La necesidad de monitorear la superficie de la Tierra en una variedad de escalas espaciales y temporales es fundamental en la planificación y gestión de ecosistemas. El Análisis de Vector de Cambio (CVA) es un método bi-temporal de detección de cambios que considera la magnitud y la dirección del vector de cambio. Sin embargo, muchas aplicaciones multiespectrales no utilizan el componente de dirección. El procedimiento más utilizado para calcular el componente de dirección utilizando datos multibanda es el coseno de dirección, pero el número de imágenes de coseno de dirección de salida es igual al número de bandas originales y tiene una interpretación compleja. Este artículo propone un nuevo enfoque para calcular la dirección espectral del cambio, utilizando el Mapeador de Ángulo Espectral y el Mapeador de Correlación Espectral como medidas de similitud espectral. La principal ventaja de este enfoque es que genera una única imagen de información de cambio insensible a la variación de iluminación. En este artículo, el componente de magnitud de la similitud espectral se calculó de dos maneras: como la distancia euclidiana estándar y como la distancia de Mahalanobis. En esta prueba, la mejor medida de magnitud fue la distancia euclidiana y la mejor medida de similitud fue el Mapeador de Ángulo Espectral. Los resultados muestran que las medidas de distancia y similitud son complementarias y deben aplicarse juntas.