森林火灾一直是威胁林业的重要灾害。近年来,随着全球变暖和人类活动的增加,森林火灾的发生呈上升趋势。地表火、树冠火以及飞火等特殊火行为是森林火灾的三种主要形式。在上述三种林火行为中,地表火占据了森林火灾的90%以上。因此,当前的林火预测预报及火蔓延计算主要是针对地表火。地表可燃物载量的确定,是实现森林地表火蔓延预测的前提。已有火蔓延模型中,假定同一林分中可燃物分布是均匀的,不能准确描述可燃物载量的复杂空间分布。基于聚类分析方法,建立了一种根据非常容易获取的几种林分因子来估算地表可燃物载量的方法。首先,对大兴安岭地区35块兴安落叶松林样地和21块樟子松林样地的树龄、郁闭度、胸径、树高等林分因子采用重心法进行系统聚类分析,分别将兴安落叶松林和樟子松林分为5类和7类。然后,计算得出每类可燃物的类中心,并以每类包含所有样地的可燃物载量的平均值来表示该类中心的载量,并由此建立可燃物载量与林分因子的对应关系。对聚类分析与线性回归预测模型从平均绝对误差AAD、标准误差SEE、模型预测稳定性指标SIE三方面进行对比,结果表明聚类分析模型要优于线性回归分析模型。森林细小可燃物含水率是进行火险预报时的一个重要因子。已有Catchpole直接估计法未考虑郁闭度对细小可燃物含水率的影响,且温度和湿度等气象参数是在林区实地测定的。通过户外实验模拟不同郁闭度条件,观测樟子松松针含水率的动态变化,同步记录中国气象网发布的温度、湿度和风速等气象数据,考虑郁闭度影响对气象数据进行修正并对Catchpole直接估计法改进,建立了一种细小可燃物含水率预测模型。对比结果表明,不同郁闭度条件下,改进模型预测结果的平均绝对误差和均方根误差都明显减小,平均绝对百分比误差下降至6%以下,预测精度提高一倍以上。将林区实地实验结果与改进模型的预测结果进行对比验证,发现预测的相对误差在10%以内。改进模型能够有效降低因郁闭度差异带来的预测误差,同时可直接采用气象预报数据进行计算,有更强的适用性。利用Arc /INFO的AML语言,结合基于聚类分析的载量确定方法及郁闭度修正后的Catchpole直接估计法,实现了地表细小可燃物载量和含水率的可视化。可视化结果能够反映同一片林区载量和含水率分布的不均匀性,能够提高以后林火预测预报和火蔓延计算的准确性。