CN114091761B - 种养空间优化方法及装置 - Google Patents
种养空间优化方法及装置 Download PDFInfo
- Publication number
- CN114091761B CN114091761B CN202111405055.7A CN202111405055A CN114091761B CN 114091761 B CN114091761 B CN 114091761B CN 202111405055 A CN202111405055 A CN 202111405055A CN 114091761 B CN114091761 B CN 114091761B
- Authority
- CN
- China
- Prior art keywords
- planting
- manure
- breeding
- point
- demand
- 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
- 238000009395 breeding Methods 0.000 title claims abstract description 168
- 230000001488 breeding effect Effects 0.000 title claims abstract description 168
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000005457 optimization Methods 0.000 title claims abstract description 41
- 238000009826 distribution Methods 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 38
- 239000011159 matrix material Substances 0.000 claims abstract description 38
- 230000000903 blocking effect Effects 0.000 claims abstract description 32
- 210000003608 fece Anatomy 0.000 claims description 100
- 239000010871 livestock manure Substances 0.000 claims description 100
- 238000009360 aquaculture Methods 0.000 claims description 45
- 244000144974 aquaculture Species 0.000 claims description 45
- 235000015097 nutrients Nutrition 0.000 claims description 45
- 239000003337 fertilizer Substances 0.000 claims description 41
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 36
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 35
- 229910052698 phosphorus Inorganic materials 0.000 claims description 35
- 239000011574 phosphorus Substances 0.000 claims description 35
- 229910052757 nitrogen Inorganic materials 0.000 claims description 18
- 238000003860 storage Methods 0.000 claims description 15
- 230000004720 fertilization Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 235000021048 nutrient requirements Nutrition 0.000 claims description 10
- 244000144972 livestock Species 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000029142 excretion Effects 0.000 claims description 7
- 244000144977 poultry Species 0.000 claims description 7
- 230000001932 seasonal effect Effects 0.000 claims description 4
- 230000001502 supplementing effect Effects 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000009313 farming Methods 0.000 claims description 3
- 229910052739 hydrogen Inorganic materials 0.000 claims 1
- 239000001257 hydrogen Substances 0.000 claims 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 claims 1
- 239000000463 material Substances 0.000 claims 1
- 238000011161 development Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000012271 agricultural production Methods 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 241000283690 Bos taurus Species 0.000 description 2
