Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

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 积分商城 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 > 中国科学院西北生态环境资源研究院胡艳兴获国家专利权

中国科学院西北生态环境资源研究院胡艳兴获国家专利权

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!

龙图腾网获悉中国科学院西北生态环境资源研究院申请的专利一种结合相机连续观测与多源数据的无缝高空间分辨率验证雪深数据获取系统及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:CN120411742B

龙图腾网通过国家知识产权局官网在2026-01-02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:202510469246.1,技术领域涉及:G06V10/98;该发明授权一种结合相机连续观测与多源数据的无缝高空间分辨率验证雪深数据获取系统及方法是由胡艳兴;戴礼云;车涛设计研发完成,并于2025-04-15向国家知识产权局提交的专利申请。

一种结合相机连续观测与多源数据的无缝高空间分辨率验证雪深数据获取系统及方法在说明书摘要公布了:本发明提供一种结合相机连续观测与多源数据的无缝高空间分辨率验证雪深数据获取系统及方法,包括:相机布设模块,用于基于预设区域不同的积雪日数值结合实地考察可达性条件,获得相机连续观测点以及人工观测点,并基于相机连续观测点加密布设相机;雪深数据采集模块,用于基于布设的相机以及人工观测点,采集预设区域的雪深数据;插值模型构建模块,用于基于雪深数据以及采集的多源雪深相关变量构建插值模型;验证雪深数据获取模块,用于基于插值模型以及研究区域的多源雪深相关变量,获得用于验证研究区域内积雪卫星产品的无缝高空间分辨率验证雪深数据。本发明能有效改进积雪深度反演的精度及效率。

本发明授权一种结合相机连续观测与多源数据的无缝高空间分辨率验证雪深数据获取系统及方法在权利要求书中公布了:1.一种结合相机连续观测与多源数据的无缝高空间分辨率验证雪深数据获取系统,其特征在于,包括: 相机布设模块,用于基于预设区域不同的积雪日数值结合实地考察可达性条件,获得相机连续观测点以及人工观测点,并基于所述相机连续观测点加密布设相机; 雪深数据采集模块,用于基于布设的相机以及人工观测点,采集预设区域的雪深数据; 插值模型构建模块,用于基于所述雪深数据以及采集的多源雪深相关变量构建插值模型; 验证雪深数据获取模块,用于基于所述插值模型以及研究区域的多源雪深相关变量,获得用于验证研究区域内积雪卫星产品的无缝高空间分辨率验证雪深数据; 所述雪深数据采集模块包括: 相机数据采集单元,用于基于预设区域的卫星过境时间,读取相机采集的预设时段内的照片数据作为的雪深数据; 相机数据补充单元,用于基于归一化积雪指数以及相邻相机观测点及人工观测点采集的多源雪深相关变量,补充预设时段内相机连续观测点安装相机前的雪深数据; 最终多源雪深相关变量获取单元,用于基于相机采集的雪深数据、补充的雪深数据以及人工观测点读取的雪深数据,获得完整的雪深数据; 所述插值模型构建模块包括: 多源雪深相关变量获取单元,用于以500米空间分辨率网格为单元,提取相机连续观测点所在网格的多源雪深相关变量; 重要性评估单元,用于基于所述多源雪深相关变量之间的相关性,检验并评估所述多源雪深相关变量对所述雪深数据的重要性; 插值模型构建单元,用于将经过重要性评估后的所述多源雪深相关变量作为x变量,将与所述多源雪深相关变量对应的雪深数据作为y变量,构建所述插值模型; 所述多源雪深相关变量包括经度Lon、纬度Lat、海拔Ele、积雪覆盖日数SCDs、归一化积雪指数NDSI、500米像元内高程标准差Std和积雪日DOY; 所述插值模型构建单元中,构建所述插值模型的过程包括: 基于所述雪深数据以及对应的所述多源雪深相关变量,构建训练集和验证集; 利用所述训练集分别训练人工神经网络模型、支持向量机模型以及随机森林模型,并利用网格搜索法获取各个模型的最优参数,分别建立初始插值模型; 利用所述验证集对所述初始插值模型进行验证对比,获得最优的所述插值模型。

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院西北生态环境资源研究院,其通讯地址为:730000 甘肃省兰州市城关区东岗西路318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”。

以上内容由龙图腾AI智能生成。

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。