版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、 實驗一 植被覆蓋度反演 一、實驗目的植被覆蓋度是指植被(包括葉、莖、枝)在地面的垂直投影面積占統(tǒng)計區(qū)總面積的百分比。通常林冠稱郁閉度,灌草等植被稱覆蓋度。它是衡量地表植被覆蓋的一個最重要的指標,被覆蓋度及其變化是區(qū)域生態(tài)系統(tǒng)環(huán)境變化的重要指示,對水文、生態(tài)、全球變化等都具有重要意義。目前已有許多利用遙感技術(shù)測量植被覆蓋度的方法,其中應用最廣泛的方法是利用植被指數(shù)近似估算植被覆蓋度,常用的植被指數(shù)為NDVI,本次實驗完成植被覆蓋度反演。二、實驗數(shù)據(jù)實驗選取兩景覆蓋北京市的Landsat8 OLI影像、土地覆蓋類型圖以及北京行政邊界矢量數(shù)據(jù)為數(shù)據(jù)源。其中,土地覆蓋類型圖是作為掩膜文件使用,其目的
2、是為了便于植被覆蓋度的估算;北京行政邊界矢量數(shù)據(jù)是裁剪出北京市行政區(qū)內(nèi)的范圍。Landsat8 OLI影像是從地理空間數(shù)據(jù)云網(wǎng)站上下載得到的,其成像時間為2013年10月份。與Landsat7的ETM+成像儀相比,OLI成像儀獲取的遙感圖像輻射分辨率達到12比特,圖像的幾何精度和數(shù)據(jù)的信噪比也更高。OLI成像儀包括9個短波譜段(波段1波段9),幅寬185km,其中全色波段地面分辨率為15m,其他譜段地面分辨率為30m。三、實驗方法本文反演植被覆蓋度所采用的是像元二分模型方法,像元二分模型是一種簡單實用的遙感估算模型,它假設一個像元的地表由有植被覆蓋部分與無植被覆蓋部分組成,而遙感傳感器觀測到的
3、光譜信息(S)也由這2個組分因子線性加權(quán)合成,各因子的權(quán)重是各自的面積在像元中所占的比率,如其中植被覆蓋度可以看作是植被的權(quán)重。因此,像元二分模型的原理如下:VFC = (S - Ssoil)/ ( Sveg - Ssoil) S為遙感信息,其中Ssoil 為純土壤像元的信息, Sveg 為純植被像元的信息。改進的像元二分法遙感信息選擇為NDVIVFC = (NDVI - NDVIsoil)/ ( NDVIveg - NDVIsoil)兩個參數(shù)的求解公式NDVIsoil=(VFCmax*NDVImin- VFCmin*NDVImax)/( VFCmax- VFCmin)NDVIveg=(1-V
4、FCmin)*NDVImax- (1-VFCmax)*NDVImin)/( VFCmax- VFCmin) 當區(qū)域內(nèi)可以近似取VFCmax=100%,VFCmin=0%VFC = (NDVI - NDVImin)/ ( NDVImax - NDVImin)當區(qū)域內(nèi)不可以近似取VFCmax=100%,VFCmin=0%,當有實測數(shù)據(jù)的情況下,取實測數(shù)據(jù)中的植被覆蓋度的最大值和最小值;當沒有實測數(shù)據(jù)的情況下,植被覆蓋度的最大值和最小值根據(jù)經(jīng)驗估算。其中, NDVIsoil 為裸土或無植被覆蓋區(qū)域的NDVI值, 即無植被像元的NDVI 值;而NDVIveg 則代表完全被植被所覆蓋的像元的NDVI 值
5、, 即純植被像元的NDVI 值。四、實驗處理步驟1、實驗處理流程如下圖所示2、數(shù)據(jù)預處理本文使用的Landsat8 OLI為L1T級別數(shù)據(jù),不需做幾何校正處理。而北京市需要兩景Landsat OLI數(shù)據(jù)覆蓋,因此首先要進行圖像鑲嵌和裁剪,然后進行大氣校正等預處理過程。(1) 輻射定標輻射定標是將傳感器記錄的電壓或數(shù)字值轉(zhuǎn)換成絕對輻射亮度的過程。實驗報告中寫出輻射定標的作用。該處理過程在Envi5.1中實現(xiàn),具體操作:在ENVIToolbox中,選擇Toolbox/Radiometric Correction/ Radiometric Calibration,選擇*_MultiSpectral多
