CN105954821B - 一种用于数值大气模式的典型降雨事件选取方法 - Google Patents
一种用于数值大气模式的典型降雨事件选取方法 Download PDFInfo
- Publication number
- CN105954821B CN105954821B CN201610248862.5A CN201610248862A CN105954821B CN 105954821 B CN105954821 B CN 105954821B CN 201610248862 A CN201610248862 A CN 201610248862A CN 105954821 B CN105954821 B CN 105954821B
- Authority
- CN
- China
- Prior art keywords
- mrow
- rainfall
- msub
- numerical value
- atmospheric model
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种用于数值大气模式的典型降雨事件选取方法。该方法包括：基于次降雨量的典型降雨事件分类方法；降雨时间不均匀性的计算方法；降雨空间不均匀性的计算方法；基于降雨时空不均匀系数的典型降雨事件选取方法。本发明从雨量及其时空分布角度出发，为数值大气模式的选取和调整提供了一种标准化的典型降雨事件的选取方法，定量描述了降雨类型，衡量了在某一研究区内，数值大气模式对不同类型降雨的模拟精度，不仅可以为该模式在研究区内的模式设置提供依据，而且可以说明该模式更适合那种降雨类型，同时为模式的选取提供依据，为气象、水利等有关部门针对不同的降雨类型提供合理的数值大气模式模拟方案，具有普遍适用性。
Description
技术领域
本发明涉及数值降雨预报技术领域，具体涉及一种用于数值大气模式的典型降雨事件选取方法
背景技术
降雨的模拟与预报不仅为人们的生活提供便利，而且有助于人们采取措施减小或避免因降雨引发的自然灾害可能造成的损失。自从数值大气模式出现以来，定量降雨模拟与预报成为现实，不断发展的计算机技术，更为数值大气模式的更新与改进提供了强有力的技术支撑。但由于降雨的形成过程与发生受大尺度大气环流、洋流、海陆位置、地形、下垫面及人类活动等多方面的影响，因此降雨的时空分布存在诸多不确定性，其预报难度也较其他气象要素大。
对于某一数值大气模式来讲，如WRF模式，在其对降雨进行模拟或预报前，需要对该模式的初始场、物理参数化方案、分辨率等进行设置，而对于不同地区的时空分布与累计降雨量都不同的降雨场次，不同的设置方案获得的模拟或预测结果有一定差别，有些设置方案的模拟与预报结果更加接近实测值，而其他方案的模拟与预报结果较差。但目前对于某种数值大气模式，并未形成一套典型降雨事件选取的方法，来判断其设置方案是否适合该研究区某种类型降雨的模拟与预报。一定程度，数值大气模式的设置具有很大的盲目性。
发明内容
本发明设计了一种用于数值大气模式的典型降雨事件选取方法，综合考量了降雨的时间不均匀性、空间不均匀性和次降雨量，其解决的技术问题是如何选取典型降雨事件来探究某一数值大气模式对研究区的降雨模拟与预报方案，从而为该模式对某种类型降雨的模拟与预报提供最佳的设置方案。
为了解决上述存在的技术问题，本发明采用了以下方案：
一种用于数值大气模式的典型降雨事件选取方法，包括以下几个步骤：
步骤1、数值大气模式的选取与驱动数据的选取；
步骤2、基于次降雨量的典型降雨事件分类；
步骤3、基于次降雨时空不均匀性的典型降雨事件选取；
步骤4、数值大气模式的物理参数化方案以及网格嵌套方案的设置与模拟。
目前常用驱动数据来源有两种，一种是美国国家环境预报中心(NCEP)的产品，包括FNL和GFS数据；另一种是欧洲中期天气预报中心(ECMWF)的产品，包括ERA40和ECMWFforcast数据。其中FNL和ERA40用于历史降雨事件的模拟，而GFS和ECMWF forcast用于未来降雨事件的预报。驱动数据为数值大气模式提供模式模拟与预报的初始条件，不同的数据对最终模拟或预报结果有一定影响。因此步骤1中驱动数据的选取较为重要。
不同数值大气模式有不同的物理参数化方案。以目前最先进的WRF模式为例，其包含的主要物理过程有微物理过程、积云对流参数化过程、陆面过程、边界层等。其中，微物理过程主要是指云粒子的形成、增长以及形成降水的微观物理过程，伴随着水的相变及其能量的变化过程；积云对流过程伴随着云团生成、发展、旺盛以及由于温度不同时形成的对流，与降水过程的联系非常密切；陆面过程直接影响地表水热通量，并影响低层大气环流和水汽辐合量的模拟；边界层的布局影响低层大气要素，而且通过垂直输送也可对高层大气产生影响。每一种物理过程又含有多种物理参数化方案，这些参数化方案都是对具体物理过程的数学描述，具体见下表：