- 241001494479 Pecora Species 0.000 description 2
- 241000282887 Suidae Species 0.000 description 2
- 244000038559 crop plants Species 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003012 network analysis Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003895 organic fertilizer Substances 0.000 description 1
- 238000009304 pastoral farming Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000003307 slaughter Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Mining & Mineral Resources (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种种养空间优化方法及装置，在获取种植业分布数据和养殖业分布数据，以生成养殖业供给点和种植业需求点后，构建与养殖业供给点和种植业需求点相关的道路网络数据集，并基于道路网络数据集，计算经济允许的最远距离。将种植业需求点作为起点、养殖业供给点作为终点以及经济允许的最远距离作为阻断参数，进行OD成本矩阵分析，最后根据OD成本矩阵分析结果测算种养均衡度。基于此，可根据种养均衡度表征种养空间的优化程度，便于相关研究人员调整区域内的种植业和养殖业分布，提供价值参考。
Description
技术领域
本发明涉及农业技术领域，特别是涉及一种种养空间优化方法及装置。
背景技术
“种养”包括种植业和养殖业，共同组成现在农业生产的核心。自古以来，农业生产中便将畜禽粪便作为有机肥料的主要来源，种养结合的农业生产模式在农业中已具有上千年的历史。然而，种植业与养殖业脱节已成为困扰现代化农业发展的一大难题，尤其是在部分以小户经营为主的种植模式地区，在现代规模化养殖的发展的背景中，单个种植主体受规模限制，所能消耗粪肥的能力有限，进而导致粪便资源被浪费，甚至成为重大污染源。
因此，如何优化种植业与养殖业间的关系，成为现代农业发展的重要研究之一。目前，传统针对种植业与养殖业间关系的研究，主要是定量分析养殖业的粪肥供给与种植业养分需求。但是，根据上述内容提到的种植业与养殖业的脱节发展，定量分析的难以合理分析种植业与养殖业间的关系，分析结果仅能反应养分供给关系，但无法综合衡量种植业与养殖业间的空间成本和经济成本，参考价值较低。
综上，可见传统的对种植业与养殖业间关系的研究方式还存在以上不足。
发明内容
基于此，有必要针对传统的对种植业与养殖业间关系的研究方式还存在以上不足，提供一种种养空间优化方法及装置。
一种种养空间优化方法，包括步骤：
获取种植业分布数据和养殖业分布数据，以生成养殖业供给点和种植业需求点；
构建与养殖业供给点和种植业需求点相关的道路网络数据集；
基于道路网络数据集，计算经济允许的最远距离；
将种植业需求点作为起点、养殖业供给点作为终点以及经济允许的最远距离作为阻断参数，进行OD成本矩阵分析；
根据OD成本矩阵分析结果测算种养均衡度；其中，种养均衡度用于表征种养空间的优化程度。
上述的种养空间优化方法，在获取种植业分布数据和养殖业分布数据，以生成养殖业供给点和种植业需求点后，构建与养殖业供给点和种植业需求点相关的道路网络数据集，并基于道路网络数据集，计算经济允许的最远距离。将种植业需求点作为起点、养殖业供给点作为终点以及经济允许的最远距离作为阻断参数，进行OD成本矩阵分析，最后根据OD成本矩阵分析结果测算种养均衡度。基于此，可根据种养均衡度表征种养空间的优化程度，便于相关研究人员调整区域内的种植业和养殖业分布，提供价值参考。
在其中一个实施例中，基于道路网络数据集，计算经济允许的最远距离的过程，包括步骤：
基于道路网络数据集，通过高斯两步移动搜索法，确定最大搜索半径，作为经济允许的最远距离。
在其中一个实施例中，基于道路网络数据集，通过高斯两步移动搜索法，确定最大搜索半径，作为经济允许的最远距离的过程，包括步骤：
测算种植业需求点的养分需求量；
根据养分需求量计算使用粪肥的总费用与仅使用化肥的总费用；
在使用粪肥的总费用与仅使用化肥的总费用相同时，根据使用粪肥的总费用推算经济允许的最远距离。
在其中一个实施例中，根据养分需求量计算使用粪肥的总费用与仅使用化肥的总费用的过程，如下式：
FC＝MC+DC
MC＝M*RC+NC(N*β-M*RN)+AC
DC＝D*d*M
HC＝N*β*NC+P*β*PC+AC
其中，FC为使用粪肥的总费用，HC为仅使用化肥的总费用，MC包括粪肥施用费与补充化肥的购买费及化肥施用费，DC为粪肥运输费，M为满足单位栅格农田作物对肥料中磷元素需求的粪肥质量，RC为单位质量粪肥施用费，NC为纯氮价格，PC为纯磷价格，N为满足单位栅格农田作物对氮元素的需求量，β为施肥占比，P为满足单位栅格农田作物对磷元素的需求量，RN为单位质量粪肥的含氮量，AC为单位栅格农田的化肥施用费，D为单位公里单位质量粪肥的运输成本，d为运输距离。
在其中一个实施例中，根据OD成本矩阵分析结果测算种养均衡度的过程，包括步骤：
计算高斯距离衰减值G(dki)，如下式
其中，dki表示从养殖业供给点k到种植业需求点i的OD成本，d0为阻断参数；
基于各养殖业供给点k，搜索阻断参数d0内的各种植业需求点i，并计算供需比Rk：
其中，Sk为养殖业供给点k的粪肥养分的供给能力，Ni'为种植业需求点i对粪肥的养分需求，dki表示从所述养殖业供给点k到其搜索阻断参数d0内的各种植业需求点i的OD成本；
基于各种植业需求点i，搜索阻断参数d0内的各养殖业供给点k，根据供需比Rk加和形成种植业需求点i的种养均衡度ASMEi，如下式：
