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！

龙图腾网获悉南京航空航天大学申请的专利一种基于多层次深度学习的总初级生产力反演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：CN120430347B 。

龙图腾网通过国家知识产权局官网在2025-08-29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：202510937336.9，技术领域涉及：G06N3/0455；该发明授权一种基于多层次深度学习的总初级生产力反演方法是由何俊超;王博;张昊伟;盛庆红;刘祥;刘宇设计研发完成，并于2025-07-08向国家知识产权局提交的专利申请。

本一种基于多层次深度学习的总初级生产力反演方法在说明书摘要公布了：本发明公开了一种基于多层次深度学习的总初级生产力反演方法，包括获取遥感影像光谱信息、气象信息和通量信息；利用PROSAIL模型生成查找表，建立光谱信息和叶片结构信息、叶片生化信息、土壤信息的对应关系；构建多层次深度学习的总初级生产力反演模型；利用模型反演总初级生产力，并评定反演精度。本发明借助模型将光谱信息转化为叶片结构等信息，扩充光谱信息维度；设计四类限制因子，增强模型可解释性；构建多层次深度学习网络，利用其自动优化限制因子表达，并联设计明确因子作用，提升模型精度。

本发明授权一种基于多层次深度学习的总初级生产力反演方法在权利要求书中公布了：1.一种基于多层次深度学习的总初级生产力反演方法，其特征在于，包括以下步骤： 步骤1获取预处理后的遥感影像光谱信息、气象信息和通量信息； 步骤2利用PROSAIL模型生成查找表，建立光谱信息与叶片结构信息、叶片生化信息、土壤信息的对应关系； 步骤3构建基于并联式Transformer架构的多层次深度学习的总初级生产力反演模型； 步骤4利用所述模型反演总初级生产力，并采用均方根误差和决定系数评定反演精度； 其中，所述步骤2中的PROSAIL模型公式为： 其中，ρc为冠层反射率，P表示PROSAIL模型算子，N为叶片结构参数，LAI为叶面积指数，ALA为平均叶倾角，Cab为叶绿素含量，Ccar为类胡萝卜素含量，Cw为等效水厚度，Cm为干物质含量，Psoil为土壤干湿系数，Rsoil为土壤硬度系数，Hotspot为热点参数，θv为观测天顶角，θχ为太阳天顶角，为太阳与观测间相对方位角； 所述查找表的生成包括：使用正态随机分布函数确定N，LAI，ALA，Cab，Ccar，Cw，Cm，Psoil，Rsoil，Hotspot；θv，θχ，由遥感影像的传感器确定，将参数带入PROSAIL模型，得到光谱反射率曲线；在利用波段响应函数，将光谱反射率曲线重采样至遥感影像波段，建立光谱信息与叶片结构信息、叶片生化信息、土壤信息的对应关系，波段响应函数为： 其中，ρbandi为卫星的i波段的等效遥感反射率，λ1与λ2为该波段的波段范围，ρλ为λ波长处的光谱反射率曲线的值，SRFλ为λ波长处的光谱响应率； 将遥感影像光谱信息带入查找表，求得相应的叶片结构信息、叶片生化信息、土壤信息； 所述步骤3的总初级生产力计算模型为： GPP＝SOL*f1εN,LAI,ALA*f2εCab,Ccar,Cw,Cm*f3εPsoil,Rsoil*f4εW,T,ET,VPD 其中，GPP代表总初级生产力；SOL代表太阳总辐射量；f1εN,LAI,ALA是叶片结构限制因子，f2εCab,Ccar,Cw,Cm是叶片生化限制因子，f3εPsoil,Rsoil是土壤限制因子，f4εW,T,ET,VPD是环境限制因子，充分考虑不同限制因子对总初期生产力的限制作用。

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南京航空航天大学，其通讯地址为：210016 江苏省南京市御道街29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”。