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！

龙图腾网获悉中国海洋大学申请的专利基于卫星遥感与无人机的海洋污染溯源与监测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：CN119313532B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202411879313.9，技术领域涉及：G06Q50/26；该发明授权基于卫星遥感与无人机的海洋污染溯源与监测方法是由王晋军;刘同庆;陈西广设计研发完成，并于2024-12-19向国家知识产权局提交的专利申请。

本基于卫星遥感与无人机的海洋污染溯源与监测方法在说明书摘要公布了：本申请提供的基于卫星遥感与无人机的海洋污染溯源与监测方法，涉及海洋污染溯源监测技术领域，包括：基于多模态数据融合后的范围污染数据、精准污染数据和深水数据配置污染扩散路径预测模型和配置数据驱动模型，得出污染预测结果和污染误差数据，基于污染预测结果和污染误差数据进行混合驱动融合，并进行追踪污染物的初始来源，得出污染源溯源数据。通过对多模态数据的预处理与融合，结合范围污染数据、精准污染数据和深水数据，动态调整污染扩散路径预测模型及数据驱动模型，从而生成更精确的污染预测结果与污染误差数据，同时，通过逆向扩散模拟和污染溯源分析，提升污染源定位与决策支持的高效性，为应对海洋污染事件提供了精准和决策依据。

