森林生态系统的碳排放受到破碎化加速和边缘效应的极大影响。要了解这些影响，就必须准确监测破碎化森林景观的变化。然而，这些变化通常强度低、尺度小，因此很难使用中等空间分辨率的卫星图像（如 Landsat）来检测。为了应对这一挑战，本研究开发了纯林指数（PFI），该指数结合使用了现有的植被指数（VI）和光谱混合分析（SMA），以更有效地检测和描述森林对观测到的像素光谱响应的贡献。利用连续变化检测和分类（CCDC）算法（以下简称 CCDC-PFI 算法），将 PFI 应用于检测亚马逊雨林 1986 年至 2020 年的森林变化。结果表明，该算法在绘制森林变化图方面性能可靠，空间尺度的总体准确度为 0.94 (±0.03)，时间准确度为 91.1%（两年窗口内）。与其他指数的比较显示，PFI 提高了监测森林动态的能力，总体准确度提高了 0.02-0.35。与传统 VI 相比，PFI 在增强亚像素森林信息和抑制各种场景中的非森林背景方面也表现出优势。所提出的方法有望为森林和生态系统的进一步研究带来裨益。
本研究旨在开发一种基于 PFI 的通用方法，以更好地跟踪破碎森林景观的变化。本研究的具体目标是 1) 提出一种新的指数，即纯林指数 (PFI)，以增强由子像素森林变化引起的像素的观测信号响应；2) 将新方法应用于亚马逊河流域，并解释其空间和时间模式；3) 将提议的方法与常用的 VI 和类似的最新方法 (SOTA) 进行比较。
PFI纯净森林指数是指衡量一定区域内森林覆盖率和森林质量的指数。PFI Pure Forest Index”，意味着指数将森林的纯净程度和质量考虑在内。该指数通常用于评估森林生态系统的健康状况，并根