買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉南京航空航天大學申請的專利一種基于多層次深度學習的總初級生產力反演方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN120430347B 。

龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510937336.9，技術領域涉及：G06N3/0455；該發明授權一種基于多層次深度學習的總初級生產力反演方法是由何俊超;王博;張昊偉;盛慶紅;劉祥;劉宇設計研發完成，并于2025-07-08向國家知識產權局提交的專利申請。

本一種基于多層次深度學習的總初級生產力反演方法在說明書摘要公布了：本發明公開了一種基于多層次深度學習的總初級生產力反演方法，包括獲取遙感影像光譜信息、氣象信息和通量信息；利用PROSAIL模型生成查找表，建立光譜信息和葉片結構信息、葉片生化信息、土壤信息的對應關系；構建多層次深度學習的總初級生產力反演模型；利用模型反演總初級生產力，并評定反演精度。本發明借助模型將光譜信息轉化為葉片結構等信息，擴充光譜信息維度；設計四類限制因子，增強模型可解釋性；構建多層次深度學習網絡，利用其自動優化限制因子表達，并聯設計明確因子作用，提升模型精度。

本發明授權一種基于多層次深度學習的總初級生產力反演方法在權利要求書中公布了：1.一種基于多層次深度學習的總初級生產力反演方法，其特征在于，包括以下步驟： 步驟1獲取預處理后的遙感影像光譜信息、氣象信息和通量信息； 步驟2利用PROSAIL模型生成查找表，建立光譜信息與葉片結構信息、葉片生化信息、土壤信息的對應關系； 步驟3構建基于并聯式Transformer架構的多層次深度學習的總初級生產力反演模型； 步驟4利用所述模型反演總初級生產力，并采用均方根誤差和決定系數評定反演精度； 其中，所述步驟2中的PROSAIL模型公式為： 其中，ρc為冠層反射率，P表示PROSAIL模型算子，N為葉片結構參數，LAI為葉面積指數，ALA為平均葉傾角，Cab為葉綠素含量，Ccar為類胡蘿卜素含量，Cw為等效水厚度，Cm為干物質含量，Psoil為土壤干濕系數，Rsoil為土壤硬度系數，Hotspot為熱點參數，θv為觀測天頂角，θχ為太陽天頂角，為太陽與觀測間相對方位角； 所述查找表的生成包括：使用正態隨機分布函數確定N，LAI，ALA，Cab，Ccar，Cw，Cm，Psoil，Rsoil，Hotspot；θv，θχ，由遙感影像的傳感器確定，將參數帶入PROSAIL模型，得到光譜反射率曲線；在利用波段響應函數，將光譜反射率曲線重采樣至遙感影像波段，建立光譜信息與葉片結構信息、葉片生化信息、土壤信息的對應關系，波段響應函數為： 其中，ρbandi為衛星的i波段的等效遙感反射率，λ1與λ2為該波段的波段范圍，ρλ為λ波長處的光譜反射率曲線的值，SRFλ為λ波長處的光譜響應率； 將遙感影像光譜信息帶入查找表，求得相應的葉片結構信息、葉片生化信息、土壤信息； 所述步驟3的總初級生產力計算模型為： GPP＝SOL*f1εN,LAI,ALA*f2εCab,Ccar,Cw,Cm*f3εPsoil,Rsoil*f4εW,T,ET,VPD 其中，GPP代表總初級生產力；SOL代表太陽總輻射量；f1εN,LAI,ALA是葉片結構限制因子，f2εCab,Ccar,Cw,Cm是葉片生化限制因子，f3εPsoil,Rsoil是土壤限制因子，f4εW,T,ET,VPD是環境限制因子，充分考慮不同限制因子對總初期生產力的限制作用。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人南京航空航天大學，其通訊地址為：210016 江蘇省南京市御道街29號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。