Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 成都理工大学;四川蜀道新制式轨道集团有限责任公司;华能西藏雅鲁藏布江水电开发投资有限公司唐晓鹿获国家专利权

成都理工大学;四川蜀道新制式轨道集团有限责任公司;华能西藏雅鲁藏布江水电开发投资有限公司唐晓鹿获国家专利权

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!

龙图腾网获悉成都理工大学;四川蜀道新制式轨道集团有限责任公司;华能西藏雅鲁藏布江水电开发投资有限公司申请的专利基于高光谱及机器学习的植被等效水厚度估算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:CN115775357B

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:202211482815.9,技术领域涉及:G06V20/17;该发明授权基于高光谱及机器学习的植被等效水厚度估算方法是由唐晓鹿;周涛;宋词;韩瑀萱;余姝萍;孙华章;王世军;李坪峰;罗可;肖阳;王晓东;向金成设计研发完成,并于2022-11-24向国家知识产权局提交的专利申请。

基于高光谱及机器学习的植被等效水厚度估算方法在说明书摘要公布了:本发明公开了基于高光谱及机器学习的植被等效水厚度估算方法,包括以下步骤:步骤1:获取实地观测数据,包括实地样品数据采集,高光谱监测;步骤2:计算实测的等效水厚;步骤3:选择敏感波段;步骤4:计算特征指数,包括经验指数,纹理指数和敏感波段指指数;步骤5:构建机器学习模型,包括三种分辨率,两种机器学习算法,总计6种模型;本发明充分挖掘了不同空间分辨率的高光谱遥感数据图谱特征,构建了适宜于研究区的多分辨率等效水厚度估算模型,探讨了模型输入数据的空间分辨率转换对模型精度的影响,对未来类似研究的工作具有重要的借鉴意义。

本发明授权基于高光谱及机器学习的植被等效水厚度估算方法在权利要求书中公布了:1.基于高光谱及机器学习的植被等效水厚度估算方法,其特征在于,包括以下步骤: 步骤1:实地观测数据获取,首先,在研究区内,随机选择151棵冠层上方未被遮挡可直接拍摄的树木进行采样,每棵树采集3片新鲜树叶,其次,采用无人机对研究区域航拍,获取包含多个光谱通道的影像数据,并对数据进行预处理得到研究区域的无人机高光谱反射率数据; 步骤2:实测等效水厚度计算,首先,在采集新鲜树叶时,对树叶的表面积及鲜重数据进行统计,其次,将获取的鲜叶于室内烘箱烘至恒重后再次称重,得到叶片干重;最终,实测等效水厚度由已获取的鲜重,干重和叶面积三个参数计算得到,等效水厚度计算公式为: 式1 式中,为叶片等效水厚度,单位为;为叶片鲜重,单位为;为叶片干重,单位为;为叶片叶面积,单位为; 步骤3:选择敏感波段,将实测等效水厚度划分为多个范围区间,分析不同等级等效水厚度与高光谱数据光谱曲线间的光谱特征,获取对植被等效水厚度变化敏感的波段; 步骤4:特征指数计算,根据已有经验公式,计算得到经验指数,同时结合选取的敏感波段,计算得到基于敏感波段的植被特征指数; 步骤5:机器学习模型,首先,将计算的特征指数及高光谱原始波段分别重采样至0.5m、1m、2m后,利用实测数据的坐标信息提取以上数据建立训练数据集,其次,根据XGBoost模型的变量重要性排序结果对模型输入变量进行选择,同时结合RF和XGBoost两种机器学习算法,构建6种估算EWT机器学习模型,最后,使用十折交叉验证法对所有模型进行精度验证。

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成都理工大学;四川蜀道新制式轨道集团有限责任公司;华能西藏雅鲁藏布江水电开发投资有限公司,其通讯地址为:610059 四川省成都市二仙桥东三路1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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。