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！

龙图腾网获悉甘肃农业大学申请的专利一种多源遥感数据辐射校正与叶绿素含量跨平台反演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：CN121351653B 。

龙图腾网通过国家知识产权局官网在2026-03-13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：202511930462.8，技术领域涉及：G06F30/27；该发明授权一种多源遥感数据辐射校正与叶绿素含量跨平台反演方法是由鄢继选;车卓;郭紫晨;王文宁;李嫱;姚向东;李杰;高鹏程;李广;马维伟设计研发完成，并于2025-12-19向国家知识产权局提交的专利申请。

本一种多源遥感数据辐射校正与叶绿素含量跨平台反演方法在说明书摘要公布了：本发明涉及农业定量遥感与智慧农业技术领域，公开了一种多源遥感数据辐射校正与叶绿素含量跨平台反演方法，该方法同步获取地面实测、无人机及卫星遥感数据，计算植被指数并利用Pearson相关性分析筛选敏感特征变量；采用比值均值法建立辐射校正模型，以无人机数据为基准对卫星数据进行辐射归一化处理，消除传感器响应差异；基于Z‑score标准化构建并优选SPAD反演模型，将其迁移应用至校正后的卫星数据，逐像元解算生成区域尺度叶绿素分布图，进而制定差异化农田管理策略。本发明解决了多源数据协同难点，提升了区域尺度作物叶绿素监测精度，为大面积作物施肥提供了科学决策支持。

本发明授权一种多源遥感数据辐射校正与叶绿素含量跨平台反演方法在权利要求书中公布了：1.一种多源遥感数据辐射校正与叶绿素含量跨平台反演方法，其特征在于，包括以下步骤： S1、在目标区域内同步获取地面实测数据、无人机遥感数据和卫星遥感数据，依据所述无人机遥感数据波段设置从所述卫星遥感数据中筛选出光谱范围重合的对应波段，建立多源数据光谱通道对应关系； S2、基于所述无人机遥感数据计算冠层光谱反射率及植被指数，利用Pearson相关性分析方法分析所述无人机遥感数据波段反射率及所述植被指数与所述地面实测数据之间相关程度，筛选出敏感特征变量； S3、采用比值均值法建立将所述无人机遥感数据作为基准的辐射校正模型，计算所述无人机遥感数据与所述卫星遥感数据在各对应波段上的校正系数，利用所述校正系数对所述卫星遥感数据进行辐射归一化处理，消除传感器响应差异； S4、将所述敏感特征变量作为输入变量并将所述地面实测数据作为响应变量，构建SPAD反演模型，利用统计学评价指标评估所述SPAD反演模型预测精度； S5、将经过精度验证的所述SPAD反演模型迁移应用至辐射归一化处理后的所述卫星遥感数据，逐像元计算SPAD预测值并生成区域尺度玉米叶绿素含量空间分布图，基于所述空间分布图生成差异化农田管理策略； 步骤S3中，所述比值均值法包括： 在辐射校正样本区内将无人机数字正射影像进行像元聚合处理，生成与所述卫星遥感数据像元尺度相匹配的无人机模拟反射率数据； 针对每一个对应波段，通过对辐射校正样本区内所有样本的无人机模拟反射率数值与卫星影像原始反射率数值的比值进行累加求和并除以样本总数量，计算辐射校正样本区内所有样本的无人机模拟反射率数值与卫星影像原始反射率数值比率的算术平均值，得到所述校正系数； 利用所述校正系数对全区域所述卫星遥感数据进行逐像元线性变换计算，将所述卫星遥感数据反射率观测值映射至所述无人机遥感数据辐射量度尺度上； 步骤S4中，构建所述SPAD反演模型采用的算法包括偏最小二乘回归算法、随机森林回归算法和反向传播神经网络算法中的一种或多种； 所述偏最小二乘回归算法通过将高维特征变量投影到低维潜在变量空间建立线性回归方程； 所述随机森林回归算法通过构建多棵相互独立决策树进行集成预测； 所述反向传播神经网络算法采用包含输入层、隐含层和输出层的拓扑结构模拟非线性映射关系。

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甘肃农业大学，其通讯地址为：730070 甘肃省兰州市安宁区营门村1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。