对于大面积的自生林和野生林,需要有效地检测具有代表性的可燃物区域,进行针对性的火警监测。当前森林可燃物普查的有效手段是通过飞行器拍摄获取森林影像数据集,但获取的数据集庞大,需要从中选出具有代表性的可燃物区域进行监测,同时也会带来数据处理复杂的问题。从数据集中选择小部分代表性数据的问题可以称其为数据摘要问题,而数据摘要问题常通过传统子模集合覆盖方法来解决。数据集庞大造成的计算复杂则可通过引入流式算法解决。基于此,本文将流式算法与子模集合覆盖算法相结合,并使所选出的特征集合在数据集元素的变化时可以保持稳定性。本文的主要工作如下:（1）提出了一种流式算法的近似子模集合覆盖的S-SSC算法。本文将具有庞大数据集中选择小部分具有代表性元素的问题,归纳为数据摘要问题,并采用子模集合覆盖的方法来解决。但子模集合覆盖算法对元素的顺序性选择方案不能很好地扩展到大数据集。因此,本文将流式算法引入数据集合的子模集合覆盖中,并通过指针跳跃算法简化子模集合覆盖问题的求解,以减少其通信的复杂度。实验表明,流式近似子模集合覆盖算法在支配集和顶点覆盖问题中与随机选择相比较,在覆盖效果上分别提升了约18.2%和32.4%。（2）提出了一种具有鲁棒性判断的流式子模集合覆盖的SR-SSC算法。针对集合中部分元素发生变化亦或是集合中的某些元素被移除的情况,希望选出的集合仍保持其稳定性和代表性。本文在流式子模集合覆盖算法的基础上,加入鲁棒性判断,使其抗干扰性增强,并将该算法的边界和通信的复杂度与之前算法比较。实验表明,流式鲁棒子模集合覆盖算法不仅能避免对大量的内存进行访问,而且在删除部分元素之后,集合稳定性比起流式近似的子模集合覆盖算法提高了10%以上。（3）森林可燃物普查的流式鲁棒子模集合覆盖算法应用。本文方法亦可应用于森林可燃物火灾预警的传感器布局方案中。本文通过无人机拍摄的森林图像数据集进行实验,选出植被覆盖率大于90%以上的区域,可以作为重点地区来布置传感器和火警监测。