在其中一个实施例中，养殖业供给点k的粪肥养分的供给能力Sk的获取过程，如下式：
Sk＝(μ*Q*T)/1000
其中，Sk为粪肥养分的供给能力，Q为养殖业供给点k的畜禽饲养量，T为养殖业供给点k的饲养时间，μ为养殖业供给点k的排泄系数。
在其中一个实施例中，种植业需求点i对粪肥的养分需求Ni'的获取过程，如下式：
Ni'＝(Ni*β*λ)/ω
其中，Ni'为种植业需求点i对粪肥的养分需求；Ni为种植业需求点i的作物养分需求量，β为施肥占比；λ为粪肥占施肥比例；ω为粪肥养分当季利用率。
一种种养空间优化装置，包括：
位置确定模块，用于获取种植业分布数据和养殖业分布数据，以生成养殖业供给点和种植业需求点；
网络构建模块，用于构建与养殖业供给点和种植业需求点相关的道路网络数据集；
距离搜索模块，用于基于道路网络数据集，计算经济允许的最远距离；
矩阵分析模块，用于将种植业需求点作为起点、养殖业供给点作为终点以及经济允许的最远距离作为阻断参数，进行OD成本矩阵分析；
均衡度计算模块，用于根据OD成本矩阵分析结果测算种养均衡度；其中，种养均衡度用于表征种养空间的优化程度。
上述的种养空间优化装置，在获取种植业分布数据和养殖业分布数据，以生成养殖业供给点和种植业需求点后，构建与养殖业供给点和种植业需求点相关的道路网络数据集，并基于道路网络数据集，计算经济允许的最远距离。将种植业需求点作为起点、养殖业供给点作为终点以及经济允许的最远距离作为阻断参数，进行OD成本矩阵分析，最后根据OD成本矩阵分析结果测算种养均衡度。基于此，可根据种养均衡度表征种养空间的优化程度，便于相关研究人员调整区域内的种植业和养殖业分布，提供价值参考。
一种计算机存储介质，其上存储有计算机指令，计算机指令被处理器执行时实现上述任一实施例的种养空间优化方法。
上述的计算机存储介质，在获取种植业分布数据和养殖业分布数据，以生成养殖业供给点和种植业需求点后，构建与养殖业供给点和种植业需求点相关的道路网络数据集，并基于道路网络数据集，计算经济允许的最远距离。将种植业需求点作为起点、养殖业供给点作为终点以及经济允许的最远距离作为阻断参数，进行OD成本矩阵分析，最后根据OD成本矩阵分析结果测算种养均衡度。基于此，可根据种养均衡度表征种养空间的优化程度，便于相关研究人员调整区域内的种植业和养殖业分布，提供价值参考。
一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述任一实施例的种养空间优化方法。
上述的计算机设备，在获取种植业分布数据和养殖业分布数据，以生成养殖业供给点和种植业需求点后，构建与养殖业供给点和种植业需求点相关的道路网络数据集，并基于道路网络数据集，计算经济允许的最远距离。将种植业需求点作为起点、养殖业供给点作为终点以及经济允许的最远距离作为阻断参数，进行OD成本矩阵分析，最后根据OD成本矩阵分析结果测算种养均衡度。基于此，可根据种养均衡度表征种养空间的优化程度，便于相关研究人员调整区域内的种植业和养殖业分布，提供价值参考。
附图说明
图1为一实施方式的种养空间优化方法流程图；
图2为另一实施方式的种养空间优化方法流程图；
图3为又一实施方式的种养空间优化方法流程图；
图4为一实施方式的种养空间优化装置模块结构图；
图5为一实施方式的计算机内部构造示意图。
具体实施方式
为了更好地理解本发明的目的、技术方案以及技术效果，以下结合附图和实施例对本发明进行进一步的讲解说明。同时声明，以下所描述的实施例仅用于解释本发明，并不用于限定本发明。
本发明实施例提供了一种种养空间优化方法。
图1为一实施方式的种养空间优化方法流程图，如图1所示，一实施方式的种养空间优化方法包括步骤S100至步骤S104：
S100，获取种植业分布数据和养殖业分布数据，以生成养殖业供给点和种植业需求点；
S101，构建与养殖业供给点和种植业需求点相关的道路网络数据集；
S102，基于道路网络数据集，计算经济允许的最远距离；
S103，将种植业需求点作为起点、养殖业供给点作为终点以及经济允许的最远距离作为阻断参数，进行OD成本矩阵分析；
S104，根据OD成本矩阵分析结果测算种养均衡度；其中，种养均衡度用于表征种养空间的优化程度。
其中，针对固定的优化区域，根据优化区域对应的地图，获取种植业分布数据和养殖业分布数据。在其中一个实施例中，获取第三方POI(Point of Interest兴趣点)点数据，从第三方POI点数据中选取养殖场、放牧场等养殖业兴趣相关的分布点，确定养殖业供给点。同时，根据第三方POI点数据中农田、林场或水田等种植业相关的分布点，确定种植业需求点。
在其中一个实施例中，利用第三方POI点数据按优化区域裁剪出的养殖场分布数据，其中养殖场属性表中包含前期处理的各养殖场粪肥可供给的养分数据，通过DisplayXY data工具分别按坐标生成对应图层，并统一坐标系为WGS_1984大地坐标系，投影采用墨卡托投影，中央纬线为北纬50度。基于此，便于后续的距离处理。
其中，构建道路网络数据集，包括从养殖业供给点至种植业需求点的交通道路。在其中一个实施例中，养殖业供给点至种植业需求点的道路距离为运输距离。
在其中一个实施例中，道路网络数据集的道路矢量数据源自OpenStreetMap的道路矢量数据经针对优化区域裁剪所得，其地理坐标为WGS_1984大地坐标系，投影采用墨卡托投影，中央纬线为北纬50度。利用ArcGIS10.2软件构建file geodatabase，并在要素数据集中导入前期处理的道路数据，在此基础上通过设置连接性、道路时间等建立道路网络数据集。
在建立道路网络数据集后，经济允许的最远距离为道路网络数据集中养殖业供给点到种植业需求点的运输距离在限制参数下的最大值。
在其中一个实施例中，计算经济允许的最远距离可通过先验概率模型限定。通过获取先验区域作为先验值的养殖场供给点到种植业需求点的运输距离，根据先验值中的较大值，确定运输距离的限制参数。在优化区域的道路网络数据集，根据该限制参数，确定经济允许的最远距离。
在其中一个实施例中，图2为另一实施方式的种养空间优化方法流程图，如图2所示，步骤S102中基于道路网络数据集，计算经济允许的最远距离的过程，包括步骤S200：
