本发明公开了一种基于深度学习的受损森林遥感监测评估方法，包括以下步骤：S1、获取遥感数据集，使用LandTrendr算法获取遥感数据集中每个像元的最大受损年份；S2、根据每个像元的最大受损年份，计算时间序列每个像元的光谱指标，并计算相关预测变量；S3、收集每个像元的高程、坡度、降水和温度数据，结合根据光谱指标计算的预测变量，选取训练样本；S4、将训练样本用于训练Unet神经网络模型，使用训练好的Unet神经网络模型对目标影像中的森林区域进行识别和提取，得出森林植被受损分类图，完成受损森林遥感监测评估，本发明生成的结果不含年际信号噪声，可以捕捉森林的长期缓慢的变化趋势，有较强的适用性。