技术特征：
1.基于st-dbscan算法的火灾产品精度评估方法，其特征在于：包括以下步骤：获取待评估的火灾产品数据与参考数据；构建火灾案例及参考数据时空数据库；构建基于st-dbscan时空聚类算法，所述算法用于火灾产品数据的精度评估；通过时空聚类算法和时空数据库将离散火灾产品数据聚合成火灾事件，将火灾事件与参考数据进行比较分析得到火灾数量；采用混淆矩阵评价火灾产品数据的准确度，并作为精度评估结果输出。2.如权利要求1所述的基于st-dbscan算法的火灾产品精度评估方法，其特征在于：还包括以下步骤：对于获得的火灾产品数据进行预处理，所述预处理包括对数据进行清洗和筛选。3.如权利要求1所述的基于st-dbscan算法的火灾产品精度评估方法，其特征在于：所述火灾产品数据包括火灾发生的时间、地理位置以及质量评估和火点类型，火灾产品数据为矢量数据或者栅格数据；所述参考数据为实际记录的真实数据或空间分辨率较高的遥感影像。4.如权利要求1所述的基于st-dbscan算法的火灾产品精度评估方法，其特征在于：所述st-dbscan算法按照以下步骤进行：第一步：建立火灾数据库，所述火灾数据库中的火灾数据属性包括火灾的经度纬度信息与火灾发生日期，每条数据都是三维数据，并设置标签为unvisited；第二步：选取从火灾数据库读取的数据点，判断火灾数据的标签类型，若为visited则重新选取下一个数据点；若否，则修改标签为visited并进行下一步；第三步：判断选定的数据点是否为时空核心对象，即其时空邻域内所包含的数据量是否大于等于minpts，若是则进行时空聚类的下一步；若否则设定该数据点为孤立噪声点，并回到第二步重新选取下一个数据点；第四步：搜寻时空核心数据点时空邻域内所有的火灾数据点，将其中不属于任何一个火灾事件的数据加入新建簇c中，即新创建的火灾事件；第五步：判断簇c中的各对象是否为时空核心对象，若非时空核心对象则将其标为边缘时空对象不进行进一步操作，是则对该时空核心对象重复第四步的操作；第六步：重复上述步骤二至五，直至所有数据对象都属于某个簇，或为时空孤立点。5.如权利要求1所述的基于st-dbscan算法的火灾产品精度评估方法，其特征在于：所述混淆矩阵评判是按照以下方式进行的：按照以下表格构建混淆矩阵：
其中，tp为火灾产品正确探测到的火灾数量；fn为火灾产品遗漏的火灾数量；fp为火灾产品错误探测到的火灾数量；positive表示火灾样本；negative表示非火灾样本；通过表中的tp、fp、fn数据进行综合计算精确率、召回率，具体计算公式如下：计算公式如下：其中，precision表示精确率；recall表示召回率；按照以下公式计算：其中，p代表precision指标，r代表recall指标；f1-score表示火灾产品的精度。6.基于st-dbscan算法的火灾产品精度评估系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于：所述处理器执行所述程序时实现上述权利要求1至5任一项所述的方法。
技术总结
本发明公开一种基于ST-DBSCAN算法的火灾产品精度评估方法及系统，首先收集数据并进行预处理，并以官方实际火灾数据集作为参考数据。根据火灾产品各自空间分辨率与时间分辨率等特性选择合适的空间距离与时间窗口，从而构建基于密度的ST-DBSCAN时空聚类算法，将火灾产品数据聚合成火灾事件，最后采用混淆矩阵及其衍生的多级指标进行精度评价，如精确率、召回率和F1-score。该方法可以有效地对区域化的火灾产品数据进行效果评估，通过ST-DBSCAN将较离散的火灾数据集进行聚类分析，评估产品探测火灾的准确性。由于矢量数据不存在燃烧面积属性，该方法仅针对火灾事件作为评估对象，根据位置及数量进行统计衡量。该方法综合了数据的时空属性，并对遥感数据的空间误差具有一定的容错性。的容错性。的容错性。
技术研发人员：全兴文 焦淼 倪希亮
受保护的技术使用者：电子科技大学长三角研究院（湖州）
技术研发日：2022.11.16
技术公布日：2023/3/14