買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜山東大學;山東大學深圳研究院;山東省生態環境規劃研究院申請的專利基于垂向預分類和深度學習的藻總量遙感估算方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119206536B 。

龍圖騰網通過國家知識產權局官網在2025-04-18發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411675923.7，技術領域涉及：G06V20/13；該發明授權基于垂向預分類和深度學習的藻總量遙感估算方法及系統是由陳金月;唐良果;李藝;王國強;張傳興;李鵬飛;任世龍;房磊;李艷霞;王新鋒;任鵬杰;辛鑫;張慶竹;王橋設計研發完成，并于2024-11-22向國家知識產權局提交的專利申請。

本基于垂向預分類和深度學習的藻總量遙感估算方法及系統在說明書摘要公布了：本發明涉及水生態環境遙感監測技術領域，公開了基于垂向預分類和深度學習的藻總量遙感估算方法及系統，其中方法，包括：獲取水體表層的葉綠素a濃度反演結果；基于水體表層的葉綠素a濃度反演結果和水環境信息，獲取葉綠素a剖面分布類型；基于葉綠素a剖面分布類型和表層葉綠素a濃度反演結果，進行垂向多層連續的葉綠素a濃度和藻總量反演，得到藻總量的估算結果。該方法融合了浮游藻類剖面監測和深度學習算法的優勢，能夠在受陸源影響大、浮游藻類的垂向分布及其光學特征復雜水體中進行穩定高精度的藻總量估算。本發明將為藻總量遙感估算研究提供更有效的技術支撐，及時發現并預警有害藻華的發生，減少藻華災害的影響。

本發明授權基于垂向預分類和深度學習的藻總量遙感估算方法及系統在權利要求書中公布了：1.基于垂向預分類和深度學習的藻總量遙感估算方法，其特征是，包括：獲取水體表層的葉綠素a濃度反演結果，具體包括：構建訓練集和驗證集，所述訓練集和驗證集均為已知水體表層葉綠素a濃度的最優特征波段組合；將最優特征波段組合作為Transformer模型的輸入值，將已知水體表層葉綠素a濃度作為Transformer模型的輸出值，對Transformer模型進行訓練，得到訓練后的Transformer模型；對訓練后的Transformer模型進行驗證，如果驗證通過，則表示當前Transformer模型為最終訓練后的Transformer模型；將待估算藻總量的水體環境的最優特征波段組合，輸入到最終訓練后的Transformer模型，得到水體表層的葉綠素a濃度反演結果；基于水體表層的葉綠素a濃度反演結果和水環境信息，獲取葉綠素a剖面分布類型，包括：基于水體表層的葉綠素a濃度反演結果，構建三維立體生物光學數據庫；將遙感數據與三維立體生物光學數據庫進行最優光譜匹配；確定水柱剖面分布函數，建立決策樹模型，通過決策樹模型和所述水柱剖面分布函數，確定葉綠素a剖面分布類型；確定水柱剖面分布函數，具體包括：如果在深度方向上，藻類濃度變化幅度小于設定閾值，則當前區域藻類分布類型為均勻分布，用表示；如果藻類集中在水體的某一層，而且隨著深度增加而藻類濃度下降速度大于設定閾值，則該區藻類分布類型為表層富集型分布，用指數模型表示；如果在水體底層藻類濃度高于設定閾值，在水體表層藻類濃度低于設定閾值，則該區藻類分布類型為底層富集型分布，用反向指數分布模型表示；如果在水體中間層藻類濃度高于設定閾值，在水體表層和水體底層藻類濃度均低于設定閾值，則該區藻類分布類型為中層富集型分布，用高斯分布模型表示；如果浮游藻類在水體中形成多個富集層，在水體表層、水體中間層和水體底層，藻類濃度均高于設定閾值，則該區藻類分布類型為多層次分布，用多個高斯分布函數疊加表示；如果在水體中間局部斑塊藻類濃度高于設定閾值，其它斑塊低于設定閾值，則該區藻類分布類型為斑塊狀分布，可用分段高斯模型表示；基于葉綠素a剖面分布類型和表層葉綠素a濃度反演結果，進行垂向多層連續的葉綠素a濃度和藻總量反演，得到藻總量的估算結果，包括：如果水柱葉綠素a呈垂向均勻分布，葉綠素a濃度在垂直方向上的變化幅度小于設定閾值，由水體表層的葉綠素a濃度反演結果乘以水深，計算水柱藻總量； ；其中，表示水柱藻總量，表示水體表層的葉綠素a濃度，表示水體的深度；如果水柱葉綠素a非均勻分布，則先將SentinelMSI各波段遙感反射率與Hydrolight模擬生物光學庫進行最優光譜匹配，再使用決策樹進行辨識，確定水柱葉綠素a剖面，進行水深積分得到藻總量。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人山東大學;山東大學深圳研究院;山東省生態環境規劃研究院，其通訊地址為：266237 山東省青島市即墨區濱海路72號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。