CN104318085B - 一种流域山洪风险识别与提取方法 - Google Patents
一种流域山洪风险识别与提取方法 Download PDFInfo
- Publication number
- CN104318085B CN104318085B CN201410534258.XA CN201410534258A CN104318085B CN 104318085 B CN104318085 B CN 104318085B CN 201410534258 A CN201410534258 A CN 201410534258A CN 104318085 B CN104318085 B CN 104318085B
- Authority
- CN
- China
- Prior art keywords
- basin
- formula
- mountain
- section
- area
- 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.)
- Expired - Fee Related
Links
Classifications
-
- 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
Abstract
本发明公开了一种流域山洪风险识别与提取方法。本发明的方法可以利用现在已经全国覆盖的DEM数据，在大区域范围内提取并识别存在山洪风险的流域并进行分级，这为山洪泥石流提供了新的更广、更全面的判断依据；对于选择性地加强山洪防范，布设预警和防洪设施，提升山洪地质灾害的监测预警能力具有重要应用价值；可以实现对山洪灾害防治工作的决策提供辅助支持。
Description
技术领域
本发明涉及一种根据地形数据直接识别山洪灾害风险的技术方法，具体地说，涉及一种流域山洪风险识别与提取方法。
背景技术
山洪灾害是指因降雨在山丘区引发的洪水及由洪水诱发的泥石流、滑坡等对国民经济人民生命财产造成损失的灾害。我国是一个多山的国家，山丘区面积约占国土面积的2/3，山洪灾害发生十分频繁而严重，每年都造成大量人员伤亡和财产损失。我国山洪灾害具有分布广泛、发生频繁、突发性强、监测预警难、成灾快、破坏性大等特点。据统计，20世纪90年代以前，全国每年山洪灾害死亡人数约占洪涝灾害死亡总人数的2/3，21世纪以来已上升到80％；山洪灾害导致大量群死群伤事件，严重破坏基础设施和生态环境，已成为威胁人民群众生命财产安全的突出隐患，直接影响广大人民群众生产生活。
但是，目前在山洪灾害防范方面却仍然没有可靠的技术。我国山洪灾害防治规划的总体思路是：以最大程度地减少人员伤亡为首要目标；以防为主，防治结合；以非工程措施为主，非工程措施与工程措施相结合。国家水利、国土、气象等部门启动的2013-2015全国山洪调查，重点还是风险区划。学术上仍然在讨论山洪的成因、山洪水文计算方法等问题；我国专利局网站上已经公开的40余个相关专利，主要集中在监测装置、预警软件、水文计算方法、工程结构设计等方面，如山洪灾害预警预测系统(CN201410244890)、基于物联网的山洪地质灾害监测装置(CN103914952A)、一种阶梯-双潭结构型山洪泥石流排导槽及其应用(CN103806410A)、山洪泥石流地质灾害监控预警装置及方法(CN103745573A)、面向山洪演进数值模拟的计算网格流出率的修正方法(CN103530462A)、一种小流域山洪灾害预警指标确定方法(CN103400337A)等。
现有的流域山洪风险识别或风险评估技术主要从灾害风险理论出发，考虑致灾因子、承灾体与孕灾环境三方面的因素来综合确定。其局限性包括：(1)综合计算的模型很多，最终评估结果缺乏可比性。(2)实际应用中，需要许多相关数据的支持，如数字高程模型、历史降雨资料、土地利用数据、地理区位、人口分布、社会经济统计数据等等。这些数据来源不一，标准不一，难以完整收集，而且许多数据是随着时间动态变化的。(3)评估计算过程复杂，主观因素较多，无法实现自动化。
另外一类山洪灾害预警防范的技术是基于硬件监测设施的方案。如水位探测器、雨量传感器等，通过无线传输将溪流状态信息发送到监控中心或具体值班人手机上，再触发预警信号。这种技术体系的缺点是可靠性不足，多个环节都存在失效的风险。传感器可能被自然或人为因素破坏、无线传输的影响因素很多，如供电、信号、雷电等，监控中心及值班人也都有一个人为判断的问题。
发明内容
