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！

龙图腾网获悉中国农业科学院农业资源与农业区划研究所申请的专利一种融合产量预测的大豆种植适宜区评估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：CN120355272B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510855803.3，技术领域涉及：G06Q10/0637；该发明授权一种融合产量预测的大豆种植适宜区评估方法是由胡蒙蒙;吴文斌;尹昌斌;余强毅;易小燕;温艳茹;赵芬设计研发完成，并于2025-06-25向国家知识产权局提交的专利申请。

本一种融合产量预测的大豆种植适宜区评估方法在说明书摘要公布了：本发明公开了一种融合产量预测的大豆种植适宜区评估方法，涉及数据处理技术领域，包括：收集大豆种植相关数据；基于物候对大豆生长季节进行时序划分，将整个生育过程细化为七个典型时期，构建大豆种植区域多时相遥感植被指数状态及变化趋势因子集，分别采用两种组合形式输入机器学习模型，将产量作为预测变量，通过精度评价进行模型选取，获得栅格尺度的大豆产量空间分布图；以识别得到的高产栅格单元为存在点数据，构建最大熵模型，并整合多源环境变量开展适宜性建模分析，通过变量贡献度分析及响应曲线，识别影响大豆高产适宜性分布的关键生态环境因子，绘制大豆高产适宜性空间分布图。本发明识别出大豆高产的适合生长区域。

本发明授权一种融合产量预测的大豆种植适宜区评估方法在权利要求书中公布了：1.一种融合产量预测的大豆种植适宜区评估方法，其特征在于，包括： 收集大豆种植空间布局及产量数据、生育期MOD09A1地表反射率产品、生物气候数据、土壤数据； 基于物候对大豆生长季节进行时序划分，将整个生育过程细化为七个典型时期，构建大豆种植区域多时相遥感植被指数状态及变化趋势因子集，分别采用两种组合形式输入机器学习模型，将产量作为预测变量，通过精度评价进行模型选取，获得栅格尺度的大豆产量空间分布图； 以识别得到的高产栅格单元为存在点数据，构建最大熵模型，并整合多源环境变量开展适宜性建模分析，通过变量贡献度分析及响应曲线，识别影响大豆高产适宜性分布的关键生态环境因子，绘制大豆高产适宜性空间分布图； 所述收集的数据包括：大豆产量数据、生物气候变量、土壤变量、地形变量和与人类活动相关变量； 所述大豆产量数据，基于长时序统计年鉴获得区县的大豆产量数据或采样点大豆产量； 所述生物气候变量包括代表年度趋势、季节性以及极端或限制性环境因素的生物气候数据； 所述土壤变量包括土壤容重、总氮含量、总磷含量、土壤的阳离子交换能力、碳酸钙含量、有机质、pH值、交换性Ca2+； 所述地形变量包括海拔、坡度、坡向、地形起伏度、到河流水库的距离； 所述与人类活动相关变量，包括到不透水面的距离、栅格尺度的GDP、人口； 所述七个典型时期包括播种期、出苗期、三叶期、开花期、结荚期、鼓粒期和成熟期； 所述构建多时相遥感植被指数状态及变化趋势因子集的过程包括：采用MODIS陆地三级标准数据产品地表反射率产品提取归一化差异植被指数、增强型植被指数、地表水分指数、Green植被指数；分别计算不同生育期植被指数的平均值和Theil-Sen斜率； 所述输入机器学习模型的过程包括： 将县域产量与七个生育期植被指数的平均值、斜率进行相关性分析，排除与大豆产量不显著相关的变量； 采用两种不同的组合输入机器学习模型，第一种组合以县域产量作为预测目标，相关性显著性高的不同生长期植被指数作为预测因子，第二种组合除相关性显著性高的植被指数外还包括与产量相关性显著性高的不同生长期植被指数斜率； 所述构建最大熵模型的过程包括：筛选大豆产量高于2000kgha的栅格作为样本点；对环境变量进行Pearson相关性分析，剔除相关性系数大于0.8的环境变量；将种植记录和环境变量转换为CSV格式输入模型； 所述最大熵模型的参数化过程包括：分布点位数据的75%用于建模，25%作为模型检验，重复运行20次；背景数据选择为1000个分布点；采用刀切法检验各环境变量对大豆高产分布的贡献率；运用R软件安装包对模型的调控倍频从1开始每0.5向上递增到3与特征组合进行交叉组合验证，选择具有显著性且△AICc等于0的参数组合。

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农业科学院农业资源与农业区划研究所，其通讯地址为：100081 北京市海淀区中关村南大街12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”。