国家林业部门通过建立观测站对森林火情进行实时监测，然而只能实现对局部范围进行监测，多源遥感卫星数据的获取为森林火情大范围实时监测提供了一个有力工具。传统的森林火情信息监测方法更多地依赖于人类经验参与，自动化不够高，已经很难满足森林火情信息的及时发现与预警的应用需求。因此为了快速有效的从实时接收的遥感卫星数据中提取森林火情信息，研究火情信息提取的自动化提取方法至关重要。中国遥感卫星地面站是国际资源卫星地面站网的主要成员之一，承担着各类国产陆地卫星和国际上主要陆地卫星的接收任务。密云、喀什、三亚三个接收站实现了覆盖我国全部领土和覆盖亚洲70％陆地区域卫星数据的实时接收。为了及时有效地利用每天实时接收的多源遥感数据，遥感卫星地面站自主研发了一套遥感卫星数据远程播报系统，对实时接收的卫星下行数据根据用户需求进行实时显示。为了使得远程播报系统能够在实时演示下行数据的同时，也能够充分利用多源遥感数据的各自优势，及时发现与发布森林火情信息，本论文将针对如何利用远程播报系统中接收的多源遥感卫星数据进行森林火情信息自动化提取的方法进行研究。　　论文在对传统的利用遥感数据提取森林火情信息技术中存在的问题进行分析的基础上，针对多源遥感数据各自具有不同的光谱、空间与纹理信息等特点，提出了基于多源遥感图像的森林火情信息自动化提取框架。针对不同分辨率的遥感数据在森林火情信息提取中的应用所涉及的关键技术进行研究与算法实现。论文对森林火情信息提取从火点提取和过火面积（火烧迹地）提取两个方面进行，主要研究内容及创新点包括以下四个方面:　　(1)针对HJ-1B卫星的IRS数据特征，在对MODIS为数据源的经典火点提取算法进行改进的基础上，构建了以HJ-1B为数据源的火点自动化提取模型。　　HJ-1B卫星是我国自主研发的环境监测卫星，其搭载的IRS传感器具备对温度较为敏感的两个中心波长分别为3.5μm和11μm的波段，且其空间分辨率明显高于火点监测常用的MODIS卫星。传统的MODIS火点提取算法通过固定阈值算法提取潜在火点，而没有考虑季节和地域的差异造成虚警率较高，从而影响后续相对火点判定算法的执行效率。本文对传统的MODIS算法的缺陷进行了改进。通过对火情发生前后两期的IRS亮温数据进行最小二乘法拟合，并将拟合误差较大的异常温度点与通过阈值判定的潜在火点进行融合的结果做为最终的潜在火点，从而构建了以HJ-1B的IRS数据为基础的森林火点提取模型。选取两期森林火情数据作为实验数据，并且通过与MODIS算法结果作对比，表明本文算法利用HJ-1B卫星的IRS数据得到的潜在火点数据减少，虚假火点减少，检测到的火点数据更加全面。　　(2)基于针对中低分辨率遥感图像中火烧迹地多数存在着边缘模糊和边界凹陷的特点，并利用遥感数据的不同特征在检测中的优势，提出了一种实用的基于水平集的火烧迹地快速自动化提取方法。　　利用遥感数据进行森林火烧迹地的提取是准确评估过火面积和指导植被恢复的有效途径。针对火烧迹地图像多数存在着边缘模糊和边界凹陷的特点，并利用遥感数据不同特征在检测中的优势，同时考虑到火烧迹地提取的快速与自动化的实用性需求，提出了一种基于水平集的火烧迹地自动提取方法。本文提出的方法通过将变化矢量分析法(Change Vector Analysis，CVA)、归一化植被指数(Normalized Difference Vegetation，NDVI)差值以及归一化燃烧指数(NormalizedBum Ratio，NBR)进行加权融合后产生差异图像，并利用不同时相近红外波段图像进行线性拟合后，将拟合误差的二值化分类图作为新的初始曲线对传统C-V模型进行了改进，改善了初始曲线设置的有效性，因此不但能够加快火烧迹地的分割速度，而且提高了检测的准确度。通过对Landsat5 TM以及Landsat8OLI遥感数据进行试验，并与传统C-V模型、最大类间隔法(OSTU)算法、模糊C均值(FCM)算法方法进行结果对比，表明本文提出的方法能够很好实现火烧迹地的自动提取，所提取的火烧迹地轮廓清晰，与传统C-V模型相比，在有效降低迭代次数的同时，并具有较高的检测精度。　　(3)在对基于像元的火烧迹地提取方法进一步研究的基础上，为了减少虚假信息，进一步提高精度，将像元间相关性引入到算法中，同时采用在多尺度下建立决策准则对待检测像元逐层分析的思想，提出了顾及像元间相关性的火烧迹地自动检测方法。　　传统火烧迹地检测算法将像元看作独立单元并没有充分考虑图像中像元与周边像元的相关性，容易产生虚假信息。为了解决这个问题，论文从像元之间的相关性的角度出发，提出了一种新的火烧迹地提取算法。即在前期图像金字塔分解的不同尺度下建立像元对应的相关性矩阵与对应的多时相差异图像。同时构建决策准则并联合相关性矩阵逐层对每个尺度下的差异图像中的像元进行判断。论文选择Landsat5 TM作为实验数据集对提出的算法进行验证。通过定量和目视比较本文算法与最大类间隔法(OSTU)算法、模糊C均值(FCM)算法的实验结果，表明本文提出算法在判定森林区域的一个像元是否是火烧迹地时由于考虑了其周边与之相关性较高的像元发生变化的比例，能够充分利用地物之间的相关性，减少了火烧迹地检测结果中的虚假信息，提高了检测结果的准确度。　　(4)针对GF-1号卫星数据具有空间分辨率高、地物空间信息表达更加丰富的特点，同时采用结构相似度算法(Structural Similarity, SSIM)代替传统简单代数法获取多时相遥感影像的差异图像，建立了融合多特征的面向对象高分辨率遥感数据火烧迹地的提取算法。　　目前遥感卫星远程播报系统中接收的第一颗高分辨卫星为GF-1号，高分辨率的遥感卫星数据空间分辨率高，能够更加精细的勾勒出森林火烧迹地的轮廓，可以减少由混合像元引起的误检率。如果采用基于像元的火烧迹地提取方法，则会导致提取的结果较为破碎，出现所谓的“椒盐现象”。本文提出了融合多特征的面向对象的火烧迹地提取算法模型。首先将两个时相遥感图像联合分割后，获取前后两个图像中对应的对象。然后，择优融合最能体现火烧迹地信息的HSI颜色空间的光谱、纹理、以及NDVI等特征获取对象的差异图像。同时为了获取信息更加完整的差异图像，引入结构相似度算法(Structural Similarity, SSIM)代替简单代数法计算差异图像。最后，采用多数投票法融合不同特征的检测结果。采用GF-1号多光谱遥感图像作为实验数据，与像元级的火烧迹地信息提取算法以及只采用单一光谱特征的CVA算法结果进行比较分析，本论文提取的算法Kappa系数明显高于其他算法，因此对于高分辨率遥感图像而言，面向对象的火烧迹地信息提取方法适用性更好，准确度更高。