变化检测必须区分地表变化与观测差异

变化检测比较不同时刻的遥感观测，识别地表状态发生的位置、方向和时间。两景影像数值不同可能来自真实变化，也可能来自云、大气、物候、太阳角、配准或传感器差异。可靠方法先控制观测条件，再定义什么变化值得报告。

数据一致性是检测前提

多时相影像应尽量采用一致产品级别、集合版本、坐标网格、波段定义和质量掩膜。把顶层大气反射率与地表反射率直接相减，会把处理差异当作变化。

几何错位在道路、岸线和地块边界产生正负成对差异。即使两景绝对定位都符合各自标准，相对配准仍可能不足以支持像元级检测。

跨传感器组合需要考虑光谱响应、空间分辨率和观测角。重采样到同一像元大小不会让传感器真正等价。

植被、积雪、水体和农田具有季节变化。比较不同物候阶段会检测到正常周期，而不是长期土地变化。双时相方法应选择相近季节和观测条件。

灾害快速评估可能必须使用最接近事件前后的清晰影像，此时季节和角度无法完全匹配。结果需要以不确定性和参考区域校正解释。

时间序列方法利用多年同季节基线区分正常波动与异常，并可估计变化发生时间。它需要足够有效观测和稳定处理链。

波段差、指数差和变化向量直接比较两期数值。阈值决定哪些差异被标为变化。阈值过低会接受噪声，过高会漏掉缓慢或轻微变化。

全局阈值假设区域噪声和背景一致，在山地、城市与水体混合区域可能不成立。可以按地类或质量分层，但增加的规则必须用独立样本验证。

差异幅度只说明观测变化，不自动给出“林地转建设”等类别。变化类型需要多期分类、特征轨迹或额外参考数据。

分别分类两期影像后交叉比较，可以直接得到类别转移矩阵，便于解释土地覆盖变化。但任一期分类错误都会成为假变化。

两期使用不同分类器、样本或类别定义时，转移更难比较。即使总体精度相同，类别偏差方向不同也会显著影响净变化面积。

变化精度应独立评价，不能简单由两期地图总体精度推算。稳定区、变化区和不同转移类型需要代表样本。

多时相方法可拟合季节曲线、趋势和断点，减少单景异常影响。云残留和缺测仍可能形成虚假断点，质量掩膜与有效观测数必须进入判断。

变化可能是突发、渐进或反复发生。一次火灾与多年退化需要不同时间模型。算法参数应与希望检测的持续时间和最小幅度对应。

检测时间通常位于最后一次稳定观测与第一次变化观测之间，不一定是精确事件日期。云多地区的时间不确定性更大。

小于像元或由少数像元组成的变化容易受混合和配准影响。设置最小斑块可以减少噪声，也会删除真实小变化。

形态过滤和对象聚合应基于应用最小制图单元。道路扩建、零散砍伐和大范围洪水需要不同尺度。

面积统计要处理边界像元和地图投影。用经纬度像元个数直接换面积会随纬度产生偏差。

已知稳定区域可用于检查两期辐射差、配准和阈值。如果稳定地物出现系统偏移，应先排查处理和传感器差异。

稳定区必须真正覆盖多种地表和观测条件。只选深水或裸地不能代表森林和城市的正常波动。

归一化可减少场景整体差异，但也可能压低广泛真实变化。任何校正都要明确哪些区域被假设为不变。

只核查检测出的变化会估计查准率，却不知道漏掉多少变化。参考抽样应覆盖变化和未变化，并对主要变化类型分层。

参考日期要与检测时间窗口匹配。高分辨率影像、现场记录和管理数据可以组合，但各自有时间和分类误差。

报告应包括变化面积、类别、最小单元、时间不确定性和精度，而不只展示彩色变化图。算法版本和输入产品也要保留。

变化检测的核心是建立可比观测和明确基线。影像差异只是候选证据，只有控制非地表因素、结合时间结构并独立验证，才能把它解释为真实变化。

变化产品还需要声明可回答的问题尺度。面向年度林地损失的处理链不一定能识别短期施工，适合区域统计的最小斑块也不适合地块执法。空间分辨率、观测频率和验证设计共同限定结论，不能用更精细的制图符号扩大证据能力。

跨年度持续生产时，应设置稳定基准区和版本重处理策略。传感器校准、云掩膜或分类规则升级会改变整条时间序列；若只更新最新一期，算法变更可能被误判为新变化。必要时应回算历史结果，并同时发布版本差异说明。

Committee on Earth Observation Satellites：Analysis Ready Data，https://ceos.org/ard/
U.S. Geological Survey：Landsat Project Documents，https://www.usgs.gov/landsat-missions/landsat-project-documents