森林火灾是一种危害性极大的自然灾害,每一次森林火灾的发生带来的往往是大片森林资源的消耗以及对周边农业畜牧业的深远影响。同时由于场景情况特殊,通常处于处理与救助都较为困难的情景,因此针对森林环境的火灾监测与告警已成为许多国家高度重视的问题。随着科技的飞速发展,互联网新兴技术也不断增多,由于大多森林都位于偏远地区,传统网络的部署与维护成本高、监管不便与电力供应不足等诸多问题都导致传统网络在森林火灾监测方面优势较低。而新兴的无线传感器网络技术结合物联网架构却在无人值守的远程环境监测、与灾害扑救等特殊领域有着较高的优势。其中Zigbee技术是专为数据吞吐量要求不高,更希望拥有低功耗、低成本、低时延、组网灵活、安全可靠特性的应用场景提出的标准无线网络协议。它的出现结合森林场景的种种需求使得该技术在森林火灾监测上有着不可比拟的优势。同时由于森林火灾地理因素多变且复杂,因此由单一传感器判定火灾的发生与否精准度往往较低,应用到实际场景中容易造成救援资源的浪费,而多数据指标必然涉及多因素数据融合问题,因此森林火灾场景下该问题也尤为重要。本文围绕提高森林火灾监测告警系统告警准确性方向进行研究。由于本文场景中的指标信息为典型“不确定性”信息,因此在研究多传感器数据融合技术的基础上着重对D-S证据理论算法进行研究分析,同时根据现有D-S证据理论的基础概率指派问题以及冲突数据引起决策失效问题进行相关改进。首先,提出基于模糊推理的一级融合算法以解决D-S证据理论算法中基础概率指派问题,将传统单特征函数赋值法扩展为双特征模糊推理法以提高基础概率与特征间关联并最终用Matlab对其进行仿真,同时将仿真结果与传统方法做了对比分析。然后,提出基于加权优化的二级融合算法解决D-S证据理论算法中冲突证据容易引起决策失效问题,利用模糊贴近度概念计算证据间对同一目标的距离,将全局冲突分散为局部冲突并以局部冲突作为加权指标进行基础概率的优化以降低冲突数据对整体融合的影响,同样对改进算法进行Matlab仿真与分析。在此基础上,本文对森林火灾监测告警系统进行了详细的需求分析与方案构建,并从物联网三层架构角度利用软硬件解决方案实现该系统,最终验证了系统的各项基础功能和改进算法的适用性与可行性。