森林火灾是一种突发性强、破坏性大、处置较为困难的自然灾害,及时准确地掌握火情对于灾害救援、灾情评估十分关键。传统监测方式耗费大量的人力和物力,且易受天气情况以及地理环境的干扰,常达不到监测森林火灾实际业务的需要。为满足我国北方区域火点监测需求,在三通道合成法、固定阈值法、绝对火点识别算法、MODIS火点算法以及基于类间方差的火点识别算法的基础上进行改进,提出了一种基于自适应阈值的火点识别算法,以求提高火点监测精度。本文以我国北方区域森林为研究对象,选定2017年以来北方区域公开报道的7期森林火灾,分别采用三通道合成法、固定阈值法、绝对火点识别算法、MODIS火点算法、基于类间方差的火点识别算法以及基于自适应阈值的火点识别算法对7期火灾发生地点及其周边区域进行火点提取,以同时间的中高空间分辨率影像作为火点解译的比对标准。结合火点提取的数量特征和空间分布,从火灾事件检出率、火点提取的正确率、漏检率以及误检率对算法进行精度评价和模型优选。结果表明:MODIS火点算法和基于类间方差的火点识别算法未能全部检测出7期火灾。在3期验证数据中,基于类间方差的火点识别算法正确率和漏检率优于基于自适应阈值的火点识别算法,但其误检率在实验算法中最高。综合考虑火灾事件检出率、火点提取的正确率、漏检率以及误检率,基于自适应阈值的火点识别算法精度优于其他实验算法。在已有算法基础上,本文提出了基于自适应阈值的火点识别算法,该算法在筛选陆地疑似火点像元时,采用自适应阈值思想,可以根据不同研究区域自动调节阈值,更适合于北方区域的火点提取,可以利用学校接收站实时接收的MODIS数据进行火点监测。