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！

龙图腾网恭喜南京林业大学申请的专利考虑谐波模型系数和物候参数的森林树种组分类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：CN114565859B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202210194358.7，技术领域涉及：G06V20/13；该发明授权考虑谐波模型系数和物候参数的森林树种组分类方法是由张亚丽;李明诗;叶鋆泓;王楠;杨博翔;刘琴琴;蒋路凡;丁宁;李沐璇;张银设计研发完成，并于2022-03-01向国家知识产权局提交的专利申请。

本考虑谐波模型系数和物候参数的森林树种组分类方法在说明书摘要公布了：本发明公开一种考虑谐波模型系数和物候参数的森林树种组分类方法，包括如下步骤：S1、影像获取及预处理；S2、建立基于多源遥感数据的MCCDC模型；S3、基于逻辑回归方程的森林年物候提取以及MCCDC系数提取；S4、考虑物候参数以及MCCDC参数的树种组识别。本发明将基于遥感提取的森林物候参数和所构建的谐波模型MCCDC系数作为树种分类建模的输入变量，提供了区别于传统光谱和纹理特征方法的独特分类数据特征，在一定程度上补偿了仅仅依赖光谱、纹理特征输入时存在“同物异谱”、“异物同谱”现象对分类精度的影响，从而提高了森林树种组分类精度。

本发明授权考虑谐波模型系数和物候参数的森林树种组分类方法在权利要求书中公布了：1.一种考虑谐波模型系数和物候参数的森林树种组分类方法，其特征在于包括如下步骤：S1、影像获取及预处理；获取待分类区域一段时间内多个传感器卫星影像，并对获得的影像采用最小二乘法拟合斜率和截距的方法，进行逐波段的光谱归一化，最小化不同传感器间的光谱响应差异；S2、建立基于多源遥感数据的MCCDC模型，具体步骤包括：S21、建立SR时间序列模型，定义一个逐像元反射率时间序列模型，如式（1）所示，以表达地表反射率变化的特征； （1）式（1）中包含一个傅立叶谐波模型和一个长期的趋势部分，为儒略日期；T是周期天数，该值为365.25；为第波段在儒略日期的地表反射率预测值；该时间序列模型中有8个系数，系数为第波段清晰观测的总体均值，系数、、、、、用于模拟由物候引起的地表反射率的年内变化，它的最小正周期为一年，系数体现由气候变化和土壤退化等因素引起的地表反射率渐变的趋势；S22、识别时间序列模型突变点，基于步骤S21建立的时间序列模型，看是否满足式（2）； （2）式（2）中，为波段数量；指需要判断的突变点后连续观测值的个数；为第波段在儒略日期地表反射率的实际观测值；是指第i波段的模型预测反射率值与实际遥感观测反射率值的均方根误差；当满足式（2）时，证明区域内发生了土地覆盖变化，对变化的像元按照时间顺序排序，首先利用同一位置的前24个清晰像元，基于式（1），建立初始化的时间序列模型，然后判断每个波段接下来的4个像元的实际观测值与预测值的差异是否都超出模型均方根误差的3倍，如果没有超出范围，则将这些观测值加入到之前参与建模的观测值中去，重新拟合参数，再次判断后续的观测值，如果连续4个观测值都超出了范围，则定义该点为突变点，即土地覆盖变化发生的时间点，在这个过程中，需要平均所有波段的观测值和预测值的差异之和来定义突变；S23、合成每日遥感图像，利用步骤S21~S22的方法生成每个像元不同波段的时间序列模型，对于每个像元的单一波段，通过给定变量儒略日期的值，依据时间序列模型，生成该像元给定日期的SR预测值，将该方法应用到一段时间内每一天的所有像素点，从而生成空间分辨率为30m的清晰合成图像；S3、基于逻辑回归方程的森林年物候提取，具体方法为：S31、基于获得的全部每天合成图像，进行逐年分析提取每年的物候参数，通过式（3）~式（5）依次计算三个植被指数EVI、NDVI以及LSWI，并基于三者分别拟合逻辑斯蒂克回归函数，进而判断不同的物候参数估计值； （3） （4） （5）式中，、、和分别是蓝光，红光，近红外和短波红外1波段的地表反射率值；S32、基于三个植被指数，使用逻辑斯蒂克回归函数分别提取各自表达的年SOS，EOS和LOS，使用式（6）对每年的植被指数时间序列数据进行建模； （6）式中，t为观测时间，为植被指数值EVI，或者NDVI，或者LSWI，a和b为拟合参数，植被指数值小于c+d，d为初始背景植被指数值；完成式（6）拟合，则通过式（7）计算拟合模型的曲率变化率； （7）式中，和分别是逻辑斯蒂克方程的一阶和二阶导数，ROC是拟合模型的曲率变化率；物候参数判断准则：当曲率的变化率首次达到极大值时对应的天数即为植被生长开始期SOS，当曲率的变化率最后一次达到极小值时的天数为植被生长结束期EOS，取EOS与SOS的差值即是植被生长季长度LOS；S33、通过将三个遥感指数提取的SOS和EOS与实地观测物候数据进行比较，选择以LSWI指数获得的物候参数作为识别算法的输入变量；S4、考虑物候参数和拟合MCCDC模型系数的树种组识别，采用RF或SVM识别算法分别对森林树种组进行分类，并将MCCDC模型的参数和物候期参数作为输入变量，加入两种机器学习算法中，绘制森林树种组时空分布图。

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南京林业大学，其通讯地址为：210037 江苏省南京市玄武区龙蟠路159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”。