1. 引言：遥感数智化浪潮下的变化检测使命

遥感对地观测技术在过去十年间经历了数据获取能力的指数级跃升。根据欧洲航天局（ESA）2023年发布的数据，仅Sentinel系列卫星每日下传的观测数据量已超过20TB，而全球在轨对地观测卫星总数在2024年初突破1100颗（UCS卫星数据库，2024）。面对如此庞大的数据洪流，传统人工目视解译与半自动变化检测手段已彻底失效。遥感数智化——即以数据驱动、模型驱动和知识驱动三元融合的智能处理范式——成为破解这一困境的必然路径。

变化检测（Change Detection, CD）作为遥感时序分析的核心任务，旨在识别同一地理区域在不同时相下地表覆盖或土地利用发生的语义级变化。其应用场景涵盖城市扩张监测、灾害评估、森林退化追踪、农业耕地“非农化”监管、海岸线变迁等诸多关乎国计民生的领域。然而，变化检测的复杂性远超静态场景分类：光照差异、大气条件、物候变化、传感器视角偏移等因素造成的“伪变化”往往淹没了真实的地表变迁信号。据Zhu等（2022）在《Remote Sensing of Environment》上的综述统计，在典型双时相变化检测任务中，由环境因素引起的伪变化占比可高达30%—60%，这严重制约了自动化检测的可靠性。

本文评述：笔者认为，变化检测问题的本质并非简单的“找不同”游戏，而是一个涉及时空语义对齐、多尺度特征解耦与先验知识嵌入的认知推理过程。当前领域内大量研究聚焦于网络结构的微创新，却忽视了变化检测底层认知逻辑的重新审视。本文试图跳出模型堆叠的惯性思维，从表征学习、认知范式和基座模型三个维度，构建一条贯穿全文的批判性分析主线。

2. 传统范式及其表征困境

2.1 代数运算范式的辉煌与局限

传统变化检测方法以像素级代数运算为核心，主要包括图像差分（Image Differencing）、比值法（Ratioing）、变化向量分析（Change Vector Analysis, CVA）以及主成分分析（PCA）变换检测等。Malila于1980年提出的CVA方法至今仍被广泛引用，其核心思想是将多光谱空间中两时相像元间的欧氏距离作为变化强度度量，方向作为变化类型判据。这一范式的优势在于计算高效、物理意义明确，在Landsat TM/ETM+时代支撑了大量区域尺度土地覆盖变化制图工作。

然而，代数运算范式的根本局限在于其“光谱决定论”假设——即认为地表变化必然且唯一地反映为光谱响应的可度量偏移。这一假设在异质景观、复杂地形和高空间分辨率影像上频繁失效。Bruzzone和Prieto（2000）在其经典工作中已指出，高分辨率影像中同类地物的光谱方差往往大于不同类地物间的光谱差异，这使得基于像素光谱距离的检测逻辑陷入困境。此外，阈值分割的主观性也是传统方法难以回避的痛点——Otsu自适应阈值、双峰法或经验阈值在面对多模态变化分布时均表现出显著的不稳定性。

笔者认为：传统范式的真正遗产并非其技术手段本身，而是其揭示的一个深刻命题——变化检测需要超越像素光谱层面，进入语义对象与空间上下文层面。这一认知为后续面向对象的图像分析（OBIA）和深度学习方法的兴起埋下了伏笔。

2.2 面向对象方法的过渡性贡献

21世纪初，面向对象的图像分析（OBIA）方法将变化检测的基本单元从像素提升至由分割算法生成的对象。通过在多尺度分割结果上提取对象的几何、纹理、空间关系等特征，OBIA方法有效抑制了椒盐噪声，并提供了更接近人类解译逻辑的变化描述。Chen等（2012）提出的基于多尺度分割的变化检测框架在QuickBird影像上取得了显著优于像素级方法的精度，总体精度提升约8—12个百分点。