6、光譜組(7個波段),打開輻射定標工具,對兩景影像分別做輻射定標。 (2)影像鑲嵌因本文所使用的影像數(shù)據(jù)源是兩景Landsat OLI影像,因此需進行影像鑲嵌,鑲嵌的目的是將不同的影像文件無縫地拼接成一幅完整的包含研究區(qū)域的影像。該處理過程在Envi5.1中實現(xiàn),具體操作:在Toolbox中,選擇/Mosaicking/Seamless Mosaic,打開無縫鑲嵌工具,然后進行相關(guān)參數(shù)設置。 (3)影像裁剪因本文所使用的影像數(shù)據(jù)包含了北京市行政區(qū)劃以外的部分地區(qū),因此需進行影像裁剪,以將研究區(qū)裁剪出來,并且減小了數(shù)據(jù)量,加快了數(shù)據(jù)處理速度,本文使用北京行政邊界矢量裁剪圖像。過程在Envi5.1中
7、的具體操作如下: 在Toolbox中,選擇/Regions of Interest/Subset Data from ROIs,打開裁剪工具:(4)Flaash大氣校正ENVI中的FLAASH模型是基于MODTRAN4+輻射傳輸模型,通過參數(shù)查找表來進行大氣校正的商業(yè)化軟件。實驗報告中需寫出為什么用進行大氣校正。在 Toolbox 中打開 FLAASH 工具/Radiometric Correction/Atmospheric Correction Module/FLAASH Atmospheric Correction報告中需要對大氣校正前后同一地物的光譜曲線進行對比。 3、植被覆蓋度估算(
8、1)計算NDVI 本文選取NDVI值為參數(shù),采用像元二分模型對植被覆蓋度進行反演,根據(jù)植被覆蓋度的計算公式可知,要求取植被覆蓋度,首先需要計算NDVI。在Envi5.1中的具體操作如下:在Toolbox中,選擇Spectral/Vegetation/NDVI,NDVI Calculation Input File面板中,選擇大氣校正后的圖像,求算NDVI,如下:由于大氣校正后的結(jié)果有部分像元為負值,主要集中在陰影地區(qū),這部分區(qū)域計算得到的NDVI在-1,1之外,為了便于后面的分析,這里統(tǒng)一將這部分像元進行處理,即NDVI值大于1的變?yōu)?,小于-1的變成-1。使用Bandmath工具,(寫出運算
9、公式),得到去除異常值文件。(b1 lt (-1)*(-1) + (b1 gt (1)*1 + (b1 le(1) and b1 ge(-1)*b1(2) 生成掩膜文件該過程主要是為了計算NDVI的最大值、最小值,根據(jù)土地利用分類圖(共5類,林地、農(nóng)業(yè)用地、城市用地、水體與其他)制作各種土地利用類型的掩膜文件,在Envi5.1中的具體操作如下:在Toolbox中選擇/Raster Management/Masking/Apply Mask,打開制作掩膜工具:得到林地、農(nóng)業(yè)用地、城市用地、水體與其他的掩膜文件。應用掩膜文件(3)獲取閾值計算NDVImax和NDVImin值,使用獲取的掩膜文件分別
10、對NDVI圖像文件進行統(tǒng)計,在一定置信度范圍內(nèi)獲取每個掩膜文件(也就是土地覆蓋類型)對應的最大和最小NDVI值。在Toolbox中,選擇/Statistics/Compute Statistics,進行統(tǒng)計,然后在統(tǒng)計結(jié)果中,取一定的置信度獲取最大和最小的NDVI值。林地覆蓋區(qū)域的統(tǒng)計結(jié)果(如下圖),選擇NDVImin=0.3804,NDVImax=0.8667。同樣的方法得到其他地物覆蓋類型的NDVI閾值,其中 ,水體沒有植被(水藻不屬于植被),認為這部分區(qū)域的植被覆蓋度為0,如下表: 土地覆蓋類型NDVImin(NDVIsoil)NDVImax(NDVIveg)林地-0.0039220.9
