با توجه به اینکه آتش سوزی ها تقریبا در اکثر نقاط جهان می تواند واقع شوند، نظارت کامل و مداوم بر وقوع و روند پیشروی آنها با مطالعات میدانی و در مقیاس های محلی امکان پذیر نیست. استفاده از فن آوری سنجش از دور و مدلسازی با استفاده از سیستم اطلاعات جغرافیایی راهکاری مناسب و اساسی جهت شناسایی و نظارت بر آتش سوزی ها می باشد. سنجنده modis به دلیل دوره ی تکرار نسبتاً مناسب و داشتن باند های مناسب در محدوده ی طیف الکترومغناطیس، جهت آشکارسازی آتش سوزی ها به کار می رود. در تحقیق پیش رو 3 الگوریتم ارائه شده توسط giglio، wang و byun که متداولترین الگوریتم های کشف آتش می باشند، در منطقه ی مورد مطالعه بهینه سازی شده و بر روی 31 تصویر از زمان های مختلف سال 2011 تست شدند. نتایج به دست آمده نشان می دهد که الگوریتم giglio می تواند پیکسل های آتش صحیح بیشتری را نسبت به دو الگوریتم دیگر آشکار کند. در کل 2046 نقطه ی آتش بررسی شد که هر کدام از الگوریتم های giglio، wang و byun به ترتیب 957، 495 و 576 آتش را به درستی آشکار کردند. در بین الگوریتم های بررسی شده الگوریتم giglio با دقت سازنده 9/86 درصد و دقت کاربر 7/46 درصد بهترین کارایی را در کشف آتش دارا می باشد. الگوریتم ارائه شده توسط byun نقاط اشتباه زیادی را به عنوان آتش آشکار می کند و دارای دقت سازنده ی پایینی است که باعث ناکارآمدی این الگوریتم می شود. الگوریتم wang هر چند دارای آلارم های اشتباه پایینی می باشد اما در آشکارسازی آتش ها دقت خوبی نداشته و دارای دقت کاربر 2/24 درصد می باشد. میزان همبستگی میان دما و آشکارسازی آتش 0.72248- محاسبه شد که نشان می دهد با افزایش دمای محیط اطراف آتش ها میزان کشف آتش کاهش می یابد. این امر سبب کاهش دقت سازنده و کاربر در آشکارسازی نقاط آتش می گردد. مقدار همبستگی میان رطوبت و آشکارسازی آتش به میزان 0.659456 محاسبه شد، که نشانگر وجود همبستگی مثبت میان رطوبت و آتش های آشکار شده می باشد. به طوری که افزایش رطوبت محیط باعث افزایش هر دو دقت کاربر و سازنده در آشکارسازی آتش می گردد. زمانی که پیکسلی به عنوان آتش آشکار شد مختصات مرکز پیکسل به عنوان موقعیت آتش قرار می گیرد و دما و رطوبت محیط تاثیر کمی بر دقت مکانی آتش های آشکار شده دارد.