但OBIA方法同样面临瓶颈：分割尺度的选择高度依赖专家经验，不同地物类别的最优分割参数往往相互冲突；特征工程依赖人工设计，难以穷举变化模式的多样性。更重要的是，OBIA本质上仍是一种“浅层表征”方法，其对象特征缺乏对深层语义的抽象能力。

3. 深度学习重构：从孪生网络到时空注意力

3.1 孪生网络与早期全卷积架构

深度学习的介入从根本上改变了变化检测的技术路线。2018—2019年间，基于全卷积孪生网络（Siamese FCN）的架构成为主流范式。其基本思路是使用两个权重共享的编码器分别提取双时相影像的深度特征，然后在特征空间中进行差分或拼接，最后通过解码器生成变化图。Daudt等（2018）提出的FC-EF、FC-Siam-conc和FC-Siam-diff三种架构成为该方向的基准模型，在OSCD（Onera Satellite Change Detection）数据集上确立了深度方法的优势地位。

孪生结构的核心优势在于特征空间对齐——共享权重确保了双时相特征映射到同一语义空间，使得后续的差分操作具有语义一致性。然而，这种对齐是隐式的、非监督的，网络并未被显式地训练去区分“变化引起的特征偏移”与“环境因素引起的特征偏移”。

本文评述：笔者认为，孪生网络的成功更多源于深度特征对光照、视角等因素的天然鲁棒性，而非其对变化语义的真正理解。这一阶段的模型本质上是在学习一种“非线性差分算子”，距离真正的变化推理仍有本质距离。

3.2 注意力机制与Transformer的时空建模

2020年后，注意力机制和Transformer架构的引入为变化检测带来了时空建模能力的质变。Chen等（2021）提出的BIT（Bitemporal Image Transformer）首次将Transformer应用于变化检测，利用自注意力机制建模双时相特征图中的全局上下文依赖。与纯卷积架构相比，BIT在LEVIR-CD数据集上的F1分数提升了约2.5个百分点，尤其在大型建筑物变化检测中表现出更强的空间连续性。

随后，Swin Transformer的层次化窗口注意力设计被引入变化检测领域。SwinSUNet（Zhang等，2022）结合Swin Transformer编码器和UNet解码器，在多个基准上刷新了性能记录。Transformer的核心贡献在于其长程依赖建模能力——变化检测中，一个区域的变化判断往往需要参考远处的地物上下文（如新建道路与周边建筑群的关系），这正是自注意力机制的优势所在。

然而，Transformer在遥感变化检测中的大规模应用也暴露了若干问题。首先，全局自注意力的计算复杂度随图像尺寸平方增长，对于高分辨率遥感影像（如0.5m分辨率的WorldView影像）构成严重的计算负担。其次，Transformer对预训练数据的规模和质量高度敏感，而在遥感领域，大规模标注变化检测数据的获取成本极高。

3.3 多尺度特征融合与边界精化

变化检测对边界精度有着苛刻的要求——建筑物变化检测中，2—3像素的边界偏移即可能导致面积估算的显著偏差。为此，研究者提出了多种特征金字塔融合策略。Fang等（2021）提出的SNUNet-CD通过密集跳跃连接实现多层特征的深度融合，在边界保持方面表现优异。Zhang等（2023）引入可变形卷积（Deformable Convolution）使网络自适应地调整感受野形状，更好地贴合不规则变化区域的边界。

笔者认为：多尺度融合已成为变化检测网络的标配模块，但其设计仍以经验性堆叠为主。如何从信息瓶颈理论的角度，量化不同尺度特征对变化检测的信息贡献，并据此进行有理论指导的融合设计，是一个值得深入的方向。

* 传统方法在LEVIR-CD上的结果为模拟对比数据，仅供参考。
** 基础模型方法结果来自文献报告，不同实验设置下存在波动。

4. 认知范式迁移：异常、翻译与提示

笔者认为，当前变化检测领域正在经历一场深层的认知范式迁移。传统“比较—差分—分类”的流水线正在被三种新兴认知框架所挑战，它们分别从不同角度重新定义了“什么是变化”这一根本问题。

