能量平衡、水循环以及碳循环等具有重要意义。
实际上，在某一时刻，植被的冠层结构可分为两种特定的模式：(1)当冠层能接收直射辐射时(例如晴空条件下)，冠层内的所有叶片可相应地划分为阳叶和阴叶，如图1所示；(2)当冠层不能接收直射辐射时(例如阴天条件下)，冠层内不应存在阳叶且所有叶片均为阴叶，如图2所示。此外，这两种模式可以随着天气情况的变化而动态转换。目前，传统的阴、阳叶分离方法仅考虑了太阳高度角和聚集指数等参数的影响，并认为植被冠层在各种天气情况下始终为阴、阳叶共存的状态，而忽略了直射辐射被云层或气溶胶遮挡时冠层中所有叶片均为阴叶这一现象，导致阳叶和阴叶的叶面积指数可能分别被高估和低估，使得基于双叶模型的总初级生产力和蒸散发估算结果存在一定不确定性。
发明内容
为了克服现有技术的不足，本发明的目的是提供一种考虑不同天气情况的阴、阳叶分离方法。
为实现上述目的，本发明提供了如下方案：
一种考虑不同天气情况的阴、阳叶分离方法，包括：
对获取到的原始数据进行预处理，得到输入数据；所述输入数据包括遥感数据和气象数据；
根据所述气象数据逐像元计算晴空系数并定义天气情况；
基于所述晴空系数计算不同的所述天气情况下的阴、阳叶的叶面积指数。
优选地，对获取到的原始数据进行预处理，得到输入数据，包括：
获取研究区的遥感原始数据和气象原始数据；
根据MODIS产品提供的质量控制符，剔除所述遥感原始数据中由云层或气溶胶污染导致异常波动的叶面积指数值；
基于最邻近法对各像元内被剔除的叶面积指数值进行插值；
基于Savitzky-Golay滤波对各像元内的叶面积指数序列进行平滑；
利用三次样条法将各像元8天尺度的叶面积指数插值至日尺度，得到所述遥感数据；所述遥感数据包括叶面积指数；
基于所述气象原始数据，将研究区内各像元每日内小时/半小时尺度的短波辐射求平均至日尺度，得到所述气象数据；所述气象数据包括下行短波辐射。
优选地，根据所述气象数据逐像元计算晴空系数并定义天气情况，包括：
根据公式计算所述晴空系数；其中，CI为晴空系数，代表天空的晴朗程度，CI的数值在0到1的范围之间变化；SW为所述下行短波辐射；S0为太阳常数，代表在日地平均距离上，大气层顶垂直于太阳光线的单位面积、单位时间内接收的太阳辐射；θ为太阳天顶角，代表太阳光线入射方向和天顶方向的夹角；
根据所述晴空系数将不同的天气情况划分为晴天、多云天和阴天；在所述晴天时，植被冠层在整个白天均能接收直射辐射；在所述多云天时，植被冠层在整个白天的部分时间内可以接收直射辐射；在所述阴天时，植被冠层在整个白天均不能接收直射辐射。
优选地，基于所述晴空系数计算不同的所述天气情况下的阴、阳叶的叶面积指数，包括：
对不同所述天气情况下的冠层结构进行解译，得到解译结果；所述解译结果为：所述晴天的条件下，阳叶和阴叶的叶面积指数共存，且阳叶和阴叶的叶面积指数的分离仅受到叶面积指数、太阳天顶角和聚集指数的影响；所述阴天的条件下，冠层内的所有叶片都是阴叶且不存在阳叶，阳叶和阴叶的叶面积指数分别等于零和总叶面积指数；所述多云天的条件下，阳叶和阴叶的叶面积指数是所述晴天的条件和所述晴天的条件的阳叶和阴叶的叶面积指数的加权值；
基于所述解译结果和叶面积指数计算公式确定阴叶和阳叶在不同天气条件下的叶面积指数；所述叶面积指数计算公式包括：
其中，LAI为总叶面积指数，Ω为预设的聚集指数，LAIsu为阳叶的叶面积指数，LAIsh为阴叶的叶面积指数，CIcs为晴天和多云天的阈值，CIoc为多云天和阴天的阈值。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供了一种考虑不同天气情况的阴、阳叶分离方法，利用晴空系数定义天气情况，考虑了直射辐射被云层或气溶胶所遮挡时的特殊情况，合理地解译了不同天气情况下的冠层结构，进而实现了阴、阳叶的叶面积指数的准确分离。该方法有效解决了传统方法在不同天气情况下均将植被冠层简单假设为阴、阳叶共存的问题，对于基于双叶理论的陆地生态系统总初级生产力和蒸散发的高精度反演具有重要意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的当冠层能接收直射辐射时的冠层结构示意图；
图2为本发明实施例提供的当冠层不能接收直射辐射时的冠层结构示意图；
图3为本发明实施例提供的方法流程图。
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。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤、过程、方法等没有限定于已列出的步骤，而是可选地还包括没有列出的步骤，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤元。
