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！

龍圖騰網獲悉中國農業科學院農業資源與農業區劃研究所申請的專利一種融合產量預測的大豆種植適宜區評估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：CN120355272B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202510855803.3，技術領域涉及：G06Q10/0637；該發明授權一種融合產量預測的大豆種植適宜區評估方法是由胡蒙蒙;吳文斌;尹昌斌;余強毅;易小燕;溫艷茹;趙芬設計研發完成，并于2025-06-25向國家知識產權局提交的專利申請。

本一種融合產量預測的大豆種植適宜區評估方法在說明書摘要公布了：本發明公開了一種融合產量預測的大豆種植適宜區評估方法，涉及數據處理技術領域，包括：收集大豆種植相關數據；基于物候對大豆生長季節進行時序劃分，將整個生育過程細化為七個典型時期，構建大豆種植區域多時相遙感植被指數狀態及變化趨勢因子集，分別采用兩種組合形式輸入機器學習模型，將產量作為預測變量，通過精度評價進行模型選取，獲得柵格尺度的大豆產量空間分布圖；以識別得到的高產柵格單元為存在點數據，構建最大熵模型，并整合多源環境變量開展適宜性建模分析，通過變量貢獻度分析及響應曲線，識別影響大豆高產適宜性分布的關鍵生態環境因子，繪制大豆高產適宜性空間分布圖。本發明識別出大豆高產的適合生長區域。

本發明授權一種融合產量預測的大豆種植適宜區評估方法在權利要求書中公布了：1.一種融合產量預測的大豆種植適宜區評估方法，其特征在于，包括： 收集大豆種植空間布局及產量數據、生育期MOD09A1地表反射率產品、生物氣候數據、土壤數據； 基于物候對大豆生長季節進行時序劃分，將整個生育過程細化為七個典型時期，構建大豆種植區域多時相遙感植被指數狀態及變化趨勢因子集，分別采用兩種組合形式輸入機器學習模型，將產量作為預測變量，通過精度評價進行模型選取，獲得柵格尺度的大豆產量空間分布圖； 以識別得到的高產柵格單元為存在點數據，構建最大熵模型，并整合多源環境變量開展適宜性建模分析，通過變量貢獻度分析及響應曲線，識別影響大豆高產適宜性分布的關鍵生態環境因子，繪制大豆高產適宜性空間分布圖； 所述收集的數據包括：大豆產量數據、生物氣候變量、土壤變量、地形變量和與人類活動相關變量； 所述大豆產量數據，基于長時序統計年鑒獲得區縣的大豆產量數據或采樣點大豆產量； 所述生物氣候變量包括代表年度趨勢、季節性以及極端或限制性環境因素的生物氣候數據； 所述土壤變量包括土壤容重、總氮含量、總磷含量、土壤的陽離子交換能力、碳酸鈣含量、有機質、pH值、交換性Ca2+； 所述地形變量包括海拔、坡度、坡向、地形起伏度、到河流水庫的距離； 所述與人類活動相關變量，包括到不透水面的距離、柵格尺度的GDP、人口； 所述七個典型時期包括播種期、出苗期、三葉期、開花期、結莢期、鼓粒期和成熟期； 所述構建多時相遙感植被指數狀態及變化趨勢因子集的過程包括：采用MODIS陸地三級標準數據產品地表反射率產品提取歸一化差異植被指數、增強型植被指數、地表水分指數、Green植被指數；分別計算不同生育期植被指數的平均值和Theil-Sen斜率； 所述輸入機器學習模型的過程包括： 將縣域產量與七個生育期植被指數的平均值、斜率進行相關性分析，排除與大豆產量不顯著相關的變量； 采用兩種不同的組合輸入機器學習模型，第一種組合以縣域產量作為預測目標，相關性顯著性高的不同生長期植被指數作為預測因子，第二種組合除相關性顯著性高的植被指數外還包括與產量相關性顯著性高的不同生長期植被指數斜率； 所述構建最大熵模型的過程包括：篩選大豆產量高于2000kgha的柵格作為樣本點；對環境變量進行Pearson相關性分析，剔除相關性系數大于0.8的環境變量；將種植記錄和環境變量轉換為CSV格式輸入模型； 所述最大熵模型的參數化過程包括：分布點位數據的75%用于建模，25%作為模型檢驗，重復運行20次；背景數據選擇為1000個分布點；采用刀切法檢驗各環境變量對大豆高產分布的貢獻率；運用R軟件安裝包對模型的調控倍頻從1開始每0.5向上遞增到3與特征組合進行交叉組合驗證，選擇具有顯著性且△AICc等于0的參數組合。

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中國農業科學院農業資源與農業區劃研究所，其通訊地址為：100081 北京市海淀區中關村南大街12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”。