11、37255農(nóng)業(yè)用地-0.0039220.701961城市用地-0.0039220.301961水體00其他-0.0039220.3490204)生成參數(shù)文件植被覆蓋度的計算公式:VFC =(NDVI - NDVIsoil ) (NDVIveg -NDVIsoil),該過程是根據(jù)上面得到的NDVI閾值分別生成NDVIsoil和NDVIveg參數(shù)文件,也即NDVImin與NDVImax。該過程主要使用Envi5.1的bandmath工具,并且:NDVIsoil:b1*0.128627+b2*0.090196+b3*0.011765+b4*0+b5*0.003922其中,b1:林地掩膜文件,b2:農(nóng)
12、業(yè)用地掩膜文件,b3:城市用地掩膜文件,b4:水體掩膜文件,b5:其他用地掩膜文件NDVIveg:b1*0.992157+b2*0.992157+b3*0.568627+b4*0+b5*0.639216其中,b1:林地掩膜文件,b2:農(nóng)業(yè)用地掩膜文件,b3:城市用地掩膜文件,b4:水體掩膜文件,b5:其他用地掩膜文件最終,生成的參數(shù)文件。(4)植被覆蓋度估算利用上一步得到的NDVIsoil和NDVIveg參數(shù)文件帶入公式:VFC =(NDVI - NDVIsoil ) (NDVIveg -NDVIsoil),該過程也是利用Envi5.1中的Bandmath工具來實現(xiàn)(寫出運算公式)。 分析下結(jié)
13、果,會發(fā)現(xiàn)有一些異常值,即值在0,1之外,這些異常值是在NDVI置信度之外的那部分像元產(chǎn)生的(也包括NDVI異常像元)。這些像元數(shù)量不多,大約占3.7%左右。還有背景和水體區(qū)域的植被覆蓋度的值為-NaN,即無效值,因為分母為0造成的。第一種異常值可以將小于 0的值變成0,大于1的值變成1,用 bandmath工具即可, Bandmath 表達式為: 0.0>b1<1.0,其中b1為植被覆蓋度 ;-NaN 可以用掩膜進行處理,即在Build Mask中用 -NaN生成掩膜。去掉異常值之后,并對其進行分類顯示,最終得到的植被覆蓋度圖。 五、實驗結(jié)論 本文通過歸一化植被指數(shù)(NDVI)像
14、元二分模型來估算北京市的植被覆蓋度,從估算結(jié)果來看,該指數(shù)空間呈現(xiàn)不均勻分布,人類活動區(qū)域植被較少,非人類活動區(qū)域植被較多,符合實際情況,故說明該模型是有效進行植被分析。六、實驗存在問題 使用ENVI軟件對影像NDVI處理以后,使用像元二分模型對圖像進行植被覆蓋分析,最后比較得出植被覆蓋狀況實驗二 土地利用分類與變化檢測一、 實驗目的 實驗以某地區(qū)的兩期的Landsat TM數(shù)據(jù)為數(shù)據(jù)源,采用監(jiān)督分類完成兩個時期土地利用分類,及其土地利用變化分析,綜合驗證土地利用分類流程與土地利用變化監(jiān)測方法。 二、 實驗內(nèi)容 實驗內(nèi)容包括兩期Landsat TM土地利用監(jiān)督分類,及其分類結(jié)果分析與評價和土地
15、利用信息變化提取分析等內(nèi)容,其中變化檢測采用分類后比較方法。要求掌握監(jiān)督分類方法和變化檢測流程。 實驗數(shù)據(jù)ag_08_quac和ag_09_quac分別是08和09年的TM數(shù)據(jù),掩膜數(shù)據(jù)在“掩膜文件”中。三、實驗步驟 1、分類體系的選擇監(jiān)督分類(1)類別定義/特征判別 參考分類標準如下表所示居民用地 居民用地 留茬耕地 水體 綠植耕地 裸地(2)樣本選擇 為了建立分類函數(shù),需要對每一類別選取一定數(shù)目的樣本,在ENVI中是通過感興趣區(qū)(ROIs)來確定,也可以將矢量文件轉(zhuǎn)化為ROIs文件來獲得。l 打開分類圖像,點擊圖層文件的右鍵,選擇New Region of Interest菜單,默認ROI
