CN104156530B - 一种高温目标的通道辐射量重建方法 - Google Patents
一种高温目标的通道辐射量重建方法 Download PDFInfo
- Publication number
- CN104156530B CN104156530B CN201410401866.3A CN201410401866A CN104156530B CN 104156530 B CN104156530 B CN 104156530B CN 201410401866 A CN201410401866 A CN 201410401866A CN 104156530 B CN104156530 B CN 104156530B
- Authority
- CN
- China
- Prior art keywords
- passage
- radiation
- amount
- destination channel
- background
- 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
Landscapes
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种高温目标的通道辐射量重建方法，它应用于新型遥感器红外图像高温目标辐射特征仿真。其方法首先选择相关通道建立从已有通道辐射量向目标通道辐射量转换的简化模型，即简化为计算已有通道与目标通道的透过率转换模型，以及二者背景辐射量转换关系模型；然后仿真分析影响透过率和背景辐射量的影响因子，依次分别建立各影响因子条件下的两通道透过率和背景辐射量关系模型，实现目标通道红外图像辐射量重建的目标。本发明的优点在于通过建立简化的高温目标辐射量转换模型，将两通道辐射量转换建模简化为两通道的透过率关系建模和背景辐射量关系建模。
Description
技术领域
本发明涉及红外遥感图像辐射量仿真领域，具体是指一种基于已有遥感卫星通道辐亮度数据仿真生成未知通道辐亮度数据的方法，它适用于新型遥感器成像质量仿真的预先研究。
背景技术
遥感卫星通道设置通常选择大气窗口通道，而高温目标在大气吸收通道具有较强的辐射特征，常常作为军事卫星的主要采用通道，研究高温目标在大气吸收通道的红外辐射特征对于提高军事卫星高温目标的遥感识别精度具有重要的应用价值，而目前难以获得大气吸收通道的遥感图像数据。与传统的遥感图像仿真方法不同，本发明将给出基于已有通道图像高温目标辐射特征仿真生成大气吸收通道高温目标辐射特征图像的方法。
直接建立已有通道图像与目标通道图像的辐射量转换关系，涉及到复杂的大气辐射传输过程模拟计算，从已有图像数据难以获得众多的模拟计算所需参数，因此，需要研究建立一种简化的高温目标通道转换方法，使得根据已有通道遥感辐亮度图像数据作为输入，结合建立的通道转换方法，可以获得目标通道高温目标的辐射特征图像。
发明内容
基于上述已有技术存在的问题，本发明的目的是提出一种用于从已有通道遥感图像高温目标特征转换生成目标通道高温目标辐射特征图像的方法。
该方法通过建立已有通道和目标通道的透过率和背景辐射能量的关系模型，进而得到目标通道高温目标的辐射能量特征(附图1)。
模型推导过程如下：
1)不同条件下背景辐亮度数据仿真
采用MODTRAN5.0大气仿真软件获得建立通道间相关关系需要的已知通道和目标通道背景辐射量样本数据。输入参数有不同的大气廓线模式、背景温度、水汽柱总量、观测天顶角。针对不同的大气模式分别建立模型，依次对各影响因子建立统计关系。从仿真数据分别得到各种条件下已知通道和目标通道的辐亮度数据，在此基础上建立两个通道背景辐亮度的统计关系模型。
2)不同条件下透过率数据仿真
采用MODTRAN5.0大气仿真软件获得建立通道间相关关系需要的透过率样本数据。输入不同大气廓线模式、水汽柱总量、观测天顶角，分别仿真获得各输入参数条件下，目标通道和已知通道的大气透过率数据，根据设置的输入参数变化条件，仿真获得多组不同条件下的已知通道和目标通道的透过率样本，在这些样本数据基础上，建立已知通道和目标通道透过率关系的统计模型。
3)两通道透过率关系建模
为了能够由已知通道图像辐亮度转换得到目标通道的图像辐亮度，需要建立已知通道背景辐射量LBλ0和目标通道背景辐射量LBλ1的关系模型，以及两通道透过率的比值()随各输入条件的变化关系模型。