本发明的目的是提供一种考虑不同天气情况的阴、阳叶分离方法，能够有效解决了传统方法在不同天气情况下均将植被冠层简单假设为阴、阳叶共存的问题。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图3为本发明实施例提供的方法流程图，如图3所示，本发明提供了一种考虑不同天气情况的阴、阳叶分离方法，包括：
步骤100：对获取到的原始数据进行预处理，得到输入数据；所述输入数据包括遥感数据和气象数据；
步骤200：根据所述气象数据逐像元计算晴空系数并定义天气情况；
步骤300：基于所述晴空系数计算不同的所述天气情况下的阴、阳叶的叶面积指数。
优选地，对获取到的原始数据进行预处理，得到输入数据，包括：
获取研究区的遥感原始数据和气象原始数据；
根据MODIS产品提供的质量控制符，剔除所述遥感原始数据中由云层或气溶胶污染导致异常波动的叶面积指数值；
基于最邻近法对各像元内被剔除的叶面积指数值进行插值；
基于Savitzky-Golay滤波对各像元内的叶面积指数序列进行平滑；
利用三次样条法将各像元8天尺度的叶面积指数插值至日尺度，得到所述遥感数据；所述遥感数据包括叶面积指数；
基于所述气象原始数据，将研究区内各像元每日内8个3小时尺度的短波辐射求平均至日尺度，得到所述气象数据；所述气象数据包括下行短波辐射。
具体的，所述输入数据主要包括遥感数据(叶面积指数)和气象数据(下行短波辐射)。具体而言，叶面积指数由Moderate Resolution Imaging Spectroradiometer(MODIS)和Global Land Surface Satellite(GLASS)等遥感数据集提供。以MODIS15A2 LAI数据(时间分辨率为8天，空间分辨率为500米)为例，LAI数据的预处理主要包括以下步骤：(1)下载研究区的遥感LAI；(2)根据MODIS产品提供的质量控制符，剔除由云层或气溶胶污染导致异常波动的LAI值；(3)基于最邻近法对各像元内被剔除的LAI进行插值；(4)基于Savitzky-Golay滤波对各像元内的LAI序列进行平滑；(5)利用三次样条法将各像元8天尺度的LAI插值至日尺度。下行短波辐射可由Global Land Data Assimilation System(GLDAS)和GLASS等数据集提供。以GLDAS数据(时间分辨率为3小时，空间分辨率为0.25°，下行短波辐射数据的预处理主要是将研究区内各像元每日内8个3小时尺度的短波辐射求平均至日尺度。
优选地，根据气象数据逐像元计算晴空系数并定义天气情况：
式中，CI为晴空系数，代表天空的晴朗程度，在0(完全阴天)到1(完全晴天)的范围之间变化；SW为下行短波辐射；S0为太阳常数(1367Wm-2)，代表在日地平均距离上，大气层顶垂直于太阳光线的单位面积、单位时间内接收的太阳辐射；θ为太阳天顶角，代表太阳光线入射方向和天顶方向的夹角。
在日尺度上，本实施例根据晴空系数的大小将不同的天气情况划分为以下三类：(1)晴天，植被冠层在整个白天均能接收直射辐射；(2)多云天，植被冠层在整个白天的部分时间内可以接收直射辐射；(3)阴天，植被冠层在整个白天均不能接收直射辐射。具体而言，根据Okogbue et al.(2009)和Han etal.(2020)的研究，本实施例将晴天和多云天的阈值CIcs以及多云天和阴天的阈值CIoc分别设为0.6和0.2。
进一步地，本实施例首先对不同天气情况下的冠层结构进行合理地解译。
在某一天内，植被的冠层结构可以分为以下三种：(1)晴天条件下，阳叶和阴叶的叶面积指数(LAIsu和LAIsh)共存，且LAIsu和LAIsh的分离仅受到叶面积指数、太阳天顶角和聚集指数的影响；(2)阴天条件下，冠层内的所有叶片都是阴叶且不存在阳叶。在这种情况下，LAIsu和LAIsh应分别等于零和总LAI；(3)多云天条件下，冠层结构在情景(1)和情景(2)之间动态变化。在这种情况下，LAIsu和LAIsh应是情景(1)和情景(2)的加权值，权重主要由冠层能够接收到直射辐射的时间长短决定。
因此，阴叶和阳叶在不同天气条件下的叶面积指数分别计算如下：
式中，Ω为聚集指数，通常设定为一个定值，与植被类型有关；LAI为总叶面积指数。
本发明的有益效果如下：
