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！

龙图腾网获悉河北省水利科学研究院(河北省大坝安全技术中心、河北省堤防水闸技术中心)申请的专利基于多源多时相遥感数据的水利灌溉智能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：CN117315457B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202310320643.3，技术领域涉及：G06V20/10；该发明授权基于多源多时相遥感数据的水利灌溉智能监测方法是由马素英;李新旺;时启军;魏飒;张爽;张玮;付银环;刘长燕;白振江设计研发完成，并于2023-03-29向国家知识产权局提交的专利申请。

本基于多源多时相遥感数据的水利灌溉智能监测方法在说明书摘要公布了：本发明涉及用于神经网络技术领域，具体涉及基于多源多时相遥感数据的水利灌溉智能监测方法，包括：多种数据采集手段获得的具有标签的数据集以及构建的神经网络；根据数据集中相关数据、土壤含水量的实际值以及神经网络输出的估计值获得多源数据的相对误差和影响程度；根据多源数据的相对误差和影响程度获得损失函数，并结合数据集完成神经网络训练。本发明提高了神经网络的权重的准确性以及结构和权重关系的稳定性，并提高了对土壤含水量估计值的准确性。

本发明授权基于多源多时相遥感数据的水利灌溉智能监测方法在权利要求书中公布了：1.基于多源多时相遥感数据的水利灌溉智能监测方法，其特征在于，该方法包括以下步骤： 将植被光谱数据、土壤光谱数据以及植被热红外数据获得的第一土壤含水量、第二土壤含水量以及第三土壤含水量作为样本，并将实际土壤含水量、植物覆盖率、环境光照和环境温度作为样本标签，根据样本和样本标签构成神经网络数据集，将样本输入到构建的神经网络中获得土壤含水量估计值； 根据环境光照和植物生长最佳光照之间的差异记为光照因子； 根据环境温度和植物生长最佳温度之间的差异记为温度因子； 根据植物生长最佳光照、植物生长最佳温度、光照因子以及温度因子获得光照影响特征和温度影响特征； 根据第一土壤含水量、第二土壤含水量、第三土壤含水量、实际土壤含水量与土壤含水量估计值之间的差异记为第一含水量差异、第二含水量差异、第三含水量差异与第四含水量差异； 根据第一含水量差异、植被覆盖率、光照影响特征以及温度影响特征获取第一相对误差； 根据植被覆盖率和第二含水量差异获得第二相对误差； 根据温度因子、植被覆盖率以及第三含水量差异获得第三相对误差； 根据实际土壤含水量与第一土壤含水量、第二土壤含水量以及第三土壤含水量之间的差异分别获得第一差异、第二差异以及第三差异，对第一差异、第二差异以及第三差异进行归一化获得第一权重、第二权重以及第三权重； 利用第一权重、第二权重以及第三权重对第一相对误差、第二相对误差以及第三相对误差进行权重融合，并根据权重融合后的值与第四含水量差异获得当前神经网络的损失函数； 根据数据集并利用损失函数训练神经网络，使用训练完成后的神经网络实现土壤含水量的监测； 所述第一土壤含水量、第二土壤含水量以及第三土壤含水量获取方法如下： 根据植被光谱数据并利用距平植被指数与植被状态指数获取第一土壤含水量； 根据土壤光谱数据并利用基于NIR-Red的特征空间获得第二土壤含水量； 根据植被热红外数据并利用基于能量平衡和表观热惯量获得第三土壤含水量； 所述根据植物生长最佳光照、植物生长最佳温度、光照因子以及温度因子获得光照影响特征和温度影响特征，包括的具体步骤如下： 根据光照因子与植物生长最佳光照之间的比例关系记为光照异常幅度，根据温度因子与植物生长最佳温度之间的比例关系记为温度异常幅度； 根据光照异常幅度和温度异常幅度之间的加和记为异常幅度因子； 根据光照异常幅度与异常幅度因子之间的比例关系与光照因子之间的乘积获得光照影响特征； 根据温度异常幅度与异常幅度因子之间的比例关系与温度因子之间的乘积获得温度影响特征； 所述根据第一含水量差异、植被覆盖率、光照影响特征以及温度影响特征获取第一相对误差，包括的具体步骤如下： 根据光照影响特征与温度影响特征之间的加和记为综合影响特征； 根据1减去植被覆盖率获得非植被覆盖率； 根据第一含水量差异、非植被覆盖率与综合影响特征之间的累积结果，获得第一相对误差； 所述根据植被覆盖率和第二含水量差异获得第二相对误差，包括的具体步骤如下： 根据植被覆盖率与第二含水量差异之间的乘积获得第二相对误差； 所述根据温度因子、植被覆盖率以及第三含水量差异获得第三相对误差，包括的具体步骤如下： 根据非植被覆盖率、温度因子以及第三含水量差的累积结果获取第三相对误差； 所述损失函数，获取的具体方法如下： 利用最大最小归一化方法将第一相对误差、第二相对误差、第三相对误差进行归一化处理，获得归一化第一相对误差、归一化第二相对误差以及归一化第三相对误差； 利用第一权重、第二权重以及第三权重将归一化第一相对误差、归一化第二相对误差以及归一化第三相对误差进行权重融合，记为融合参数； 对融合参数与第四含水量差异的乘积结果进行累加求平均获得损失函数； 所述神经网络具体的网络结构为BP神经网络。

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河北省水利科学研究院(河北省大坝安全技术中心、河北省堤防水闸技术中心)，其通讯地址为：050057 河北省石家庄市泰华街310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。