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 > 吉林观微生态科技有限公司李梦薇获国家专利权

吉林观微生态科技有限公司李梦薇获国家专利权

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!

龙图腾网获悉吉林观微生态科技有限公司申请的专利基于卫星遥感的多源数据处理和农作物动态产量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:CN121095801B

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:202511252799.8,技术领域涉及:G06V20/13;该发明授权基于卫星遥感的多源数据处理和农作物动态产量估算方法是由李梦薇;汪磊;刘阁;丁福成;孙永猛设计研发完成,并于2025-09-03向国家知识产权局提交的专利申请。

基于卫星遥感的多源数据处理和农作物动态产量估算方法在说明书摘要公布了:本发明提供一种基于卫星遥感的多源数据处理和农作物动态产量估算方法,涉及农作物产量估算领域,包括:步骤S1、多源数据采集:分别采集区域内农作物的光学影像和雷达影像组成的遥感数据、气象数据以及对应的辅助数据,并对数据进行预处理;步骤S2、关键特征提取与量化:采用生物物理特征反演、结构特征反演与环境胁迫特征量化从预处理数据中提取反映作物生长状态与环境胁迫的生物物理特征;步骤S3、构建耦合物理机制的动态图神经网络,实现农作物的动态产量估算。该方法通过卫星图像的多源数据能够实现对农作物全生育期的产量动态监测与预测,具备高精度与高时效性。

本发明授权基于卫星遥感的多源数据处理和农作物动态产量估算方法在权利要求书中公布了:1.一种基于卫星遥感的多源数据处理和农作物动态产量估算方法,其特征在于:包括: 步骤S1、多源数据采集:分别采集区域内农作物的光学影像和雷达影像组成的遥感数据、气象数据以及对应的辅助数据,并对数据进行预处理; 步骤S2、关键特征提取与量化:采用生物物理特征反演、结构特征反演与环境胁迫特征量化从预处理数据中提取反映作物生长状态与环境胁迫的生物物理特征;其中,生物物理特征反演采用叶片光学模型PROSPECT与冠层辐射传输模型SAIL耦合反演,结构特征反演通过RVoG模型反演高度和结构参数,环境胁迫特征量化包括水分胁迫指数SWD与累积蒸汽压亏缺VPD; 步骤S3、构建耦合物理机制的动态图神经网络:通过动态图结构建模时空关联,嵌入农作物的生长物理机制,捕捉环境因子滞后效应,实现农作物的动态产量估算,具体为: 首先,构建随生育期演化的田块级动态图神经网络结构: 式中:Vt表示节点集,其由若干节点vi,t组成;每个节点vi,t对应田块i在时刻t的特征向量si,t,特征向量包括生物物理特征、结构特征以及环境胁迫特征;Et表示边集,边权重wi,j,t动态量化田块i与j之间的时空关联性,融合土壤质地与实时气象相似性,具体为: 式中:表示田块i、j的土壤质地梯度;i,tj,t表示田块在时刻t的气象向量;表示超参数; 节点特征通过图卷积实现时空信息聚合,传播方程为: 式中:表示第层隐藏特征,初始层表示第层图卷积的权重矩阵; 其中,表示时刻下、田块的原始邻接矩阵,即 表示滞后效应模块输出的历史特征加权值,针对环境因子的累积效应,设计可学习的时变卷积核捕捉滞后影响: 式中:St-k表示滞后k期的田块特征;Wk表示第k期的卷积核,用于提取历史特征的局部关联;表示时刻t的滞后权重; 物理机制约束: 式中:表示时刻t的环境胁迫与气象驱动特征向量;NPP表示净初级生产力;表示分配系数;HI表示收获指数;fi,0表示分配系数初始值,fi,max表示分配系数最大值,表示分配阶段的速率参数;GDD表示生长度日、即累积温度超过基础温度的度日数,GDDs表示作物器官i开始主导碳分配的起始GDD;GPP表示冠层初级生产力,表示修正后的维持呼吸,Rg表示基础维持呼吸;LAI表示叶面积指数、通过PROSPECT模型与SAIL模型耦合反演获得,Vcmax表示最大羧化速率,Cab表示叶绿素含量,表示叶片细胞间隙的CO2浓度,表示CO2补偿点,表示CO2的米氏常数,O2表示大气中的氧浓度,表示O2的米氏常数,J表示电子传递效率,PAR表示光合有效辐射,gs表示气孔导度,表示大气中的二氧化碳浓度,Rd表示作物暗呼吸速率;km表示作物基础系数,Q10表示温度系数,T表示实时温度,Tref表示参考温度,表示水分敏感系数;表示同化物转化效率; 物理约束与动态图的闭环训练: 输入:动态图节点特征:si,t融合遥感反演特征、环境胁迫特征与气象降尺度数据; 状态初始化:通过RVoG模型反演生物量初始化、获得SWi,0,作为微分方程的初始条件; 通过动态图聚合时空特征预测t时刻的生物量; 物理偏差损失Lphys: 式中:表示通过物理机制约束获得的微分方程,即: 最终的总损失函数为: 式中:表示模型预测的t时刻的产量;表示实测产量。

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吉林观微生态科技有限公司,其通讯地址为:130100 吉林省长春市净月开发区生态大街3777号长春明宇金融广场A2栋29层;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。