不同物理参数化方案的组合对模拟结果会产生较大影响，直接影响降雨模拟和预报的准确性，因此步骤4中设置物理参数化方案对于是数值大气模式非常关键。
网格嵌套方案是指数值大气模式的降尺度方案，由于NCEP或者ECMWF的产品是使用全球模式的运行获得的，空间分辨率较低，一般为0.5°×0.5°或1°×1°，不能直接用于中小尺度数值大气模拟与预报。而实际的数值天气模拟与预报中，最里层的网格尺寸应小于10km×10km，可使数值大气模式的模拟与预报更加精细，能较准确的描述局部天气情况。数值大气模式常用三层嵌套网格进行降尺度，即最外层网格最粗，中间层网格次之，最里层的网格最细，如三层网格的尺寸分别为45km、15km、5km或者10km、3km、1km等的嵌套方案。不同的网格嵌套方案对数值大气模式的模拟与预报结果影响较大。因此步骤4中设置网格嵌套方案对于数值大气模式也非常关键。
进一步，步骤2次降雨量共划分为以下6个等级：
| 等级编号 | 1 | 2 | 3 | 4 | 5 | 6 |
| 次降雨量(mm) | 0.1～10 | 10～25 | 25～50 | 50～100 | 100～200 | ＞200 |
进一步，步骤3提出了一种衡量次降雨时空不均匀性的综合指标e。
进一步，步骤3中的次降雨时空不均匀性综合指标是由基于降雨距平法的降雨时间不均匀系数ep和基于偏差估计的降雨空间不均匀系数es共同决定；
在次降雨量分类的基础上，对每一种等级的次降雨量依据降雨时空分布不均匀性系数e再进行进一步选取，该系数由降雨时间不均匀系数ep与空间不均匀系数es计算得到；其中，第j个雨量站的降雨时间不均匀系数epj采用降雨距平法表示：
式中：Pij为第j个雨量站第i个小时的降雨量，单位为mm；n为降雨小时数；为第j个雨量站n个小时内的小时平均雨量；
es用降雨偏差系数表示：
式中：Kj＝Pj/P，Pj为第j个雨量站的次降雨量，单位为mm，P为研究区的面雨量，单位为mm；m为雨量站个数；
进一步，步骤3中的次降雨时空不均匀性综合指标e分为以下6个等级：
| e | ＜0.1 | 0.1～0.3 | 0.3～0.5 | 0.5～0.7 | 0.7～0.9 | ＞0.9 |
| 等级 | 极不均匀 | 很不均匀 | 不均匀 | 均匀 | 很均匀 | 极均匀 |
进一步，步骤3中的典型降雨事件类型共划分为以下36种：
进一步，步骤4依照上述步骤3中确定的典型降雨事件类型，每种类型选取2～3场降雨，利用数值大气模式分别进行模拟，针对每一种降雨类型提出适宜的模拟或预报方法，不仅为该模式在研究区内的模式设置提供依据，而且说明该模式更适合那种降雨类型，同时为模式的选取提供依据。
该用于数值大气模式的典型降雨事件选取方法具有以下有益效果：
(1)本发明从雨量及其时空分布角度出发，为数值大气模式的选取和设置提供了一种标准化的典型降雨事件的选取方法，定量描述了降雨类型，衡量了在某一研究区内，数值大气模式对不同类型降雨的模拟精度，不仅可以为该模式在研究区内的模式设置提供依据，而且可以说明该模式更适合那种降雨类型，同时为模式的选取提供依据，为气象、水利等有关部门针对不同的降雨类型提供合理的数值大气模式模拟方案，具有普遍适用性。
(2)本发明提出了一种评价降雨时空分布不均的综合性指标，并对不均匀程度进行分级，基于该指标将降雨类型分为36种，为数值大气模式对不同降雨类型的适用性评判提供了新方法，为数值大气模式的选取与设置提供了依据。
具体实施方式
下面结合实施例，对本发明做进一步说明：
本发明所采用的技术方案是基于次降雨量和降雨时空分布不均匀性提出的一种用于数值大气模式的典型降雨事件选取方法，按照以下步骤实施：
(1)数值大气模式的选取与设置：选取一种国内外公认的对降雨模拟与预报效果均较好的数值大气模式，如WRF，并对该模式的初始场、物理参数化方案、分辨率等进行设置。
(2)基于次降雨量的典型降雨事件分类：从历史降雨场次中，分类选取6组不同等级的次降雨量，如表1所示。
表1次降雨量等级表
| 等级编号 | 1 | 2 | 3 | 4 | 5 | 6 |
| 次降雨量(mm) | 0.1～10 | 10～25 | 25～50 | 50～100 | 100～200 | ＞200 |
(3)基于降雨时空不均匀性的典型降雨事件选取：在(2)的基础上，对每一种等级的次降雨量依据降雨时空分布不均匀性系数e再进行进一步选取，该系数由降雨时间不均匀系数ep与空间不均匀系数es计算得到。其中，第j个雨量站的降雨时间不均匀系数epj采用降雨距平法表示：