16、s為多邊形,定義樣本。先以08年為例選區(qū):最終樣本分類如圖:以同樣的步驟完成09年的。l 計算樣本的可分離性。在ROIs面板中,選擇Option->Compute ROI Separability,計算樣本的可分離性。其中Jeffries-Matusita, Transformed Divergence參數(shù)表示,這兩個參數(shù)的值在02.0 之間,大于1.9 說明樣本之間可分離性好,屬于合格樣本;小于1.8,需要重新選擇樣本;小于1,考慮將兩類樣本合成一類樣本。08年的09年的2、土地利用分類有以下兩個分類流程方法,選擇其中一種方法即可。1) 采用監(jiān)督分類方法包括平行六面體、最小距離、馬氏距
17、離、最大似然, 基于神經(jīng)網(wǎng)絡模型,支持向量機、模糊分類等,Toolbox 選擇Classification > Supervised >多種分類模型,實驗挑選一種分類模型進行土地利用分類(報告中標出采用何種分類模型),并對分類結(jié)果的處理,使用Classification->Post Classification 工具中方法。2)最大似然法08年:09年: 2)Toolbox 中,打開/Classification/Classification Workflow,采用圖像分類流程化工具。3、分類精度評定使用 Toolbox 中Classification->Post Cl
18、assification->Confusion Matrix,得到分類精度評價混淆矩陣和Kappa 系數(shù),對分類結(jié)果進行評價分析。 4、土地利用變化監(jiān)測使用 Thematic Change Workflow 分類后比較法工具,分析兩期分類數(shù)據(jù)的變化情況,并在流程中Smoothing 和Aggregation 中設置合適的值去除噪聲和合并小斑塊。結(jié)果以圖像輸出,并統(tǒng)計變化的結(jié)果,分析各種地類變化的情況。四、實驗心得 應用遙感技術(shù)進行土地利用變化監(jiān)測研究是土地調(diào)查研究的重要組成部分,本子實驗要注意楊店顏色的選取和樣點選取數(shù)量要多,全圖選取這樣劫過才不會出現(xiàn)大誤差。實驗三:基于規(guī)則的道路信息提
19、取一、 實驗目的 道路作為基礎地理信息,為保持數(shù)據(jù)的現(xiàn)勢性,需要對該類數(shù)據(jù)實時或準實時更新,在現(xiàn)實中,基于高分辨率的數(shù)據(jù)道路數(shù)據(jù)的提取是更新道路信息數(shù)據(jù)的有效方法。本次實驗使用基于規(guī)則的面向?qū)ο笮畔⑻崛》椒ǎ瓿勺詣犹崛〉缆沸畔⒌倪^程。二、 實驗內(nèi)容實驗內(nèi)容包括高分辨率數(shù)據(jù)的處理,高分辨率信息提取流程,ENVI FX模塊面向?qū)ο笮畔⑻崛。噶亢筇幚淼姆椒?。實驗?shù)據(jù)采用Quickbird影像數(shù)據(jù)(QB-CJ),應用ENVI FX擴展模塊中的Feature Extraction工具,提取影像中道路信息。三、實驗步驟1、啟動Rule Based FX 工具在Toolbox中,選擇/Feature E
20、xtraction/Rule Based Feature Extraction Workflow。關(guān)注Custom Bands 面板,有兩個自定義波段,包括歸一化植被指數(shù)或者波段比值、HSI顏色空間,這些輔助波段可以提高圖像分割的精度,如植被信息的提取等自定義的屬性。選擇Spectral,Band 下面選擇Normalized Difference。在第一步自定義波段中選擇的波段是紅色和近紅外波段,所以在此計算的是NDVI,參數(shù)設置為band1:band2,band2:band4。2、設置影像分割閾值(20,30,40)、合并閾值(70,85)。3、制定提取規(guī)則根據(jù)規(guī)則進行特征提取,在規(guī)則分類
