Die Änderungserkennung (Change Detection, CD) in Fernerkundungsbildern wird als eine zentrale Aufgabe im Bereich der Erdbeobachtung identifiziert, steht jedoch oft vor der Herausforderung komplexer Daten und geringfügiger Veränderungen. Um diese Schwierigkeit anzugehen, präsentiert dieser Brief ein innovatives Frequenz-Zeit-Attention-Netzwerk für CD (Frequency-Temporal Attention Network, FTAN), das zwei fortschrittliche Module integriert: das multidimensionale konvolutionale Frequenz-Attention-Modul (Multidimensional Convolutional Frequency Attention, MCFA) und das interaktive Attention-Modul (Interactive Attention Module, IAM). Insbesondere ermöglicht das MCFA-Modul eine erhöhte Empfindlichkeit bei der Änderungserkennung durch die Fusion von mehrskaligen räumlichen und frequenzdomänenbasierten Merkmalen. Als Ergänzung zum MCFA-Modul aggregiert das IAM-Kategorie-relevante Tokens und verarbeitet Kreuz-Attention-Informationen aus verschiedenen Zeitphasen. Die nahtlose Integration von MCFA und IAM verleiht dem FTAN-Netzwerk eine verbesserte Fähigkeit, geringfügige Bereiche und Kanten präzise zu erkennen. Experimente auf Datensätzen wie LEVIR-CD und DSIFN-CD zeigen eine überlegene Leistung, da das vorgestellte Modell bestehende Ansätze in den Metriken F1-Score und IoU (Intersection over Union) übertrifft. Der Quellcode und die vortrainierten Modelle werden unter https://github.com/chirsycy/FTAN veröffentlicht.