買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉重慶交通大學(xué)申請的專利一種基于時空卷積神經(jīng)網(wǎng)絡(luò)耦合模型的土壤濕度高精度預(yù)測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119595548B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202411680309.X，技術(shù)領(lǐng)域涉及：G01N21/17；該發(fā)明授權(quán)一種基于時空卷積神經(jīng)網(wǎng)絡(luò)耦合模型的土壤濕度高精度預(yù)測方法是由周連杰;何青霖;鄧天民;朱洪洲;詹勇;張朋設(shè)計研發(fā)完成，并于2024-11-22向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于時空卷積神經(jīng)網(wǎng)絡(luò)耦合模型的土壤濕度高精度預(yù)測方法在說明書摘要公布了：本發(fā)明土壤濕度預(yù)測技術(shù)領(lǐng)域，且公開了一種基于時空卷積神經(jīng)網(wǎng)絡(luò)耦合模型的土壤濕度高精度預(yù)測方法，包括以下步驟，部署搭載GPS功能的土壤濕度探測設(shè)備以獲取目標(biāo)區(qū)域不同深度的土壤濕度實測數(shù)據(jù)，獲取目標(biāo)區(qū)域的衛(wèi)星遙感影像，校正影像后獲取整個區(qū)域的濕度數(shù)據(jù)，利用傳感器與地表因子校正遙感濕度數(shù)據(jù)的誤差。該基于多源數(shù)據(jù)融合與深度學(xué)習(xí)的區(qū)域土壤濕度動態(tài)監(jiān)測方法，通過融合搭載GPS的土壤濕度傳感器與衛(wèi)星遙感數(shù)據(jù)來避免單一數(shù)據(jù)源所帶來的局限性，通過引入地表因子校正遙感數(shù)據(jù)從而提高土壤濕度的監(jiān)測精度。結(jié)果表明預(yù)警預(yù)報準(zhǔn)確率不低于90％。利用機器學(xué)習(xí)模型擴充濕度傳感器實測數(shù)據(jù)，并預(yù)測未來一定時間窗口的濕度變化。

本發(fā)明授權(quán)一種基于時空卷積神經(jīng)網(wǎng)絡(luò)耦合模型的土壤濕度高精度預(yù)測方法在權(quán)利要求書中公布了：1.一種基于時空卷積神經(jīng)網(wǎng)絡(luò)耦合模型的土壤濕度高精度預(yù)測方法，其特征在于，包括以下步驟： S1：將搭載GPS功能的土壤濕度探測設(shè)備部署至目標(biāo)區(qū)域，獲取不同深度的土壤濕度實測數(shù)據(jù)； S2：獲取目標(biāo)區(qū)域遙感衛(wèi)星影像，將地表因子導(dǎo)入到深度學(xué)習(xí)模型之中訓(xùn)練，用訓(xùn)練好的學(xué)習(xí)模型校正遙感影像并劃分出不同類型的地形； S3：構(gòu)建改進(jìn)型MPDI和NDVI公式，利用地表因子校正該區(qū)域的土壤濕度反演值； S4：利用地面?zhèn)鞲衅鲗崪y數(shù)據(jù)輔助遙感數(shù)據(jù)濕度反演，得到目標(biāo)監(jiān)測區(qū)域的土壤濕度變化量； S5：構(gòu)建LSTM模型預(yù)測目標(biāo)監(jiān)測區(qū)域未來時間點的濕度變化量； 其中，步驟S2中的學(xué)習(xí)模型用于構(gòu)建遙感圖像優(yōu)化并提取特征，具體步驟為： S2.1：定義濕度傳感器在x、y、z方向三維坐標(biāo)矩陣C=[xyz]，其中C為三維坐標(biāo)量，xyz分別為傳感器在南北、東西、垂直方向上的坐標(biāo)值； S2.2：定義濕度傳感器布設(shè)點周圍的地表因子矩陣E=[SAV]，其中E為地表因子，SAV分別為布設(shè)點周圍的坡度、坡向和植被覆蓋率； S2.3：在輸入層中，將已知點的坐標(biāo)矩陣和地形數(shù)據(jù)作為一個獨立的特征通道輸入到卷積神經(jīng)網(wǎng)絡(luò)中，并構(gòu)建遙感圖像優(yōu)化矩陣； S2.4：利用CNN提取目標(biāo)遙感影像的空間特征，對于輸入影像，經(jīng)CNN層的卷積操作后得到特征圖； S2.5：將地表因子矩陣E和空間特征矩陣進(jìn)行融合，生成融合模塊； S2.6：構(gòu)建LSTM模型，將輸入LSTM模型，提取目標(biāo)遙感影像的時間特征； 步驟S3中，改進(jìn)的NDVI和MPDI的具體步驟為： S3.1：引入土壤調(diào)節(jié)系數(shù)L，計算改進(jìn)后的遙感圖像指數(shù)SAVI； S3.2：引入坡度S和坡向A，計算入射角值； S3.3：根據(jù)入射角值，計算改進(jìn)后的遙感圖像指數(shù)TSNDVI； S3.4：根據(jù)土壤的水分保持和熱特性，改進(jìn)土壤水分狀況； S3.5：根據(jù)光線在地表的散射和反射情況，改進(jìn)土壤水分狀況； S3.6：由于植被冠層的結(jié)構(gòu)會改變水分的反射特性，改進(jìn)土壤水分狀況； 步驟S4中，利用地面?zhèn)鞲衅鲗崪y數(shù)據(jù)輔助遙感數(shù)據(jù)濕度反演的具體步驟為； S4.1：將遙感圖像中與實測點對應(yīng)的像素點的濕度值替換為實測點的真實濕度值； S4.2：構(gòu)建基于實測點濕度數(shù)據(jù)和地表因子的回歸模型，模型輸出的預(yù)測值為M； S4.3：利用最近實測點的濕度進(jìn)行插值校正，得到對應(yīng)插值矩陣S； S4.4：將回歸模型的預(yù)測結(jié)果與插值結(jié)果進(jìn)行加權(quán)結(jié)合，獲得最終校正濕度值矩陣L。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人重慶交通大學(xué)，其通訊地址為：400074 重慶市南岸區(qū)學(xué)府大道66號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。