21、界面。每一個分類有若干個規(guī)則(Rule)組成,每一個規(guī)則有若干個屬性表達式來描述。道路提取的規(guī)則如下(根據(jù)數(shù)據(jù)可以動態(tài)調(diào)整閾值的大小,能較好的反映道路特征)Ø 剔除植被: NDVI的Spectral mean設小于0.01 Ø 剔除高亮度的建筑物和空地,第一波段的Spectral mean閾值小于310 Ø 剔除面積較小的建筑物和空地,參數(shù)Spatial->Area,閾值大于2500 Ø 剔除延伸性小于3的地物,參數(shù)Spatial->Elongation,閾值大于34、結(jié)果輸出與處理對提取的結(jié)果疊合與處理,得到道路信息特征,如果效果不好,調(diào)整
22、制定的提取規(guī)則。四、實驗心得 道路信息作為一種重要的基礎地理信息,可以作為提取其他地物目標的線索和參考系,具有很強的現(xiàn)實意義。從遙感影像自動提取人工地物,特別是線狀地物(主要是道路),不僅是攝影測量與遙感領(lǐng)域的難題,也是計算機視覺與圖像理解研究的重點之一。本次試驗中,主要是使用基于規(guī)則的面向?qū)ο笮畔⑻崛》椒?,完成自動提取道路信息的過程。實驗四 太湖水體葉綠素濃度反演一、實驗目的 根據(jù)環(huán)境小衛(wèi)星CCD數(shù)據(jù),反演太湖的葉綠素a濃度,要求掌握環(huán)境小衛(wèi)星的數(shù)據(jù)讀取、幾何校正、大氣校正、反演模型的建立、遙感反演過程、反演結(jié)果驗證等操作技能及原理,熟悉遙感水質(zhì)反演過程。二、實驗要求 根據(jù)環(huán)境小衛(wèi)星CCD數(shù)
23、據(jù)特點及太湖水質(zhì)反演模型要求,先對環(huán)境小衛(wèi)星CCD數(shù)據(jù)進行數(shù)據(jù)預處理,大氣校正、太湖區(qū)裁剪,利用波段比值法對實測的葉綠素a 濃度數(shù)據(jù)建立反演模型,將模型應用于太湖水面區(qū)域影像,反演出整個太湖區(qū)的葉綠素 a濃度,并驗證模型精度。三、實驗步驟 (一)數(shù)據(jù)預處理 1、安裝環(huán)境小衛(wèi)星數(shù)據(jù)讀取和定標補丁,復制到HomeProgram Files ENVI51Extensions目錄下。本次實驗中已完成小衛(wèi)星數(shù)據(jù)轉(zhuǎn)化和定標,得到HJ1B-CCD1-20091006-Cal-sub數(shù)據(jù),用于流域葉綠素反演。2、幾何校正(圖像配準),以TM作為基準影像對環(huán)境小衛(wèi)星圖像進行圖像配準。(1)打開基準影像TM_ba
24、seimage.img。(2)選擇Tool中Registration ->Automatic Registration:Image to Image,選擇基準影像第4波段作為匹配波段(TM_baseimage.img)。(3)選擇被配準影像HJ1B-CCD1-20091006-Cal-sub.img第4波段作為被配準波段。(4)選擇控制點,并調(diào)整控制點,直到總的RMS Error小于1個像素時,完成控制點的選擇。點擊Ground Control Points Selection上的File->Save GCPs to ASCII,保存控制點。調(diào)整控制點后的RMS錯誤5)在Groun
25、d Control Points Selection面板上,選擇Options->Warp File (As Image Map),選擇校正文件。在校正參數(shù)面板中,投影參數(shù)默認。(6)在X和Y的像元大小輸入30米,按回車,圖像輸出大小自動更改重采樣方法選擇Nearest Neighbor(保持圖像輻射值不變),輸出為registratio3、大氣校正環(huán)境小衛(wèi)星提供了波譜響應函數(shù),以文本形式提供,第一列表示波長(nm),后面四列分別表示 4 個波段對應波長的波譜響應值。為了做大氣校正,需要制作波譜曲線來描述波譜響應函數(shù),用于大氣校正。 (1)制作波譜曲線 打開Display->New
