森林火灾对森林资源造成的损失是不可估量的,利用卫星遥感影像进行森林火灾监测,可以快速有效地防控森林火灾,减少森林火灾造成的危害。但进行森林火灾遥感监测时,地物反演及温度反演易受到地形影响导致反演结果与真实的地表信息产生较大差异,反演精度降低,从而导致识别林火火点时出现漏判和误判。地形校正可以消除遥感影像中地形的影响,提高林火火点识别的精度和火灾监测的有效性。本文选取了 C模型、Cosine-C模型、SCS+C模型、Minnaert模型、Teillet-回归模型、VECA模型等6种不同的地形校正模型,对中分辨率的MODIS遥感影像与低分辨率的Himawari-8号遥感影像进行地形校正研究。以2020年3月30日的四川省木里藏族自治县的森林火灾为案例,研究遥感影像中地形校正模型对林地信息提取、林火识别与过火迹地识别等的适应性。以高分辨率的Sentinel-2数据为验证数据,通过视觉分析法及统计分析法对比分析不同的地形校正方法对MODIS、Himawari-8森林火灾监测的地形校正效果。主要研究内容及结论如下:（1）比较地形校正前后MODIS用于森林火灾监测的各波段反射率,分析MODIS影像的六种地形校正方法的校正效果。结果显示,C校正模型和SCS+C校正模型、Teillet-回归校正模型和VECA校正模型表现出相近的地形校正效果。从总体上各波段反射率影像的地形校正结果来看,Minnaert模型校正效果较好、Cosine-C模型存在明显的过校正现象。（2）以现有的MODIS植被产品和Sentinel-2提取出来的过火迹地为验证数据,比较分析地形校正前后及不同地形校正方法之间的MODIS林地信息提取结果及过火迹地提取结果。在林地信息提取方面,Cosine-C校正模型、SCS+C校正模型和Minnaert校正模型的地形校正有效的减弱了地形效应的影响,其中,SCS+C校正模型效果最好;在过火迹地提取方面,Cosine-C校正模型和Minnaert校正模型能有效的消除地形带来的影响,其中,Cosine-C校正模型效果最好。（3）比较地形校正前后Himawari-8各波段反射率遥感影像,对比分析不同波段的六种地形校正方法的校正效果。结果显示,Teillet-回归校正模型减弱了 Himawari-8号卫星影像的可见光和近红外通道地形效应带来的影响。Cosine-C校正模型减弱了 Himawari-8号卫星影像的红外通道地形效应带来的影响,Minnaert校正模型则在红外通道出现了过校正现象。（4）以现有的MODIS植被产品和日本气象厅发布的Himawari-8的火点产品数据作为验证数据,比较分析地形校正前后及不同地形校正方法之间的Himawari-8林地信息提取结果及林火火点提取结果。在林地信息提取方面,仅Teillet-回归校正模型削弱了地形效应带来的影响;在林火火点提取方面,Teillet-回归校正模型与VECA校正模型都能有效的削弱地形带来的影响。本文将地形校正应用到中分辨率遥感影像和低分辨率遥感影像的森林火灾监测中,有效的降低了森林火灾监测过程中地形效应带来的影响,减少了林火识别过程中的错漏及误判现象,从而提高了遥感监测森林火灾的精度。