La detección de cambios en teledetección es una técnica de monitoreo importante que se usa ampliamente en planificación urbana, evaluación de desastres, gestión de recursos y otros campos. El radar de apertura sintética SAR (Synthetic Aperture Radar) tiene la capacidad de imagen las 24 horas y en todas las condiciones climáticas, superando los problemas de la detección de cambios ópticos afectados por el clima y la iluminación. Su capacidad de penetración de microondas, características de polarización y mecanismo de imagen coherente le otorgan ventajas únicas para monitorear cambios subterráneos y en áreas bloqueadas, cambios en la estructura y propiedades físicas de los objetos, así como cambios pequeños. Actualmente, la mayoría de las revisiones sobre detección de cambios bitemporales en teledetección se centran principalmente en imágenes ópticas y carecen de un resumen sistemático y enfocado de la detección de cambios basada en imágenes SAR. Además, con el desarrollo del aprendizaje profundo y las técnicas de fusión multisource, la detección de cambios homogénea y heterogénea basada en imágenes SAR se ha convertido en un tema de vanguardia. Por lo tanto, el artículo, basado en cientos de documentos clásicos y recientes nacionales e internacionales, junto con principios de imagen satelital SAR, primero discute aplicaciones típicas de detección de cambios bajo diferentes condiciones de imagen. Luego, construye un flujo general de detección de cambios bitemporales que incluye adquisición de datos, preprocesamiento de imágenes, reconocimiento de cambios y postprocesamiento. Sobre esta base, revisa sistemáticamente los principales datos y métodos de detección de cambios. La parte de datos abarca conjuntos de datos abiertos para detección de cambios homogéneos y heterogéneos basados en SAR; la parte de métodos cubre métodos tradicionales así como métodos de aprendizaje profundo para detección homogénea y heterogénea. Particularmente, se organizan enlaces a conjuntos de datos y códigos de modelos relacionados para proporcionar referencias importantes para la investigación futura en el área. Finalmente, el documento resume los principales desafíos actuales en los niveles de datos, algoritmos y aplicaciones, tales como calidad y cantidad de datos, capacidad de expresión de características del modelo, complejidad computacional y alcance de la aplicación de detección de cambios. Frente a estos desafíos, se vislumbra el desarrollo futuro de la fusión multimodal, el diseño de modelos inteligentes y ligeros y la detección de cambios multivariados.

detección de cambios bitemporales en teledetección;imágenes SAR;métodos tradicionales;aprendizaje profundo;detección homogénea y heterogénea