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！

龙图腾网获悉中国地质调查局长沙自然资源综合调查中心申请的专利一种土壤湿度多源遥感监测方法、设备及存储介质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：CN119360203B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202411383730.4，技术领域涉及：G06V20/10；该发明授权一种土壤湿度多源遥感监测方法、设备及存储介质是由吕玉凤;王仁政;孙鸽;陈芳芳;唐宇凯;孔巍巍;亓梦茹;聂平静设计研发完成，并于2024-09-30向国家知识产权局提交的专利申请。

本一种土壤湿度多源遥感监测方法、设备及存储介质在说明书摘要公布了：本发明涉及遥感监测领域，公开了一种土壤湿度多源遥感监测方法、设备及存储介质，方法包括步骤：获取多源卫星遥感数据；对多源卫星遥感数据进行预处理，得到预处理后的数据；根据预处理后的数据构建数据集；构建三维联合卷积神经网络，并基于数据集对三维联合卷积神经网络进行训练，得到训练完成的网络；利用训练完成的网络预测土壤湿度。本发明的有益效果是：有效解决了现有技术中多源遥感数据融合与信息互补不足的问题，实现了多源遥感数据的信息互补与特征融合，增强了模型的鲁棒性，提高了预测精度和稳定性；具有简单、有效的特点，无需对复杂的遥感机理进行研究分析，更能准确的逼近遥感信息与地物参数间复杂的非线性函数。

本发明授权一种土壤湿度多源遥感监测方法、设备及存储介质在权利要求书中公布了：1.一种土壤湿度多源遥感监测方法，其特征在于：方法包括以下步骤： S1、获取多源卫星遥感数据； S2、对多源卫星遥感数据进行预处理，得到预处理后的数据； S3、根据预处理后的数据构建数据集； S4、构建三维联合卷积神经网络，并基于数据集对三维联合卷积神经网络进行训练，得到训练完成的网络； S5、利用训练完成的网络预测土壤湿度； 步骤S1具体如下： S11、获取多个土壤样本的实验数据； S12、基于土壤样本实验数据获取对应雷达数据源下的雷达复数图像和多光谱波段图像； 步骤S2中具体为： S21、对雷达复数图像依次进行辐射定标、多视处理、相干斑滤波、地理编码处理，得到处理后的图像； S22、对多光谱波段图像依次进行辐射定标、大气校正、正射校正处理，得到处理后的图像； 步骤S3中构建数据集的过程如下： S31、以土壤样本的实验数据中第i个数据的经纬度坐标为中心点，从步骤S2处理后的多光谱波段图像中裁剪出窗口的数据，其中； S32、以为中心从雷达复数图像中裁剪出窗口的数据，其中，最后一个维度2表示复数的实部和虚部； S33、以窗口的中心为原点，设定单个像素点长宽为1，根据中心像素的四个角点的地理坐标计算各个采样点在窗口中的相对位置，计算公式如下： , 最终得到n个数据集； 其中，通过随机划分将数据集按预定的比例分为训练集与验证集； 所述三维联合卷积神经网络的构建过程如下： 构建两个输入层，分别接受多光谱波段图像，复数图像； 构建空谱特征提取块，接受，经过空谱特征提取块处理后，得到空谱特征，其中为空谱特征的通道数； 构建复值三维卷积块，接受，经过复值三维卷积块处理后，得到复值特征，其中为复值特征的通道数； 将空谱特征及复值特征与相对位置参数经过可变卷积层得到目标位置的空谱特征向量以及实数特征向量，虚数特征向量; 最后，合并空谱特征向量及复值特征向量得到复合特征向量后经过三个全连接层实现土壤湿度的精准预测； 对输入图像处理的复值三维卷积块为全卷积层结构，并且在复值三维卷积处理中首先将输入张量分离为实部和虚部，然后分别对实部和虚部进行三维卷积操作，计算输出复数的实部和虚部，最后将结果合并为一个复数张量。

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中国地质调查局长沙自然资源综合调查中心，其通讯地址为：410000 湖南省长沙市宁乡市城郊街道学府路258号中国地质调查局长沙中心；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。