Los bosques contienen la mayoría del carbono (C) en la superficie encontrado en los ecosistemas, y entender la biomasa perdida por disturbios es esencial para mejorar nuestro conocimiento del ciclo del C. Nuestra región de estudio en el Bosque Laurentiano de Wisconsin y Minnesota tuvo un fuerte declive en el Índice de Vegetación de Diferencia Normalizada (NDVI) desde 1982 hasta 2007, observado con la serie de Radiómetros de Muy Alta Resolución Avanzados (AVHRR) de la Administración Nacional Oceánica y Atmosférica (NOAA). Para entender el papel potencial de los disturbios en el ciclo del C terrestre, desarrollamos un algoritmo para mapear disturbios forestales ya sea por cosecha o brote de insectos para pilas de series temporales de Landsat. Fusionamos dos enfoques de análisis de imágenes en un solo algoritmo para monitorear el cambio forestal que incluía: (1) múltiples umbrales de índice de disturbio para capturar la cosecha a ras; y (2) un análisis de imagen basado en trayectorias espectrales con múltiples umbrales de intervalo de confianza para mapear brotes de insectos. Produjimos 20 mapas y evaluamos la precisión de clasificación con fotos aéreas y datos de encuestas aéreas de insectos para entender el rendimiento de nuestro algoritmo. Logramos precisiones generales que oscilan entre el 65% y el 75%, con una precisión promedio del 72%. La precisión del productor y del usuario varió de un máximo del 32% al 70% para el disturbio por insectos, del 60% al 76% para la mortalidad de insectos y del 82% al 88% para el bosque cosechado, que fue el agente de disturbio dominante. Los disturbios forestales representaron el 22% del área forestal total (7349 km2). Nuestro algoritmo proporciona un enfoque básico para mapear la historia de disturbios donde han ocurrido grandes impactos en las masas forestales y destaca la limitada sensibilidad espectral de las series temporales de Landsat a los brotes de insectos defoliadores. Encontramos que solo los eventos de cosecha y mortalidad de insectos pueden ser mapeados con una precisión adecuada con una serie temporal de Landsat no anual. Esto limitó nuestra comprensión de los impulsores del declive del NDVI. Demostramos que para capturar disturbios más sutiles con trayectorias espectrales, las observaciones futuras deben ser temporalmente densas para distinguir entre tipo y frecuencia en paisajes heterogéneos.