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！

龙图腾网获悉桂林理工大学申请的专利一种叶绿素a遥感反演方法、装置、系统以及存储介质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：CN115931727B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202211193076.1，技术领域涉及：G01N21/17；该发明授权一种叶绿素a遥感反演方法、装置、系统以及存储介质是由范冬林;何宏昌;曾优;付波霖;康传利设计研发完成，并于2022-09-28向国家知识产权局提交的专利申请。

本一种叶绿素a遥感反演方法、装置、系统以及存储介质在说明书摘要公布了：本发明提供一种叶绿素a遥感反演方法、装置、系统以及存储介质，属于色素处理领域，方法包括：S1：从SeaBASS验证系统中获取多个叶绿素a浓度，并从中分辨率成像光谱仪中获取多个卫星传感器测量值；S2：分别将各个叶绿素a浓度及各个卫星传感器测量值进行匹配得到卫星原位匹配对集合；S3：对卫星原位匹配对集合进行分析筛选得到筛选后匹配对样本集合；S4：按照预设比例将筛选后匹配对样本集合划分为匹配对训练子集合以及匹配对测试子集合。本发明解决了现有叶绿素a反演算法输入特征和训练样本的不足，且反演精度易受扩展特征质量的影响的问题，还解决了人工构造扩展的缺点以及噪声不耐受及反演结果不丰富的问题。

本发明授权一种叶绿素a遥感反演方法、装置、系统以及存储介质在权利要求书中公布了：1.一种叶绿素a遥感反演方法，其特征在于，包括如下步骤： S1：从SeaBASS验证系统中获取多个叶绿素a浓度，并从中分辨率成像光谱仪中获取多个卫星传感器测量值； S2：分别将各个所述叶绿素a浓度及各个所述卫星传感器测量值进行匹配，得到各个所述叶绿素a浓度的卫星原位匹配对，并构成卫星原位匹配对集合； S3：对所述卫星原位匹配对集合进行分析筛选，得到筛选后匹配对样本集合； S4：按照预设比例将所述筛选后匹配对样本集合划分为匹配对训练子集合以及匹配对测试子集合； S5：构建一维卷积神经网络以及支持向量机回归模型，利用所述匹配对训练子集合以及所述匹配对训练子集合中各个所述卫星原位匹配对所对应的叶绿素a浓度，对所述一维卷积神经网络以及所述支持向量机回归模型进行训练，得到训练后一维卷积神经网络以及训练后支持向量机回归模型； S6：通过所述训练后一维卷积神经网络以及所述训练后支持向量机回归模型，对所述匹配对测试子集合中各个所述卫星原位匹配对进行预测，得到所述匹配对测试子集合中各个所述卫星原位匹配对所对应叶绿素a浓度的预测值； S7：根据所述匹配对训练子集合中各个所述卫星原位匹配对所对应的叶绿素a浓度以及所述匹配对测试子集合中各个所述卫星原位匹配对所对应叶绿素a浓度的预测值，对所述训练后一维卷积神经网络以及所述训练后支持向量机回归模型进行目标反演模型的分析，得到目标反演模型； S8：导入待处理遥感卫星反射率数据，通过所述目标反演模型对所述待处理遥感卫星反射率数据进行反演处理，得到叶绿素a遥感反演结果； 所述步骤S7的过程包括： 基于第三式，根据所述匹配对训练子集合中各个所述卫星原位匹配对所对应的叶绿素a浓度以及所述匹配对测试子集合中各个所述卫星原位匹配对所对应叶绿素a浓度的预测值进行第二决定系数的计算，得到第二决定系数，所述第三式为： 基于第四式，根据所述匹配对训练子集合中各个所述卫星原位匹配对所对应的叶绿素a浓度以及所述匹配对测试子集合中各个所述卫星原位匹配对所对应叶绿素a浓度的预测值进行第二损失值的计算，得到第二损失值，并对所述第二决定系数和所述第二损失值进行存储，所述第四式为： 其中，R'2为第二决定系数，MAE'为第二损失值，mean为均值函数，Mi为所述匹配对训练子集合中第i个所述卫星原位匹配对所对应的叶绿素a浓度，E'j为所述匹配对测试子集合中第j个所述卫星原位匹配对所对应叶绿素a浓度的预测值，n为所述匹配对训练子集合中所述卫星原位匹配对的个数，m为所述匹配对测试子集合中所述卫星原位匹配对的个数； 根据所述第二损失值分别对所述训练后一维卷积神经网络以及所述训练后支持向量机回归模型进行参数更新，参数更新后返回S6并循环执行，直至达到预设迭代次数，则根据存储的所有所述第二决定系数以及所有所述第二损失值分别绘制为第二决定系数曲线图以及第二损失值曲线图； 判断所述第二决定系数曲线图以及所述第二损失值曲线图是否满足条件，所述条件为所述第二决定系数曲线图呈下降或平稳趋势，且所述第二损失值曲线图呈上升或平稳趋势；若否，则返回S6并循环执行；若是，则通过最后一次参数更新后的训练后一维卷积神经网络以及训练后支持向量机回归模型构建得到目标反演模型。

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桂林理工大学，其通讯地址为：541004 广西壮族自治区桂林市七星区建干路12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”。