建立两通道透过率关系模型，需要考虑的因素有大气模式、观测天顶角和水汽量。建模的过程中分别针对不同的大气廓线分别建立通道关系，依次对各影响因子建立统计关系。
例如，针对中纬度夏季关系，水汽在1.0mg/cm2～3.0mg/cm2之间变化、观测天顶角在120°～180°之间变化的情况进行仿真。从仿真数据可以得到已知通道和目标通道的透过率以及两通道透过率的比值，依次对各变量进行单独分析，统计各变量对两通道透过率比值的影响。经统计可建立最终拟合公式的原型为：
式(2)中，a1，a2，a3，a4，a5均为拟合系数；θ为观测天顶角；ρ为水汽含量。
4)两通道背景辐射量关系建模
对已知通道和目标通道的背景辐射亮度关系建模，需要考虑的因素有大气廓线、背景温度、观测天顶角和水汽量。建模过程中需要针对不同大气廓线模式，依次建立各影响因子与背景辐亮度的关系模型。
例如，针对中纬度夏季关系，水汽在1.0mg/cm2～3.0mg/cm2之间变化、观测天顶角在120°～180°之间变化、背景温度在230K～330K之间变化的情况进行仿真。从仿真数据可以得到已知通道和目标通道的背景辐亮度比值，依次对各变量进行单独分析，统计各变量对两通道背景辐亮度比值的影响。
经统计可建立最终拟合公式的原型为：
式(2)中，b1，b2，b3，b4，b5，b6，b7，b8，b9，b10，b11，b12，b13，b14均为拟合系数；θ为观测天顶角；ρ为水汽含量，T为背景温度。
5)目标通道高温目标辐射量重建模型建立
建立相邻通道从已有通道向目标通道的辐射量转换的比值关系模型，将建立目标通道的辐射量简化为计算已知通道和目标通道大气透过率的关系，以及背景辐射能量关系建模。具体建模过程如下：
在目标通道中心波长λ1遥感图像，高温目标像元的辐射亮度可表示为：
Lλ1＝Bλ1(T)·τμλ1+LBλ1 (3)
式(3)中，Lλ1为高温目标像元辐亮度，T为高温目标温度，Bλ1(T)为该温度下高温目标自身的发射辐射，τμλ1为λ1通道透过率，LBλ1为目标像元在λ1通道的背景辐射亮度，包含大气的多次散射、程辐射，以及像元内其它背景地物的自身辐射。
同理，在已知通道λ0的遥感图像，高温目标像元的辐射亮度可以表示为：
Lλ0＝Bλ0(T)·τμλ0+LBλ0 (4)
由式(3)和(4)可得：
式(5)中，高温目标在已知通道和目标通道的发射能量分别为Bλ0(T)和Bλ1(T)，在已知温度的情况下，可以由普朗克公式求出。Lλ0和LBλ0分别为已知通道的高温目标辐亮度以及背景辐亮度值，从该通道图像辐射定标后的图像数据直接获取。所以，由公式(5)可见，为了计算得到目标通道的高温目标辐射亮度Lλ1，尚有两个未知量需要计算：目标通道的背景辐射量LBλ1以及已知通道大气透光率和背景通道大气透光率的比值
因此，将建立已知通道辐射量(Lλ0)和目标通道辐射量(Lλ1)的关系模型，转化为建立已知通道和目标通道背景辐射量(LBλ0和LBλ1)的关系，以及建立两通道大气透过率τμλ0和τμλ1的关系模型。
6)高温目标辐射量仿真数据建模
基于透过率和背景辐射通道转换模型，结合已有通道遥感图像的每个像元辐射量，可以转换得到目标通道的辐射量，达到交叉通道辐射量重建的目的。通过步骤(1)至步骤(4)，完成了公式(5)中的两个未知量：两通道透过率比值，以及目标通道背景辐射量的的求解。至此，输入已知通道的图像辐射量数据，根据图像定标数据，可计算得到公式(5)中已知通道的高温目标辐亮度Lλ0和背景辐亮度LBλ0；高温目标在已知通道和目标通道的发射能量Bλ0(T)和Bλ1(T)可以由普朗克公式求得；已知通道和目标通道透过率的比值可由公式(1)求得；目标通道背景辐射亮度LBλ1可由公式(2)求得；最终可求得目标通道的辐射亮度值Lλ1。
依据上述模型的推导过程，具体步骤如下：
1)不同条件下背景辐亮度数据仿真
采用MODTRAN5.0大气仿真软件获得建立通道间相关关系需要的已知通道和目标通道背景辐射量样本数据。输入参数有不同的大气廓线模式、背景温度、水汽柱总量、观测天顶角。针对不同的大气模式分别建立模型，依次对各影响因子建立统计关系。从仿真数据可以分别得到各种条件下已知通道和目标通道的辐亮度数据，这些样本数据作为建立两个通道背景辐亮度的统计关系模型的基础数据准备。
