森林火灾（简称林火）是对环境保护、生态系统平衡和气候变化有重大影响的自然生态系统过程,可以改变生态系统组成和生物多样性,对大气中的碳平衡以及全球气候变化等都具有重要影响。森林火灾的识别一直以来主要依靠人工巡护和卫星识别,人工作业由于传递速度慢,范围小且信息单一已逐步淘汰。卫星森林火灾识别具有范围广、时间频率高、准确度高等优点。此前卫星森林火灾识别主要采用低空间分辨率（≥1 km）的极轨和静止卫星识别,识别的森林火灾精度比较低,且不能满足目前森林火灾扑救要求。本研究针对卫星林火识别的空间分辨率低、信息获取维度不全问题,提出了一种可用于陆地资源卫星遥感影像（Landsat 8 OLI）森林火灾识别算法。该算法将传统的森林火灾识别算法与面向地理对象影像分析方法（Geographic Object-Based Image Analysis,GEOBIA）结合进行森林火灾识别。该算法应用于森林火灾活跃的中国、美国、加拿大、澳大利亚、印度尼西亚和非洲南部6个区域的1景Landsat 8 OLI影像。通过对Landsat 8 OLI影像与着火之前的遥感影像对比评估错分误差和漏分误差。主要研究结果如下:6个试验点Landsat 8 OLI影像,采用本研究算法均存在错分和漏分。错分率的范围为10.89%-17.45%,平均错分率为14.58%。漏分率的范围为3.12%-6.32%,平均漏分率为4.55%。6个试验点Landsat 8 OLI影像错分率和错分率相差最大为6.56%。采用本研究算法识别的火像元数量排在前三位的分别为加拿大、美国和澳大利亚影像,分别为11370个像元、3356个像元和3312个像元。若错分率不为0%,则意味着部分非火灾区域背景像元被算法识别为火点,本研究算法在这3个研究区的平均错分误差小于5%,而对于平均漏分误差小于17%。针对于2014年6-8月持续肆虐的加拿大西北区域森林火灾进行了详细对比研究,完成了区域内对单一火点、小型林火和大型林火的识别精度和效果的统计,研究结果表明:不同识别区域的背景特点对本研究面向地理对象识别的算法精度具有较大的影响。同时发现了算法识别中存在的异常点是由于高温林火像元“过饱和”而产生。本研究算法最小可识别单个像元（30m×30m）的森林火灾。相对比目前1km空间分辨率的卫星森林火灾识别技术,可以实现探测面积在1ha以下森林火灾,并且可以绘制出具体的森林火灾信息（空间位置、面积）。该算法不仅可以应用于Landsat 8 OLI遥感影像,也可应用于其他陆地卫星的传感器（Sentinel-2等）。该研究不仅可以为森林火灾的遥感识别提供参考和借鉴,也可为森林火灾特征量化提供技术支持。