变化检测的精度评价，别用一个总体精度
变化检测这块，我见过最多的做法是：跑完算法，算一个总体精度，写进报告。数字通常还挺好看，经常九十几。
问题就出在这个九十几上。
先定清楚什么算"变化"
在谈精度之前，有件事必须先定：你把什么算作变化。
这句听着像废话，但实际项目里十次有八次是把这步跳过去的。跳过去的后果是，你在评价一个边界模糊的东西——算出来的精度没有意义，因为"对"和"错"本身都没定义。
我现在习惯先设闸门，再谈精度。闸门至少三档：
幅度闸门，变化量要超过一个阈值，低于阈值的当噪声或者物候波动处理；面积闸门，设最小变化图斑面积，碎斑一律不要，不然误检会炸；持续性闸门，变化得保持若干期，把单期异常排掉。
闸门定完，剩下的才叫"候选变化"，再拿它去跟参考比。这时候算出来的精度才是可比的，也才能被第三方复算。
为什么 OA 在这儿基本没用
真实变化通常只占整幅图的百分之几。
这意味着一个什么都不做、把全图判成"未变化"的模型，总体精度轻松上 95%。它一个变化都没找出来，但报告上那个数字比认真干的还漂亮。
所以变化检测里，OA 这个指标不是"不够准"，是"可以刷"。凡是拿 OA 当主要指标的变化检测报告，基本可以判定作者没想清楚这件事。
真正要分开报的是两个数：漏检率和误检率。
这两个数不能合
漏检是"真的变了，你没检出来"。误检是"没变，你判成变了"。
这两种错误在工程上的代价完全不对称，而且方向相反。
农业保险场景里，漏检的代价通常高于误检——该赔的没赔，出的是纠纷和合规问题；误检是成本问题，钱赔多了。所以阈值要往"宁可多报"的方向调。
换成资源调查或者生态监测，可能就得反过来：多报一个假变化，要派人去核，人力成本压不住。
代价结构不同，最优阈值就不同。所以这两个数必须分开报，不能用一个总分把两种性质完全不同的错误混在一起——那样既骗自己，也骗甲方。
伪变化才是大头
变化检测精度差，八成不是算法不行，是伪变化没清干净。
这块最阴的地方是它不报错。算法照常跑完，出图很干净，你完全看不出来结果已经被整体带偏了，最后还会以为是那块地真的退化了。
常见的几个来源：
物候错位。 两期影像不在同一个生育期。这个坑我踩过一次，有一批影像比计划的晚了十二天，玉米已经抽雄，冠层结构和叶面积跟原计划那期差得很远。前后一比，整片被标成"长势下降"。数据没错，算法没错，就是时相不对。后来要么严格对齐生育期，要么做物候归一化，没别的办法。
辐射基准差异。 不同批次的影像，反射率可能带着系统性偏移。这个最容易被忽略，因为两批数据单看都正常，混在一起才出问题。我遇到过两批 S2 L2A，一批做了 +1000 的 BOA 偏移，另一批没有。直接混用，NDVI 会整体压低 0.25 到 0.30——足够让一片正常的地看起来像出了事。
跨批次做变化检测之前，先确认两批数据的处理基线一致，偏移量对不对得上。这一步花十分钟，能省后面一周的返工。
配准误差。 亚像元的错位，会在地块边界上产生条带状的假变化。看着特别像真的——因为形状正好是边界。先配准到亚像元级，再谈检测。
云、阴影、雪。 局部整片"变化"。用质量波段做掩膜，SCL 那层就是干这个的。
样本怎么抽
这步错了，前面全白做。
最常见的错误是只在变化区域抽样。这样算出来的漏检率是假的——你根本没看未变化的地方，怎么知道有没有漏。
正确做法是变化和未变化都要抽，而且未变化要按真实比例占多数。再稳一点用分层随机抽样：变化层和未变化层分别抽，最后按面积加权回推总体。
我自己的习惯是：变化图斑 100% 目视核查，未变化区域随机抽。原因是变化图斑数量通常可控，全查能兜住系统性错误；未变化区域面积太大，全查不现实，抽样控制工作量。
我实际报哪几个数
漏检率、误检率，这两个必须分开；F1，变化检测里比 OA 靠谱得多，因为变化本身是小类；IoU，评图斑边界，出矢量成果时必报；面积一致性，检出变化面积除以参考变化面积，这是业务终局；图斑检出率，按个数算，看大块变化有没有漏。
交付给甲方的通常不是一个图，是一个面积数。所以业务级那个数才是终局，前面几层都只是过程。
说句实在的：变化检测的精度评价，本质是三件事——先把变化定义清楚，再把代价想明白，最后把两类错误分开报。
漏检和误检从来不是一回事。把它们塞进一个总体精度里，是这几年我见过最普遍、也最难被发现的自欺。