森林火灾破坏人类赖以生存的宝贵而有限的自然资源,造成环境污染,引发生态失衡,并且危害林区周边的城镇安全。卫星遥感技术具有视域大的宏观特性,使人们对地物的观察和研究具有全天候和全天时的可能;另外,它还能周期成像,有利于动态监测和研究。卫星遥感以其时效性、客观性和可读性的特点,在监测森林火灾研究中具有特殊的作用。EOS系列卫星搭载的MODIS传感器具有空间分辨率和时间分辨率高、波谱范围宽的优点,受到越来越多的学者的青睐。云检测和烟检测是遥感监测森林火灾的重要的步骤。传统的云检测和烟检测算法是利用遥感卫星的某些通道数据的组合,采用绝对阈值来判定。一般的流程都是利用波段反射率、亮温或者波段的组合等作为阈值判断标准。但是阈值方法具有一定的主观性,对先验知识要求较高,并且在不同季节和不同地区阈值适用性不同,容易产生误判或者漏判。本文采用聚类分析和多波谱阈值相结合的方法,提高了检测算法的适用性和准确性。首先对MODIS L1B数据进行预处理,并分析各种地物的波谱特征,选取适当的MODIS波段和特征参数;然后采用Kmeans聚类方法对特征参数进行聚类分析,各种地物被初步分类;最后去除云和烟羽的干扰,使得检测结果更加准确。由于聚类方法只考虑特征参数之间的相对差别,可以有效地排除特征参数的绝对阈值对检测结果的影响,进而避免传统检测算法中的误判和漏判现象。选取我国东南沿海地区、大兴安岭林区以及国外的部分MODIS数据,对本文提出的检测算法进行应用研究,并将应用结果与传统的阈值方法进行了比较分析。结果表明,聚类分析和多波谱阈值相结合的算法具有较强的环境适应性,可以适应不同地区和不同林种的检测要求,有效地降低误报率和漏报率。