S200，基于道路网络数据集，通过高斯两步移动搜索法，确定最大搜索半径，作为经济允许的最远距离。
其中，通过高斯两步移动搜索法测算养殖业供给点与种植业需求点的空间匹配性，高斯两步移动搜索法根据搜索边界对供给地搜索周围的需求，并计算供需比，而后再根据搜索范围对需求地搜索周边的供给，将供需比进行加和，数值越高，说明资源的可获得性越好。因此，使用高斯两步移动搜索法测算养殖业的粪肥供给与种植业需求之间的匹配性。
在其中一个实施例中，图3为又一实施方式的种养空间优化方法流程图，如图3所示，步骤S200中基于道路网络数据集，通过高斯两步移动搜索法，确定最大搜索半径，作为经济允许的最远距离的过程，包括步骤S300至步骤S302：
S300，测算种植业需求点的粪肥养分需求量；
S301，根据养分需求量计算粪肥总费用和化肥总费用；
S302，在使用粪肥的总费用和仅使用化肥的总费用相同时，根据使用粪肥的总费用推算经济允许的最远距离。
其中，种植业需求点的粪肥养分需求与养殖业供给点的粪肥供给相对应。使用粪肥的总费用分为四部分，即粪肥运输费、粪肥施用费与补充化肥的购买及施用费，而仅使用化肥的总费用分为两部分，即纯化肥购买及施用费，当使用粪肥的总费用等于仅使用化肥的总费用时，认为种植业需求点到养殖业供给点的运输距离为最大搜索半径，即经济允许的最远距离。
在其中一个实施例中，步骤S301中根据养分需求量计算使用粪肥的总费用和仅使用化肥的总费用，如下式：
FC＝MC+DC
MC＝M*RC+NC(N*β-M*RN)+AC
DC＝D*d*M
HC＝N*β*NC+P*β*PC+AC
其中，FC为使用粪肥的总费用，HC为仅使用化肥的总费用，MC包括粪肥施用费与补充化肥的购买费及化肥施用费，DC为粪肥运输费，M为满足单位栅格农田作物对肥料中磷元素需求的粪肥质量，RC为单位质量粪肥施用费，NC为纯氮价格，PC为纯磷价格，N为满足单位栅格农田作物对氮元素的需求量，β为施肥占比，P为满足单位栅格农田作物对磷元素的需求量，RN为单位质量粪肥的含氮量，AC为单位栅格农田的化肥施用费，D为单位公里单位质量粪肥的运输成本，d为运输距离。
基于此，在步骤S302中：
FC≤HC
在FC＝HC时，运输距离d取到最大值，即经济允许的最远距离。
基于此，将经济允许的最远距离作为阻断参数d0，进行OD成本矩阵分析。
在其中一个实施例中，使用ArcGIS10.2，基于网络分析工具建立新的OD成本矩阵，使用Raster To Point工具将种植业栅格转为种植业需求点，作为起点(Originals)，将优化区域内分布的养殖业供给点作为终点(Destinations)。
进一步地，将经济允许的最远距离作为阻断参数，将道路距离作为成本，测算得各起终点之间满足条件的距离成本，并与养殖业供给点及种植业需求点进行关联。
在其中一个实施例中，如图2所示，步骤S104中根据OD成本矩阵分析结果测算种养均衡度的过程，包括步骤S201至步骤S203：
S201，计算高斯距离衰减值G(dki)，如下式
其中，dki表示从养殖业供给点k到种植业需求点i的OD成本，d0为阻断参数；
S202，基于各养殖业供给点k，搜索阻断参数d0内的各种植业需求点i，并计算供需比Rk：
其中，Sk为养殖业供给点k的粪肥养分的供给能力，Ni'为种植业需求点i对粪肥的养分需求，dki表示从所述养殖业供给点k到其搜索阻断参数d0内的各种植业需求点i的OD成本；
S203，基于各种植业需求点i，搜索阻断参数d0内的各养殖业供给点k，根据供需比Rki加和形成种植业需求点i的种养均衡度ASMEi，如下式：
在其中一个实施例中，步骤S104中根据OD成本矩阵分析结果测算种养均衡度的过程，还包括步骤：
将种养均衡度ASMEi进行标准化处理。
通过标准化处理，方便种养均衡度值的比较，去除数据的单位限制，将种养均衡度值进行离差标准化处理，得到标准化的种养均衡度值ASMEn，如下式：
在其中一个实施例中，养殖业供给点k的粪肥养分的供给能力Sk的获取过程，包括步骤：将存栏量与日排泄系数及饲养周期三者相乘，获得粪肥养分的供给能力Sk。
其中一个实施例中，养殖业供给点k的粪肥养分的供给能力Sk的获取过程，包括步骤：将出栏量与存栏量加和，并乘以日排泄系数与饲养周期，获得粪肥养分的供给能力Sk。
在其中一个实施例中，养殖业供给点k的粪肥养分的供给能力Sk的获取过程，如下式：
Sk＝(μ*Q*T)/1000
其中，Sk为粪肥养分的供给能力，Q为养殖业供给点k的畜禽饲养量，T为养殖业供给点k的饲养时间，μ为养殖业供给点k的排泄系数。在其中一个实施例中，牛羊马驴的饲养周期均超过一年，因而牛羊按存栏量测算，饲养时间为365天；猪和家禽的饲养周期均小于一年，因而畜禽饲养量按出栏量计算，饲养时间按平均饲养周期计算，其中猪为199天，家禽为210天。基于此，本实施例的计算方式，有利于克服上述两种实施例中易出现的结果偏大或偏小问题，提高粪肥养分的供给能力Sk的计算准确率。
在其中一个实施例中，对粪肥养分的供给能力S与氮含量系数或磷含量系数进行相乘，以优化粪肥养分的供给能力S。
在其中一个实施例中，种植业需求点i对粪肥的养分需求Ni'的获取过程，如下式：
Ni'＝(Ni*β*λ)/ω
其中，Ni'为种植业需求点i对粪肥的养分需求；Ni为种植业需求点i的作物养分需求量，β为施肥占比；λ为粪肥占施肥比例；ω为粪肥养分当季利用率。
作为一个较优的实施方式，粪肥占施肥比例为20％，粪肥养分当季利用率中的氮素当季利用率为25％，磷素当季利用率为30％。
基于此，获得种养均衡度。其中，种养均衡度与空间优化效果正相关，即种养均衡值越大，养殖业供给点和种植业需求点之间的空间匹配效果越良好。基于此，为养殖业供给点和种植业需求点的空间布局优化提供价值参考。
在其中一个实施例中，如图2所示，另一实施方式的种养空间优化方法还包括步骤S204至步骤S206：
S204，获取种养均衡度的标准化结果以及地心地固坐标系；
S205，根据标准化结果与地心地固坐标系获取定位参考数据；
S206，根据定位参考数据，对标准化结果进行定位计算，并根据定位计算确定养殖业供给点和种植业需求点的地理坐标位置。
其中，标准化结果与地心地固坐标系预先建立有映射关系，根据标准化结果与地心地固坐标系转换成卫星坐标系的测量值，并根据定位计算确定实际地理坐标位置。基于此，消除在道路网络数据集中、优化区域过大及地球弧度带来的种养空间优化误差。
