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！

龙图腾网获悉自然资源部第二海洋研究所申请的专利应用交叉注意机制与空谱融合的高精度海表叶绿素浓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：CN119784605B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202411872559.3，技术领域涉及：G06T5/50；该发明授权应用交叉注意机制与空谱融合的高精度海表叶绿素浓度反演方法是由陈鹏;温燕峰;谢丛霜;张镇华;钟纯怿;黄海清;朱乾坤设计研发完成，并于2024-12-18向国家知识产权局提交的专利申请。

本应用交叉注意机制与空谱融合的高精度海表叶绿素浓度反演方法在说明书摘要公布了：本发明提出了一种应用交叉注意机制与空谱融合的高精度海表叶绿素浓度反演方法，旨在解决卫星遥感中海表叶绿素浓度空间分辨率、时间分辨率之间的权衡问题。该方法通过空谱融合技术，引入交叉注意机制，能够充分挖掘并有效融合不同分辨率的空间和光谱信息，实现高空间分辨率、高时间分辨率的海表反射率数据制作；并使用随机森林拟合反演方法，提升叶绿素浓度反演的精度和鲁棒性。这些方法克服了传统海表叶绿素浓度制作方法在复杂海洋环境中的应用局限性。本发明能够显著提高海表叶绿素浓度的空间分辨率与时间分辨率，并具有较强的适应性和可操作性。

本发明授权应用交叉注意机制与空谱融合的高精度海表叶绿素浓度反演方法在权利要求书中公布了：1.一种应用交叉注意机制与空谱融合的高精度海表叶绿素浓度反演方法，其特征在于，包括如下步骤： 步骤一：为了获得待预测地点p2在待预测时间t3的空间分辨率为SRH、时间分辨率为TRH的叶绿素浓度数据，构建具有空间分辨率为SRH、时间分辨率为TRL的多波段遥感影像数据集为X1，以及具有空间分辨率为SRL、时间分辨率为TRH的多波段遥感影像数据集为X2；其中，空间分辨率SRHSRL,时间分辨率TRLTRH； 从X1中选取用于空谱融合模型训练的与待预测地点p2邻近或为包含关系的地点p1的日期t1的多波段遥感影像X11； 从X1中选取用于空谱融合模型训练的与待预测地点p2邻近或为包含关系的地点p1的、且与t1相临近的日期t0时的多波段遥感影像X10； 从X2中选取用于空谱融合模型训练的与待预测地点p2邻近或为包含关系的地点p1的日期t1的多波段遥感影像X21； 从X2中选取用于空谱融合模型训练的与待预测地点p2邻近或为包含关系的地点p1的、与t1相邻近的日期t0时的多波段遥感影像X20； 从X2中选取待预测时间t3的位于待预测地点p2的多波段遥感影像X23； 从X2中选取与待预测时间t3临近的t2的位于待预测地点p2的多波段遥感影像X22； 从X1中选取与待预测时间t3临近的t2的位于待预测地点p2的多波段遥感影像X12； 步骤二：取多波段遥感影像X11、X10、X21和X20对应的海表反射率数据影像，制作用于空谱融合模型的训练数据集；构建基于交叉注意机制的空谱融合模型并完成空谱融合模型的训练；此时的空谱融合模型能够使用卷积方法同时考察相临近的日期的指定区域海表反射率的时相变化以及指定区域与时间来自不同传感器的遥感影像的通道差异； 步骤三：取多波段遥感影像X12、X22和X23对应的海表反射率数据影像，制作预测数据集，输入步骤二训练得到的空谱融合模型，预测得到t3时间的空间分辨率为SRH、时间分辨率为TRH的多波段遥感影像X3； 步骤四：选取来自于多波段遥感影像数据集X1的若干张海表反射率数据影像，以及与所选取的海表反射率数据影像同时间、同区域的已知叶绿素浓度，进行经纬度匹配，得到叶绿素浓度反演模型的训练数据集； 步骤五：构建基于随机森林拟合的叶绿素浓度反演模型，采用步骤四的叶绿素浓度反演模型的训练数据集训练叶绿素浓度反演模型，得到训练后的叶绿素浓度反演模型； 步骤六：将步骤三得到的t3时间的空间分辨率为SRH、时间分辨率为TRH的多波段遥感影像X3输入步骤五得到的训练后的叶绿素浓度反演模型中，叶绿素浓度反演模型输出t3时间的指定区域p2的空间分辨率为SRH、时间分辨率为TRH的叶绿素浓度。

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自然资源部第二海洋研究所，其通讯地址为：310012 浙江省杭州市西湖区保俶北路36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。