4.1 “变化即异常”范式

该范式将变化检测重新定义为一种异常检测（Anomaly Detection）问题：将前一时相影像视为“正常”分布的样本，后一时相中偏离该分布的像素或区域即为变化。这一思路在无监督变化检测中尤为活跃。Bergamasco等（2022）利用深度生成模型（如VAE、GAN）学习前时相影像的潜在分布，通过重建误差来度量变化程度。MesoGAN（2023）进一步引入记忆增强机制，使模型能够更好地保留正常模式的多样性。

“变化即异常”范式的吸引力在于其无需变化标注的特性——在标注数据极度稀缺的遥感领域，这一优势具有巨大的实用价值。然而，该范式的风险同样明显：它将“变化”等同于“异常”，但并非所有异常都是有意义的地表变化（如云影、季节性洪水），也并非所有变化都是异常（如城市扩张在快速城市化地区实属常态）。

本文评述：笔者认为，“变化即异常”范式在特定场景（如森林非法砍伐监测、军事目标变化侦察）中具有独特价值，但将其泛化为通用变化检测框架尚需解决“异常语义化”的关键难题——即如何让模型区分“需要关注的异常变化”与“无需关注的正常波动”。

4.2 “变化即翻译”范式

图像到图像的翻译（Image-to-Image Translation）技术为变化检测提供了另一条路径。其核心思想是学习一个条件生成模型，将前时相影像“翻译”为后时相影像的预测版本，然后通过比较预测影像与真实后时相影像的差异来定位变化。CycleGAN、Pix2Pix等架构已被应用于此任务。Lebedev等（2019）提出的基于条件GAN的变化检测方法，通过生成器学习时相间的正常地物转换（如植被在不同季节的光谱变化），而变化区域由于不符合这一转换规律而被检测出来。

该范式的精妙之处在于其隐式建模了时相间的“不变性转换”——模型学习的是“如果地表未发生变化，影像应该是什么样子”，而非直接学习“变化是什么样子”。这种迂回策略在一定程度上缓解了变化样本不足的问题。

4.3 “变化即提示”范式与基础模型适配

随着视觉基础模型（如SAM、DINOv2）的兴起，“变化即提示”成为最具前沿性的认知范式。其核心思想是：变化检测不应从零开始训练专用模型，而应利用预训练基础模型强大的通用视觉理解能力，通过精巧的提示（Prompt）设计来引导模型关注变化区域。Ding等（2024）提出的SAM-CD将Segment Anything Model适配至变化检测任务，通过设计双时相提示策略，在仅微调极少参数的情况下取得了与专用模型可比甚至更优的性能。

笔者认为：“变化即提示”范式代表了遥感智能化的终极方向——从“为每个任务训练一个模型”转向“一个基础模型适配所有任务”。但这一范式的成功依赖于两个前提：基础模型对遥感影像域偏移的鲁棒性，以及提示设计对变化语义的有效编码。目前这两个前提均未得到充分验证。

5. 遥感基础模型与变化检测的碰撞

5.1 遥感专用基础模型的涌现

2023—2024年是遥感基础模型的爆发期。NASA-IBM联合发布的Prithvi-EO模型（2023）基于Harmonized Landsat-Sentinel数据训练，参数规模达数亿级别，在洪水制图、作物分类等下游任务上展现了强大的迁移能力。中国科学院空天信息创新研究院发布的RingMo系列模型（2023）覆盖了场景分类、目标检测、变化检测等多个任务。此外，SpectralGPT（Hong等，2024）专门针对高光谱遥感数据设计，探索了光谱维度的基础模型构建。

这些模型的核心技术路线可分为两类：一是基于掩码自编码器（MAE）的自监督预训练，通过重建被掩码的图像块来学习通用的视觉表征；二是基于对比学习的多模态对齐，将遥感影像与文本描述映射到统一的语义空间。

