1.一种基于探鸟雷达的机场鸟类检测系统，其特征在于，包括数据收集模块（100）、模型构建模块（200）和模型应用模块（300），其中：所述数据收集模块（100）收集探鸟雷达数据，探鸟雷达数据包括历史飞鸟数据和实时飞鸟数据；其中历史飞鸟数据包括飞鸟类型、飞鸟行为模式和历史飞鸟特征；所述模型构建模块（200）根据历史飞鸟数据中的飞鸟类型，利用决策树算法，对历史飞鸟特征进行初级决策树路径节点的分裂，其中路径节点包括叶子结点，叶子结点表示飞鸟类型；将叶子节点作为次级决策树的根节点，根据历史飞鸟数据中的飞鸟行为模式，对历史飞鸟特征进行次级决策树路径节点的分裂，并形成鸟类检测模型；其中：所述模型构建模块（200）包括初级决策树构建单元（201），所述初级决策树构建单元（201）构建初级决策树的过程具体包括：提取历史飞鸟数据 中包括历史飞鸟特征和飞鸟类型的子集，表示 ；对于历史飞鸟特征 中的每一个特征，计算信息增益，计算公式如下： ，其中 表示数据集 在使用历史飞鸟特征 进行分裂后的信息增益； 是数据集 的熵， 是数据集 的熵，熵是衡量数据集不确定性的指标； 表示历史飞鸟特征 的所有取值的集合； 表示特征值取 时，对应的数据集中的样本个数； 表示 数据集中的样本个数；选择具有最大信息增益的历史飞鸟特征进行分裂，形成路径节点，并递归构建树结构，直到每个叶子节点确定一个唯一的飞鸟类型；所述模型构建模块（200）包括次级决策树构建单元（202），所述次级决策树构建单元（202）构建次级决策树的过程具体包括：提取历史飞鸟数据 中包括历史飞鸟特征和飞鸟行为模式的子集以及每个初级决策树的叶子节点 表示的飞鸟类型，用 表示；类似于初级决策树，对每个历史飞鸟特征 再次计算信息增益，以预测行为模式，计算公式如下： ，其中 表示数据集 在使用历史飞鸟特征 进行分裂后的信息增益；选择其中最大信息增益的历史飞鸟特征进行分裂，形成次级决策树的路径节点，直至次级决策树中的每个叶子结点代表一种飞鸟行为模式，形成行为模式分类叶子节点，并形成鸟类检测模型；所述模型应用模块（300）根据构建完成的鸟类检测模型，对实时飞鸟数据进行飞鸟类型以及飞鸟行为模式的预测；并选择预测过程中初级决策树以及次级决策树相同的路径节点，将该路径节点中的数据特征所对应的数值，与安全阈值进行比较，确定该鸟类在当前行为模型下的风险等级。
2.根据权利要求1所述的基于探鸟雷达的机场鸟类检测系统，其特征在于，所述模型应用模块（300）确定风险等级的过程具体包括：实时飞鸟数据 输入到构建好的初级决策树中，对实时飞鸟数据进行飞鸟类型的预测，并记录经过的初级决策树路径节点；基于预测的飞鸟类型，选择对应的次级决策树，预测出飞鸟行为模式，并记录经过的次级决策树路径节点；选择预测过程中初级决策树以及次级决策树相同的路径节点，作为关键路径节点，从关键路径节点提取出每个节点的数据特征和对应的特征值；从公共规则库中获取历史飞鸟特征中各个数据特征的安全阈值，将关键路径节点中的特征值与对应的安全阈值进行比较，生成关键路径节点中各个数据特征的风险等级。
3.一种使用包括权利要求1-2中任意一项所述的基于探鸟雷达的机场鸟类检测系统的方法，其特征在于，包括如下方法步骤：S1、收集探鸟雷达数据，探鸟雷达数据包括历史飞鸟数据和实时飞鸟数据；其中历史飞鸟数据包括飞鸟类型、飞鸟行为模式和历史飞鸟特征；S2、根据历史飞鸟数据中的飞鸟类型，利用决策树算法，对历史飞鸟特征进行初级决策树路径节点的分裂，其中路径节点包括叶子结点，叶子结点表示飞鸟类型；将叶子节点作为次级决策树的根节点，根据历史飞鸟数据中的飞鸟行为模式，对历史飞鸟特征进行次级决策树路径节点的分裂，并形成鸟类检测模型；S3、根据构建完成的鸟类检测模型，对实时飞鸟数据进行飞鸟类型以及飞鸟行为模式的预测；并选择预测过程中初级决策树以及次级决策树相同的路径节点，将该路径节点中的数据特征所对应的数值，与安全阈值进行比较，确定该鸟类在当前行为模型下的风险等级。
4.一种基于探鸟雷达的机场鸟类检测设备，其特征在于，包括：存储器和处理器；所述存储器，用于存储程序指令；所述处理器，用于调用并执行所述存储器中的程序指令，执行如权利要求3所述的方法。
