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！

龙图腾网获悉山东科技大学申请的专利基于星载主被动遥感信息融合的湖泊水位和水储量动态监测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：CN120689761B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511213945.6，技术领域涉及：G06V20/10；该发明授权基于星载主被动遥感信息融合的湖泊水位和水储量动态监测方法是由刘振;成法志;李贤蔚;邹富生;吕忠良;根嘎;周宇航;马跃;马昕;刘昊;郭凌志;张恒设计研发完成，并于2025-08-28向国家知识产权局提交的专利申请。

本基于星载主被动遥感信息融合的湖泊水位和水储量动态监测方法在说明书摘要公布了：本发明属于湖泊遥感监测技术领域，公开了基于星载主被动遥感信息融合的湖泊水位和水储量动态监测方法，有效解决偏远地区湖泊信息难以高效、准确获取的问题。包括以下步骤：S1、激光数据预处理；S2、多光谱数据预处理；S3、以ICESat‑2数据为核心，结合覆盖相应区域的多光谱影像，构建基于邻域特征的湖泊底部DEM反演数据集；S4、高程反演卷积神经网络模型的构建和训练；S5、利用训练好的高程反演卷积神经网络模型预测生成湖泊底部DEM；S6、根据湖泊底部DEM，计算湖泊绝对水量，并进行湖泊水位‑水储量监测。本发明能够有效实现低成本地对偏远地区湖泊长时序水文观测。

本发明授权基于星载主被动遥感信息融合的湖泊水位和水储量动态监测方法在权利要求书中公布了：1.基于星载主被动遥感信息融合的湖泊水位和水储量动态监测方法，其特征在于，包括以下步骤： S1、获取ICESat-2数据，基于DEM约束与滑动窗口密度法的双重约束对ICESat-2数据进行粗去噪，而后进行人工标签标注，保存为.csv表格文件； S2、获取多光谱影像的近红外波段、红波段、绿波段、蓝波段的信息，进行湖泊边界提取； S3、基于多时期水面面积与水位高程关系推算湖泊的最大高程，将ICESat-2数据中大于最大高程的数据去除；然后，以ICESat-2数据为核心，结合覆盖相应区域的多光谱影像，构建基于邻域特征的高维训练数据集； S4、构建和训练高程反演卷积神经网络模型，所述高程反演卷积神经网络模型以ConvNeXt为主干网络，在中间部分引入SwinTransformer模块，在编码阶段多次嵌入CBAM注意力模块，在解码阶段采用PixelShuffle上采样； S5、提取每个像元周围的90904邻域光谱块，并构建与模型训练阶段相同的输入格式，其中边界像元采用边界填充以获取90904邻域光谱块，将其输入至训练好的高程反演卷积神经网络模型进行预测，得到对应中心像元的高程值；以步长为1的滑动窗口获取所有像元高程值，将所有像元的预测结果按照其原始空间位置进行重构，生成湖泊底部DEM； S6、根据湖泊底部DEM，计算湖泊绝对水量，并进行湖泊水位-水储量监测； 步骤S4中，训练高程反演卷积神经网络模型时： 以尺寸为90904的邻域块F0作为输入，经过ConvNeXt网络的Stem模块，使用77卷积将通道数提升至32，并得到尺寸为454532的特征图F1； F1进入ConvNeXtStage1模块，通过三个ConvNeXtBlock进行特征提取，输出尺寸为454564的特征图F2，F2经过CBAM注意力模块，生成尺寸为454564的加权后的特征图F2_att；每个ConvNeXtBlock包含深度可分离卷积、层归一化、GELU激活与11卷积； 接着，使用带有步长2的33卷积对特征图F2_att进行下采样，得到尺寸为2323128的特征图F3； 在此基础上，引入两层SwinTransformer模块组成的Transformer编码器模块得到尺寸为2323128的特征图F4，通过窗口多头自注意力机制提取全局依赖关系； F4通过带有步长2的33卷积进行下采样，生成尺寸为122256的特征图F5，并输入ConvNeXtStage2模块，经过三层ConvNeXtBlock计算得到尺寸为122256的特征图F6，F6经过CBAM注意力模块，输出尺寸为1212256的加权后的特征图F6_att； F6_att通过PixelShuffle上采样操作，得到尺寸为224128的特征图F7，并与F4进行多尺度特征融合，先沿通道维度拼接得到2323256特征，再经过33卷积压缩至128通道，生成尺寸为2323128的特征图F8； F8通过PixelShuffle上采样至尺寸为464664的特征图F9，并与F2_att进行多尺度特征融合，拼接后通过33卷积生成尺寸为454564的特征图F10； 最终，对F10进行全局平均池化，得到尺寸为1164的向量F11，并通过全连接层回归预测中心像元对应的高程值，输出维度为111。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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。