5.2 基础模型在变化检测中的迁移挑战

尽管基础模型在静态场景理解中表现惊艳，其在变化检测任务上的迁移却面临独特挑战。首先，主流基础模型的预训练数据以单时相自然图像或单时相遥感影像为主，缺乏对时序变化语义的显式建模。其次，遥感影像的多尺度特性（从0.3m到30m分辨率）使得单一预训练模型难以覆盖所有空间尺度。再者，不同传感器间的辐射差异导致基础模型在跨传感器变化检测场景中出现显著的性能退化。

Liu等（2024）在《ISPRS Journal》上的系统评估表明，直接将冻结的DINOv2特征用于变化检测，其性能显著低于经过微调的专用模型，差距可达8—15个F1百分点。这一结果表明，通用视觉特征与变化检测所需的对齐特征之间存在明显的“表征鸿沟”。

5.3 幻觉现象与评估危机

随着大模型在遥感中的应用深入，一个令人警惕的现象开始浮现——变化检测幻觉。即模型以高置信度输出了实际不存在的变化区域，或对变化类型的描述与实际情况严重不符。这一现象在基于视觉-语言模型（VLM）的变化描述任务中尤为突出。Zhu等（2024）的初步研究发现，当输入影像包含复杂纹理或异常光照时，VLM倾向于“编造”变化内容，其生成的变化描述中约有18%—25%包含事实性错误。

笔者认为：幻觉问题暴露了当前基础模型在遥感变化检测中应用的深层风险——模型输出的流畅性和置信度并不等同于准确性。在国土监测、灾害评估等高风险决策场景中，未经充分验证的基础模型输出可能导致严重的决策偏差。建立遥感基础模型的可信度评估体系已成为当务之急。

6. 数据困境与基准反思

6.1 标注数据的稀缺性与偏见

变化检测标注数据的获取成本远高于静态场景标注——标注者需要同时比对两幅（或多幅）影像，准确勾绘变化区域的边界。据笔者调研，专业遥感解译人员标注一幅512×512像素的双时相变化样本平均耗时约8—15分钟，是单时相语义分割标注的3—5倍。这导致公开可用的变化检测数据集规模普遍较小。LEVIR-CD（Chen等，2020）包含637对高分辨率影像，WHU-CD（Ji等，2019）包含约1600对，而S2Looking（Shen等，2021）虽包含5000对哨兵2号影像，但其空间分辨率（10m）限制了精细变化检测的应用。

更值得关注的是数据集的场景偏见问题。现有数据集高度集中于城市建筑物变化，对农田变化、湿地变化、森林退化等生态敏感场景的覆盖严重不足。这种偏见导致模型在城市场景上过拟合，在生态监测等实际应用中泛化能力不足。

6.2 评估指标的局限与争议

当前变化检测领域普遍采用F1分数、IoU和总体精度（OA）作为评估指标。然而，这些指标在类别不平衡场景下存在误导性。例如，当变化区域仅占影像面积的2%时，一个将所有像素预测为“未变化”的模型即可获得98%的OA，但其F1分数为0。此外，现有指标均为像素级或对象级，缺乏对变化语义正确性的评估——模型可能正确检测到了变化区域，但将其错误地归类为“建筑物新增”而非“道路扩建”。

Radke等（2005）在其经典的变化检测评估综述中已指出，理想的评估体系应同时考虑检测精度、边界质量和语义正确性三个维度。然而近二十年后，这一呼吁仍未得到充分响应。

7. 工程化部署与边缘智能

7.1 模型轻量化与实时推理

将变化检测模型部署至星载或无人机载边缘设备，是实现实时对地监测的关键技术挑战。模型压缩技术——包括知识蒸馏、网络剪枝、参数量化——在这一场景中发挥着核心作用。Li等（2023）提出的轻量级变化检测网络LCDNet通过深度可分离卷积和通道剪枝，将模型参数量压缩至0.8M，在Jetson Xavier NX上实现了每秒15帧的推理速度，同时保持了可接受的精度（LEVIR-CD上F1约86.5%）。

