3.1    变化检测的大气校正
3.1.1    何时需要大气校正
当用于变化检测算法的各个时相影像是基于数据的线性变换时，如生成时相1和时相2的归一化植被指数(NDVI)时，便需要对多时相遥感数据进行大气校正。每一个时相影像上大气的附加影像会使NDVI值受到“污染”，并且这种变化是非线性的。同样，如果变化检测算法要用多时相影像中的红光与近红外波段的比值，则应该进行大气校正。这表明，如果研究的是生物物理特性随时间的变化，而不仅仅是地面覆盖随时间的变化时，那么对用于计算线性变化数据(如：NDVI)的多时相影像进行归一化或大气校正通常是必要的。
如果变化影像直方图的阈值边界保持不变，那么，使用影像相减法和大气校正后生成的变化/未变化图看起来通常不同于使用影像相减法和未经大气校正生成结果。但是，如果选择的变化检测影像直方图两侧的阈值恰当，那么，无论是使用经大气校正还是未经大气校正的影像来检测变化，其结果都没有差异。欲使所有稳定的类在变化影像直方图中的值为0，那么，在进行影像相减前，将一景影像归一化到另外一景影像，或将两景影像进行大气校正使像元值转换为反射率值，是很有用的。
获取高质量的训练数据费时费力，因为需要大量投入人力和野外工作。因此，将训练数据在时间和空间上进行扩展就显得越来越重要了。换言之，从时相1中提取的训练数据可以扩展用于相同区域时相2的影像，甚至可以扩展到相邻区域的时相1或时相2的影像。如果要对训练数据在时空上进行扩展利用，就需要将每景影像进行大气校正，转换为表面发射率。然而，如果仅对单景影像进行分类或变化检测，就没有必要总是进行大气校正。
3.1.2    何时不需要大气校正
如果所需类别的光谱是从待分类的图像中分离出来的，那么就没有必要在分类前进行大气校正。因为对单一时相的影像进行大气校正，就等于在光谱波段中将所有像元值减去一个常数。该操作仅相当于在多文光谱空间对原始像元进行平移。只要训练数据和待分类数据处于相对一致的水平，便没有必要进行大气校正。这表明，如果使用最大似然分类法对时相1的Landsat TM影像进行分类，并且所有训练数据均来自时相1的影像，那么就没有必要对该时相影像进行大气校正。同样，如果训练数据来自时相2，那么对时相2的影像进行分类时，也没有大气校正的必要。分别从单景影像分类结果中提取出的两个时相的变化信息，可以在分类后处理中很容易地进行比较。
多时相合成影像分类变化检测时，在经过几何校正后的遥感影像被当作单独的影像来分类，并被置于一个单独的数据集中，这时候，大气校正通常是没有必要的。在分类和各种变化检测算法中，只有将某时相/地区的训练数据用于另一时相/地区的影像时，大气校正才是必要的。

3.2    变化检测步骤
3.2.1    变化检测的感兴趣地理区域
必须仔细考虑和确定变化检测感兴趣区域(ROI)的文数，并且在整个变化检测过程中保持不变。ROI的选取也十分重要，因为必须保证所选时相的影像数据中包含相同的ROI。否则，将会导致数据缺失的情况。
3.2.2    变化检测时段
时段的选取同样十分重要。若果时段选择过长或过短，都将会导致获取错误信息。交通运输的变化检测研究只需要数秒或几分钟，而监测绿地状况则需要按月或季节获取影像。合理选择变化检测时段将有利于提高处理效率。 典型地质景观区生态环境变化检测(5):http://www.youerw.com/shuxue/lunwen_20180.html