作为遥感影像解译中一项重要的基础性任务,遥感影像变化检测,其主要目的是对影像数据进行处理与分析,提取出多时相影像中地表覆盖类别发生变化的像素或区域。当前在地表覆盖分类与变化检测数据的实际生产中,多采用人工解译方法对影像进行目视解译,该方法耗时耗力、所需劳动成本高昂。随着新一代深度学习理论方法成为各领域的研究热点,当前基于深度学习中全卷积网络模型的变化检测方法尽管取得了比传统变化检测方法更好的表现,仍存在面向多源遥感影像的特征提取与模型泛化能力不高、可用训练样本数据不足等一系列问题。此外,大部分现有方法仅研究单个地表覆盖类别下的变化提取或多类地物下的二元变化检测,无法有效得知前后两时相影像下具体的地表覆盖类别的变化信息,难以直接转化为满足实际生产的成果数据。在单纯提取出变化与未变化区域的基础上所衍生出的语义变化检测,可进一步获取两时相影像的地表覆盖类别信息,明确类别变化,更符合实际业务生产的需求。本文针对以上挑战,面向同时提取地表覆盖类别信息与变化检测区域的地表覆盖语义变化检测任务提出了基于深度全卷积网络的一体化网络模型,主要完成了以下工作:（1）面向遥感影像地表覆盖分类任务,设计了复合空洞卷积模块、基于串联式注意力机制的特征重标定模块、基于跨层级连接的特征金字塔结构、可同时优化多个评价指标的组合损失函数,构建了FPSeg Net模型;面向遥感影像二元变化检测任务,设计了数据融合式与孪生化等改造形式,将具有单输入单输出的FPSeg Net模型拓展成双输入单输出的FPBcd Net模型;面向两时相遥感影像的地表覆盖分类与变化检测一体化提取任务,构建了双输入三输出的FPScd Net一体化模型,并进一步优化模型通用结构、减少模型参数、设计训练目标与训练策略,实现语义变化检测一体化提取。（2）本文收集国内多个典型区域内的多时相遥感影像数据,结合人工样本标注设计了样本数据集的构建流程,并分别构建了具有七类地表覆盖类别的福建数据集与五类的河南数据集,可同时满足多任务的模型训练与精度评定需求,在一定程度上缓解当前领域中缺乏公开大规模样本数据集的现状。在已构建的两个语义变化检测数据集上开展单时相地表覆盖分类、两时相二元变化检测与语义变化检测等三项任务的实验,分析实验结果,验证了本文方法的有效性与实用性。