2)不同条件下透过率数据仿真
采用MODTRAN5.0大气仿真软件获得建立通道间相关关系需要的透过率样本数据。输入不同大气廓线模式、水汽柱总量、观测天顶角，分别仿真获得各输入参数条件下，目标通道和已知通道的大气透过率数据，根据设置的输入参数变化条件，仿真获得多组不同条件下的已知通道和目标通道的透过率样本，这些样本数据作为建立已知通道和目标通道透过率关系的统计模型的基础数据准备。
3)两通道透过率关系建模
为了能够由已知通道图像辐亮度转换得到目标通道的图像辐亮度，需要建立已知通道背景辐射量LBλ0和目标通道背景辐射量LBλ1的关系模型，以及两通道透过率的比值()随各输入条件的变化关系模型。
建立两通道透过率关系模型，需要考虑的因素有大气模式、观测天顶角和水汽量。建模的过程中分别针对不同的大气廓线模式，依次对各影响因子建立统计关系。求得两通道透过率的比值关系模型
4)两通道背景辐射量关系建模
对已知通道和目标通道的背景辐射亮度关系建模，需要考虑的因素有大气廓线、背景温度、观测天顶角和水汽量。建模过程中需要针对不同大气廓线模式，依次建立各影响因子与背景辐亮度的关系模型。求得目标通道的背景辐射量LBλ1。
5)目标通道高温目标辐射量重建
建立相邻通道从已有通道向目标通道的辐射量转换的比值关系模型，将建立目标通道的辐射量简化为计算已知通道和目标通道大气透过率的关系，以及背景辐射能量关系建模。高温目标的辐射量表达式如下：
式(5)中，高温目标在已知通道和目标通道的发射能量分别为Bλ0(T)和Bλ1(T)，在已知温度的情况下，可以由普朗克公式求出。Lλ0和LBλ0分别为已知通道的高温目标辐亮度以及背景辐亮度值，可以从该通道图像辐射定标后的图像数据直接获取。两通道透过率的比值关系模型由步骤3)获得；目标通道的背景辐射量LBλ1由步骤4)获得。
本发明有如下有益效果：
1)建立的高温目标通道转换模型，其参数包括已知通道和目标通道的背景辐射特征，观测天顶角、温度、水汽柱总量，均可以从已有卫星图像信息以及已有卫星图像反演产品获得，确保该模型的精度并简单易用。
2)本发明的通道转换方法，是建立在大气辐射传输特征分析基础上的，不仅适用于根据已有大气窗口通道生成大气吸收通道辐亮度图像，而且可以用于新型遥感器其它窗口通道的通道仿真。
3)仿真得到目标通道高温物体的辐射特征有利于研究高温目标在大气吸收通道的辐射量分布特征，可提高高温目标在目标通道的遥感识别精度。
附图说明
图1为高温目标通道转换技术流程图。
图2为FY-3/VIRR 3.55～3.93μm亮温图像。
图3为FY-3/FY-3/VIRR 3.55～3.93μm高温目标识别图像。
图4为基于3.55～3.93μm通道图像转换得到中心波长为2.7μm的通道辐亮度结果图。
具体实施方式
根据本发明提出的方法，具体针对FY-3 VIRR数据进行冰岛艾雅法拉火山辐射特征进行通道转换。首先对FY-3 VIRR 3.55～3.93μm(中心波长3.9μm)通道数据进行辐射校正和几何校正预处理的预处理，并完成火山口和火山灰识别，得到火山口和火山灰辐亮度图像，基于亚像元牛顿迭代法反演得到高温火山熔岩的亮温图像，在此基础上进行通道转换，获得目标通道高温目标的辐射亮度图像。
详述如下：
1、高温目标识别
FY-3/VIRR图像第三通道(3.55～3.93μm)对高温敏感。图像上亮温最高的像元为火山口熔岩，亮温次高的区域为火山灰(附图2)。采用中波阈值分类法，将图像分离为背景、火山口以及火山灰云(附图3)。本发明主要针对高温目标火山口的辐射特征进行通道辐射量重建。
2、高温目标辐射量通道转换理论模型
以3.55～3.93μm通道为基础通道，计算中心波长为2.7μm通道的辐射量为例，简化的模型为
公式(6)中，B2.7(T)和B3.9(T)是高温目标发射的能量，在已知温度的情况下，可以由普朗克函数求出。LB3.9值和L3.9值，从该通道图像定标后直接获取。所以式中未知量为LB2.7及
3、透过率关系建模
对中心波长为2.7μm通道和3.9μm通道的透过率关系进行建模，需要考虑的因素有大气模式、观测天顶角和水汽量。建模过程中针对不同大气廓线分别建立通道关系，依次对各影响因子建立统计关系。以2010年4月17日11时25分冰岛艾雅法拉火山为例，采取亚北极冬季廓线模式，观测天顶角变化范围120°～180°，水汽含量变化范围1.0mg/cm2～3.0mg/cm2,仿真获得各影响因子条件下中心波长为2.7μm通道和3.9μm通道的透过率，统计建立2.7μm通道和3.9μm通道的透过率比值与各影响因子的关系模型。