本发明提出的一种考虑不同天气情况的阴、阳叶分离方法，利用晴空系数定义天气情况，考虑了直射辐射被云层或气溶胶所遮挡时的特殊情况，合理地解译了不同天气情况下的冠层结构，进而实现了阴、阳叶的叶面积指数的准确分离。该方法有效解决了传统方法在不同天气情况下均将植被冠层简单假设为阴、阳叶共存的问题，对于基于双叶理论的陆地生态系统总初级生产力和蒸散发的高精度反演具有重要意义。本发明具有方法简单、灵活、易于操作，可操作性强，结果可靠性好等特点。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (4)
1.一种考虑不同天气情况的阴、阳叶分离方法，其特征在于，包括：
对获取到的原始数据进行预处理，得到输入数据；所述输入数据包括遥感数据和气象数据；
根据所述气象数据逐像元计算晴空系数并定义天气情况；
基于所述晴空系数计算不同的所述天气情况下的阴、阳叶的叶面积指数。
2.根据权利要求1所述的考虑不同天气情况的阴、阳叶分离方法，其特征在于，对获取到的原始数据进行预处理，得到输入数据，包括：
获取研究区的遥感原始数据和气象原始数据；
根据MODIS产品提供的质量控制符，剔除所述遥感原始数据中由云层或气溶胶污染导致异常波动的叶面积指数值；
基于最邻近法对各像元内被剔除的叶面积指数值进行插值；
基于Savitzky-Golay滤波对各像元内的叶面积指数序列进行平滑；
利用三次样条法将各像元8天尺度的叶面积指数插值至日尺度，得到所述遥感数据；所述遥感数据包括叶面积指数；
基于所述气象原始数据，将研究区内各像元每日内小时/半小时尺度的短波辐射求平均至日尺度，得到所述气象数据；所述气象数据包括下行短波辐射。
3.根据权利要求1所述的考虑不同天气情况的阴、阳叶分离方法，其特征在于，根据所述气象数据逐像元计算晴空系数并定义天气情况，包括：
根据公式计算所述晴空系数；其中，CI为晴空系数，代表天空的晴朗程度，CI的数值在0到1的范围之间变化，0为完全遮蔽，1为完全晴空；SW为所述下行短波辐射；S0为太阳常数，代表在日地平均距离上，大气层顶垂直于太阳光线的单位面积、单位时间内接收的太阳辐射；θ为太阳天顶角，代表太阳光线入射方向和天顶方向的夹角；
根据所述晴空系数将不同的天气情况划分为晴天、多云天和阴天；在所述晴天时，植被冠层在整个白天均能接收直射辐射；在所述多云天时，植被冠层
在整个白天的部分时间内可以接收直射辐射；在所述阴天时，植被冠层在整个白天均不能接收直射辐射。
4.根据权利要求3所述的考虑不同天气情况的阴、阳叶分离方法，其特征在于，基于所述晴空系数计算不同的所述天气情况下的阴、阳叶的叶面积指数，包括：
对不同所述天气情况下的冠层结构进行解译，得到解译结果；所述解译结果为：所述晴天的条件下，阳叶和阴叶的叶面积指数共存，且阳叶和阴叶的叶面积指数的分离仅受到叶面积指数、太阳天顶角和聚集指数的影响；所述阴天的条件下，冠层内的所有叶片都是阴叶且不存在阳叶，阳叶和阴叶的叶面积指数分别等于零和总叶面积指数；所述多云天的条件下，阳叶和阴叶的叶面积指数是所述晴天的条件和所述晴天的条件的阳叶和阴叶的叶面积指数的加权值；
基于所述解译结果和叶面积指数计算公式确定阴叶和阳叶在不同天气条件下的叶面积指数；所述叶面积指数计算公式包括：
其中，LAI为总叶面积指数，Ω为预设的聚集指数，LAIsu为阳叶的叶面积指数，LAIsh为阴叶的叶面积指数，CIcs为晴天和多云天的阈值，CIoc为多云天和阴天的阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310446147.2A CN116644554A (zh) | 2023-04-24 | 2023-04-24 | 一种考虑不同天气情况的阴、阳叶分离方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310446147.2A CN116644554A (zh) | 2023-04-24 | 2023-04-24 | 一种考虑不同天气情况的阴、阳叶分离方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116644554A true CN116644554A (zh) | 2023-08-25 |
Family
ID=87617799
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310446147.2A Pending CN116644554A (zh) | 2023-04-24 | 2023-04-24 | 一种考虑不同天气情况的阴、阳叶分离方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116644554A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117739871A (zh) * | 2024-02-20 | 2024-03-22 | 中国科学院空天信息创新研究院 | 叶面积指数测量方法、装置、系统、电子设备及存储介质 |