作为一个较优的实施方式，根据标准化结果与地心地固坐标系转换成卫星坐标系的伪距测量值，将标准化结果作为期望值与测量值的差异，对伪距测量值进行定位结算，确定地理坐标位置。
上述任一实施例的种养空间优化方法，在获取种植业分布数据和养殖业分布数据，以生成养殖业供给点和种植业需求点后，构建与养殖业供给点和种植业需求点相关的道路网络数据集，并基于道路网络数据集，计算经济允许的最远距离。将种植业需求点作为起点、养殖业供给点作为终点以及经济允许的最远距离作为阻断参数，进行OD成本矩阵分析，最后根据OD成本矩阵分析结果测算种养均衡度。基于此，可根据种养均衡度表征种养空间的优化程度，便于相关研究人员调整区域内的种植业和养殖业分布，提供价值参考。
本发明实施例还提供了一种种养空间优化装置。
图4为一实施方式的种养空间优化装置模块结构图，如图4所示，一实施方式的种养空间优化装置包括：
位置确定模块100，用于获取种植业分布数据和养殖业分布数据，以生成养殖业供给点和种植业需求点；
网络构建模块101，用于构建与养殖业供给点和种植业需求点相关的道路网络数据集；
距离搜索模块102，用于基于道路网络数据集，计算经济允许的最远距离；
矩阵分析模块103，用于将种植业需求点作为起点、养殖业供给点作为终点以及经济允许的最远距离作为阻断参数，进行OD成本矩阵分析；
均衡度计算模块104，用于根据OD成本矩阵分析结果测算种养均衡度；其中，种养均衡度用于表征种养空间的优化程度。
上述的种养空间优化装置，在获取种植业分布数据和养殖业分布数据，以生成养殖业供给点和种植业需求点后，构建与养殖业供给点和种植业需求点相关的道路网络数据集，并基于道路网络数据集，计算经济允许的最远距离。将种植业需求点作为起点、养殖业供给点作为终点以及经济允许的最远距离作为阻断参数，进行OD成本矩阵分析，最后根据OD成本矩阵分析结果测算种养均衡度。基于此，可根据种养均衡度表征种养空间的优化程度，便于相关研究人员调整区域内的种植业和养殖业分布，提供价值参考。
本发明实施例还提供了一种计算机存储介质，其上存储有计算机指令，该指令被处理器执行时实现上述任一实施例的种养空间优化方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
或者，本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对相关技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、终端、或者网络设备等)执行本发明各个实施例方法的全部或部分。而前述的存储介质包括：移动存储设备、RAM、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
与上述的计算机存储介质对应的是，在一个实施例中还提供一种计算机设备，该计算机设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，处理器执行程序时实现如上述各实施例中的任意一种种养空间优化方法。
该计算机设备可以是终端，其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种种养空间优化方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
上述计算机设备，在获取种植业分布数据和养殖业分布数据，以生成养殖业供给点和种植业需求点后，构建与养殖业供给点和种植业需求点相关的道路网络数据集，并基于道路网络数据集，计算经济允许的最远距离。将种植业需求点作为起点、养殖业供给点作为终点以及经济允许的最远距离作为阻断参数，进行OD成本矩阵分析，最后根据OD成本矩阵分析结果测算种养均衡度。基于此，可根据种养均衡度表征种养空间的优化程度，便于相关研究人员调整区域内的种植业和养殖业分布，提供价值参考。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (5)
1.一种种养空间优化方法，其特征在于，包括步骤：
获取种植业分布数据和养殖业分布数据，以生成养殖业供给点和种植业需求点；
构建与所述养殖业供给点和所述种植业需求点相关的道路网络数据集；其中，在要素数据集中导入道路数据，在此基础上通过设置连接性、道路时间建立所述道路网络数据集；
基于所述道路网络数据集，计算经济允许的最远距离；所述基于所述道路网络数据集，计算经济允许的最远距离的过程，包括步骤：
基于所述道路网络数据集，通过高斯两步移动搜索法，确定最大搜索半径，作为所述经济允许的最远距离；
所述基于所述道路网络数据集，通过高斯两步移动搜索法，确定最大搜索半径，作为所述经济允许的最远距离的过程，包括步骤：
测算所述种植业需求点的养分需求量；
根据所述养分需求量计算使用粪肥的总费用与仅使用化肥的总费用；
根据所述养分需求量计算使用粪肥的总费用和仅使用化肥的总费用的过程，如下式：
FC＝MC+DC
MC＝M*RC+NC(N*β-M*RN)+AC
DC＝D*d*M
HC＝N*β*NC+P*β*PC+AC
其中，FC为使用粪肥的总费用，HC为仅使用化肥的总费用，MC包括粪肥施用费与补充化肥的购买费及化肥施用费，DC为粪肥运输费，M为满足单位栅格农田作物对肥料中磷元素需求的粪肥质量，RC为单位质量粪肥施用费，NC为纯氮价格，PC为纯磷价格，N为满足单位栅格农田作物对氮元素的需求量，β为施肥占比，P为满足单位栅格农田作物对磷元素的需求量，RN为单位质量粪肥的含氮量，AC为单位栅格农田的化肥施用费，D为单位公里单位质量粪肥的运输成本，d为运输距离；
在所述使用粪肥的总费用与所述仅使用化肥的总费用相同时，根据所述使用粪肥的总费用推算经济允许的最远距离；其中，种植业需求点到养殖业供给点的运输距离为最大搜索半径，即所述经济允许的最远距离；
将所述种植业需求点作为起点、所述养殖业供给点作为终点以及所述经济允许的最远距离作为阻断参数，进行OD成本矩阵分析；
根据所述OD成本矩阵分析结果测算种养均衡度；其中，所述种养均衡度用于表征种养空间的优化程度；
所述根据所述OD成本矩阵分析结果测算种养均衡度的过程，包括步骤：