26、 Plot Window 面板,在波譜繪制窗口中,選擇Import>ASCII,導入“681_HJ1ACCD1.txt”文本文件。在繪制窗口生成了4 條曲線,選擇Edit->Data Parameters,編輯每條線的名稱為b1,b2,b3,b4,便于區(qū)分。將數(shù)據(jù)Export->Spectral Library,在Output Spectral Library 面板中,有輸出曲線相關(guān)參數(shù)設置,將波譜曲線保存為波譜庫文件“HJ1B-CCD1光譜響應.sli”。(2) FLAASH 大氣校正1)主菜單Spectral->FLAASH 打開FLAASH 大氣校正模塊; 首先采
27、用Convert Data(BSQ、BIL、BIP)工具,轉(zhuǎn)換為BIL 格式的數(shù)據(jù)。2)大氣模型選擇Mid-Latitude Summer,氣溶膠模型選擇Rural,氣溶膠反演方法選擇None,能見度給40km。3)大氣模型選擇Mid-Latitude Summer,氣溶膠模型選擇Rural,氣溶膠反演方法選擇None,能見度給40km。4)大氣校正完成后,檢查大氣校正的結(jié)果,分別加載校正前后的圖像,將兩幅影像進行地理鏈接,移動到植被區(qū)域(植被的波譜曲線比較特殊),在影像上右鍵,選擇Z Profile(Spectrum)打開光譜曲線窗口,顯示兩幅圖像同一位置的光譜曲線圖。4、太湖區(qū)裁剪使用sh
28、p格式太湖范圍數(shù)據(jù),對影像數(shù)據(jù)進行裁剪(二)葉綠素反演實驗中選擇波段比值法(BNIR/BRED)建立模型。1、采樣點實測數(shù)據(jù)處理需要結(jié)合實地調(diào)查數(shù)據(jù),將水面調(diào)查點與實測葉綠素濃度在空間上相對應,其中實地調(diào)查數(shù)據(jù)中包括水面調(diào)查點的經(jīng)緯度、葉綠素含量,實驗數(shù)據(jù)使用“葉綠素實測數(shù)據(jù)”。2、獲取采樣遙感影像上的數(shù)據(jù)1) 采用波段計算器,輸入float(b4)/b3,計算得到比值圖像。2)打開Envi classic,Basic tool->Region of Interest->ROI Tool 工具,選擇ROI_Type->Input Points from ASCII,選擇文本格式的“反演點.txt” 。注意參數(shù)選擇,x:選擇經(jīng)度;y:選擇緯度;These point comprise:Indivi
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 2025至2030年中國引氣緩凝減水劑數(shù)據(jù)監(jiān)測研究報告
- 2025至2030年中國多索茶堿片數(shù)據(jù)監(jiān)測研究報告
- 2025年鼻腔專用霧化組件項目可行性研究報告
- 2025年靜電拖把項目可行性研究報告
- 2025至2030年中國CDMA無線視頻傳輸器數(shù)據(jù)監(jiān)測研究報告
- 2025年便攜式點火器項目可行性研究報告
- 2025至2030年迷你香動感紋胸項目投資價值分析報告
- 2025至2030年納米陶瓷側(cè)板項目投資價值分析報告
- 2025至2030年泵座項目投資價值分析報告
- 四年級數(shù)學(簡便運算)計算題專項練習與答案
- 醫(yī)療糾紛預防和處理條例通用課件
- 廚邦醬油推廣方案
- 乳腺癌診療指南(2024年版)
- 高三數(shù)學寒假作業(yè)1
- 保險產(chǎn)品創(chuàng)新與市場定位培訓課件
- (完整文本版)體檢報告單模版
- 1例左舌鱗癌手術(shù)患者的圍手術(shù)期護理體會
- (完整)100道兩位數(shù)加減兩位數(shù)口算題(難)
- 鋼結(jié)構(gòu)牛腿計算
- 2023-2024學年重慶市兩江新區(qū)四上數(shù)學期末質(zhì)量檢測試題含答案
- 體外診斷試劑工作校準品產(chǎn)品校準品互換性(基質(zhì)效應)Excel計算模板
評論
0/150
提交評論