[发明专利]基于DBSCAN算法的虚假林火热点过滤方法

权利要求书

1.一种基于DBSCAN算法的虚假林火热点过滤方法，其特征在于，该方法包括以下步骤：

确定DBSCAN算法的Eps参数和MinPts参数；林火热点探测一个像元值选取为1000×1000m，Eps选择以选取2KM作为初始聚类距离；

当聚类数量选取过大时，原本能够作为聚类核心的点会因此被放弃；而当聚类数量选取过小时，会导致不应该为聚类核心的点作为核心点，从而将噪声点聚类到一簇，且聚类数量不能为2；在虚假林火热点挖掘时，要求聚类中心区域需要体现虚假林火热点的密度特征；MinPts的计算公式如下：

式中，P_i为点i的Esp区域内的点的个数；N为数据集中的点的个数；

为了防止偶然相近的历史林火热点，选取Minpts为3；

通过上述分析确定时空聚类的参数；通过该确定的参数，利用DBSCAN算法对林火热点数据进行分析的过程为：

输入历史林火热点数据集，确定邻域参数Eps＝2，MinPts＝3；

输出簇集合；

所述输出簇集合包括：

(1)将历史林火热点数据集中的每一个对象点标记为未处理状态；

(2)对历史林火热点数据集中的每一个点对象P进行检查，若对象点P已经划分到某一个簇或标记为噪声点，则重新开始选择对象点P；若对象点P没有被分到任意簇和没有被标记为噪声点，则进行下一步；

(3)检查对象点P的Eps邻域NEps(P)，若NEps(P)中包含的对象数小于MinPts，那么标记该对象点P为边界点或噪声点；若NEps(P)中包含对象数大于MinPts，那么标记该对象点P为核心点，并建立新簇集合G，并将P邻域内的所有对象点加入G；

(4)对NEps(P)中存在没有被处理过的对象点D进行检查，当NEps(D)中至少包含MInpts个对象点，那么将NEps(D)中未划分到任意一个簇的对象点加入簇G；

(5)遍历所有对象点，输出簇集合；

基于上述分析，提取虚假林火热点，对历史林火热点数据进行分析，包括时序分布分析、地理分布分析、空间分布分析；提取虚假林火热点包括至少提取固定热源、农用热源和水面反射。

2.根据权利要求1所述的方法，其特征在于，应用Python2.7进行测算，并将提取结果在ArcGIS上进行可视化分析。

3.根据权利要求2所述的方法，其特征在于，该方法进一步验证虚假林火热点提取的正确性，所述验证使用中国森林防火网对应区域的全年林火热点数据进行对比。