计算高斯距离衰减值G(dki)，如下式：
其中，dki表示从所述养殖业供给点k到所述种植业需求点i的OD成本，d0为所述阻断参数；
基于各所述养殖业供给点k，搜索阻断参数d0内的各种植业需求点i，并计算供需比Rk：
其中，Sk为所述养殖业供给点k的粪肥养分的供给能力，N′i为种植业需求点i对粪肥的养分需求，dki表示从所述养殖业供给点k到其搜索阻断参数d0内的各种植业需求点i的OD成本；
基于各所述种植业需求点i，搜索阻断参数d0内的各养殖业供给点k，根据所述供需比Rk加和形成种植业需求点i的种养均衡度ASMEi，如下式：
其中，将出栏量与存栏量加和，并乘以日排泄系数与饲养周期，获得养殖业供给点k的粪肥养分的供给能力Sk；
其中，种植业需求点i对粪肥的养分需求N′i的获取过程，如下式：
N′i＝(Ni*β*λ)/ω
其中，N′i为种植业需求点i对粪肥的养分需求；Ni为种植业需求点i的作物养分需求量，β为施肥占比；λ为粪肥占施肥比例；ω为粪肥养分当季利用率。
2.根据权利要求1所述的种养空间优化方法，其特征在于，所述养殖业供给点k的粪肥养分的供给能力Sk的获取过程，如下式：
Sk＝(μ*Q*T)/1000
其中，Sk为粪肥养分的供给能力，Q为所述养殖业供给点k的畜禽饲养量，T为所述养殖业供给点k的饲养时间，μ为所述养殖业供给点k的排泄系数。
3.一种种养空间优化装置，其特征在于，包括：
位置确定模块，用于获取种植业分布数据和养殖业分布数据，以生成养殖业供给点和种植业需求点；其中，在要素数据集中导入道路数据，在此基础上通过设置连接性、道路时间建立所述道路网络数据集；
网络构建模块，用于构建与所述养殖业供给点和所述种植业需求点相关的道路网络数据集；
距离搜索模块，用于基于所述道路网络数据集，计算经济允许的最远距离；所述基于所述道路网络数据集，计算经济允许的最远距离的过程，包括步骤：
基于所述道路网络数据集，通过高斯两步移动搜索法，确定最大搜索半径，作为所述经济允许的最远距离；
所述基于所述道路网络数据集，通过高斯两步移动搜索法，确定最大搜索半径，作为所述经济允许的最远距离的过程，包括步骤：
测算所述种植业需求点的养分需求量；
根据所述养分需求量计算使用粪肥的总费用与仅使用化肥的总费用；
根据所述养分需求量计算使用粪肥的总费用和仅使用化肥的总费用的过程，如下式：
FC＝MC+DC
MC＝M*RC+NC(N*β-M*RN)+AC
DC＝D*d*M
HC＝N*β*NC+P*β*PC+AC
其中，FC为使用粪肥的总费用，HC为仅使用化肥的总费用，MC包括粪肥施用费与补充化肥的购买费及化肥施用费，DC为粪肥运输费，M为满足单位栅格农田作物对肥料中磷元素需求的粪肥质量，RC为单位质量粪肥施用费，NC为纯氮价格，PC为纯磷价格，N为满足单位栅格农田作物对氮元素的需求量，β为施肥占比，P为满足单位栅格农田作物对磷元素的需求量，RN为单位质量粪肥的含氮量，AC为单位栅格农田的化肥施用费，D为单位公里单位质量粪肥的运输成本，d为运输距离；
在所述使用粪肥的总费用与所述仅使用化肥的总费用相同时，根据所述使用粪肥的总费用推算经济允许的最远距离；其中，种植业需求点到养殖业供给点的运输距离为最大搜索半径，即所述经济允许的最远距离；
矩阵分析模块，用于将所述种植业需求点作为起点、所述养殖业供给点作为终点以及所述经济允许的最远距离作为阻断参数，进行OD成本矩阵分析；
均衡度计算模块，用于根据所述OD成本矩阵分析结果测算种养均衡度；其中，所述种养均衡度用于表征种养空间的优化程度；
所述根据所述OD成本矩阵分析结果测算种养均衡度的过程，包括步骤：
计算高斯距离衰减值G(dki)，如下式：
其中，dki表示从所述养殖业供给点k到所述种植业需求点i的OD成本，d0为所述阻断参数；
基于各所述养殖业供给点k，搜索阻断参数d0内的各种植业需求点i，并计算供需比Rk：
其中，Sk为所述养殖业供给点k的粪肥养分的供给能力，N′i为种植业需求点i对粪肥的养分需求，dki表示从所述养殖业供给点k到其搜索阻断参数d0内的各种植业需求点i的OD成本；
基于各所述种植业需求点i，搜索阻断参数d0内的各养殖业供给点k，根据所述供需比Rk加和形成种植业需求点i的种养均衡度ASMEi，如下式：
其中，将出栏量与存栏量加和，并乘以日排泄系数与饲养周期，获得养殖业供给点k的粪肥养分的供给能力Sk；
其中，种植业需求点i对粪肥的养分需求N′i的获取过程，如下式：
N′i＝(Ni*β*λ)/ω
其中，N′i为种植业需求点i对粪肥的养分需求；Ni为种植业需求点i的作物养分需求量，β为施肥占比；λ为粪肥占施肥比例；ω为粪肥养分当季利用率。
4.一种计算机存储介质，其上存储有计算机指令，其特征在于，所述计算机指令被处理器执行时实现如权利要求1或2所述的种养空间优化方法。
5.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行程序时实现如权利要求1或2所述的种养空间优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111405055.7A CN114091761B (zh) | 2021-11-24 | 2021-11-24 | 种养空间优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111405055.7A CN114091761B (zh) | 2021-11-24 | 2021-11-24 | 种养空间优化方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114091761A CN114091761A (zh) | 2022-02-25 |
| CN114091761B true CN114091761B (zh) | 2022-08-12 |
Family
ID=80304005
