西安科技大学聂文杰获国家专利权
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!
龙图腾网获悉西安科技大学申请的专利一种土壤微生物群落高光谱遥感监测方法及存储介质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:CN120408098B 。
龙图腾网通过国家知识产权局官网在2025-09-30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:202510884714.1,技术领域涉及:G06F18/20;该发明授权一种土壤微生物群落高光谱遥感监测方法及存储介质是由聂文杰;聂炜地;韩冬洁;李苗;潘禹杉设计研发完成,并于2025-06-30向国家知识产权局提交的专利申请。
本一种土壤微生物群落高光谱遥感监测方法及存储介质在说明书摘要公布了:本发明涉及土壤微生物监测技术领域,公开了一种土壤微生物群落高光谱遥感监测方法及存储介质,其中,一种土壤微生物群落高光谱遥感监测方法包括:基于生成对抗网络的数据增强与半监督学习,构建生成对抗网络生成符合物理约束的伪高光谱数据,并进行土壤微生物群落参数预测;构建物理信息神经网络,引入土壤水热运移物理方程约束,推断土壤剖面不同深度的微生物分布及水热状态;在物理信息神经网络中嵌入氮循环动力学方程,扩展网络输出变量和物理约束损失,优化模型参数和过程参数;本发明通过GAN数据增强和半监督学习技术,能够在标记样本量减少的情况下,保持微生物群落指标的预测精度。
本发明授权一种土壤微生物群落高光谱遥感监测方法及存储介质在权利要求书中公布了:1.一种土壤微生物群落高光谱遥感监测方法,其特征在于,包括: 基于生成对抗网络的数据增强与半监督学习,获取高光谱遥感数据和带标签的高光谱微生物数据对,构建生成对抗网络生成伪高光谱微生物数据对,构建半监督学习框架,输出微生物群落参数预测模型,构建生成对抗网络生成伪高光谱微生物数据对的步骤包括: 构建包含生成器和判别器的生成对抗网络,生成器接收随机噪声向量和微生物参数条件向量作为输入,生成符合真实分布的高光谱数据; 采用交替优化策略训练生成器和判别器,直至生成器能够产生符合物理约束的伪高光谱数据; 通过输入不同的微生物参数条件向量,生成相应的高光谱数据,形成伪标记样本; 构建半监督学习框架,利用真实分布的高光谱数据、符合物理约束的伪高光谱数据和伪标记样本进行模型训练; 基于物理信息神经网络的剖面推断,根据预测模型的输出,结合高光谱特征、气象数据及空间坐标,构建物理信息神经网络并引入土壤水热运移方程约束,推断不同深度的微生物分布及水热状态,所述物理信息神经网络的构建包括: 构建包含前向传播部分和物理约束部分的神经网络; 为确保神经网络输出满足物理规律,引入土壤水热运移过程的物理方程约束; 构建包括数据拟合损失和物理约束损失的总损失函数; 利用生成对抗网络,生成满足物理约束的伪剖面数据; 在物理信息神经网络中嵌入氮循环动力学方程,以剖面微生物分布为驱动力,输出氮循环关键过程参数,所述在物理信息神经网络中嵌入氮循环动力学方程的步骤包括: 在物理信息神经网络框架中增加对氮循环关键过程的描述方程; 扩展物理信息神经网络的输出变量,增加对铵态氮、硝态氮浓度的预测,以及对硝化速率和反硝化速率随深度变化的输出; 扩展物理信息神经网络的物理约束损失,增加氮循环方程的残差项; 增加参数取值范围约束,确保反演得到的参数物理合理; 利用数据同化方法将氮循环关键过程参数和剖面微生物分布与观测数据结合,输入目标区域高光谱数据,生成土壤微生物群落空间分布、剖面微生物丰度分布、氮循环参数分布的监测结果并进行不确定性评估。
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西安科技大学,其通讯地址为:710054 陕西省西安市碑林区雁塔中路58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”。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。