本发明的目的在于克服现有技术的不足，提供一种流域山洪风险识别与提取方法。
为了实现上述目的，本发明采用如下技术方案：
一种流域山洪风险识别与提取方法，包括如下步骤：
(1)检查数字高程模型的数据质量，重采样到合适的空间分辨率。山洪所对应的小流域范围一般在几平方公里到几百平方公里范围，所以空间分辨率可设置为20-40米。
(2)累积汇流阈值设定与河网提取、分级。利用常见的地理信息系统软件或专业的水文分析工具，或根据流域提取算法(如D8算法)提取出水系，其中过程包括填洼、水流方向计算、累积汇流阈值设定(可先设置一个较小的值，如10000平方米)、生成河网。对河网水系进行Straler编码。Straler编码可见《地理研究》2009年7月，第28卷第4期。具体过程见实施案例。
(3)子流域范围提取。根据Strahler编码后的水系数据，提取相应的各级子流域，转换成矢量图层。
(4)计算流域范围的面积S及面积因子Fs。S在流域矢量图层获得后可以直接计算得到。查看S数值，如果大部分流域的面积在数十平方千米左右，则认为这个尺度是合适的。因为计算过程中的算法问题、DEM数据的缺陷，可能出现一些只有1平方千米左右的流域。这类流域可以忽略或者合并到相邻的流域。但是如果流域面积总体偏小或者偏大，则可以调整累积汇流阈值并重复(2)、(3)、(4)步骤。面积因子值的计算依据公式(1)。
公式(1)
其中，Fs为某个流域的面积因子值，S为该流域的面积，m为流域的数量，Sj为第j个流域的面积。
(5)自动寻找出山口。出山口一般为流域水系末端的节点，利用这一特征，自动提取出山口位置。
(6)流域主轴朝向因子的计算。提出了利用干流走向来表示流域主轴朝向的方法。针对山区流域水系多弯曲的问题，本发明创新性地提出了根据各河段的走向和长度进行加权计算流域主轴朝向的方法。具体如公式(2)～(4)所示。
公式(2)
公式(3)
公式(4)
式中DWj表示某河段j在当前流域内的权重贡献率；Lj为河段j的长度；m为河段数，m条河段组成了流域内的整条河流；L为当前流域范围内水系总长；Aj为河段j的沿着流向的矢量方向；A为该流域的主轴朝向。对方向的定义：正东方向为0°，按逆时针方向旋转一周至360°。
(7)流域坡降比的计算。与主轴朝向类似的方法，以河段长度权重计算平均坡降比，方法如公式(5)。
公式(5)
经简化可得公式(6)。
公式(6)
式中Slope为流域平均坡降，ΔHi为流域内各河段的高程落差，Li为该落差对应的河段长度，ΔH为总落差，L为河段总长度，n为流域内依Strahler编码所分割的河段个数。
(8)计算流域平均海拔H与海拔因子FH。计算方法如公式(7)～(8)。
公式(7)
公式(8)
式中，Hi为DEM中某一个格网的海拔高程，k为格网的个数；HP为区域最佳降雨海拔，可查询区域气候资料获得；HMAX和HMIN分别为区域海拔最大值、最小值；HiMAX和HiMIN分别为当前流域i内部海拔的最大值、最小值。
(9)区域雨季主导风向与山谷主轴朝向的夹角θ与朝向因子Fθ计算。如公式(9)～(10)。
公式(9)
公式(10)
其中，W为雨季主导风向，可从区域气候资料的风玫瑰花图中读取。W的方向定义：正东方向为0°，按逆时针方向旋转一周至360°，注意此处的风向是风速矢量的方向，风玫瑰花图中的风向是指来源方向，需要加180°。θ取W与A之间较小的夹角的绝对值，故0°≤θ≤180°。
(10)山洪风险值P计算。山洪风险值P由流域的朝向、面积、海拔、坡降比等因素决定，计算方法如公式(11)。
P＝FS×FH×Fθ×Slope 公式(11)
根据P值，制作山洪风险专题图层。
本发明从山洪发生的自然条件出发，另辟小径，提出仅仅根据地形数据和地理区位即可从大区域(十几万平方千米)的范围中识别出存在山洪风险的流域的方法。
造成山洪灾害的最主要因素包括地形和气象两大类。具体地说，就是暴雨提供了水的来源，高强度的降雨是引起山洪灾害的主要原因。特定的地形则提供了从势能到动能的基本条件。其他的植被、土壤等条件虽然有影响，但都不是决定性的因素。而风险分析中考虑的承灾体因子，包括居民地分布、人口分布、道路交通与工厂分布等等，实际上与山洪是否发生没有关系，只是与山洪发生之后是否导致灾害损失有关，而且这部分因子是动态性很强的。山区山高沟深，河谷纵横，地势起伏大，谷坡稳定性差，地表风化物和松散堆积物厚，为山洪形成提供了必备条件。气象水文条件是山洪形成的直接诱发因素，其中降雨是诱发山洪灾害的直接因素和激发条件。地形特征可以从现在广泛应用的数字高程模型(Digital Elevation Model，DEM)上提取得到，DEM已经是国家测绘地理信息部门的标准产品，1:5万的已经实现了全国覆盖，对于山洪地形特征提取，该比例尺的数据完全满足精度要求；降雨特别是导致山洪的暴雨，往往也与地形和地理区位有密切关系。区域距离海岸线或其他水汽通道的远近、富含水汽的暖湿气流的来源方向、相对该方向的山脉迎风面和背风面、受山脉影响抬升凝结降雨的海拔高度等，这些因素总体上决定了降雨的分布，有关论述在地形气候学领域可以找到很多参考资料。这些决定降雨空间分布的参数也可以从DEM中提取出来。
从上述分析结果出发，本发明综合应用地形气候学中地形与降雨的关系规律、山洪易发的地形特征规律，从DEM中自动提取有关参数，用一定的数学公式表达上述规律，最终自动综合计算出山洪风险的判别公式，从而实现从DEM中自动识别山洪灾害风险。
与现有技术相比，本发明具有如下有益效果：
本发明的方法可以利用现在已经全国覆盖的DEM数据，在大区域范围内提取并识别存在山洪风险的流域并进行分级，这为山洪泥石流提供了新的更广、更全面的判断依据；对于选择性地加强山洪防范，布设预警和防洪设施，提升山洪地质灾害的监测预警能力具有重要应用价值；可以实现对山洪灾害防治工作的决策提供辅助支持。
附图说明
图1为流域山洪风险识别与提取的流程图；
图2为福建省30米分辨率的ASTERDEM数据；
图3为提取的水系图(局部)；
图4为评估区域流域单元(局部)；
图5为ArcGIS软件中流域主轴方向表示示意图；
图6为福建省山洪风险等级图。
具体实施方式
下面以福建省山洪风险流域的自动识别为例说明该发明专利的实施过程。
一、数据预处理
1.原始数据ASTERDEM，地理坐标为WGS1984，给其定义一个投影坐标系为WGS84_UTM50N，格网分辨率设为30米。
2.裁剪出研究区域(可以略大于福建省区域范围，以便能够包含所有流域)，如图2所示。
二、各级别流域范围的提取
1.对福建省DEM利用地理信息系统常用软件ArcGIS中的空间分析-水文分析-洼地填充工具，对DEM中的洼地进行填充。
2.基于无洼地DEM，利用D8算法计算水流方向。
3、基于水流方向数据，利用ArcGIS软件中水文分析-流量工具进行栅格汇流累积量的计算，结合已有的福建省水系图层数据做参考，把栅格汇流累积量大于2000个格网的水系提取出来，进行栅格河网矢量化，得到福建省的水系河网。局部水系如图3所示，其中蓝色线条即为水系。
4.对提取出来的水系进行Strahler分级编码，福建省水系总共分成8个级别。
5.结合各级水系特征，分别提取大于等于2级、3级、4级、5级水系。根据各级水系，提取相应的各级子流域，转换成矢量图层。2级以上水系对应的流域矢量图层的局部区域如图4所示。
其中每个红色线范围的多边形代表一个完整的流域范围，上面的数值代表该流域的面积，单位为平方千米。从以上结果可以看出，流域范围都能很好的按照山体山脊线(分水岭)的范围进行划分。
三、流域山谷主轴朝向提取和水系长度计算
1.利用制图综合工具消除栅格转矢量过程中产生的碎多边形。
2.水系与流域识别叠加。
3.计算水系各河段方向和长度，依据公式(2)～(4)计算流域内各河段的权重方向贡献率。
4.汇总流域内各河段的权重方向贡献率和长度，生成流域水系方向和水系长度的汇总表。流域内主要水系的朝向，即为流域盆地内山谷主轴朝向。流域山谷主轴的朝向是以水流起点为起算点，按逆时针方向进行计算，如图5所示。
四、流域平均坡降提取
流域平均坡降利用公式(5)或(6)计算。其中重点是计算流域内级别水系的高程落差。其计算过程如下：
1.按照水往低处流的原理，提取流域盆地内水系的起点与终点。
2.给生成的水系端点图层赋高程。
3.计算流域内级各别水系的高程落差及流域平均坡降。
五、流域平均海拔H与海拔因子FH
根据公式(7)和(8)进行计算。对于福建省，可查阅《福建气候》等相关文献资料，将区域最佳降雨海拔HP设置为1500米。
六、区域雨季主导风向与山谷主轴朝向的夹角θ与朝向因子Fθ
根据公式(9)～(10)计算，查阅《福建气候》等相关文献资料，福建省雨季主导风向是西南风和东南风，取其平均值，设置W的矢量方向角度为270°。
七、山洪风险值P计算
山洪风险值P由流域的朝向、面积、海拔、坡降比等因素决定，计算方法如公式(11)。根据P值，制作山洪风险识别专题图层，如图6所示。从高风险区域的分布来看，与福建省历史山洪灾害多发区及山洪规划治理区的分布基本吻合。
Claims (1)
1.一种流域山洪风险识别与提取方法，其特征在于包括如下步骤：
(1)检查数字高程模型的数据质量，采样20-40米的空间分辨率；
(2)累积汇流阈值设定与河网提取、分级：利用常见的地理信息系统软件或专业的水文分析工具，或根据流域提取算法提取出水系，其中过程包括填洼、水流方向计算和累积汇流阈值设定，生成河网，对河网水系进行Straler编码；
(3)子流域范围提取：根据Strahler编码后的水系数据，提取相应的各级子流域，转换成矢量图层；
(4)计算流域范围的面积S及面积因子Fs：S在流域矢量图层获得后可以直接计算得到；面积因子值的计算依据公式(1)，
其中，Fs为某个流域的面积因子值，S为该流域的面积，m为流域的数量，Sj为第j个流域的面积；
(5)自动寻找出山口：出山口为流域水系末端的节点，利用这一特征，自动提取出山口位置；
(6)流域主轴朝向因子的计算：提出了利用干流走向来表示流域主轴朝向的方法，针对山区流域水系多弯曲的问题，根据各河段的走向和长度进行加权计算流域主轴朝向的方法，公式(2)～(4)所示；
式中DWj表示某河段j在当前流域内的权重贡献率；Lj为河段j的长度；m为河段数，m条河段组成了流域内的整条河流；L为当前流域范围内水系总长；Aj为河段j的沿着流向的矢量方向；A为该流域的主轴朝向；对方向的定义：正东方向为0°，按逆时针方向旋转一周至360°；
(7)流域坡降比的计算：与主轴朝向类似的方法，以河段长度权重计算平均坡降比，方法如公式(5)；
经简化可得公式(6)；
式中Slope为流域平均坡降，ΔHi为流域内各河段的高程落差，Li为该落差对应的河段长度，ΔH为总落差，L为河段总长度，n为流域内依Strahler编码所分割的河段个数；
(8)计算流域平均海拔H与海拔因子FH，计算方法如公式(7)～(8)；
式中，Hi为DEM中某一个格网的海拔高程，k为格网的个数；HP为区域最佳降雨海拔，可查询区域气候资料获得；HMAX和HMIN分别为区域海拔最大值、最小值；HiMAX和HiMIN分别为当前流域i内部海拔的最大值、最小值；
(9)区域雨季主导风向与山谷主轴朝向的夹角θ与朝向因子Fθ计算，如公式(9)～(10)；
其中，W为雨季主导风向，可从区域气候资料的风玫瑰花图中读取；W的方向定义：正东方向为0°，按逆时针方向旋转一周至360°，注意此处的风向是风速矢量的方向，风玫瑰花图中的风向是指来源方向，需要加180°；θ取W与A之间较小的夹角的绝对值，故0°≤θ≤180°；
(10)山洪风险值P计算：山洪风险值P由流域的朝向、面积、海拔、坡降比决定，计算方法如公式(11)，
P＝FS×FH×Fθ×Slope 公式(11)
根据P值，制作山洪风险专题图层。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410534258.XA CN104318085B (zh) | 2014-10-11 | 2014-10-11 | 一种流域山洪风险识别与提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410534258.XA CN104318085B (zh) | 2014-10-11 | 2014-10-11 | 一种流域山洪风险识别与提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104318085A CN104318085A (zh) | 2015-01-28 |
| CN104318085B true CN104318085B (zh) | 2017-04-12 |
Family
ID=52373316
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410534258.XA Expired - Fee Related CN104318085B (zh) | 2014-10-11 | 2014-10-11 | 一种流域山洪风险识别与提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104318085B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105844427B (zh) * | 2016-04-14 | 2019-11-08 | 中国科学院烟台海岸带研究所 | 一种风暴潮灾害风险精细化评估的计算方法 |
| CN107391930A (zh) * | 2017-07-21 | 2017-11-24 | 华北水利水电大学 | 山洪灾害分析评价系统及山洪灾害分析评价方法 |
| US11519146B2 (en) * | 2018-04-17 | 2022-12-06 | One Concern, Inc. | Flood monitoring and management system |
| CN108805146B (zh) * | 2018-06-05 | 2019-03-12 | 中国科学院南京土壤研究所 | 一种放射状和向心状水系的识别方法 |
| CN110245877A (zh) * | 2019-06-27 | 2019-09-17 | 中国地质科学院地质力学研究所 | 一种快速选找砂岩型铀矿矿区的方法 |
| CN110570107A (zh) * | 2019-08-28 | 2019-12-13 | 浙江仁欣环科院有限责任公司 | 一种基于dem的山洪灾害风险评估方法 |
| CN111047099B (zh) * | 2019-12-16 | 2020-08-21 | 杭州鲁尔物联科技有限公司 | 一种区域性山洪风险预测方法及系统 |
| CN115457407A (zh) * | 2022-09-29 | 2022-12-09 | 云南大学 | 一种基于YoloV4算法的滑坡及形态识别方法 |
| CN115719161B (zh) * | 2022-11-08 | 2024-02-20 | 广东省科学院广州地理研究所 | 一种崩岗灾害风险综合评估的方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103278115A (zh) * | 2012-12-27 | 2013-09-04 | 北京地拓科技发展有限公司 | 一种基于dem计算淤地坝淤积量的方法及系统 |
-
2014
- 2014-10-11 CN CN201410534258.XA patent/CN104318085B/zh not_active Expired - Fee Related
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103278115A (zh) * | 2012-12-27 | 2013-09-04 | 北京地拓科技发展有限公司 | 一种基于dem计算淤地坝淤积量的方法及系统 |
Non-Patent Citations (5)
| Title |
|---|
| "Applicantions of Hydrologic Information Automatically Extracted from Digital Elevation Models";Jenson S K等;《Hydrological Processes》;19910531;第31-44页 * |
| "DEM栅格单元异质性对地形湿度指数提取的影响分析";马建超等;《地球信息科学学报》;20110430;第157-163页 * |
| "基于DEM的沟谷特征点提取与分析";谢轶群;《地球信息科学学报》;20130228;第61-67页 * |
| "数字河网提取的影响参数优化分析";陈俊明等;《地球信息科学学报》;20110228;第32-37页 * |
| "面向预警的台风灾害预评估指标体系探讨";王慧民等;《亚热带资源与环境学报》;20130331;第25-32页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104318085A (zh) | 2015-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104318085B (zh) | 一种流域山洪风险识别与提取方法 | |
| CN114240119A (zh) | 基于数字孪生的国土空间全域全要素防洪防涝系统及预警方法 | |
| CN107220754B (zh) | 一种县域尺度山洪灾害风险评估方法 | |
| CN113470333A (zh) | 一种线路工程走廊浅层滑坡危险性评估及监测预警系统 | |
| CN111582755A (zh) | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 | |
| CN108960599A (zh) | 基于反演算法的输电线路暴雨灾害精细化预测方法及系统 | |
| CN102707332A (zh) | 一种水库区工程地质调查的解译与评价方法 | |
| CN114252128B (zh) | 一种地下管廊涌水量监测及预警系统、方法 | |
| Zhou et al. | Spatiotemporal Variations of Land Use and Landscape Ecological Risk in a Resource-Based City, from Rapid Development to Recession. | |
| CN116306340A (zh) | 一种模拟不同工况下的城市内涝风险分布的方法 | |
| Khalil et al. | Floodplain Mapping for Indus River: Chashma–Taunsa Reach | |
| Lai et al. | Waterlogging risk assessment based on self-organizing map (SOM) artificial neural networks: a case study of an urban storm in Beijing | |
| Liu et al. | Review of the status of urban flood monitoring and forecasting in TC region | |
| JP6450129B2 (ja) | 斜面崩壊予測方法及び斜面崩壊予測装置 | |
| Turab et al. | Optimal selection of number and location of meteo-hydrological monitoring networks on vu gia–thu bon river basin using GIS | |
| CN112380662B (zh) | 一种山洪灾害人口损失评估模型的构建方法及其应用 | |
| Shen et al. | Parameter estimation method for SWMM under the condition of incomplete information based on GIS and RS | |
| Beekma et al. | Flood and Drought–The Afghan Water Paradox | |
| CN116663882A (zh) | 一种城市地质安全风险智慧监测预警系统 | |
| CN115293241A (zh) | 基于多源数据融合的河道崩岸预警方法及装置 | |
| Sami et al. | Hydrological modeling using GIS for mapping flood zones and degree flood risk in Zeuss-Koutine basin (South of Tunisia) | |
| Yuan et al. | Comprehensive assessment and rechecking of rainfall threshold for flash floods based on the disaster information | |
| Oliveira et al. | Warning system based on real-time flood forecasts in Sao Paulo, Brazil | |
| Kaoje | Application of Geographical Information System Techniques in Urban Flood Risk Assessment and Vulnerability Mapping. A Case Study of Cardiff, Wales | |
| Silva Cervantes et al. | Simulation of overflow thresholds in urban basins: Case study in Tuxtla Gutiérrez, Mexico |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170412 Termination date: 20171011 |