该文汇总多项研究：提出AGSPNet框架用于农作物地块尺度语义变化检测，支持智能农业监测与粮食政策；提出基于深度学习的图像裁剪方法及grid anchor裁剪公式，实现高精度高效裁剪；提出本地上下文语义引导图像生成方法，提升细节与语义一致性；提出SCNet几何合理语义对应模型；提出PasteGAN半参数图像生成方法；提出基于用户描述与美学目标的图像裁剪优化框架；提出级联裁剪回归CCR裁剪方法；提出CropGAN跨域作物制图方法，F1提升13.13%至50.98%；并提出基于作物的训练策略改进图像分割。

该文汇总多项遥感变化检测研究：提出大规模高分辨率语义变化检测数据集及序列训练方案；STNet通过时空特征融合提升性能；自监督对比预训练缩小无监督与有监督差距；DeepCL结合度量学习与分割实现可解释检测；尺度不变学习解决跨分辨率问题；SCM利用视觉基础模型和CLIP改进无监督检测；半监督方法利用未标记双时相图像提升精度；另有基于特征差异、多尺度卷积云检测及慢特征分析的方法。