作为遥感图像分析中的重要任务，遥感变化检测（Remote Sensing Change Detection, RSCD）旨在通过空间配准的多时相遥感图像，识别区域内感兴趣的变化信息，从而实现对局部发展的动态监测。现有的RSCD方法通常将该任务建模为二分类问题，仅通过特征拼接或特征相减来表征变化信息，并依赖密集连接的变化表示结构来恢复空间细节，其性能仍有提升空间。本文提出一种基于时空特征融合的RSCD网络——STNet。具体而言，我们设计了一个时间特征融合（Temporal Feature Fusion, TFF）模块，利用跨时相门控机制融合双时相特征，以突出感兴趣的变化；同时引入空间特征融合模块，通过跨尺度注意力机制捕捉细粒度信息，从而有效恢复变化表示的空间细节。在三个主流RSCD基准数据集上的实验结果表明，所提方法达到了当前最优的性能水平。代码已开源，获取地址为：https://github.com/xwmaxwma/rschange。