式中：Pij为第j个雨量站第i个小时的降雨量，单位为mm；n为降雨小时数；为第j个雨量站n个小时内的小时平均雨量；
es用降雨偏差系数表示：
式中：Kj＝Pj/P，Pj为第j个雨量站的次降雨量，单位为mm，P为研究区的面雨量，单位为mm；m为雨量站个数；
对e进行分级，表示降雨的不均匀程度，见表2。
表2e分级表
| e | ＜0.1 | 0.1～0.3 | 0.3～0.5 | 0.5～0.7 | 0.7～0.9 | ＞0.9 |
| 等级 | 极不均匀 | 很不均匀 | 不均匀 | 均匀 | 很均匀 | 极均匀 |
因此，典型降雨事件可分为36种，具体如表3所示。
表3典型降雨事件类型
| 典型降雨事件类型 | 降雨等级编号 | e值 | 典型降雨事件类型 | 降雨等级编号 | e值 |
| 1 | 1 | ＜0.1 | 19 | 4 | ＜0.1 |
| 2 | 1 | 0.1～0.3 | 20 | 4 | 0.1～0.3 |
| 3 | 1 | 0.3～0.5 | 21 | 4 | 0.3～0.5 |
| 4 | 1 | 0.5～0.7 | 22 | 4 | 0.5～0.7 |
| 5 | 1 | 0.7～0.9 | 23 | 4 | 0.7～0.9 |
| 6 | 1 | ＞0.9 | 24 | 4 | ＞0.9 |
| 7 | 2 | ＜0.1 | 25 | 5 | ＜0.1 |
| 8 | 2 | 0.1～0.3 | 26 | 5 | 0.1～0.3 |
| 9 | 2 | 0.3～0.5 | 27 | 5 | 0.3～0.5 |
| 10 | 2 | 0.5～0.7 | 28 | 5 | 0.5～0.7 |
| 11 | 2 | 0.7～0.9 | 29 | 5 | 0.7～0.9 |
| 12 | 2 | ＞0.9 | 30 | 5 | ＞0.9 |
| 13 | 3 | ＜0.1 | 31 | 6 | ＜0.1 |
| 14 | 3 | 0.1～0.3 | 32 | 6 | 0.1～0.3 |
| 15 | 3 | 0.3～0.5 | 33 | 6 | 0.3～0.5 |
| 16 | 3 | 0.5～0.7 | 34 | 6 | 0.5～0.7 |
| 17 | 3 | 0.7～0.9 | 35 | 6 | 0.7～0.9 |
| 18 | 3 | ＞0.9 | 36 | 6 | ＞0.9 |
(4)数值大气模式的设置与模拟：依照上述典型降雨事件类型，每种类型选取2-3场降雨，利用数值大气模式分别进行模拟，针对每一种降雨类型提出适宜的模拟或预报方法，不仅可以为该模式在研究区内的模式设置提供依据，而且可以说明该模式更适合那种降雨类型，同时为模式的选取提供依据。
上面结合实施例对本发明进行了示例性的描述，显然本发明的实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种改进，或未经改进将本发明的构思和技术方案直接应用于其它场合的，均在本发明的保护范围内。
Claims (4)
1.一种用于数值大气模式的典型降雨事件选取方法，包括以下几个步骤：
步骤1、数值大气模式的选取与驱动数据的选取；
步骤2、基于次降雨量的典型降雨事件分类；
步骤3、基于次降雨时空不均匀性的典型降雨事件选取；
步骤3提出了一种衡量次降雨时空不均匀性的综合指标eo；步骤3中的次降雨时空不均匀性综合指标eo是由基于降雨距平法的降雨时间不均匀系数ep和基于偏差估计的降雨空间不均匀系数es共同决定；
在次降雨量分类的基础上，对每一种等级的次降雨量依据降雨时空分布不均匀性系数e再进行进一步选取，该系数由降雨时间不均匀系数ep与空间不均匀系数es计算得到；其中，第j个雨量站的降雨时间不均匀系数epj采用降雨距平法表示：
<mrow>
<msub>
<mi>e</mi>
<mrow>
<mi>p</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<mo>|</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>P</mi>
<mi>j</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>|</mo>
</mrow>
<mrow>
<mi>n</mi>
<mover>
<msub>
<mi>P</mi>
<mi>j</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
式中：Pij为第j个雨量站第i个小时的降雨量，单位为mm；n为降雨小时数；为第j个雨量站n个小时内的小时平均雨量；
<mrow>
<mover>
<msub>
<mi>P</mi>
