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基于地理加权随机森林的高分辨率峰值积雪深度反演装置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：CN121117930B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202511223913.4，技术领域涉及：G06F18/25；该发明授权一种基于地理加权随机森林的高分辨率峰值积雪深度反演装置及方法是由胡艳兴;戴礼云;车涛设计研发完成，并于2025-08-29向国家知识产权局提交的专利申请。

本一种基于地理加权随机森林的高分辨率峰值积雪深度反演装置及方法在说明书摘要公布了：本发明公开了一种基于地理加权随机森林的高分辨率峰值积雪深度反演装置及方法，包括：数据获取模块，用于获取研究区域的多源数据，包括MODIS遥感积雪数据、Sentinel‑1VVVH后向散射数据、地形数据和气象站点雪深观测数据；高分辨率积雪覆盖数据集构建模块，用于对所述MODIS遥感积雪数据进行处理，得到高分辨率无云二值积雪覆盖数据集；特征构建模块，用于构建包含积雪时空过程特征指标、后向散射特征指标和地形特征指标的综合特征集；模型构建和分析模块，用于通过所述综合特征集训练地理加权随机森林模型，根据所述最优模型反演研究区域的峰值雪深。本发明能够实现高分辨率峰值积雪深度的估算。

本发明授权一种基于地理加权随机森林的高分辨率峰值积雪深度反演装置及方法在权利要求书中公布了：1.一种基于地理加权随机森林的高分辨率峰值积雪深度反演装置，其特征在于，包括： 数据获取模块，用于获取研究区域的多源数据，包括MODIS遥感积雪数据、Sentinel-1VVVH后向散射数据、地形数据和气象站点雪深观测数据； 高分辨率积雪覆盖数据集构建模块，用于对所述MODIS遥感积雪数据进行处理，包括相邻时间合成、空间滤波、局部三次多项式插值、时间插值和高斯滤波，得到去云后时序归一化积雪指数数据集合，之后进行降尺度和校准处理得到高分辨率时序二值积雪覆盖数据集； 特征构建模块，用于通过高分辨率时序二值积雪覆盖数据集、Sentinel-1VVVH后向散射数据、地形数据构建包含积雪时空过程特征指标、后向散射特征指标和地形特征指标的综合特征集； 所述特征构建模块构建综合特征集包括： 通过高分辨率时序二值积雪覆盖数据集、Sentinel-1VVVH后向散射数据、地形数据构建包含积雪时空过程特征指标、后向散射特征指标和地形特征指标的综合特征集； 积雪时空过程特征指标构建包括：利用步骤二获取的高分辨率二值积雪覆盖数据集构建积雪时空过程指标，包括年积雪频率、积雪累积指数、积雪消融指数和积雪覆盖度；在提取各积雪时空过程特征指标之前，通过气象站观测的积雪深度数据确定峰值雪深出现的时间； 后向散射特征指标提取包括：首先获取Sentinel-1影像，提取VV和VH极化后向散射数据，并进行地形辐射校正，计算校正前后的极化比、和及差值指数； 地形特征指标提取包括：通过高程数据计算坡度、坡向、南度、地形位置指数、坡向余弦、经度及纬度； 模型构建和分析模块，用于通过所述综合特征集和气象站点雪深观测数据训练地理加权随机森林模型，根据训练后的地理加权随机森林模型反演研究区域的峰值雪深，并根据反演结果评价各输入特征重要性和雪深反演的精度； 所述模型构建和分析模块包括： 在局部回归分析框架中，以雪深观测数据为目标变量，并通过对气象站观测雪深进行空间局部抽样获得样本集；然后基于综合特征集训练地理加权随机森林模型，构建局部地理加权随机森林模型；通过对带宽、决策树数量、特征数量进行敏感性测试，确定最佳参数组合；通过所述局部地理加权随机森林模型反演研究区域的高分辨率峰值雪深分布；根据反演结果分析各输入特征重要性，并对雪深反演的精度进行系统评价。

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。