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！

龙图腾网获悉济南大学申请的专利基于高光谱数据的内陆湖泊叶绿素a反演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：CN120195134B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202510277377.X，技术领域涉及：G01N21/55；该发明授权基于高光谱数据的内陆湖泊叶绿素a反演方法及系统是由傅新;严从祥;董文;李斌;高海亮设计研发完成，并于2025-03-10向国家知识产权局提交的专利申请。

本基于高光谱数据的内陆湖泊叶绿素a反演方法及系统在说明书摘要公布了：本公开涉及湖泊叶绿素a反演技术领域，提出了一种基于高光谱数据的内陆湖泊叶绿素a反演方法及系统，通过多波段指数模型和回归方法对湖泊范围内叶绿素a含量进行反演。首先，获取湖泊的高光谱影像数据并进行预处理，以去除噪声并提高数据质量。然后，采用NDWI指数提取水体范围，并提取不同采样点位的波段信息。基于湖泊水质的光学特性，构建考虑色素吸收与遥感反射率的多波段指数模型，并结合回归分析优化反演模型。通过上述方法仅通过少量点的实测采集融合高光谱遥感影像数据，将构建的模型应用于监测区域尺度上的湖泊叶绿素a分布特征，可以实现湖泊全区域的叶绿素a浓度的精准反演，解决了单一采用遥感数据进行反演准确性低的问题。

本发明授权基于高光谱数据的内陆湖泊叶绿素a反演方法及系统在权利要求书中公布了：1.基于高光谱数据的内陆湖泊叶绿素a反演方法，其特征在于，包括如下步骤： 通过实地采集湖泊水样，构建湖泊叶绿素a的实测数据集； 获取湖泊遥感反射率数据集，提取实测采样时间的高光谱卫星影像数据进行预处理； 将预处理后的高光谱卫星影像数据，通过NDWI指数运算提取水体范围，进行波段信息提取，得到对应各个实测点位的波段数据和湖泊范围水域的遥感影像； 考虑色素吸收、遥感反射率的影响构建多波段指数模型，融合多波段指数模型和回归模型构建反演模型，以实测数据集的数据为输出，以各个实测点位的波段数据和湖泊范围水域的遥感影像为输入，对构建的反演模型进行迭代优化；反演模型的构建方法，包括如下步骤： 考虑色素吸收、遥感反射率的影响，选择最优波段； 基于选择的最优波段构建多波段指数模型，计算三波段指数； 以多波段指数模型计算的三波段指数作为自变量，以实测的叶绿素a的实测数据集中的叶绿素a的浓度为输出，建立多种回归模型进行拟合； 设置评价指标，对拟合结果进行留一法交叉验证和误差评估，选择最优的回归模型，与构建的多波段指数模型结合作为最终的反演模型； 考虑色素吸收、遥感反射率的影响构建三波段指数模型的具体形式为： 其中，表示第一最优波段，表示第二最优波段，表示第三最优波段；表示对应波段的反射率； 选择三波段指数模型最优波段后，对、和这三个最优波段的确定使用特征波段范围进行迭代优化作为最终的最优波段，包括如下步骤： 根据实地采集湖泊水样得到光谱数据初步，确定、和的初步波段范围； 基于初步波段范围对应于相应的卫星，确定对应于相应的卫星的波段范围，基于浑浊度对第二最优波段和第三最优波段确定的波段选择范围进行扩宽，得到、和的波段选择范围；其中，波段选择范围扩宽公式为： 其中，为设定时间段内湖泊t季节的悬浮物浓度最大值，为设定时间段内湖泊t季节的悬浮物浓度最小值，C为该水域悬浮物浓度均值，E为扩宽的比例； 在、和波段选择范围，固定任意两个波段，将剩余的一个波段在波段选择范围内进行迭代，每次迭代计算对应波段数据与叶绿素a的浓度的相关性，识别相关性最高的作为输出波段，得到三个波段最终的最优波段； 获取待测位置的高光谱卫星影像数据，输入至优化后的反演模型得到待测位置叶绿素a的反演结果。

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济南大学，其通讯地址为：250022 山东省济南市市中区南辛庄西路336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。