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技术大学申请的专利区域大气污染物千米级分辨率立体分布的重构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：CN116188705B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202211586543.7，技术领域涉及：G06T17/05；该发明授权区域大气污染物千米级分辨率立体分布的重构方法是由刘诚;张治国;李启华设计研发完成，并于2022-12-10向国家知识产权局提交的专利申请。

本区域大气污染物千米级分辨率立体分布的重构方法在说明书摘要公布了：本发明属于光学测量技术领域，具体为一种区域大气污染物千米级分辨率立体分布的重构方法。本发明基于卫星持续获得的目标区域大气污染物的水平空间分布、大气化学模式获得的气象信息以及人口、道路网、土地覆盖类型等地理信息重构近地面大气污染物数据；以大气化学模式获得的千米级气象数据、卫星观测得到的对流层大气污染物数据、MAX‑DOAS背景站垂直遥感观测结果、近地面大气污染物数据重构大气污染物立体分布结果，实现一定区域内大气污染物的立体空间分布重构，在区域大气污染物传输、排放通量计算等领域具有广阔的应用前景，为大气污染物成因解析和减控提供科学依据。

本发明授权区域大气污染物千米级分辨率立体分布的重构方法在权利要求书中公布了：1.一种区域大气污染物千米级分辨率立体分布的重构方法，其特征在于，将超光谱遥感网络观测到的大气污染物垂直分布廓线与深度学习技术相结合，根据超光谱观测数据、气象模拟数据、地理信息重构观测未覆盖区域大气污染物千米级分辨率立体分布；具体步骤为： 步骤1，以MAX-DOAS水平遥感、无人机遥感、地面监测站点原位监测得到的数据合并为一个长度为3的数据，每个数据允许1～2种数据的缺失，构建数据集，记为标签L1； 步骤2，构建卷积神经网络N1；由高分辨率卫星持续获得的目标区域大气污染物的垂直柱浓度、大气化学模式获得的气象信息，以及人口、道路网、土地覆盖类型地理信息，构建数据集，记为D1；以D1作为卷积神经网络N1的输入数据，以L1作为卷积神经网络N1的标签，通过训练，获得高精度近地面大气污染物数据的模型M1，其损失函数为标签L1的3种数据非缺失值的平均均方根误差的加权平均值； 构建的卷积神经网络N1的具体结构组成，包括： 按照标签L1数据的时间选取邻近时间D1数据生成序列，得到其时间尺度数据；按照标签L1数据的经纬度选取邻近位置D1数据生成三维矩阵：经度，维度，高度，得到其空间尺度数据； 将卫星观测污染物柱浓度、近地面气象信息、地理信息的时间尺度数据和空间尺度数据分别通过两次残差结构后拼接，再次通过残差结构，获得数据，分别记为DResnet1、DResnet2、DResnet3； 将DResnet1、DResnet3分别与DResnet2拼接后通过残差结构后，获得的数据与DResnet3拼接再次通过残差结构，获得数据通过全连接层，输出结果，记为L1’； 使用损失函数F1计算L1与L1’的损失值，使用RMSProp优化器更新网路参数，优化损失函数结果； 步骤3，构建卷积神经网络N2；以大气化学模式获得的千米级气象数据、卫星观测得到的对流层大气污染物数据、MAX-DOAS背景站垂直遥感观测结果、步骤2获得的高精度的近地面大气污染物数据，构建数据集，记为D2，以D2作为卷积神经网络N2的输入数据，以分层标准化后的MAX-DOAS垂直遥感观测结果，作为标签L2，通过训练，获取大气污染物立体分布结果的模型M2，损失函数采用误差的双曲余弦的对数； 构建的卷积神经网络N2的具体结构组成，包括： 将D2中的卫星观测得到的对流层大气污染物数据、MAX-DOAS背景站垂直遥感观测结果、步骤2获得的高精度的近地面大气污染物数据、各种千米级气象数据分别输入残差结构；将所得数据拼接后再通过卷积结构，获得输出结果，记为L2’； 使用损失函数F2计算L2与L2’的损失值，使用RMSProp优化器更新网路参数，优化损失函数结果； 步骤4，把区域内所有空间点某时刻对应的以大气化学模式获得的千米级气象数据、卫星观测得到的对流层大气污染物数据、MAX-DOAS背景站垂直遥感观测结果、步骤2获得的高精度的近地面大气污染物数据输入模型M2，即获得该时刻区域内的三维立体大气污染物分布。

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技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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。