森林火灾会给国家和人民带来巨大的安全威胁和经济损失,我国是森林火灾高发国家之一。通过研究分析发现,可以利用卫星遥感数据从三个方面对森林火灾进行有效管控:灾前预测可以减少火灾发生;灾时实时监测可在最大程度上降低损失;灾后高效、快速的提取火迹地可以为森林的灾后评估、重建方案提供可靠的依据。目前,MODIS数据是使用范围最广的遥感数据之一,对森林火灾监测具有实时性高、效率高、精度好、成本低等优点。本文着重利用MODIS数据对森林火灾的灾前、灾时、灾后三个阶段进行了研究,并针对基于MODIS数据的森林火灾监测过程中存在的问题加以改进,主要分析和结论如下:(1)构建基于多因子森林火险的预测模型。在将静态与动态火险因子相结合,根据层次分析法对各火险因子计算权重并叠加的此基础上,进行森林火险预测,解决了火险因子单一及各火险因子间无相互作用关系问题。该模型通过黑河市2009年4月25日和26日的MODIS数据对4月27日的森林火灾进行火险预测,预测精度分别为83.33%和87.50%,然而传统预测模型精度仅为56.25%和68.75%。研究表明,该模型可以对黑河市的火险进行有效的预测。此外,利用火点数据对静态火险因子进行危险等级划分,在一定程度上提高了该模型对不同地区的适用性。(2)构建基于BP神经网络的烟雾识别模型。通过对地物特征的分析,选用Ref7、Ref8、BT32-BT20、MNDFI、NBR和NDVI作为该模型的输入层,以单一季节、地区的地物样本构建烟雾识别模型,并对该模型的可靠性进行了验证,其总体精度和Kappa系数分别为96.96%和95.78%。最后通过四个地区数据对该模型进行检验,并与多通道阈值法对比,结果表明该模型可以对多季节、地区的陆地上空的烟雾进行有效的监测,同时提高了森林烟雾识别的效率。此外,在陆地上空,使用MNDFI-NDVI-NBR假彩色合成影像对烟雾的显示效果优于真彩色合成影像。(3)利用最大类间方差法对火迹地进行提取。首先,分析NDVI、NBR、NSTv2和NSEv1四种指数对火迹地的敏感度和可分离性;其次,利用最大类间方差法对火迹地进行提取,然后通过Fire_cci5.1数据对提取结果进行了精度评估,其中NSEv2指数的总体精度和Kappa系数分别为93.47%和83.08%,优于其它指数;最后,对该方法进行多个地区的适用性评估,Kappa系数分别为76.42%、75.06%,具有高度一致性。其结果表明,将最大类间方差法与NSEv2结合,可以快速识别精度较好的火迹地面积,从而克服通过产品数据预测而出现的较大延时性问题。