<mi>j</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
es用降雨偏差系数表示:
<mrow>
<msub>
<mi>e</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mo>|</mo>
<msub>
<mi>K</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<mn>1</mn>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
式中：Kj＝Pj/P，Pj为第j个雨量站的次降雨量，单位为mm，P为研究区的面雨量，单位为mm；m为雨量站个数；
<mrow>
<mi>e</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>e</mi>
<mrow>
<mi>p</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>|</mo>
<mfrac>
<msub>
<mi>P</mi>
<mi>j</mi>
</msub>
<mi>P</mi>
</mfrac>
<mo>-</mo>
<mn>1</mn>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
步骤4、数值大气模式的物理参数化方案以及网格嵌套方案的设置与模拟。
2.根据权利要求1所述用于数值大气模式的典型降雨事件选取方法，其特征在于：步骤2次降雨量共划分为以下6个等级：
3.根据权利要求1或2所述用于数值大气模式的典型降雨事件选取方法，其特征在于：步骤3中的次降雨时空不均匀性综合指标e分为以下6个等级：
4.根据权利要求3所述用于数值大气模式的典型降雨事件选取方法，其特征在于：步骤3中的典型降雨事件类型共划分为以下36种：
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610248862.5A CN105954821B (zh) | 2016-04-20 | 2016-04-20 | 一种用于数值大气模式的典型降雨事件选取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610248862.5A CN105954821B (zh) | 2016-04-20 | 2016-04-20 | 一种用于数值大气模式的典型降雨事件选取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105954821A CN105954821A (zh) | 2016-09-21 |
| CN105954821B true CN105954821B (zh) | 2017-08-25 |
Family
ID=56917939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610248862.5A Active CN105954821B (zh) | 2016-04-20 | 2016-04-20 | 一种用于数值大气模式的典型降雨事件选取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105954821B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108009596B (zh) * | 2017-12-26 | 2020-04-14 | 中国水利水电科学研究院 | 确定降雨特征的方法和装置 |
| CN109241212B (zh) * | 2018-07-25 | 2020-08-11 | 中国水利水电科学研究院 | 基于中尺度数值大气模式与高分辨率历史降雨反演方法 |
| CN110619433B (zh) * | 2019-09-17 | 2023-07-21 | 国网湖南省电力有限公司 | 电网暴雨数值模式参数化方案的快速选择方法及系统 |
| CN110930282B (zh) * | 2019-12-06 | 2020-10-09 | 中国水利水电科学研究院 | 一种基于机器学习的局地降雨雨型分析方法 |