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111405055.7A Active CN114091761B (zh) | 2021-11-24 | 2021-11-24 | 种养空间优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114091761B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107759254A (zh) * | 2017-10-12 | 2018-03-06 | 汪深 | 一种基于种养结合的畜禽养殖场污染生态治理系统及方法 |
| CN110326579A (zh) * | 2018-03-25 | 2019-10-15 | 沈阳乡遇时光农业发展有限公司 | 适于北方地区的双面连体温室鱼菜种养系统及种养方法 |
| CN110780680A (zh) * | 2019-11-07 | 2020-02-11 | 南京邮电大学 | 一种基于无人机的高速公路绿化带养护系统和调度方法 |
| CN112462030A (zh) * | 2020-09-30 | 2021-03-09 | 新疆农垦科学院 | 一种畜禽粪污土地承载力测算方法及装置 |
| CN112488504A (zh) * | 2020-11-30 | 2021-03-12 | 广州市城市规划勘测设计研究院 | 一种自然资源的生态保护和修复方法、装置、设备及介质 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101310591A (zh) * | 2008-04-23 | 2008-11-26 | 孙以川 | 按照物质和能量循环设计的现代系统农业生产体系 |
| WO2016024575A1 (ja) * | 2014-08-12 | 2016-02-18 | 株式会社アイスティサイエンス | アミノ酸、有機酸及び糖質の分析前処理装置及び分析前処理方法 |
| AU2019389003A1 (en) * | 2018-11-27 | 2021-05-20 | Locus Agriculture Ip Company, Llc | Yeast-based compositions for enhancing rhizosphere properties and plant health |
| CN111557159B (zh) * | 2020-05-20 | 2021-08-24 | 安徽农业大学 | 一种带有农作物养分需求分析功能的水肥一体机控制系统及其控制方法 |
| CN113361899A (zh) * | 2021-06-01 | 2021-09-07 | 中煤航测遥感集团有限公司 | 农田规划处理方法、装置、电子设备及可读存储介质 |
-
2021
- 2021-11-24 CN CN202111405055.7A patent/CN114091761B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107759254A (zh) * | 2017-10-12 | 2018-03-06 | 汪深 | 一种基于种养结合的畜禽养殖场污染生态治理系统及方法 |
| CN110326579A (zh) * | 2018-03-25 | 2019-10-15 | 沈阳乡遇时光农业发展有限公司 | 适于北方地区的双面连体温室鱼菜种养系统及种养方法 |
| CN110780680A (zh) * | 2019-11-07 | 2020-02-11 | 南京邮电大学 | 一种基于无人机的高速公路绿化带养护系统和调度方法 |
| CN112462030A (zh) * | 2020-09-30 | 2021-03-09 | 新疆农垦科学院 | 一种畜禽粪污土地承载力测算方法及装置 |
| CN112488504A (zh) * | 2020-11-30 | 2021-03-12 | 广州市城市规划勘测设计研究院 | 一种自然资源的生态保护和修复方法、装置、设备及介质 |
Non-Patent Citations (6)
| Title |
|---|
| Factor Modeling of the Interaction of Agricultural Enterprises and Enterprises Producing Green Energy to Optimize the Biomass Supply Chain;Vasyl Brych;《2021 11th International Conference on Advanced Computer Information Technologies (ACIT)》;20211001;第113-120页，全文 * |
| Ground-Level Mapping and Navigating for Agriculture Based on IoT and Computer Vision;Wei Zhao等;《IEEE Access 》;20201209;第8卷;第221975-221985页，全文 * |
| Optimizing yield distribution under biological and economic constraints: Florida strawberries as a model for perishable commodities;Wu Feng等;《AGRICULTURAL SYSTEMS》;20151216;第141卷;第424-427页，全文 * |
| 中国生猪养殖场户种养一体化系统综合效益评价及优化研究;王淑彬;《中国优秀博硕士学位论文全文数据库(硕士)农业科技辑》;20210915(第9期);第D050-7页，全文 * |
| 省域畜养产污影响因素分析指标体系构建研究——以河南省为例;杨红新等;《天津农业科学》;20190831;第25卷(第8期);第56-61页，全文 * |
| 种养结合理念下乡村农用地空间优化方法研究——以上海市浦东新区为例;耿慧志等;《城市建筑》;20190811;第16卷(第327期);第97-97页，全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114091761A (zh) | 2022-02-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11726452B2 (en) | System and method for aggregating test plot results based on agronomic environments | |
