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一种干旱胁迫下生态系统总初级生产力预测方法及系统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：CN119443365B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202411458037.9，技术领域涉及：G06Q10/04；该发明授权一种干旱胁迫下生态系统总初级生产力预测方法及系统是由杨远航;尹家波;黄燨;何难;张谦;陈明帅;张良憬设计研发完成，并于2024-10-18向国家知识产权局提交的专利申请。

本一种干旱胁迫下生态系统总初级生产力预测方法及系统在说明书摘要公布了：本发明提供一种干旱胁迫下生态系统总初级生产力预测方法及系统，包括：通过耦合干旱胁迫下非线性响应及水热碳物理机制，为气候变化情景下全球及区域预测评估未来旱情演化对生态系统碳汇功能的响应机制提供重要且可操作性强的参考依据。

本发明授权一种干旱胁迫下生态系统总初级生产力预测方法及系统在权利要求书中公布了：1.一种干旱胁迫下生态系统总初级生产力预测方法，其特征在于，包括： 在研究区域内获取碳通量观测数据、大气再分析数据、MODIS卫星反演资料、重力卫星反演资料以及地球系统模式输出的多源数据集； 采用克劳修斯-克拉珀龙热力学方程确定饱和水汽压亏缺、相对湿度和湿球温度，基于游程理论和陆地水储量异常干旱指标TWSA-DSI提取所述研究区域内的干旱特征： 基于水热因子和干旱指标TWSA-DSI，结合收敛交叉映射函数，获得水热胁迫因子、干旱指标与生态系统总初级生产力GPP因果关系，提取影响GPP关键水热因子； 根据所述影响GPP关键水热因子和所述干旱特征，采用源自第五代全球气候再分析资料数据集ERA5再分析数据的各关键因子和MODIS反演的GPP数据，构建长短期记忆机器学习模型，结合地球系统模式输出的不同情景下水热因子，预测未来不同情景下GPP数据； 结合全球气候模式输出的研究区域内各格点的湿球温度和陆地水储量TWS数据，得到未来干旱指数TWSA-DSI，由所述未来不同情景下GPP数据构建涌现约束模型，减少未来干旱胁迫下GPP预测的不确定性； 根据所述影响GPP关键水热因子和所述干旱特征，采用ERA5再分析数据的各关键因子和MODIS反演的GPP数据，构建长短期记忆机器学习模型，结合地球系统模式输出的不同情景下水热因子，预测未来不同情景下GPP数据，包括： 从ERA5再分析数据、GRACE重力卫星反演的陆地水储量数据和MODIS反演的GPP数据中提取若干个驱动因子，以所述若干个驱动因子中预设前位个数的驱动因子作为关键水热因子； 确定当前时刻以及若干当前时刻的前若干时刻对应的所述关键水热因子为所述长短期记忆机器学习模型的输入变量，训练获得GPP预测模型； 采用地球系统模式输出的不同情景下水热因子、TWSA-DSI和干旱特征，驱动所述GPP预测模型，得到未来不同情景下GPP数据： 其中，表示t时刻机器学习模拟的总初级生产力，表示t时刻的输入变量，表示t-1时刻的输入变量，表示t-2时刻的输入变量，表示t-3时刻的输入变量；F表示长短期记忆机器学习模型； 结合全球气候模式输出的研究区域内各格点的湿球温度和陆地水储量TWS数据，得到未来干旱指数TWSA-DSI，由所述未来不同情景下GPP数据构建涌现约束模型，减少未来干旱胁迫下GPP预测的不确定性，包括： 基于每一个全球气候模式历史期的气温和相对湿度数据，结合研究区域内每一个格点的湿球温度，采用线性回归方法得到年均湿球温度变化趋势； 采用空间滑窗法获取5个全球气候模式下的多格点年均湿球温度变化趋势数据，由所述多格点年均湿球温度变化趋势数据、所述未来不同情景下GPP数据、第一约束参数和第二约束参数，构建第一涌现约束子模型： 式中：a1和b1表示涌现约束模型一的参数，Twet_Trend为湿球温度的趋势； 采用空间滑窗法获取5个全球气候模式下的多格点TWSA-DSI，由所述多格点TWSA-DSI、所述未来不同情景下GPP数据、第三约束参数和第四约束参数，构建第二涌现约束子模型： 式中：a2和b2表示涌现约束模型二的参数，TWSADSI-Trend为干旱指数TWSA-DSI的趋势； 基于最小二乘法求解所述第一约束参数、所述第二约束参数、所述第三约束参数和所述第四约束参数，由所述第一涌现约束子模型和所述第二涌现约束子模型得到所述涌现约束模型； 式中：表示校正后的未来时期受干旱胁迫下的总初级生产力预测结果；Twet_Trend为该格点中得到的年均湿球温度的变化趋势；TWSADSI-Trend为该格点中得到的年均干旱指数TWSA-DSI的趋势；参数a1，a2，b1和b2来自第一涌现约束子模型和第二涌现约束子模型确定的参数； 在未来不同情景下驱动所述涌现约束模型，得到不同情景下受干旱胁迫的GPP预测结果。

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”。

以上内容由龙图腾AI智能生成。