4、背景辐射量关系建模
对2.7μm通道和3.9μm通道的背景辐亮度关系进行建模，需要考虑的因素主要有大气模式、背景温度、太阳天顶角、观测天顶角和水汽量。建模过程中针对不同大气廓线分别建立关系，依次对各影响因子建立统计关系。以2010年4月17日11时25分冰岛艾雅法拉火山为例，采取亚北极冬季廓线模式，观测天顶角变化范围120°～180°，水汽含量变化范围1.0mg/cm2～3.0mg/cm2,背景温度在230K～330K之间变化的情况进行仿真。仿真获得各影响因子条件下中心波长为2.7μm通道和3.9μm通道的背景辐射量，统计建立2.7μm通道和3.9μm通道的背景辐射量比值与各影响因子的关系模型。
5、将建立的透过率关系模型式(7)和背景辐射量关系模型式(8)带入公式(6)，可以建立根据已有通道(3.55～3.93μm)图像转换为目标通道(中心波长为2.7μm)的辐射能量转换模型。
6、参数准备通道转换模型输入的通道参数包括观测天顶角由图像头文件获得，输入参数中背景温度和大气水汽含量由同一天MODIS数据产品获得。
7、以FY-3/VIRR第三通道图像作为通道转换的基础通道，结合建立的通道转换模型，输入通道转换模型中的各参数。得到由3.55-3.93μm辐亮度图像经通道转换后的2.7μm通道的辐亮度图像(附图4)。
Claims (1)
1.一种高温目标的通道辐射量重建方法，其特征在于包括如下步骤：
1)不同条件下背景辐亮度数据仿真
采用MODTRAN5.0大气仿真软件获得建立通道间相关关系需要的已知通道和目标通道背景辐射量样本数据，输入参数有不同的大气廓线模式、不同的背景温度、不同的水汽柱总量和不同的观测天顶角，针对不同的大气模式分别建立模型，依次对各影响因子建立统计关系，从仿真数据分别得到各种条件下已知通道和目标通道的辐亮度数据，这些样本数据作为建立两个通道背景辐亮度的统计关系模型的基础数据准备；
2)不同条件下透过率数据仿真
采用MODTRAN5.0大气仿真软件获得建立通道间相关关系需要的透过率样本数据；输入不同的大气廓线模式、不同的水汽柱总量和不同的观测天顶角，分别仿真获得各输入参数条件下，目标通道和已知通道的大气透过率数据，根据设置的输入参数变化条件，仿真获得多组已知通道和目标通道的透过率样本，这些样本数据作为建立已知通道和目标通道透过率关系的统计模型的基础数据准备；
3)两通道透过率关系建模
为了能够由已知通道图像辐亮度转换得到目标通道的图像辐亮度，需要建立已知通道背景辐射量LBλ0和目标通道背景辐射量LBλ1的关系模型，以及两通道透过率的比值随各输入条件的变化关系模型，τμλ1为波长λ1的大气透过率，τμλ0为波长λ0的大气透过率；
建立两通道透过率关系模型，需要考虑的因素有大气模式、观测天顶角和水汽量；建模的过程中分别针对不同的大气廓线模式，依次对各影响因子建立统计关系，求得两通道透过率的比值关系模型
4)两通道背景辐射量关系建模
对已知通道和目标通道的背景辐射亮度关系建模，需要考虑的因素有大气廓线、背景温度、观测天顶角和水汽量；建模过程中需要针对不同大气廓线模式，依次建立各影响因子与背景辐亮度的关系模型，求得目标通道的背景辐射量LBλ1；
5)目标通道高温目标辐射量重建
建立相邻通道从已有通道向目标通道的辐射量转换的比值关系模型，将建立目标通道的辐射量简化为计算已知通道和目标通道大气透过率的关系，以及背景辐射能量关系建模；高温目标的辐射量表达式如下：
式(1)中，高温目标在已知通道和目标通道的发射能量分别为Bλ0(T)和Bλ1(T)，在已知温度的情况下，可以由普朗克公式求出；Lλ0和LBλ0分别为已知通道的高温目标辐亮度以及背景辐亮度值，可以从该通道图像辐射定标后的图像数据直接获取；两通道透过率的比值关系模型由步骤3)获得；目标通道的背景辐射量LBλ1由步骤4)获得。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410401866.3A CN104156530B (zh) | 2014-08-15 | 2014-08-15 | 一种高温目标的通道辐射量重建方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410401866.3A CN104156530B (zh) | 2014-08-15 | 2014-08-15 | 一种高温目标的通道辐射量重建方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104156530A CN104156530A (zh) | 2014-11-19 |
