买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉国家卫星气象中心(国家空间天气监测预警中心)申请的专利一种基于多源卫星遥感数据的叶绿素a浓度数据重构方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115984713B 。

龙图腾网通过国家知识产权局官网在2025-06-24发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310046610.4，技术领域涉及：G06V20/13；该发明授权一种基于多源卫星遥感数据的叶绿素a浓度数据重构方法是由宋晚郊;韩秀珍;孙凌设计研发完成，并于2023-01-31向国家知识产权局提交的专利申请。

本一种基于多源卫星遥感数据的叶绿素a浓度数据重构方法在说明书摘要公布了：本申请提供了一种基于多源卫星遥感数据的叶绿素a浓度数据重构方法，包括步骤：对遥感监测的相应空间和时态的原始图像数据进行预处理，识别并标记缺值像元和非缺值像元，进行异常值检验以识别标记异常像元；采用滤波算法，对原始图像中异常像元的数据进行替换；对预处理的原始图像数据用数据经验正交函数分解方法进行重构处理；对重构图像的数据进行异常值检验以识别标记异常像元，采用滤波算法对重构图像中异常像元的数据进行替换；对重构图像数据进行再处理，以获得空间和时态完整的叶绿素a浓度数据。该方法可将叶绿素a浓度的卫星遥感观测值进行数据补缺、重构，实现对全球叶绿素a浓度在时间和空间域上连续覆盖监测。

本发明授权一种基于多源卫星遥感数据的叶绿素a浓度数据重构方法在权利要求书中公布了：1.一种基于多源卫星遥感数据的叶绿素a浓度数据重构方法，其特征在于，包括步骤： S1、对遥感监测的相应空间和时态的原始图像数据进行预处理，识别并标记缺值像元和非缺值像元，进行异常值检验以识别标记异常像元； S2、采用滤波算法，对原始图像中异常像元的数据进行替换； S3、对预处理的原始图像数据用数据经验正交函数分解方法进行重构处理； S4、对重构图像数据进行异常值检验以识别标记异常像元，采用滤波算法对重构图像中异常像元的数据进行替换； S5、对重构图像数据进行再处理，以获得空间和时态完整的叶绿素a浓度数据； 其中，所述步骤S2中采用中值滤波算法，包括步骤： T1、对异常像元设定数据参考范围； T2、计算参考范围内非缺值像元的中位数Pm、非缺值像元的标准差Pn、非缺值像元的权重wm、缺值像元的权重wn； T3、以Pf对该异常像元进行替换，其中： Pf＝wnPn+wmPm；wn+wm＝1； 其中，所述S3中数据经验正交函数分解方法包括步骤： E1、对预处理的相应空间和时态的原始图像构成的m行、n列数据矩阵X0中的有效数据计算均值得到矩阵在X中选取有效原始值构成原始交叉验证点集Xc-v； E2、对X中缺值像元所对应的数据位置、以及X中被挑选为原始交叉验证点集Xc-v的数据位置标记为缺失点NaN； E3、对X中标记为缺失点NaN的数据位置赋值为0，以使其初始值为无偏估计值，令特征模态参数P初值为1； E4、根据该特征模态参数P值，对矩阵X进行奇异值分解：X＝USVT，其中U为空间特征模态，S为奇异值矩阵，V为时间特征模态； E5、计算缺失点的重构值其中i，j分别为缺失点位于矩阵X的行、列位置，uti为空间特征模态U的第t列中第i个元素，vtj为时间特征模态V的第t列中第j个元素，ρt为相对应的奇异值； E6、对原始交叉验证点集Xc-v中原始值与其对应重构值进行精度评价； E7、重复步骤E4-E6，分别对特征模态参数P＝2，3，…，kmax时原始交叉验证点集Xc-v中原始值与其对应重构值进行精度评价，并获取精度评价最高时对应的特征模态参数其中kmax为最大迭代次数，kmax≤minm，n； E8、计算特征模态参数时矩阵X中缺失点的重构值以替换矩阵X中缺失点对应位置的数据，并对X中被挑选为原始交叉验证点集Xc-v的数据用原始值还原，从而得到矩阵X1，计算得到原始图像数据矩阵X0的重构值

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人国家卫星气象中心(国家空间天气监测预警中心)，其通讯地址为：100081 北京市海淀区中关村南大街；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。