森林作为地球生态系统的主体,为人类生存和社会发展提供源源不断的物质基础,不仅是一种非常重要的自然资源,还是陆地上面积最广、结构最复杂的生态系统,其在保障林业生产、维护生态平衡以及应对气候变暖等方面均起着不可估量的作用。因此,及时、准确、高效地获取林地变化信息对于林业部门监管林地资源显得极其重要。随着空间技术水平的飞速发展,高分辨率遥感影像的出现为林地变化检测提供了新的思路,大大减少了人力物力的投入,降低了工作量,同时提高了变化检测效率,对于林地资源管理具有里程碑意义。但随着信息化手段不断升级迎来大数据时代的到来,致使海量影像数据对变化检测精度、效率、实用性均有了更严格的要求,目前为止,没有哪一种传统方法具有绝对优势。如何利用高分辨率遥感影像,研究一种有效提取林地变化信息,满足检测结果精度高、检测标准统一、去除人为主观误差,同时具备高效、方便、易操作的林地动态变化检测方法显得尤为迫切。本研究以甘肃省陇南市局部区域为实验区,面积约8.47×104公顷,获取实验区两景Sentinel-2A影像数据,同时通过“一张图”森林督查判读图斑及目视解译获取用于精度验证的地面实况样地数据,围绕以上问题,完成以下几个方面的研究:（1）结合目前林地动态变化检测工作中存在的难点问题,针对两期不同时相遥感影像之间由于辐射差异造成的影响,通过采用相对辐射校正中的伪不变特征法（PIF）,运用回归分析方法对两期影像进行校正,从而使影像间的辐射尺度相同或接近。结果显示,该方法能大幅度减小前后两时相影像间由于太阳高度角、数据获取时间等因素造成的辐射差异,降低数据质量因素对变化检测结果的影响。（2）论文在此基础上研究基于不同核心算法的林地动态变化检测方法,包括基于像元级、基于特征级、基于目标级以及基于深度学习网络模型,详细阐述其算法原理并分析优缺性。同时,针对当前算法存在的不足,以高分辨率多光谱影像数据光谱特征为基础,提出一种新型指数 NNDWI（New Normalized Difference Water Index）。该指数以红光、绿光、近红外三波段为主,运用波段运算增大植被与非植被间分离度,通过二值化处理将某一固定数值作为区分参数,去除阈值筛选的不可控性,统一划分标准。以实验区影像为数据源,选取NDVI、RVI、NDWI等常用植被指数进行对比。结果表明,NNDWI指数对植被提取效果最佳,且对萌芽期植被（耕地、早期林地）较敏感,能有效减小林地变化检测中的耕地伪变化误差。（3）论文以甘肃省陇南市局部区域Sentinel-2A影像为数据源,详细阐述基于植被指数法、分类后比较法、ResNet网络模型以及基于NNDWI指数法的林地动态变化检测方法的实验流程和过程数据展示,并进行结果对比。实验结果表明,该方法具有降低耕地伪变化、快速划分阈值、易于确定林地变化方向、用时少、精度高、适用性好等优势,可为林地动态变化检测提供一定的借鉴意义。