| CN104156530B true CN104156530B (zh) | 2017-03-15 |
Family
ID=51882028
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410401866.3A Active CN104156530B (zh) | 2014-08-15 | 2014-08-15 | 一种高温目标的通道辐射量重建方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104156530B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105894447B (zh) * | 2016-03-30 | 2019-02-15 | 北京环境特性研究所 | 一种获取不同天气条件下的红外图像的方法 |
| CN107894284B (zh) * | 2017-10-24 | 2019-07-23 | 中国科学院上海技术物理研究所 | 一种结合探测效能的红外相机波段比较方法 |
| CN110120022A (zh) * | 2019-05-10 | 2019-08-13 | 西北工业大学 | 红外背景的拉偏仿真方法 |
| CN112446160A (zh) * | 2020-11-18 | 2021-03-05 | 中国科学院上海技术物理研究所 | 一种空间微动目标的红外辐射动态特性仿真方法 |
| CN113033025A (zh) * | 2021-04-25 | 2021-06-25 | 中国人民解放军91977部队 | 一种海洋大气辐射效应模拟系统和方法 |
| CN114925553B (zh) * | 2022-07-20 | 2022-11-04 | 成都众享天地网络科技有限公司 | 一种基于理论/半经验方法的红外图像仿真方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101598543A (zh) * | 2009-07-29 | 2009-12-09 | 中国科学院对地观测与数字地球科学中心 | 一种实用的遥感影像大气校正方法 |
| CN103293522A (zh) * | 2013-05-08 | 2013-09-11 | 中国科学院光电研究院 | 一种中红外双通道遥感数据地表温度反演方法及装置 |
-
2014
- 2014-08-15 CN CN201410401866.3A patent/CN104156530B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101598543A (zh) * | 2009-07-29 | 2009-12-09 | 中国科学院对地观测与数字地球科学中心 | 一种实用的遥感影像大气校正方法 |
| CN103293522A (zh) * | 2013-05-08 | 2013-09-11 | 中国科学院光电研究院 | 一种中红外双通道遥感数据地表温度反演方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| 典型天气大气辐射传输特性研究;顾吉林;《中国博士学位论文全文数据库 信息科技辑》;20120915;第2012年卷(第09期);第I135-2页 * |
| 短波红外吸收带林火与背景辐射亮度比较分析;江珊等;《大气与环境光学学报》;20140531;第9卷(第3期);全文 * |
