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！

龙图腾网获悉中国科学院南京地理与湖泊研究所申请的专利基于高光谱近感湖库水质水华短期预测预警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：CN119804362B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202411940322.4，技术领域涉及：G01N21/31；该发明授权基于高光谱近感湖库水质水华短期预测预警方法及系统是由李娜;张运林;张毅博;骆夏杨设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本基于高光谱近感湖库水质水华短期预测预警方法及系统在说明书摘要公布了：本发明公开了基于高光谱近感湖库水质水华短期预测预警方法及系统，属于水质预测预警技术方法领域。将预处理后的水体近感高光谱反射率与时空属性信息相结合生成水体近感高光谱反射率‑时间序列数据集；结合同步实测水质参数，按照时空匹配原则构建与预设水质反演模型集；利用预设水质反演模型集生成多水质参数‑时间序列数据集；基于多水质参数‑时间序列数据集搭建预测预警模型，输出水质水华预测预警结果。本发明将测量数据实时传输至云端服务器，通过构建水质反演模型集将高光谱反射率数据转化为用户易于理解的水质参数，基于多参数水质并将这些数据整合软件平台上；可随时随地查看当前水质信息、历史长期变化和未来短期水华预测预警信息。

本发明授权基于高光谱近感湖库水质水华短期预测预警方法及系统在权利要求书中公布了：1.基于高光谱近感湖库水质水华短期预测预警方法，其特征在于，包括以下步骤： 根据时空属性信息实时采集水体近感高光谱反射率并经预处理得到预处理后的水体近感高光谱反射率；将所述预处理后的水体近感高光谱反射率与时空属性信息相结合生成水体近感高光谱反射率-时间序列数据集；所述时空属性信息包括：空间信息、时间信息和监测点水体类型； 根据监测点水体类型筛选出对应的水体近感高光谱反射率，结合同步实测水质参数，按照时空匹配原则构建与监测点水体类型相关的预设水质反演模型集；将水体近感高光谱反射率-时间序列数据集作为输入变量，实测水质参数作为输出因变量，利用所述预设水质反演模型集生成多水质参数-时间序列数据集； 基于所述多水质参数-时间序列数据集进行多时间尺度的统计分析，筛选出关键多水质参数-时间序列数据集，搭建预测预警模型；将预处理后的水体近感高光谱反射率作为输入特征，输出水质水华预测预警结果；根据所述水质水华预测预警结果更新所述关键多水质参数-时间序列数据集，并优化所述预测预警模型； 其中，多时间尺度包括：逐时尺度和逐日尺度，所述关键多水质参数-时间序列数据集则包括：逐时水质参数和逐日水质参数；所述关键多水质参数-时间序列数据集的筛选流程如下：引入逐时水质参数与同步叶绿素a浓度、逐日水质参数与同步叶绿素a浓度之间的相关性，通过所述相关性的赋值判断对应的水质参数是否为关键参数： ；式中，为皮尔逊相关系数，为显著性水平； 若相关性的赋值为1，则表示该多水质参数与同步叶绿素a浓度呈显著中等以上相关，属于关键水质参数并更新至关键多水质参数-时间序列数据集中；若相关性的赋值为0，则表示该多水质参数与同步叶绿素a浓度呈弱相关，不属于关键水质参数；在网页终端接收用户查询不同时间尺度的预测预警需求，重复上述步骤实时更新和展示输出结果； 其中，所述预测预警模型的分析过程如下： 定义滑动窗口为，滑动步长为，分别计算最佳滑动窗口内的多水质参数的平均值、标准差和中位数，分析最佳滑动窗口中心位置的水质参数： 若，则水质水华预测预警结果表示为水质正常，不做预警处理； 若，则水质水华预测预警结果表示为水质异常，发出告警信息； 还包括：将对应的水质参数从关键多水质参数-时间序列数据集中剔除，并用中位数替代； 对多水质参数-时间序列数据集采用Savitzky-Golay滤波器进行平滑处理以降低采集过程中的噪声，采用5次多项式曲线拟合，使用最邻近插值方法方进行填充，从而得到更新后的关键多水质参数-时间序列数据集。

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中国科学院南京地理与湖泊研究所，其通讯地址为：210000 江苏省南京市北京东路73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。