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！

龙图腾网获悉武汉大学申请的专利GPP估算模型的构建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：CN115587916B 。

龙图腾网通过国家知识产权局官网在2025-08-05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：202211184260.X，技术领域涉及：G06Q10/063；该发明授权GPP估算模型的构建方法是由姜佳菲;韩舸;蔡孟阳;应家莹;王亨源设计研发完成，并于2022-09-27向国家知识产权局提交的专利申请。

本GPP估算模型的构建方法在说明书摘要公布了：本发明公开了一种GPP估算模型的构建方法，包括：获取日光诱导叶绿素荧光SIF产品数据和当地对应的GPP数据库，再与研究区的植被数据、气象数据结合形成数据集，对数据集进行预处理，并将处理后的数据划分为训练集、验证集和测试集；选择现有的GPP模型，采用XGBOOST模型在现有的GPP模型中加入SIF特征因子、植被特征因子、气象特征因子，并采用训练集训练XGBOOST模型的参数；采用验证集验证并进一步调整XGBOOST模型的参数；将测试集进行数据重采样并进行自举随机选取，导入到步骤3得到的XGBOOST模型进行遍历迭代得到最优的GPP估算模型。本发明在现有的SIF‑GPP关系中考虑了植被、气象等特征因子，打破了线性SIF‑GPP模型的应用具有的区域局限性，提高了GPP测算的效率和精确度。

本发明授权GPP估算模型的构建方法在权利要求书中公布了：1.一种GPP估算模型的构建方法，其特征在于，包括如下步骤： 步骤1，获取日光诱导叶绿素荧光SIF产品数据和当地对应的GPP数据库，再与研究区的植被数据、气象数据结合形成数据集，对数据集中的数据进行预处理，剔除异常数据，并将处理后的数据划分为训练集、验证集和测试集； 步骤2，选择现有的GPP模型，采用XGBOOST模型在现有的GPP模型中加入SIF特征因子、植被特征因子、气象特征因子以改进现有的GPP模型进而构建适于大范围使用的GPP模型，并采用训练集训练XGBOOST模型的参数； 步骤3，采用验证集验证并进一步调整XGBOOST模型的参数，并得到精度符合要求的XGBOOST模型； 步骤4，将测试集进行数据重采样并进行自举随机选取，导入到步骤3得到的XGBOOST模型进行遍历迭代得到最优的GPP估算模型； 其中，步骤1中的植被数据包括植被类型、土壤湿度，气象数据包括降水、下行辐射、平均温度、最高温度、最低温度； 选择的现有GPP模型为： ； 式中，为总初级生产力；为叶绿素荧光；为光能利用率；为荧光量子产量；为叶绿素荧光的冠层逃逸率； 对上述GPP模型进行变换得到变换后的SIF-GPP模型： 式中，——模型拟合获得的常数；为最低温调节系数，为饱和水汽压差调节系数； 采用XGBOOST模型在上述变换后的SIF-GPP模型中加入植被特征因子、气象特征因子； 步骤2中，XGBOOST模型为： ； 其中，为决策树集合，为第i条数据的特征值所组成的向量，此处包括植被数据和气象数据，为第n个独立决策树，其中包含树的结构和权重信息，为决策树的总量，为第i条数据的预测值； 步骤2中，按照十折交叉验证方式训练XGBOOST模型，训练过程中的损失函数为： ； 其中，M代表训练集的数量，为预测值和真实值间的损失函数，此处选用均方误差作为损失函数，为决策树的正则项。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山街道八一路299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”。