用途：在观测数据可比的前提下，将真实地表变化与四类伪变化（配准误差、辐射漂移、物候差异、分类误差）区分开。若可比性本身不成立（传感器、产品级别、处理基线不一致），应先由其他技能处理，本技能在观测可比后继续。
主要能力：
- 前置条件核查：亚像素级配准（AROSICS 或人工连接点）、辐射一致性（同一处理级别、传感器、处理基线）、双时相需同季节/物候阶段、跨日期云影掩膜取交集并报告有效覆盖百分比。
- 方法选择：两期连续量用指数差值（ΔNDVI、ΔNBR）加统计阈值；两期类别用分类后比较（PCC）；多变量稳健用变化向量分析（CVA）、MAD/iMAD；密集时序用趋势+突变分析（BFAST/LandTrendr/CCDC，档案级可用 google-earth-engine）；建筑结构变化用双时相深度学习分割（siamese U-Net）；SAR 对用标定后向散射的对数比加斑点处理；矢量版本用几何+属性差异加容差。
- 阈值：差值直方图上 μ±k·σ（报告 k）、双峰用 Otsu 或监督阈值，并报告 k±0.5 的敏感性。
- PCC 注意：误差会累积，应使用同一分类器训练两期影像，构建完整转移矩阵，应用一致的最小制图单元。
- 时序分析：构建补缺、去云的指数堆栈，分解趋势+季节性+突变，逐像元趋势需显著性检验（Mann-Kendall + Sen's slope）并做 FDR 校正，标注突变日期。
- 矢量变化审计：按稳定 ID 或 IoU 阈值匹配，分类为新增/删除/几何变化/属性变化，按类汇总面积并核对残差。
- 精度评估：采用分层抽样与 Olofsson 等协议，报告各层用户/生产者精度及误差调整后的面积与置信区间。
使用方式：按执行契约推进——定义变化问题；统一范围、季节、辐射、分辨率与配准；选择方法；估计变化；验证；报告不确定性。提供报告模板与陷阱清单。
适用场景：双时相或多时相遥感变化检测、时序趋势与突变分析、矢量图层版本比对、变化制图与面积估计。
限制：不适用于可比性本身有问题的情形；高程面或点云的垂直基准、配准与垂直精度预算属于 point-cloud-lidar；辐射不一致属于 remote-sensing-analysis；建筑结构变化属于 geo-deep-learning；档案级时序属于 google-earth-engine。使用版本敏感产品或 API 前应查阅权威来源登记表并记录检查日期。