我们依据NDVI指数获取植被的含水量，含水量少的地方更容易发生火灾，从而将森林火险划分一至五级，易发生程度依次增加。 该图反映索道的下方及东方火灾风险高，飞来峰莲花台附近也是高风险区，毗卢殿、舍利殿、兜率寺、法华庵及华严洞和云梯庵的东方都是高风险区。

东南坡，南坡光照时间长，接受的太阳能辐射较多，温度较高，湿度较低，土壤和植被较干燥使得森林水分蒸发较快， 另一方面光照时间长可以加快植物生长速度，森林可燃物相对其他坡向也较多，比较容易发生森林火灾。该图反映索 道的下方及东方、天柱峰东北侧、法华庵、阴阳洞从上方山东门进入到藏经阁的步道东侧的大片区域都是该图的火灾 易发生区。

根据风向、地形地势、NDVI计算得不同地区林火蔓延得难易度。 由图可知南无地藏王菩萨、山神庙、华严洞、塔院、兜率寺、观音殿 、槐树王，摘星坨这些景点蔓延风险较高，需要加强观测。

土壤越干燥，火灾风险越高；针叶林分布越多，火灾风险越高。由图可得出观音峰，天柱峰、飞来峰、华岩洞、旱龙潭景区火灾风险大

一般来说，景点的人流量密度越大，管理难度及检测难度越大，危险用火行为也将增多。 从图中得出山神庙、华严洞、退居庵、一斗泉、兜率寺、观音殿、槐树王、天柱峰，摘星坨这些景点的人流量很高，需要加强监测。

传统的火灾预测方法主要基于统计分析和经验规则，这些方法通常依赖于专家经验和观察数据，存在一定的主观性和局限性。随着机器学习技术的快速发展，越来越多的研究者开始应用各种机器学习算法来预测火灾的发生。我们主要利用了深度学习中的YOLOv8算法来实现对森林火焰烟雾的检测，并结合PyQt5设计了一个简约而强大的系统UI界面