| Sileshi et al. | Nutrient use efficiency and crop yield response to the combined application of cattle manure and inorganic fertilizer in sub-Saharan Africa | |
| Hedley | The role of precision agriculture for improved nutrient management on farms | |
| Ruelle et al. | Development of the Moorepark St Gilles grass growth model (MoSt GG model): A predictive model for grass growth for pasture based systems | |
| Tittonell et al. | Yield gaps, nutrient use efficiencies and response to fertilisers by maize across heterogeneous smallholder farms of western Kenya | |
| Glendinning | Australian soil fertility manual. | |
| Jayet et al. | Evaluating the efficiency of a uniform N-input tax under different policy scenarios at different scales | |
| Batte | Factors influencing the profitability of precision farming systems | |
| CN115423643A (zh) | 水肥计算方法、装置、电子设备和存储介质 | |
| Snow et al. | Increasing the spatial scale of process-based agricultural systems models by representing heterogeneity: The case of urine patches in grazed pastures | |
| Shchutskaya et al. | Digital farming development in Russia: Regional aspect | |
| Medel-Jiménez et al. | Modelling soil emissions and precision agriculture in fertilization life cycle assessment-A case study of wheat production in Austria | |
| Korotchenya | Digital agriculture and agricultural production efficiency: exploring prospects for Russia | |
| Giltrap et al. | Modelling NH 3 volatilisation within a urine patch using NZ-DNDC | |
| Ahmad et al. | Components of precision agriculture | |
| CN112462030B (zh) | 一种畜禽粪污土地承载力测算方法及装置 | |
| CN114091761B (zh) | 种养空间优化方法及装置 | |
| Rogers et al. | Flat earth economics and site-specific crop management: how flat is flat? | |
| Matvienko et al. | Applying of smart, robotic systems and big data processing in agro-industrial complex | |
| Meena et al. | Fertilizer recommendations by using different geospatial technologies in precision farming or nanotechnology | |
| Kröbel et al. | A proposed approach to estimate and reduce the environmental impact from whole farms | |
| Ahmad et al. | Site-Specific Nutrient Management | |
| Karthika | Role of precision agriculture in soil fertility and its application to farmers | |
| Njoroge Kinyanjui | Feed the crop, not the soil! Explaining variability in maize yield responses to nutrient applications in smallholder farms of western Kenya | |
| Gostev et al. | Selection of Adaptive Agricultural Technologies in Digital Agriculture |
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 |