change-detection

变化检测与时空分析

目的：区分真实地表变化与四大冒牌者—— 配准错误、辐射漂移、物候变化和分类错误。 以下每种方法都是为了控制其中一种；跳过控制措施， 就会生成对虚无内容信心满满的地图。

前置条件（变化检测的成败所在）

前置条件 1 和 2 会在此处检查，但需在其他地方满足。任一条件 不满足时，由负责该条件的技能主导；待观测数据具有可比性后，本技能再继续。前置条件 3 是本技能自身的问题，不能作为转交其他技能的理由。

1. 配准：不同时相之间实现亚像素级对齐（使用 AROSICS 或 手动控制点）。半个像素的偏移就会到处产生边缘状的虚假变化。验证方法：快速切换对比清晰特征。对于高程表面或点云，垂直基准一致性、配准和垂直精度预算都属于 point-cloud-lidar——基准偏移不等于地面沉降。
2. 辐射一致性：处理级别相同（地表反射率）、传感器相同、处理基线相同。如果三者中任一项不同，这就是一个协调处理问题，而不是阈值化问题：交给 remote-sensing-analysis（Landsat↔Sentinel-2 使用 HLS；使用 PIF 进行相对归一化；处理 Sentinel-2 2022 基线变更中跨影像的 BOA_ADD_OFFSET）。
3. 双时相分析应处于相同季节／物候阶段——将 5 月与 9 月的影像配对，“检测到”的其实是夏季变化。如果无法匹配季节，请改用合成影像或时间序列方法。
4. 对跨时相的云／阴影掩膜取交集；仅分析两期均有效的像素，并报告其覆盖率百分比。

方法选择

情况	方法
两个时相，连续型“变化多少”	指数差分（ΔNDVI、ΔNBR……），并进行统计阈值判定
两个时相，类别型“从什么变成什么”	分类后比较（仅适用于分类器准确性较高的情况）
两个时相，多变量稳健分析	变化向量分析（CVA）；使用 MAD/iMAD 进行传感器稳健型检测
密集影像堆栈，渐进变化 + 突变	趋势 + 断点分析（BFAST/LandTrendr/CCDC 系列；归档规模分析 → google-earth-engine）
结构变化（建筑物）	深度学习双时相分割（孪生 U-Net）→ geo-deep-learning
SAR 配对影像（云层、灾害）	校准后后向散射的对数比 + 斑点处理
矢量数据版本（地块、建筑物）	使用容差进行几何 + 属性差异比较（见下文）

阈值判定——切勿凭目测

差异影像需要有依据的阈值：根据差异直方图使用 μ ± k·σ（报告 k）， 双峰分布时使用 Otsu，或使用基于标注变化／未变化样本校准的监督式阈值。交付直方图，并标出所选阈值。敏感性分析：报告 k-0.5 和 k+0.5 时的变化面积；如果结论发生反转，说明检测结果不稳健——请明确说明。

分类后比较（PCC）——谨慎处理

PCC 的误差会叠加：两张准确率均为 90% 的地图，变化检测准确率最高约为 81%， 而有偏差的错误会产生系统性的虚假转变。规则：

• 使用一个在两个时相影像上训练的分类器（图例相同、 特征相同），而不是分别使用两个独立的旧分类图。
• 构建完整的转移矩阵（按类别统计“从某类到某类”的面积），而不只是变化／未变化二元结果——不可能的转变（1 年内从水体变成森林）就是错误检测器。
• 差分前，确保两个时相使用一致的最小制图单元。

时间序列（密集堆栈）分析

• 构建填补空缺且屏蔽云层的指数堆栈（xarray，时间维度）。
• 分解趋势、季节性和突变；逐像素线性趋势需要进行显著性检验（针对单调趋势，使用 Mann-Kendall 检验和 Sen's 斜率，并对数百万个像素进行 FDR 校正，否则你的“变绿地图”只是噪声）。
• 标注突变日期，而不只是是否发生突变——时间通常才是分析的核心（清理从何时开始？）。
• 尽可能依据已知事件（火灾、建筑许可、灾害日期）验证检测到的突变。

矢量变化审计（同一图层的两个版本）

• 如果存在稳定 ID，按 ID 匹配要素；否则进行空间匹配，并报告 IoU 阈值。
• 分类为：新增 / 移除 / 几何变化（面积差值 > 容差）/ 属性变化。容差可吸收数字化抖动——地籍级数据取 1–2 m，基于影像数字化的数据则取更大的值。
• 按类别汇总面积差值并核对总量；无法解释的差额 = 匹配错误。

精度评估（交付成果的核心）

变化很少见，因此随机抽样会浪费精力去抽查稳定像素——应采用分层抽样（分层依据：变化 / 未变化，或按每种转变类型），并使用良好的面积估算方法（Olofsson 等人的方案）：报告每个分层的用户精度 / 生产者精度，以及经地图误差调整的面积估算值和置信区间。变化地图中的原始像素计数是有偏的面积估算值——务必报告调整后的数值。

报告模板

## Change: <phenomenon>, <T1> → <T2 or period>
- Data: <sensor/level>, co-registration RMSE: <px>, valid overlap: <%>
- Method: <...> threshold/params: <...> (sensitivity: <stable/fragile>)
- Transitions: <matrix or top-5 list with areas ± CI>
- Accuracy: stratified n=<>, UA/PA per class, adjusted areas ± CI
- Impostor controls: season <matched?>, radiometry <harmonized?>

易错点检查清单

• 配准错误导致的虚假边缘变化。
• 将季节差异说成土地覆盖变化。
• 对两张独立制作的旧地图进行 PCC。
• 仅凭“看起来合适”选择阈值，未做敏感性分析。
• 将原始变化像素数报告为面积（没有经误差调整的估算值）。
• 趋势地图未进行多重检验校正。
• 在未滤波的线性功率影像上检测 SAR 变化。

执行约定

• **工作流：**定义变化问题；统一范围、季节、辐射、分辨率和配准；选择方法；估算变化；验证；报告不确定性。
• **决策规则：**仅对可比较的连续信号使用直接差分；对类别图例稳定的数据使用分类后比较；存在密集时间序列堆栈时使用时间序列方法。
• **验证方案：**量化共配准情况、有效重叠范围、阈值敏感性、转变核算，以及经精度调整且带有置信区间的面积。
• **失效模式：**如果季节、传感器、云层、配准或独立地图误差可能解释该信号，则不应接受因果性变化结论。
• **交付成果：**变化地图、转变或趋势表、参数记录、验证样本和指标、调整后的面积估算值，以及局限性说明。
• **来源时效性：**使用依赖版本的产品或 API 前，请查阅权威来源注册表，并记录查阅日期。