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！

龙图腾网获悉中国海洋大学三亚海洋研究院申请的专利基于深度学习的云条件自适应静止卫星海表温度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：CN121302321B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511853288.1，技术领域涉及：G06F18/27；该发明授权基于深度学习的云条件自适应静止卫星海表温度反演方法是由王梦显;梁韵;赵玮;孙忠斌;葛庆设计研发完成，并于2025-12-10向国家知识产权局提交的专利申请。

本基于深度学习的云条件自适应静止卫星海表温度反演方法在说明书摘要公布了：本发明提供一种基于深度学习的云条件自适应静止卫星海表温度反演方法，涉及海表温度反演技术领域，具体包括：获取静止卫星观测数据、地理信息数据、极轨卫星海表温度与云产品、再分析海表温度及大气背景数据；对获取的静止卫星观测数据进行标准化预处理；构建云检测数据集；构建深度学习的云检测模型并进行训练；构建晴空数据集；构建深度学习的晴空反演模型并进行训练；构建用于云下反演模型训练的数据集；构建深度学习的云下反演模型并进行训练；集成云检测模型、晴空反演模型与云下反演模型，根据实时云检测结果自适应调用相应模型，生成最终的海表温度产品。本发明的技术方案克服现有技术中无法全面反映重建产品在空间结构上的准确性的问题。

本发明授权基于深度学习的云条件自适应静止卫星海表温度反演方法在权利要求书中公布了：1.一种基于深度学习的云条件自适应静止卫星海表温度反演方法，其特征在于，具体包括如下步骤： S1，获取静止卫星观测数据、地理信息数据、极轨卫星海表温度与云产品、再分析海表温度及大气背景数据； S2，对获取的静止卫星观测数据进行标准化预处理，包括：辐射定标和几何参数提取； S3，通过时空匹配与重采样，将极轨卫星云检测产品与静止卫星观测对齐，构建云检测数据集； S4，构建深度学习的云检测模型，并利用步骤S3构建的数据集对云检测模型进行训练； S5，融合静止卫星观测特征、极轨卫星晴空区海表温度标签及再分析大气数据，构建晴空数据集； S6，构建深度学习的晴空反演模型，并利用步骤S5构建的数据集对晴空反演模型进行训练； S7，利用预训练的云检测模型筛选云覆盖样本，并将云覆盖样本与再分析海表温度标签融合，构建用于云下反演模型训练的数据集； S8，构建深度学习的云下反演模型，并利用步骤S7构建的数据集云下反演模型进行训练； S9，集成云检测模型、晴空反演模型与云下反演模型，根据实时云检测结果自适应调用相应模型，生成最终的海表温度产品； 步骤S2具体包括如下步骤： S2.1，对静止卫星数据进行辐射定标，将计数值转换为通道亮温,转换关系表示为： ; 其中，为通道亮温，为由定标查找表的定义的映射函数，为原始观测计数值； S2.2，基于静止卫星标称投影的几何模型，进行图像行列坐标系与地理坐标系间的变换，首先将行列号转换为中间量： ； ； 其中，和分别为原始图像中的列号和行号，和为行列偏移量，和为比例因子，是列方向的归一化角度偏移量，是行方向的归一化角度偏移量； S2.3，通过求解卫星观测几何方程得到地理经纬度： ； 其中，为变换函数，基于地球椭球模型参数半长轴和短半轴、卫星轨道高度及卫星星下点经度构建，为目标像素经纬度坐标对，表示地理经度，表示地理纬度； 步骤S2.3具体包括如下步骤： S2.3.1，计算卫星观测几何关键修正量： ； 其中，为地心到卫星质心的距离，为地球长半轴，为地球短半轴，为卫星观测几何关键修正量； S2.3.2，计算几何观测参数： ； ； ； ； ； 其中，为椭球表面曲率相关参数，为地心地固坐标系下观测向量的径向分量，为该坐标系下观测向量的东西向切向分量，为该坐标系下观测向量的南北向切向分量；为观测向量水平分量的模长； S2.3.3，映射得到地理经纬度： ； ； 其中，为卫星星下点所在经度，为地理经度，是地理纬度。

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海洋大学三亚海洋研究院，其通讯地址为：572024 海南省三亚市崖州区深海科技创新公共平台；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。