本发明授权基于卫星遥感与无人机的海洋污染溯源与监测方法在权利要求书中公布了：1.基于卫星遥感与无人机的海洋污染溯源与监测方法，其特征在于，包括如下步骤： S100、获取范围污染数据、精准污染数据和深水数据； S200、基于所得范围污染数据、精准污染数据和深水数据进行预处理和多模态数据融合； S300、基于多模态数据融合后的范围污染数据、精准污染数据和深水数据配置污染扩散路径预测模型和配置数据驱动模型，得出污染预测结果和污染误差数据，基于污染预测结果和污染误差数据进行混合驱动融合，并进行追踪污染物的初始来源，得出污染源溯源数据； S400、基于所得污染源溯源数据和混合驱动融合后的污染预测结果和污染误差数据生成三维体数据，并通过时间序列处理，得出三维可视模型，基于所得污染源溯源数据，通过三维可视模型进行标注污染源位置； S500、基于混合驱动融合后的污染预测结果和污染误差数据进行预设分类阈值和风险指数计算，得出风险指数数据和潜在影响区域数据，基于所得风险指数数据和潜在影响区域数据进行决策预设和决策预设优化，并进行可视化处理和生成报告内容； S600、获取最新风险指数数据，通过历史风险指数数据与最新风险指数数据进行对比，得出对比结果，并对当前执行决策预设进行分析，得出分析结果，基于所得报告内容、报告结果、对比结果和分析结果生成最终报告结果； 获取范围污染数据、精准污染数据和深水数据，具体包括： S100.1、获取范围污染数据、精准污染数据和深水数据； 通过卫星遥感对海洋表层污染物进行大范围覆盖性监测，获得范围污染数据，范围污染数据包括：污染物分布范围、污染物浓度、污染物类型、潜在污染源位置、洋流速度与方向、表层水温和表层盐度； 通过无人机对热点区域和卫星难以覆盖的区域进行高精度监测，获得精准污染数据，精准污染数据包括：污染物分布精细化、污染物浓度、污染物特性、具体污染源类型、生物性污染源、局部水温、局部水流速度和局部水体透明度； 通过浮标监测采集柱状水体的溶解有机物、重金属含量和pH值，得出深水数据，深水数据包括：深层污染物浓度、污染物垂直分布、深水污染源类型、污染源强度、深层水温、深层盐度、深层水流速度与方向和水体密度； 基于所得范围污染数据、精准污染数据和深水数据进行预处理和多模态数据融合，具体为： S200.1、基于所得范围污染数据、精准污染数据和深水数据进行预处理； 预处理包括：图像去噪、数值数据清洗和光谱数据标准化； 图像去噪利用卷积神经网络对范围污染数据进行去噪，识别并修复噪声区域，对精准污染数据进行几何畸变校正处理，数值数据清洗采用基于RNN的时序异常检测模型，识别并剔除突发错误数据点，光谱数据标准化采用归一化对多种传感器采集的光谱数据进行统一调整； S200.2、基于预处理后的范围污染数据、精准污染数据和深水数据进行多模态数据融合； 多模态数据融合包括：时空对齐、特征关联强化和加权融合； 时空对齐是基于动态时间规整算法，对多源数据进行时间序列对齐，使用地理空间插值算法补齐未覆盖区域的数据，特征关联性强化，通过多模态特征图，将光谱数据、热红外数据和深水物理参数映射到统一特征空间，利用图神经网络建立数据间的关联模型，提高数据融合的精度和鲁棒性，加权融合结合时空对齐和特征关联性强化后的范围污染数据、精准污染数据和深水数据质量进行动态分配权重； 基于多模态数据融合后的范围污染数据、精准污染数据和深水数据配置污染扩散路径预测模型和配置数据驱动模型，得出污染预测结果和污染误差数据，基于污染预测结果和污染误差数据进行混合驱动融合，并进行追踪污染物的初始来源，得出污染源溯源数据，具体为： S300.1、基于多模态数据融合后的范围污染数据、精准污染数据和深水数据配置污染扩散路径预测模型； 利用有限体积法离散偏微分方程，结合并行计算加速求解，得出污染预测结果； S300.2、基于多模态数据融合后的范围污染数据、精准污染数据和深水数据配置数据驱动模型； 基于深度学习，采用物理增强神经网络，在训练过程中加入扩散守恒定律，通过损失函数结合物理误差和数据误差，得出污染误差数据； S300.3、基于所得污染预测结果和污染误差数据进行混合驱动融合，具体为： 式中：是最终融合的污染物浓度预测值，是物理驱动模型预测的污染物浓度，是数据驱动模型预测的污染物浓度和分别为物理驱动模型和数据驱动模型的权重因子； S300.4、基于混合驱动融合后的污染预测结果和污染误差数据，通过逆向扩散模拟，追踪污染物的初始来源； 提取范围污染数据和精准污染数据的光谱特征，与已知污染物特征库进行匹配，提取精准污染数据中的水样DNA信息，与污染区域生物数据库比对，识别可能的生物性污染源，得出污染源溯源数据； 基于所得污染源溯源数据和混合驱动融合后的污染预测结果和污染误差数据生成三维体数据，并通过时间序列处理，得出三维可视模型，基于所得污染源溯源数据，通过三维可视模型进行标注污染源位置，具体为： S400.1、基于所得污染源溯源数据和混合驱动融合后的污染预测结果和污染误差数据生成三维体数据； 三维体数据以网格单元10m×10m×1m为基本单位，得出三维网格，将的污染物浓度值直接映射到三维网格中，并使用颜色渐变表示浓度范围； 颜色渐变包括：蓝色、黄色和红色； 将蓝色排列下方、黄色排列中方和红色排列上方，通过时间序列生成污染物扩散的逐帧动画，结合流体速度场，在三维网格中叠加矢量箭头，直观展示扩散方向，得出三维可视模型； S400.2、基于所得污染源溯源数据，通过三维可视模型进行标注污染源位置，得出标注污染源结果； 标注包括：污染源位置、污染源强度和污染源类型； 当用户点击污染源标注，则提供详细信息，详细信息包括：光谱特征、环境DNA和污染预测结果； 基于混合驱动融合后的污染预测结果和污染误差数据进行预设分类阈值和风险指数计算，得出风险指数数据和潜在影响区域数据，基于所得风险指数数据和潜在影响区域数据进行决策预设和决策预设优化，并进行可视化处理和生成报告内容，具体包括： S500.1、基于混合驱动融合后的污染预测结果和污染误差数据进行预设分类阈值； 分类阈值包括：低污染区、中污染区和高污染区； 高污染区表示对生态系统的严重威胁，中污染区需要监控，低污染区基本无害； 基于污染源位置标注后的三维可视模型，通过预设分类阈值划分污染区域，生成污染分布分区图，并结合污染源溯源数据，对污染物类型进行标记分类； S500.2、基于预设分类阈值后的污染预测结果和污染误差数据进行风险指数计算，得出风险指数数据，具体为： 式中：是风险指数，量化污染物对环境的威胁程度，是污染物浓度，是环境敏感性因子，是污染源强度；基于所得风险指数数据设定优先级区域； 基于所得风险指数数据和预设分类阈值后的污染预测结果与污染误差数据，利用污染扩散路径预测模型进行预测未来N小时内污染扩散路径，得出潜在影响区域数据； S500.3、基于所得风险指数数据和潜在影响区域数据进行决策预设； 高优先级区域优先部署吸附设备处理油膜和垃圾打捞设备，中优先级区域将采用化学中和试剂，分解污染物，低优先级区域，通过投放修复菌群促进生态恢复； 根据优先级地图将决策预设分配至清理设备和监测人员； S500.4、采用梯度提升树进行决策预设优化； 梯度提升树通过数据库中历史风险指数数据和污染物浓度作为训练集进行训练，采用交叉验证方法评估模型精度，通过网格搜索调整梯度提升树超参数； S500.5、基于所得风险指数数据和决策预设结果进行可视化处理； 将高优先级区域绘制为红色，将中优先级区域绘制成黄色，将低优先级区域绘制成绿色； 动态展示不同决策预设结果对污染物浓度的影响，并生成报告内容； 报告内容包括：风险指数数据、优先级地图、三维可视模型、标注污染源结果和决策预设结果。

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中国海洋大学，其通讯地址为：266100 山东省青岛市崂山区松岭路238号；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”。