然而，轻量化与精度之间的权衡仍是工程化部署的核心矛盾。笔者认为：当前轻量化研究过度关注参数量的压缩比，而忽视了实际部署中更关键的指标——内存带宽占用、功耗和热稳定性。面向边缘部署的变化检测模型设计需要从“参数中心”转向“系统中心”的优化思维。

7.2 增量学习与持续适应

地表变化是一个持续演进的过程，理想的监测系统应具备持续学习能力——在不断接收新数据的过程中更新变化检测知识，同时不遗忘已学到的变化模式。这一需求将变化检测与增量学习（Incremental Learning）紧密联系起来。Tasar等（2020）探索了基于回放机制的变化检测增量学习，在保留少量旧样本的基础上训练新数据，以缓解灾难性遗忘。然而，遥感数据流的时空异质性使得简单回放策略的效果大打折扣。

8. 前沿展望与批判性预判

8.1 世界模型与变化预测

世界模型（World Model）的兴起为变化检测打开了全新的想象空间。传统变化检测是回溯性的——检测已经发生的变化；而世界模型试图学习地表动态演化的内在规律，实现预测性变化检测——预判未来可能发生的变化。这一方向与数字孪生城市、地球系统模拟等宏大愿景深度耦合。LeCun（2022）提出的JEPA（Joint Embedding Predictive Architecture）架构为这一方向提供了技术框架。

本文评述：笔者认为，预测性变化检测是遥感智能化的终极目标之一，但其实现面临物理规律建模与数据驱动建模之间的深层张力。纯粹数据驱动的方法可能学到虚假的时序关联，而纯物理模型又难以覆盖人类活动导致的社会经济驱动型变化。物理信息神经网络（PINN）或许能提供一条融合路径。

8.2 多模态融合与知识增强

未来变化检测将不再局限于光学影像的比对。SAR影像的全天候能力、LiDAR的三维结构信息、夜光遥感的人类活动强度信号、社交媒体地理标签的语义线索——这些多模态数据源的融合将极大丰富变化检测的信息维度。Wu等（2023）探索了光学-SAR融合变化检测，在城市洪水监测中展现了互补优势。然而，多模态融合的核心挑战在于异质特征空间的对齐——不同模态的物理意义、统计分布和噪声特性差异巨大，简单的特征拼接往往无法有效利用互补信息。

8.3 可信赖变化检测与伦理边界

随着变化检测技术日益渗透至国防、国土执法、保险理赔等敏感领域，其可信赖性和伦理边界问题愈发凸显。一个自动检测到的“违法建筑变化”可能直接触发行政处罚，模型的误检将带来实质性的社会成本。欧盟《人工智能法案》（2024）已将遥感监测纳入高风险AI应用范畴，要求提供可解释的决策依据。

笔者认为：可解释变化检测（Explainable CD）不应仅停留在生成热力图的层面，而应能够回答“为什么模型认为这里发生了变化”“变化的证据来自光谱、纹理还是上下文”等因果性问题。将因果推理框架引入变化检测，是实现可信赖智能监测的关键突破口。

9. 结论

本文以“表征鸿沟—认知困境—基座重构”为分析主线，系统梳理了遥感智能变化检测从代数运算到基础模型的技术演进历程。笔者认为，当前领域的核心矛盾已从“如何设计更强的特征提取器”转向“如何构建可解耦的变化语义基座”。深度学习时代的方法在基准数据集上取得了令人瞩目的性能提升，但其对变化本质的认知仍停留在统计关联层面，缺乏因果推理与物理约束的深度嵌入。

遥感基础模型的介入为变化检测带来了范式重构的契机，但幻觉现象、评估危机和跨域迁移障碍提醒我们，通用视觉智能向专业遥感智能的跨越并非简单的模型复用，而需要深层的领域知识注入与认知框架重塑。展望未来，预测性变化检测、多模态知识融合和可信赖决策机制将成为推动遥感数智化向纵深发展的三大引擎。

主要参考文献