يمكن للكشف عن التغيرات باستخدام الاستشعار عن بعد الحصول على معلومات حول تغيرات سطح الأرض، وله أهمية كبيرة لفهم التفاعل بين الإنسان والطبيعة ودفع التنمية المستدامة. مع تقدم تقنيات التصوير الاستشعاري ونمو علوم الحاسوب بسرعة، تم تطبيق الصور الاستشعار العالية التحليل الطيفي، والوقت العالي، والدقة المكانية العالية على نطاق واسع، مما ساهم في تطوير الكشف عن التغيرات القائمة على التعلم العميق وتطبيقاتها الناجحة في مجالات متعددة. على عكس الكشف التقليدي عن التغيرات في الاستشعار عن بعد، يستخرج الكشف القائم على التعلم العميق خصائص الفروق العميقة في الصور الاستشعارية دون الحاجة لبناء هندسة الميزات، مما يحسن دقة وكفاءة الكشف. تجمع هذه الورقة بين القياسات الببليومتريكية لتحليل شامل لحالة البحث والموضوعات الساخنة في المجال، وتكشف أن الكشف القائم على التعلم العميق تطور بسرعة بقيادة المؤسسات والباحثين المحليين وحقق العديد من النتائج البحثية. تعتمد هذه النتائج بشكل كبير على الصور عالية الدقة وشبكات CNN، وتم تطبيقها بنجاح في كشف تغييرات استخدام/تغطية الأراضي والبناء وما إلى ذلك. بناءً على ذلك، يقدم المقال تصنيفًا لطرق الكشف عن التغيرات القائمة على التعلم العميق على ثلاثة مستويات دقة: البكسل، الكائن، والمشهد، ويشرح عملية استخراج الخصائص وتحليل الشبكة اللاحقة في كل مستوى، مع تفوق الطرق القائمة على الكائن والمشهد. وأخيرًا، يلخص التحديات الحالية والاتجاهات المستقبلية المحتملة. نظرًا لتطور منصات الاستشعار عن بعد وزيادة متطلبات التطبيق، يعد الكشف متعدد الأوضاع والمتغاير في التغيرات هو الاتجاه المستقبلي. بالإضافة إلى ذلك، تحتاج طرق التعلم العميق إلى التغلب على مشاكل العينات غير المثالية، والاهتمام بالحصول على معلومات التغير المتنوعة، وتعزيز التطبيقات الواسعة للكشف عن التغيرات.

الاستشعار عن بعد;كشف التغيرات;التعلم العميق;القياسات الببليومتريكية;تصنيف الطرق;التحديات والتنمية;مراجعة