森林干扰（如火灾、采伐、病虫害等）是塑造森林景观异质性、驱动森林生态系统结构与功能动态的关键因子，对全球碳收支、陆-气能量交换等过程具有重要影响。森林干扰的时空分布与动态是理解森林景观形成机理的重要基础资料，同时也是科学评估森林固碳能力、合理预测森林演变方向的必要信息。2008年起，全球Landsat历史存档数据的开放获取促进了森林干扰检测算法的发展，随后以GEE为代表的地理空间大数据云计算平台更是极大地推动了针对高分辨率、长时间序列遥感数据的挖掘与应用。虽然我国森林资源清查实施过程中也将遥感作为技术手段之一，但森林变化相关的数据库建设仍然以行政区划的汇总数据为主，缺乏区域-全国尺度的、时-空信息完备的数据库或数据集。长期以来，国内已有大量利用遥感手段针对特定火灾、病虫害等灾害性森林干扰事件的专题研究，形成了一些不同覆盖范围、不同时间跨度的森林干扰数据产品，但是仍然缺乏针对大范围林区的长时序、高分辨率的干扰历史重建与类型溯因方面研究。
    本研究在LandTrendr算法基础上改进了森林干扰斑块检测方法，研制了1986-2019年东北林区森林变化斑块数据集；通过结合森林分布图（基于同期IFZ时序数据研制）、CCIFire51数据集、Landsat时序数据构建了斑块尺度的特征集。为改进干扰类型溯因机器学习（CART、RandomForest、AdaBoost模型）过程中存在的本地样本数量少、成本高、类型间分布不均衡等问题，本研究引入了加拿大C2C干扰数据集并开展模型训练、平行外推、精度验证与对比，最终构建了我国东北林区1988-2015年度30m分辨率森林干扰类型分布数据集。初步研究结果显示：1986-2019年期间我国东北林区森林干扰总面积约为 29701 km²，总体森林变化率约为1.06%；森林干扰类型溯因结果表明：AdaBoost模型准确率（OA=88.57%）明显优于RandomForest（OA=83.71%）和CART（OA=72.87%），1988-2018年期间，森林火灾面积占比约为49.19%，采伐与毁林面积占比分布约为37.76%和8.70%，未分类区域占约为4.35%。本研究首次系统量化了东北地区森林干扰历史的时空分布特征，对于深入理解气候变化背景下区域森林干扰态势特征及其动态具有重要推动作用。