[发明专利]基于DBSCAN算法的虚假林火热点过滤方法

说明书

本发明涉及一种基于DBSCAN算法的虚假林火热点过滤方法，包括：确定时空聚类的参数；通过该确定的参数，利用DBSCAN算法对历史林火热点数据进行分析；基于上述分析，提取虚假林火热点。本发明基于时空数据的虚假林火热点判识方法，通过对计算机判读的历史林火热点数据的挖掘而形成的固定热源数据库，能够快速的排除在遥感影像上由固定热源造成的虚假林火热点。

技术邻域

本发明涉及一种基于DBSCAN算法的虚假林火热点过滤方法。

背景技术

森林火灾不仅造成经济损失也严重危害森林及森林生态系统，提高林火热点监测对森林资源保护意义重大。遥感卫星具有监测覆盖范围广、时空分辨率高和获取数据方便的特性，其对林火热点监测具有重要作用。但是，通过遥感卫星监测林火热点时会提取地面所有热点，严重影响林火监测的精度。因此如何将虚假林火热点从卫星遥感林火热点监测数据中剔除是提高林火监测精度的关键。通过对计算机自动判读的历史林火热点数据进行数据挖掘，对提高虚假林火热点的判识精度提供了新的思路。

21世纪以来，随着遥感技术及互联网计算机技术的快速发展，国内外对虚假林火热点识别技术方法上比较成熟，同时随着地理信息系统数据挖掘方法的兴起，能够更好地指导森林防火工作的开展。但是依然存在着不少的问题，具体表现如下：(1)利用人机交互法对于虚假林火热点判识耗时耗力；(2)对于计算机自动判识的虚假林火热点方法，采用阈值法、通道法等方法对林火热点进行判识，尽管不断改进阈值法能够过滤掉一部分虚假林火热点，但也不能排除所有类型的虚假林火热点；没有利用历史林火热点数据对虚假林火热点进行排除；(3)在利用时空数据对虚假林火热点的挖掘研究上，国内的研究成果较少。在遥感数据走上“大数据”的今天，还缺乏对数据发掘的能力。并没有从时空数据中得到相对应的知识，从实现数据到知识的转化上明显不足。对历史数据的利用并没有得到重视。(4)尽管时空数据发掘的研究近年来得到了相当程度的发展，但在时空数据挖掘实际应用中，有时费时费力，并且在精度上没有达到一个完美的值，使得模型的应用缺乏相当的理论背景。

因此，需要一种结合时空数据和历史数据的虚假林火热点过滤方法。

发明内容

基于此，有必要提供一种结合时空特性，对历史数据进行分析，以挖掘虚假林火热点的方法。

根据本发明的目的，提供一种基于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：

确定时空聚类的参数；

通过该确定的参数，利用DBSCAN算法对历史林火热点数据进行分析；

基于上述分析，提取虚假林火热点。

所述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。

进一步地，所述的提取虚假林火热点，包括至少提取固定热源、农用热源和水面反射。

优选地，所述利用DBSCAN算法对历史林火热点数据进行分析，是采用 DBSCAN算法对林火热点数据进行聚类分析；所述确定时空聚类的参数，是确定DBSCAN算法的Eps参数和MinPts参数；

所述采用DBSCAN算法林火热点数据进行聚类分析，包括：根据输入的邻域参数Eps、MinPts和样本的欧式距离，对样本数据中的每个点的Eps邻域搜索成簇，当样本数据中的对象点P的Eps邻域包含的样本数据点个数多于MinPts，则建立以对象点P为核心对象的簇，之后不断迭代聚集核心对象直接密度可达的所有对象点，遍历所有对象点；当没有新对象点添加到任何簇时，聚类过程结束。

优选地，通过k-距离确定Eps，所述k-距离是指数据中的每个坐标点到数据中除这个点以外的所有点的距离；通过得到的k-距离，将距离进行统计，根据统计的曲线图以曲线明显变化的位置对应的距离作为合理的Eps的取值。

所述MinPts的计算公式如下：