| CN111414723B (zh) * | 2020-04-29 | 2021-06-25 | 中国水利水电科学研究院 | 一种利用wrf模式分析面雨量误差的方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2722693B1 (en) * | 2012-10-18 | 2019-04-03 | BlackBerry Limited | Generating an atmospheric model using one or more pressure-sensing mobile devices |
| US10502866B2 (en) * | 2014-01-22 | 2019-12-10 | The Boeing Company | Systems and methods for simulating time phased solar irradiance plots |
| CN204479775U (zh) * | 2015-01-09 | 2015-07-15 | 芜湖航飞科技股份有限公司 | 一种新型云观探测系统 |
| CN105068151B (zh) * | 2015-07-31 | 2017-07-11 | 中国科学技术大学 | 一种雨团识别及其特征参数的构建方法和装置 |
| CN105242330B (zh) * | 2015-10-15 | 2017-10-20 | 广东欧珀移动通信有限公司 | 一种天气状况的检测方法、装置及移动终端 |
-
2016
- 2016-04-20 CN CN201610248862.5A patent/CN105954821B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN105954821A (zh) | 2016-09-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105954821B (zh) | 一种用于数值大气模式的典型降雨事件选取方法 | |
| CN112070286B (zh) | 复杂地形流域的降水预报预警系统 | |
| CN105808948B (zh) | 一种自动修正的多模式数值降雨集合预报方法 | |
| CN109993223A (zh) | 路面使用性能预测方法、存储介质、电子设备 | |
| CN108536908B (zh) | 基于非点源氮磷流失风险对流域水环境安全评估的方法 | |
| CN106598917A (zh) | 一种基于深度信念网络的上层海洋热结构预测方法 | |
| CN106355334A (zh) | 农田建设区域判定方法 | |
| CN108983320A (zh) | 一种沿海台风极值风速的数值天气预报-人工智能耦合预测方法 | |
| CN105699624A (zh) | 一种基于土壤发生层厚度预测的土壤有机碳储量估算方法 | |
| CN106021751A (zh) | 基于ca和sar的海岸带土地利用变化模拟方法 | |
| CN105243435A (zh) | 一种基于深度学习元胞自动机模型的土壤含水量预测方法 | |
| CN107463730A (zh) | 一种考虑土地利用时空演变的径流变化归因识别方法 | |
| CN103279671A (zh) | 基于rbf神经网络-云模型的城市水灾害风险预测方法 | |
| CN102360458A (zh) | 一种移民安置区选择模糊评价方法 | |
| CN109214581A (zh) | 一种考虑风向和置信区间的铁路沿线风速预测方法 | |
| CN111665575A (zh) | 一种基于统计动力的中长期降雨分级耦合预报方法及系统 | |
| CN114254802B (zh) | 气候变化驱动下植被覆盖时空变化的预测方法 | |
| CN107153737A (zh) | 基于力学‑经验法的路面最佳轴载周期确定方法 | |
| CN109002627A (zh) | 基于灰色神经网络ca模型的城市规划方案热岛模拟预测方法 | |
| CN114492233B (zh) | 一种基于webGIS平台及考虑综合利用要求的流域水模拟方法 | |
| CN109933901B (zh) | 一种生态系统服务价值最优化的mcr城市扩张模拟方法 | |
| CN103983760B (zh) | 基于最小二乘支持向量机的混凝土搅拌性能预测方法 | |
| CN116050163A (zh) | 一种基于气象站的生态系统碳水通量计算方法及系统 | |
| CN102236746B (zh) | 无测风记录区风资源模拟推算方法 | |
| CN110543660B (zh) | 一种低冲击开发模拟方法、系统及相关装置 |
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 |