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！

龙图腾网获悉中国科学技术大学申请的专利一种基于超光谱卫星低覆盖率数据的甲烷无缝隙空间分布重构方法和装备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：CN119312019B 。

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：202411371538.3，技术领域涉及：G06F18/10；该发明授权一种基于超光谱卫星低覆盖率数据的甲烷无缝隙空间分布重构方法和装备是由刘诚;徐翼洲;胡启后;李启华;田园设计研发完成，并于2024-09-29向国家知识产权局提交的专利申请。

本一种基于超光谱卫星低覆盖率数据的甲烷无缝隙空间分布重构方法和装备在说明书摘要公布了：本发明公开了一种基于超光谱卫星低覆盖率数据的甲烷无缝隙空间分布重构方法和装备，包括：将大气化学模式甲烷浓度分布数据、辅助环境数据作为样本数据，对实测甲烷浓度分布数据进行筛选和映射后构建参考掩膜，并将其与样本数据组成训练样本；构建填充模型，填充模型采用包含深度部分卷积层、空间与通道注意力模块、上采样层、部分卷积层的U‑net结构；基于无观测区评估损失函数、有观测区评估损失函数、以及区域整体变化损失函数构建的总体损失函数对填充模型进行甲烷浓度填充任务的监督训练；获取实测甲烷浓度分布数据、辅助环境数据作为应用数据，利用填充模型对应用数据进行数据填充，高效快速实现对低覆盖率甲烷浓度数据的填充。

本发明授权一种基于超光谱卫星低覆盖率数据的甲烷无缝隙空间分布重构方法和装备在权利要求书中公布了：1.一种基于超光谱卫星低覆盖率数据的甲烷无缝隙空间分布重构方法，其特征在于，包括以下步骤： 样本构建：将大气化学模式甲烷浓度分布数据和辅助环境数据作为样本数据，对实测甲烷浓度分布数据进行筛选和映射后为样本数据构建参考掩膜，利用参考掩膜对样本数据掩码处理后形成训练样本； 其中，对筛选保留的实测甲烷浓度分布数据进行映射，包括： 预设二维等间距格点网格，结构为H×W，每个格点与相邻格点之间的经度或维度的相差度数相等，按照下列公式对实测甲烷浓度分布数据进行处理： 上公式对每个经纬度格点中的像元的气体浓度做平均，得到各经纬度格点上的甲烷浓度值，其中，XCH4s表示线性插值后在原始像元平面上需进行处理的第s个像元上的CH4气体浓度，lons，lats为该像元的经纬度，XCH4lon，lat代表等经纬度网格上对应经纬度格点的CH4气体浓度，lon，lat为该像元的经纬度，grid为经纬度格点之间相差的度数，符号表示并且的含义，表示对所有满足筛选条件lons-longrid2lats-latgrid2的点的XCH4s求和，表示计算所有满足筛选条件lons-longrid2lats-latgrid2的点的个数，1为每个点的个数累计值； 填充模型构建：填充模型采用包含编码部分和解码部分的U-net结构，其中编码部分包含尺寸依次降低的多个编码模块，每个编码模块包含深度部分卷积层和空间与通道注意力模块，解码部分包含尺寸依次升高的多个解码模块，每个解码模块包含依次连接的上采样层和部分卷积层，其在尺寸相同的深度部分卷积层与部分卷积层之间建立连接； 填充模型训练：基于无观测区评估损失函数、有观测区评估损失函数、以及区域整体变化损失函数构建总体损失函数，并基于训练样本和总体损失函数对填充模型进行甲烷浓度填充任务的监督训练； 数据填充应用：获取实测甲烷浓度分布数据和辅助环境数据作为应用数据，基于实测甲烷浓度分布数据为应用数据构建掩码参考掩膜，利用参考掩膜对应用数据掩码处理后形成应用样本，利用训练好的填充模型对应用样本进行数据填充，得到全覆盖甲烷浓度分布数据； 训练样本包含的样本数据D和参考掩膜M的数据结构相同，且在深度部分卷积层和部分卷积层中进行推理传递时，对于权重为F且偏差为b的卷积核K，输入数据D经过卷积核K滑动卷积后，一个卷积窗口后的对应位置的计算值d以及更新后的掩膜m表示为： 其中，D′与M′为对应卷积窗口的输入数据以及掩膜数据，N为卷积窗口内数据个数，M′n为卷积窗口内的对应位置n的掩膜数据，⊙为逐元素计算，上标T表示转置，当前的计算值d和更新后的掩膜m作为下一层的输入数据D′和掩膜数据M′； 对于部分卷积层，其单个卷积核会对所有层进行卷积，即单个卷积核的结构为C×H′×W′，对于深部部分卷积层，其单个卷积核只会对单层进行卷积，即单个卷积核的结构为1×H′×W′，H′×W′为卷积窗口尺寸，C和1都表示通道数。

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科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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”。