-
2023
- 2023-04-24 CN CN202310446147.2A patent/CN116644554A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117739871A (zh) * | 2024-02-20 | 2024-03-22 | 中国科学院空天信息创新研究院 | 叶面积指数测量方法、装置、系统、电子设备及存储介质 |
| CN117739871B (zh) * | 2024-02-20 | 2024-05-03 | 中国科学院空天信息创新研究院 | 叶面积指数测量方法、装置、系统、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110058328B (zh) | 东北夏季降水多模式组合降尺度预测方法 | |
| Ackleson et al. | Remote sensing of submerged aquatic vegetation in lower Chesapeake Bay: A comparison of Landsat MSS to TM imagery | |
| CN102538717B (zh) | 叶面积指数自动观测系统及其方法 | |
| CN116644554A (zh) | 一种考虑不同天气情况的阴、阳叶分离方法 | |
| CN109164513A (zh) | 基于葵花气象卫星的台风定位检测方法 | |
| CN117077437B (zh) | 基于多源卫星的极区海表净辐射模型构建和确定方法 | |
| CN108133182B (zh) | 一种基于云成像的新能源发电预测方法及装置 | |
| CN114742179A (zh) | 基于ecmwf的格点预报偏差修正方法 | |
| CN111126234B (zh) | 一种基于多源卫星影像的船舶自动识别方法 | |
| CN116401939A (zh) | 一种基于梯度约束神经网络的北极海冰短期预报方法 | |
| CN109031473A (zh) | 完全晴天的自动判断方法和装置 | |
| CN116045970A (zh) | 一种基于外部条件约束的多平台信息协同导航增强方法 | |
| CN111399548A (zh) | 一种可识别天气类型的跟踪式光伏发电系统控制方法 | |
| CN111047076A (zh) | 一种基于葵花8号卫星云图的光伏短期功率预报方法 | |
| Hull | Spectral distribution of radiation from sun and sky | |
| Raitt et al. | The global morphology of light ions measured by the ESRO-4 satellite | |
| Wang et al. | Method for short-term photovoltaic generation power prediction base on weather patterns | |
| CN108957590A (zh) | 一种基于eeof准双周振荡实时指数的提取方法 | |
| Lu et al. | A time series image prediction method combining a CNN and LSTM and its application in typhoon track prediction | |
| CN113537083A (zh) | 一种大雾识别方法及装置 | |
| CN111667432B (zh) | 一种基于物理模型的遥感影像阴影去除方法 | |
| CN116260141B (zh) | 一种光伏电站功率的重构方法、系统及重构终端 | |
| Men et al. | A Neural Network-Based Atmospheric Correction Algorithm for GOCI Imagery Over Coastal Waters | |
| CN116881743B (zh) | 一种用于光伏功率预测的气象转折天气识别方法和系统 | |
| CN114325701B (zh) | 一种利用sar数据与多光谱数据进行城市水体提取方法 |
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 |