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！

龍圖騰網恭喜南京林業大學申請的專利考慮諧波模型系數和物候參數的森林樹種組分類方法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：CN114565859B 。

龍圖騰網通過國家知識產權局官網在2025-05-27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：202210194358.7，技術領域涉及：G06V20/13；該發明授權考慮諧波模型系數和物候參數的森林樹種組分類方法是由張亞麗;李明詩;葉鋆泓;王楠;楊博翔;劉琴琴;蔣路凡;丁寧;李沐璇;張銀設計研發完成，并于2022-03-01向國家知識產權局提交的專利申請。

本考慮諧波模型系數和物候參數的森林樹種組分類方法在說明書摘要公布了：本發明公開一種考慮諧波模型系數和物候參數的森林樹種組分類方法，包括如下步驟：S1、影像獲取及預處理；S2、建立基于多源遙感數據的MCCDC模型；S3、基于邏輯回歸方程的森林年物候提取以及MCCDC系數提取；S4、考慮物候參數以及MCCDC參數的樹種組識別。本發明將基于遙感提取的森林物候參數和所構建的諧波模型MCCDC系數作為樹種分類建模的輸入變量，提供了區別于傳統光譜和紋理特征方法的獨特分類數據特征，在一定程度上補償了僅僅依賴光譜、紋理特征輸入時存在“同物異譜”、“異物同譜”現象對分類精度的影響，從而提高了森林樹種組分類精度。

本發明授權考慮諧波模型系數和物候參數的森林樹種組分類方法在權利要求書中公布了：1.一種考慮諧波模型系數和物候參數的森林樹種組分類方法，其特征在于包括如下步驟：S1、影像獲取及預處理；獲取待分類區域一段時間內多個傳感器衛星影像，并對獲得的影像采用最小二乘法擬合斜率和截距的方法，進行逐波段的光譜歸一化，最小化不同傳感器間的光譜響應差異；S2、建立基于多源遙感數據的MCCDC模型，具體步驟包括：S21、建立SR時間序列模型，定義一個逐像元反射率時間序列模型，如式（1）所示，以表達地表反射率變化的特征； （1）式（1）中包含一個傅立葉諧波模型和一個長期的趨勢部分，為儒略日期；T是周期天數，該值為365.25；為第波段在儒略日期的地表反射率預測值；該時間序列模型中有8個系數，系數為第波段清晰觀測的總體均值，系數、、、、、用于模擬由物候引起的地表反射率的年內變化，它的最小正周期為一年，系數體現由氣候變化和土壤退化等因素引起的地表反射率漸變的趨勢；S22、識別時間序列模型突變點，基于步驟S21建立的時間序列模型，看是否滿足式（2）； （2）式（2）中，為波段數量；指需要判斷的突變點后連續觀測值的個數；為第波段在儒略日期地表反射率的實際觀測值；是指第i波段的模型預測反射率值與實際遙感觀測反射率值的均方根誤差；當滿足式（2）時，證明區域內發生了土地覆蓋變化，對變化的像元按照時間順序排序，首先利用同一位置的前24個清晰像元，基于式（1），建立初始化的時間序列模型，然后判斷每個波段接下來的4個像元的實際觀測值與預測值的差異是否都超出模型均方根誤差的3倍，如果沒有超出范圍，則將這些觀測值加入到之前參與建模的觀測值中去，重新擬合參數，再次判斷后續的觀測值，如果連續4個觀測值都超出了范圍，則定義該點為突變點，即土地覆蓋變化發生的時間點，在這個過程中，需要平均所有波段的觀測值和預測值的差異之和來定義突變；S23、合成每日遙感圖像，利用步驟S21~S22的方法生成每個像元不同波段的時間序列模型，對于每個像元的單一波段，通過給定變量儒略日期的值，依據時間序列模型，生成該像元給定日期的SR預測值，將該方法應用到一段時間內每一天的所有像素點，從而生成空間分辨率為30m的清晰合成圖像；S3、基于邏輯回歸方程的森林年物候提取，具體方法為：S31、基于獲得的全部每天合成圖像，進行逐年分析提取每年的物候參數，通過式（3）~式（5）依次計算三個植被指數EVI、NDVI以及LSWI，并基于三者分別擬合邏輯斯蒂克回歸函數，進而判斷不同的物候參數估計值； （3） （4） （5）式中，、、和分別是藍光，紅光，近紅外和短波紅外1波段的地表反射率值；S32、基于三個植被指數，使用邏輯斯蒂克回歸函數分別提取各自表達的年SOS，EOS和LOS，使用式（6）對每年的植被指數時間序列數據進行建模； （6）式中，t為觀測時間，為植被指數值EVI，或者NDVI，或者LSWI，a和b為擬合參數，植被指數值小于c+d，d為初始背景植被指數值；完成式（6）擬合，則通過式（7）計算擬合模型的曲率變化率； （7）式中，和分別是邏輯斯蒂克方程的一階和二階導數，ROC是擬合模型的曲率變化率；物候參數判斷準則：當曲率的變化率首次達到極大值時對應的天數即為植被生長開始期SOS，當曲率的變化率最后一次達到極小值時的天數為植被生長結束期EOS，取EOS與SOS的差值即是植被生長季長度LOS；S33、通過將三個遙感指數提取的SOS和EOS與實地觀測物候數據進行比較，選擇以LSWI指數獲得的物候參數作為識別算法的輸入變量；S4、考慮物候參數和擬合MCCDC模型系數的樹種組識別，采用RF或SVM識別算法分別對森林樹種組進行分類，并將MCCDC模型的參數和物候期參數作為輸入變量，加入兩種機器學習算法中，繪制森林樹種組時空分布圖。

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南京林業大學，其通訊地址為：210037 江蘇省南京市玄武區龍蟠路159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”。