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！

龙图腾网获悉江西省生态环境科学研究与规划院申请的专利基于野生动物行为模式的生境适应性评价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：CN120494301B 。

龙图腾网通过国家知识产权局官网在2025-10-14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：202510980046.2，技术领域涉及：G06Q10/063；该发明授权基于野生动物行为模式的生境适应性评价方法是由袁定波;熊鹏;许琴;程婉清;刘慧丽;苏玲;舒鹏;江英英;潘登设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本基于野生动物行为模式的生境适应性评价方法在说明书摘要公布了：本发明公开了基于野生动物行为模式的生境适应性评价方法，包括：S1、布置野生动物监测站点，获取野生动物的动物行为模式特征数据集；S2、获取野生动物的栖息地环境特征数据集；S3、构建生态位行为‑环境超体积模型，识别出对动物行为模式具有影响的环境维度，筛选出影响因子；S4、将筛选出的影响因子作为节点，构建行为‑环境动态复杂网络；S5、通过行为‑环境动态复杂网络分析生境变化对动物行为模式的影响路径和影响强度，动态更新生境适应性的概率分布，输出适应性评分，根据评分划分适应等级区域。本发明实现了野生动物生境适应性的动态监测，解决了难以动态监测生境变化影响的技术问题。

本发明授权基于野生动物行为模式的生境适应性评价方法在权利要求书中公布了：1.基于野生动物行为模式的生境适应性评价方法，其特征在于，包括： S1、布置野生动物监测站点，获取野生动物在自然生境中的行为数据，包括野生动物的视觉行为影像、热红外活动信息和声音交流信号数据，提取各类数据中的关键特征，形成标准化的动物行为模式特征数据集； S2、根据野生动物监测站点观测到的动物出现时间，采集对应时刻的环境参数，形成标准化的栖息地环境特征数据集； S3、将动物行为模式特征数据与栖息地环境特征数据映射至高维空间，构建生态位行为-环境超体积模型，识别出对动物行为模式具有影响的环境维度，筛选出影响因子； S4、将筛选出的影响因子作为节点，以影响因子与动物行为模式之间的关联强度作为边的权重，构建行为-环境动态复杂网络； S5、通过行为-环境动态复杂网络分析生境变化对动物行为模式的影响路径和影响强度，利用贝叶斯推理，动态更新生境适应性的概率分布，量化野生动物在当前生境中的适应程度，输出适应性评分，根据评分划分适应等级区域； 所述S3中获取动物行为模式特征数据集和栖息地环境特征数据集通过映射函数得到一个维度元素，将维度元素按照时空序列组合形成生态位行为-环境超体积模型，公式为：，其中，和分别为相应权重系数，和分别为相应的第个和第个特征数据，和分别为相应特征数据总数； 通过生态位行为-环境超体积模型，识别出对动物行为模式具有影响的环境维度，筛选出影响因子，具体为： 所述S3中通过生态位行为-环境超体积模型中的每个维度对应一个环境变量，计算影响度指标，当大于预先设定的阈值时，判定对应环境变量对动物行为模式具有影响，筛选出影响因子；影响度指标的公式为：，其中，为环境样本数量，为第个环境样本中生态位行为-环境超体积的变化量，为改变第个环境维度变量的第个环境样本中生态位行为-环境超体积的变化量； 所述S4中构建行为-环境动态复杂网络，获取影响因子对动物行为模式的影响程度，具体为： 将获取的影响因子作为网络节点，根据影响因子之间的相互作用关系添加边，确定边的权重，公式为：，其中为影响因子和的节点边权重，和为相邻节点影响因子，为影响因子和合并后与动物行为模式的互信息，和分别为影响因子和与动物行为模式的互信息，公式为：，其中代表动物行为模式特征数据集，是影响因子的取值和动物行为模式特征值的联合概率，和分别是和的边缘概率，计算得到的互信息值，通过影响因子与动物行为模式节点之间边的权重构建行为-环境动态复杂网络后，利用度中心性计算影响因子的中心性指标，公式为：，表示节点与之间边的权重，为边的总数，获取影响因子对动物行为模式的影响程度。

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江西省生态环境科学研究与规划院，其通讯地址为：330006 江西省南昌市东湖区洪都北大道1131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。