衛星画像を用いた変化検出のためのアノテーション付き画像は稀少であり、取得に多大な費用がかかるが、日々膨大な量のラベルなし画像が生成されている。このようなデータを活用し、変化検出に適した画像表現を学習するため、Sentinel-2時系列データの時間的整合性を活用して有用な自己教師あり学習信号を獲得する手法を検討した。そのために、世界中の1,520の都市領域から構成されるマルチタイムステップ画像ペアを含む「Sentinel-2 Multitemporal Cities Pairs（S2MTCP）」データセットを構築し、公開した（https://zenodo.org/record/4280482）。本研究では、変化検出用モデルの事前学習に向けた複数の自己教師あり学習手法の効果を検証し、Sentinel-2画像ペアから構成される公開の変化検出データセット（OSCD）を用いて実験を実施した。