基于ST-DBSCAN算法的火灾产品精度评估方法及系统

    公开(公告)号:CN115795326A

    公开(公告)日:2023-03-14

    申请号:CN202211432933.9

    申请日:2022-11-16

    Abstract: 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。

    基于气象与遥感数据的植被冠层可燃物含水率的估测方法及系统

    公开(公告)号:CN115905799A

    公开(公告)日:2023-04-04

    申请号:CN202211438401.6

    申请日:2022-11-16

    Abstract: 本发明公开一种基于气象与遥感数据的植被冠层可燃物含水率的估测方法及系统,包括以下步骤:首先选择可燃物含水率与各类气象数据与遥感数据及其他几种附属数据作为可燃物含水率估测数据。气象数据包括气温、相对湿度、降雨量与风速。遥感数据包括两种植被指数:增强植被指数和归一化植被指数。附属数据包括:根区土壤水分、蒸汽压差、干旱指数、加拿大火灾天气因子。然后对气象数据进行长时间序列特征的提取。先确定时间窗口的大小,实验结果表明90‑210天的时间窗口下多数站点的相关系数相对较高。分别选用90天、150天、210天的时间窗口,提取四种气象数据的时间特征。其次将实验区域的样本划分为5种植被分类,分别为密闭灌丛、稀疏灌丛、多树热带草原、热带稀树草原和草地。最后分别将五种不同的植被类型的数据集依次进行模型调参,得到各自的估算模型。

Patent Agency Ranking