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！

龙图腾网获悉山东省煤田地质局物探测量队申请的专利一种基于多光谱遥感影像的水深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：CN121163483B 。

龙图腾网通过国家知识产权局官网在2026-02-13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：202511695476.6，技术领域涉及：G01C13/00；该发明授权一种基于多光谱遥感影像的水深反演方法及系统是由黄士红;朱延华;徐勇设计研发完成，并于2025-11-19向国家知识产权局提交的专利申请。

本一种基于多光谱遥感影像的水深反演方法及系统在说明书摘要公布了：本发明涉及勘测技术领域，且公开了一种基于多光谱遥感影像的水深反演方法及系统，利用独立验证样本集进行分层精度评估，针对水深范围、底质类型等维度分析模型性能差异。全链条不确定性分析量化了大气校正、水位校正等环节的误差传播，并构建集成学习的不确定性量化模型，生成像元级精度分布图。由此，该技术方案通过系统性整合多时相数据动态建模与不确定性量化机制，形成闭环式动态适应框架，从数据获取到结果验证全程嵌入时空变化补偿机制，有效应对水体光学特性时空异质性对水深反演的干扰，解决了近岸水体光学特性在季节性和潮汐尺度上的动态变化导致水深反演模型参数失配及精度下降的问题。

本发明授权一种基于多光谱遥感影像的水深反演方法及系统在权利要求书中公布了：1.一种基于多光谱遥感影像的水深反演方法，其特征在于：具体步骤如下： S1：获取目标水域不同季节和潮汐状态的多时相多光谱遥感影像，对多时相多光谱遥感影像进行辐射定标、大气校正和几何配准，基于天文潮模型进行水位动态校正，将多时相多光谱遥感影像统一到平均海平面基准面； S2：提取多时相多光谱遥感影像的水体光学特征参数，采用时间序列聚类算法划分光学动态分区，建立各光学动态分区的光学参数时间序列数据库，根据环境驱动因子建立光学参数预测模型； 所述步骤S2具体方式如下： S2.1：从多时相标准化影像数据集中提取蓝光波段反射率、绿光波段反射率和红光波段反射率，计算蓝绿波段比值、归一化悬浮物指数和叶绿素荧光峰指数作为水体光学特征参数，针对每个像元按时间顺序排列水体光学特征参数构建时间序列向量，采用动态时间规整算法计算像元间时间序列向量的相似度距离构成相似度距离矩阵，基于相似度距离矩阵采用K‑means聚类算法将像元划分为光学动态分区，统计各光学动态分区在各时相的水体光学特征参数平均值形成光学特征时间变化曲线，存储为光学参数时间序列数据库； S2.2：获取与多时相标准化影像数据集对应的环境驱动因子数据，环境驱动因子数据包括逐日降雨量、逐日径流量、逐日平均风速和逐日平均水温，将环境驱动因子数据通过空间插值方法对应到各光学动态分区，通过经验公式将水体光学特征参数转换为悬浮物浓度值和叶绿素浓度值作为主控光学参数，将环境驱动因子数据作为自变量、主控光学参数作为因变量，采用多元线性回归方法建立光学参数预测模型，对各光学动态分区分别建立独立的光学参数预测模型； S3：根据光学动态分区设计采样方案，在各光学动态分区内采集水深、悬浮物浓度和叶绿素浓度的实测数据，采用主动学习策略在高不确定性区域补充采样点； S4：建立半分析水深反演模型，将水体衰减系数表达为光学组分浓度和时空因子的函数关系，构建长短期记忆网络的光学参数时序预测模块，根据光学参数时序预测模块的输出调整半分析水深反演模型的参数； S5：建立底质类型分类体系，采用光谱解混算法分离水体信号和底质信号，构建深度学习解耦网络，通过深度学习解耦网络反演底质反射率与水深； S6：采用贝叶斯融合方法对多期水深反演结果进行时空融合，引入地形连续性约束条件，计算相邻时期的水深变化量并进行显著性检验，识别地形演变区域； S7：利用独立验证样本集进行分层精度评估和全链条不确定性分析，构建集成学习的不确定性量化模型，生成像元级精度分布图。

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山东省煤田地质局物探测量队，其通讯地址为：250100 山东省济南市历城区经十东路33699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。