| 空中目标场景红外多波段仿真研究;阮日权;《中国优秀硕士学位论文全文数据库 信息科技辑》;20131215;第2013年卷(第S2期);第I138-1625页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104156530A (zh) | 2014-11-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104156530B (zh) | 一种高温目标的通道辐射量重建方法 | |
| Quan et al. | A Bayesian network-based method to alleviate the ill-posed inverse problem: A case study on leaf area index and canopy water content retrieval | |
| CN105004320B (zh) | 一种高分卫星数据陆表植被覆盖度反演方法及系统 | |
| Liu et al. | Estimating potato above-ground biomass by using integrated unmanned aerial system-based optical, structural, and textural canopy measurements | |
| CN105608293A (zh) | 融合光谱与纹理特征的森林地上生物量反演方法及系统 | |
| CN103914678B (zh) | 基于纹理与植被指数的撂荒地遥感识别方法 | |
| CN101295022A (zh) | 从遥感数据aster反演地表温度和发射率的方法 | |
| CN107256541A (zh) | 一种基于卷积神经网络的多光谱遥感图像去雾方法 | |
| CN105631218B (zh) | 基于idtcm的遥感地表温度时间归一化方法 | |
| CN110020635A (zh) | 基于无人机影像与卫星影像的种植区农作物精细分类方法和系统 | |
| CN104867179B (zh) | 一种全谱段光学成像仪遥感影像仿真方法 | |
| CN111582575B (zh) | 一种多时空尺度下城市热环境形成发展主导因素识别方法 | |
| CN109297605A (zh) | 一种基于中红外与热红外数据的地表温度反演方法 | |
| CN106778516A (zh) | 一种利用中国风云三号卫星遥感数据确定地表温度的方法及装置 | |
| CN101634711A (zh) | 从modis数据估算近地表空气温度方法 | |
| CN115481368B (zh) | 一种基于全遥感机器学习的植被覆盖度估算方法 | |
| AU2021105287A4 (en) | Method for Simultaneously Retrieving Surface Temperature and Emissivity from Remote Sensing Data Based on Deep Learning | |
| CN101655564A (zh) | 从modis数据反演地表温度和发射率方法 | |
| CN102073039B (zh) | 热红外高光谱发射率模拟方法和系统 | |
| CN112200349B (zh) | 一种基于单窗算法和PredRNN的遥感影像热岛效应预测方法 | |
| AU2021105183A4 (en) | A Method for Estimating Near-surface Air Temperature From Remote Sensing Data Based on Machine Learning | |
| CN109596223B (zh) | 一种直接反演地表温度的多光谱星载传感器通道装置及方法 | |
| CN109919250A (zh) | 考虑土壤水分的蒸散发时空特征融合方法及装置 | |
| CN101477197B (zh) | 用于林地复杂场景高光谱遥感数据的仿真方法 | |
| CN105930664A (zh) | 一种从被动微波数据估算瞬时地表发射率的方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant |