CN111241485B - 一种新型作物产量对气候变化响应的诊断方法 - Google Patents
一种新型作物产量对气候变化响应的诊断方法 Download PDFInfo
- Publication number
- CN111241485B CN111241485B CN202010035306.6A CN202010035306A CN111241485B CN 111241485 B CN111241485 B CN 111241485B CN 202010035306 A CN202010035306 A CN 202010035306A CN 111241485 B CN111241485 B CN 111241485B
- Authority
- CN
- China
- Prior art keywords
- crop yield
- analysis
- period
- response
- time sequence
- 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
- 230000004044 response Effects 0.000 title claims abstract description 37
- 230000008859 change Effects 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000003745 diagnosis Methods 0.000 title abstract description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 230000035945 sensitivity Effects 0.000 claims abstract description 23
- 238000011160 research Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims abstract description 3
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 238000003973 irrigation Methods 0.000 abstract description 4
- 230000002262 irrigation Effects 0.000 abstract description 4
- 238000012271 agricultural production Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 2
- 241000209140 Triticum Species 0.000 description 33
- 235000021307 Triticum Nutrition 0.000 description 33
- 238000009826 distribution Methods 0.000 description 10
- 238000003306 harvesting Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000020004 porter Nutrition 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000000540 analysis of variance Methods 0.000 description 1
- 235000013339 cereals Nutrition 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002091 elastography Methods 0.000 description 1
- 230000004720 fertilization Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Optimization (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Development Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Quality & Reliability (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种新型作物产量对气候变化响应的诊断方法，该发明属于水文气象及农业交叉学科数据分析领域。包括如下步骤：选择研究区域，收集区域气象要素时间序列和农作物产量时间序列；选取计算时段；对选定时段内的气象要素和农作物产量数据序列去趋势分析；计算去趋势分析后的气象要素和农作物产量的均值，偏差和偏差率时间序列；根据偏差率时间序列，计算农作物产量对气象要素的敏感指数时间序列，求中位数，获得选定时段内敏感指数εA；根据敏感指数εA判断农作物产量对气候变化的响应。该诊断方法可以直接服务于农业生产，结合自然条件，为最优化生产灌溉技术提高作物产量提供理论依据，具有重要的社会生产意义。
Description
技术领域
本发明属于水文气象及农业交叉学科数据分析领域，尤其涉及一种作物产量对气候变化响应的诊断方法。
背景技术
气象要素(水，热，温，湿等)在作物生长生产过程中起着重要作用，决定着作物产量的高低。近年来，水文、气象、农业工作者基于变化环境，对变化环境下水-能源-作物产量相互作用机理开展了大量研究(Ahmed et al.,2015；Li et al.,2014；Lobell et al.,2011；Long et al.,2006；Monteith&Moss,1977；Ottman et al.,2012；Porter&Semenov,2005；Schlenker&Roberts,2009；Zhao et al.,2017)。气候变化对作物产量的影响被大量观测资料所证实。研究表明全球变化引起的气温变化和极端气候事件使得全球约三分之一的粮食产量受到影响(Ray et al.,2015；Vogel et al.,2019)。然而，由于缺乏长期的大范围的观测数据资料，加上外界条件如环境、农业种植施肥灌溉等技术的发展，使得现有的分析方法很难将这些外界条件对作物产量的影响从气候变化对作物产量的影响中剥离出来。
目前，统计分析方法，比如方差分析方法(Nicholls,1997；Porter&Semenov,2005)、线性相关和线性回归方法(Challinor et al.,2014；Lobell&Field,2007；Lobellet al.,2011)在作物产量-气候变化相关研究中广泛应用。然而，现有研究结果在空间分布上存在着较大的差异性和地域性。基于非参数弹性分析方法在作物产量-气候变化响应中的应用目前暂无相关研究。
发明内容
发明目的：为解决现有技术的不足，本发明首次将非参数弹性分析方法应用在作物产量对气候变化响应的诊断分析中，提出一种新型作物产量对气候变化响应的诊断方法。
技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种新型作物产量对气候变化响应的诊断方法，包括如下步骤：
步骤1，选择研究区域，收集区域气象要素时间序列和农作物产量时间序列；
步骤2，根据搜集到的气象要素和农作物产量时间序列选取计算时段；
步骤3，对选定时段内的气象要素和农作物产量数据序列去趋势分析；
步骤4，计算去趋势分析后气象要素时间序列均值、偏差和偏差率；
步骤5，计算去趋势分析后农作物产量时间序列均值、偏差和偏差率；
步骤6，根据去趋势气象要素和农作物产量偏差率时间序列，计算敏感指数时间序列，求中位数，获得选定时段内敏感指数εA；
步骤7，根据敏感指数εA判断农作物产量对气候变化的响应。
进一步的，所述步骤1，所选取的研究区域不限，可以是地区、国家或全球尺度的农作物种植区域。所选取的气象要素不限，可以是气温、降水、蒸散发。所选取的农作物种类不限，可以是小麦、水稻、玉米。
进一步的，所述步骤2，所选取的研究时段不限，可以是十年、二十年或更长时段，但选取的气象要素和农作物产量时间序列长度需一致。
进一步的，所述步骤3，采用TFPW(Trend Free Pre-Whitening)去趋势方法，对选定时段内的气象要素和农作物产量数据序列去趋势分析，公式如下：
X′i＝Xi-βi (2)
Y′i＝X′i-r1X′i-1 (3)
Yi＝Y′i+βi (4)
其中，Xi和Xj表示选定的初始要素X在时刻i和时刻j的量，X是选定的气象要素或作物产量数据序列，β是初始要素的增减趋势，median为取中位数；X′i是初始要素X在第i时刻去趋势后的量；r1是间隔一个时段的去趋势后的要素序列X′i的自相关系数；Y′i为去趋势分析后的X′i移除自相关系数后的要素序列；Yi为去趋势分析后的要素序列。
进一步的，所述步骤6，获得选定时段内敏感指数的方法如下：
其中，εA为敏感指数，Ri为去趋势分析后第i时段的农作物产量，Ai为去趋势分析后第i时段的气象要素，
和/>
为去趋势分析后农作物产量和气象要素序列在总时段内的均值，/>
和/>
分别为去趋势分析后第i时段的农作物产量和气象要素序列偏差，
和/>
分别为去趋势分析后第i时段的农作物产量和气象要素序列偏差率，median为取中位数。
进一步的，所述步骤7，根据敏感指数εA判断农作物产量对气候变化的响应，方法如下：
当εA>0时，表明农作物产量对气候变化的响应为正反馈；当εA<0时，表明农作物产量对气候变化的响应为负反馈；当εA＝0时，表明农作物产量对气候变化不响应。
敏感指数εA的量值大小表明农作物产量对气候变化的响应强度，εA量值愈大，响应强度愈大；当|εA|≥1时，表明响应显著；当|εA|<1时，表明响应不显著。
有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：
本发明通过特定时段气象要素和农作物产量时间序列，计算敏感指数，确定农作物产量对气象要素变化的响应特征，由此获得农作物产量对气候变化的响应，可为农业生产过程中适应气候变化，结合自然条件，为最优化生产灌溉技术提高作物产量提供理论依据，具有重要的社会生产意义。
附图说明
图1是本发明的方法流程图；
图2是研究区域小麦丰收区域空间分布图(单位：公顷)；
图3是研究区域小麦种植期空间分布图；
图4是研究区域小麦收获期空间分布图；
图5是研究区域小麦生长期月平均气温空间分布图(单位：℃)；
图6是研究区域小麦对气温的敏感指数空间分布图。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
现有0.5°*0.5°空间分辨率的1961-2014年间的亚洲年平均小麦产量数据(数据来源于FAO Statistical Database(http://faostat.fao.org))和CRU(Climate ResearchUnit)TS3.1数据(http://crudata.uea.ac.uk/cru/data/)，研究区域经纬度为[30E150E,-10N 50N]。依据本发明方法，流程如图1所示，以气象要素气温为例，计算研究区域内1961-2014年间小麦产量对气温变化的响应特征。过程如下：
(1)根据小麦的丰收区域(图2)，种植期(图3)和收获期(图4)，在研究区域内单个格点上，以种植期和收获期之间的月平均气温，计算小麦生长期的平均气温。若在某个格点上的小麦的种植期为4月，收获期为同年11月，则该小麦生长期的平均气温为该年4-11月的月平均气温。若在某个格点上小麦的种植期为10月，收获期为次年5月，则该格点上小麦的生长期的平均气温为该年10-12月和次年1-5月的月平均气温。因为，小麦种植期和收获期在不同格点上具有差异性，因而生长期在空间分布上具有差异性。根据该方法计算所得的研究区域内1961-2014年间小麦生长期的月平均气温的空间分布图，如图5所示。
(2)根据研究区域内各格点上小麦生长期的平均气温和小麦年产量时间序列，采用Yue et al.(2002)提出的TFPW方法去趋势分析，获取1961-2014年间去趋势分析后的小麦生长期的平均气温和小麦年产量时间序列。
(3)计算研究区域内1961-2014年间各格点的去趋势分析后的小麦生长期的平均气温和小麦年产量的均值；
(4)计算研究区域内1961-2014年间各格点的去趋势分析后小麦生长期的年平均气温和小麦产量的偏差和偏差率时间序列；
(5)计算研究区域内1961-2014年间各格点的去趋势分析后小麦产量对生长期气温的敏感指数时间序列；
(6)计算研究区域内1961-2014年间各格点的去趋势分析后小麦产量对生长期气温的敏感指数时间序列的中位数，即为该格点的敏感指数，绘制研究区域内小麦产量对气温的敏感指数空间分布图，如图6所示；
(7)根据研究区域内各格点的敏感指数空间分布图，如图6所示，判断小麦产量对气温变化的响应。当εA>0时，表明小麦产量对气温变化的响应为正反馈；当εA<0时，表明小麦产量对气温变化的响应为负反馈；当εA＝0时，表明小麦产量对气温变化不响应。εA的量值愈大，表明小麦产量对气温变化的响应强度越大。当|εA|≥1时，表明响应显著；当|εA|<1时，表明响应不显著。
本发明通过特定时段气象要素和农作物产量时间序列，计算敏感指数，确定农作物产量对气象要素变化的响应特征，由此获得农作物产量对气候变化的响应，可为农业生产过程中适应气候变化，结合自然条件，为最优化生产灌溉技术提高作物产量提供理论依据，具有重要的社会生产意义。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。
Claims (2)
1.一种新型作物产量对气候变化响应的诊断方法，其特征在于：该方法包括如下步骤：
步骤1，选择研究区域，收集区域气象要素时间序列和农作物产量时间序列；
步骤2，根据搜集到的气象要素和农作物产量时间序列选取计算时段；选取的气象要素和农作物产量时间序列长度一致；
步骤3，对选定时段内的气象要素和农作物产量数据序列去趋势分析；
步骤4，计算去趋势分析后气象要素时间序列均值、偏差和偏差率；
步骤5，计算去趋势分析后农作物产量时间序列均值、偏差和偏差率；
步骤6，根据去趋势气象要素和农作物产量偏差率时间序列，计算敏感指数时间序列，求中位数，获得选定时段内敏感指数εA，公式如下：
其中，εA为敏感指数，Ri为去趋势分析后第i时段的农作物产量，Ai为去趋势分析后第i时段的气象要素，
和/>
为去趋势分析后农作物产量和气象要素序列在总时段内的平均值，
和/>
分别为去趋势分析后第i时段的农作物产量和气象要素序列偏差，
和/>
分别为去趋势分析后第i时段的农作物产量和气象要素序列偏差率，median为取中位数；
步骤7，根据敏感指数εA判断农作物产量对气候变化的响应；
当εA>0时，表明农作物产量对气候变化的响应为正反馈；当εA<0时，表明农作物产量对气候变化的响应为负反馈；当εA＝0时，表明农作物产量对气候变化不响应；
敏感指数εA的量值大小表明农作物产量对气候变化的响应强度，εA量值愈大，响应强度愈大；当|εA|≥1时，表明响应显著；当|εA|<1时，表明响应不显著。
2.根据权利要求1所述的一种新型作物产量对气候变化响应的诊断方法，其特征在于：所述步骤3，采用TFPW去趋势方法，对选定时段内的气象要素和农作物产量数据序列去趋势分析，公式如下：
X′i＝Xi-βi (2)
Y′i＝X′i-r1X′i-1 (3)
Yi＝Y′i+βi (4)
其中，Xi和Xj表示选定的初始要素X在时刻i和时刻j的量，X是选定的气象要素或作物产量数据序列，β是初始要素的增减趋势，median为取中位数；X′i是初始要素X在第i时刻去趋势后的量；r1是间隔一个时段的去趋势后的要素序列X′i的自相关系数；Y′i为去趋势分析后的X′i移除自相关系数后的要素序列；Yi为去趋势分析后的要素序列。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010035306.6A CN111241485B (zh) | 2020-01-14 | 2020-01-14 | 一种新型作物产量对气候变化响应的诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010035306.6A CN111241485B (zh) | 2020-01-14 | 2020-01-14 | 一种新型作物产量对气候变化响应的诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111241485A CN111241485A (zh) | 2020-06-05 |
| CN111241485B true CN111241485B (zh) | 2023-05-19 |
Family
ID=70870914
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010035306.6A Active CN111241485B (zh) | 2020-01-14 | 2020-01-14 | 一种新型作物产量对气候变化响应的诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111241485B (zh) |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10564316B2 (en) * | 2014-09-12 | 2020-02-18 | The Climate Corporation | Forecasting national crop yield during the growing season |
| CN107392376B (zh) * | 2017-07-25 | 2020-05-29 | 中国农业科学院农业信息研究所 | 一种农作物气象产量预测方法及系统 |
| CN109388847B (zh) * | 2018-08-24 | 2022-09-23 | 河海大学 | 一种径流变化归因技术综合选择方法 |
-
2020
- 2020-01-14 CN CN202010035306.6A patent/CN111241485B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN111241485A (zh) | 2020-06-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Contribution of cultivar, fertilizer and weather to yield variation of winter wheat over three decades: A case study in the North China Plain | |
| Zhang et al. | Responses of rice yields to recent climate change in China: An empirical assessment based on long-term observations at different spatial scales (1981–2005) | |
| CN105184445A (zh) | 一种玉米干旱气象灾害多年平均损失率的计算方法 | |
| CN109615148B (zh) | 一种确定玉米气象产量的方法和系统 | |
| CN111798028A (zh) | 一种作物产量预测方法、装置、电子设备和存储介质 | |
| CN111418323A (zh) | 一种基于设施作物冠层覆盖度和株高的氮肥实时推荐方法 | |
| CN113849763A (zh) | 冬小麦-夏玉米干旱灾害风险评估方法、存储介质及终端 | |
| CN116415704A (zh) | 一种基于多数据融合与同化的区域精量灌溉方法及系统 | |
| Yang et al. | Modeling the effects of plastic film mulching on irrigated maize yield and water use efficiency in sub-humid Northeast China | |
| CN110516943B (zh) | 一种基于地表温度的春灌期灌溉面积动态监测遥感方法 | |
| CN116451823A (zh) | 一种基于气象主控因子的苹果产量预测方法 | |
| Fong et al. | Eddy covariance measurements of carbon dioxide and water fluxes in US mid-south cotton production | |
| CN115688997A (zh) | 一种基于积温的茶叶采摘时期预测方法及系统 | |
| CN115310680A (zh) | 一种番茄种苗模型建模与生长预测方法 | |
| CN111241485B (zh) | 一种新型作物产量对气候变化响应的诊断方法 | |
| CN109615150B (zh) | 一种确定水稻气象产量的方法和系统 | |
| CN109615149B (zh) | 一种确定甜菜气象产量的方法和系统 | |
| CN114568239B (zh) | 一种棉花高温热害预测方法 | |
| CN109858678B (zh) | 一种确定向日葵气象产量的方法和系统 | |
| CN113902215B (zh) | 一种棉花延迟型冷害动态的预报方法 | |
| CN112667955B (zh) | 基于遥感估算区域尺度玉米潜在产量与产量差的方法与应用 | |
| CN114642159B (zh) | 一种设施作物灌溉定额计算方法及系统 | |
| CN115049126A (zh) | 基于温度效应和历史阈值的蒸散量预测方法 | |
| CN114626010A (zh) | 一种基于CatBoost的灌溉量计算方法及系统 | |
| CN118152987B (zh) | 单季稻物候期识别方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |