Landsat时序变化检测和地形校正相关研究均是当前遥感领域研究的热点。但现有的基于Landsat时序数据的变化检测研究较少涉及地形校正预处理,并且对时序数据中的地形效应是否会影响变化检测结果及其影响程度如何尚缺少量化研究。本研究选择中-老边境地区为研究区,基于1988–2016年年际(2月份)Landsat时序影像,采用Land Trendr时序变化检测算法检测该地区的森林扰动,确定该区域森林扰动强度阈值。通过平坦地表森林反射率采用适合在高植被覆盖区的地形校正模型—太阳–冠层–传感器(Sun-Canopy-Sensor,SCS)—反演崎岖地表森林反射率,然后模拟研究区中心点(22°N,101.5°E)太阳高度角和森林扰动指标(抗大气植被指数)随坡度、坡向和时间变化的趋势;模拟中-老边境年内各个月份的森林抗大气植被指数(ARVI)图,随后将不同月份ARVI模拟结果两两之间进行差值变化检测,根据上文得到的该区域森林扰动强度阈值确定“伪变化”发生的区域和时间段,从而确定Landsat时序数据中的地形效应以及中-老边境地区时序变化检测策略。根据该区域时序变化检测策略检测中-老边境地区森林扰动,确定该区域森林扰动时空分布格局。研究表明:(1)中-老边境地区森林扰动强度阈值为ΔARVI=0.32。(2)当坡度小于10°时,地形和影像获取时间对太阳入射角和森林扰动指标的影响不大;当坡度小于40°且Landsat影像获取时间在2个月范围内时,地形效应很小;时序变化检测选择的影像拍摄时间应处于同一季节且时间跨度尽量不超过2个月;2–3月份拍摄的Landsat时序数据中地形效应小,采用该时期的Landsat时序数据检测中-老边境地区森林扰动可以不需要进行地形校正预处理。(3)1991–2016年中-老边境地区森林扰动图的总体精度为89.72%±0.67%,森林扰动总面积达4366.14km2±887.17 km2(约95%的置信区间),约占1991年森林总面积的16.73%;该区域森林扰动面积在1991–1995年呈上升趋势,1996年之后整体呈下降趋势,该变化趋势与全球橡胶价格和两国之间的政治经济合作有着密切的联系;相较于老挝境内,除极个别年份外,中国境内的森林扰动斑块面积、聚集度以及强度都高于老挝境内。