森林火灾引起空气污染,破坏生态环境,危害人类健康及财产安全。传统森林火灾风险评估主要是基于地面气象站数据(温度、湿度、风力、风向等),缺乏空间连续性,预警效果不理想。随着对地观测技术和高性能计算技术的的快速发展,大范围森林火灾的风险评估与预警防控引起国内外专家学者的关注,基于遥感技术的大范围森林火灾风险评估和预警防控成为近年来森林遥感的一个研究热点。卫星遥感技术可获取大范围地面影像数据,具有速度快、周期短的特点,已广泛应用于农业、林业、地质、海洋等领域。然而,随着遥感影像时空分辨率不断提升,数据量已提升到PB级别,传统串行数据处理已经远远满足不了海量遥感数据的存储和近实时的数据处理与分析,而大范围森林火灾风险评估与预警防控需要近实时、空间连续的监测数据和大数据处理技术。针对以上问题,本论文基于并行计算与先进的大数据技术,解决了海量遥感数据的处理与存储问题,并根据森林火灾风险评估和预警防控的需求,整合遥感产品数据和计算资源,设计实现了一套方便快捷的森林火灾风险评估与预警防控系统。论文的主要工作分为三个方面:(1)根据植被冠层可燃物含水率(FMC)产品算法,并结合Torque批处理任务调度框架,本文使用Golang编程实现全球FMC产品的并行生产。然后,基于Hadoop分布式文件系统(HDFS),Geotrellis栅格处理工具以及分布式存储数据仓库Accumulo实现FMC产品的分布式存储,实现FMC产品的快速查询。(2)本文基于Logistics回归模型,利用Spark MLlib机器学习工具生产了植被燃烧指数(FI)产品;基于火点探测算法,利用气象卫星数据实现近实时野火监测产品的生产。然后设计并编程实现一套上述产品自动化生产脚本,包括产品下载,预处理,缺失数据填补以及算法参数计算等通用模块。(3)本文基于Linux高性能分布式计算存储平台,结合生产的森林火灾参数产品,设计实现了森林火灾风险评估与预警防控系统。该系统由客户层、应用层及数据层三部分组成,结合森林火灾参数产品生产服务,实现了完整的生产、存储、处理及可视化的生产服务系统,用户以Web的方式方便快捷地提交订单、数据管理、可视化进行森林火灾风险评估与预警。相比于传统一体化的复杂系统,该系统具有轻量、可扩展性、易用性等优点。