Le changement de la surface terrestre est l'un des principaux objets d'étude dans le domaine de la télédétection, et comprendre l'évolution de la surface terrestre au fil du temps est une tâche longue et ardue dans l'étude de l'observation de la Terre, et a un impact profond dans de nombreux domaines tels que les ressources naturelles, l'environnement, les catastrophes et la réduction des risques. Cependant, en raison de la complexité des facteurs de changement de la surface terrestre et des mécanismes de leur action, la plupart des modélisations des changements dynamiques de la surface terrestre sont souvent simplifiées ou locales, et il est difficile de former un modèle physique complet et une expression mathématique. D'un point de vue méthodologique, avec le développement rapide des données massives et des méthodes d'IA pour la science, les méthodes de modélisation des systèmes évolutifs basés sur les données se développent rapidement et peuvent directement utiliser une séquence de données observées pour construire un modèle de données avec une grande précision de correspondance, comme une approximation précise du modèle physique voire le remplacer. Cet article examine trois catégories de méthodes de modélisation deschangements dynamiques de la surface terrestre basées sur les données, à savoir la décomposition modale espace-temps, les équations différentielles partielles principales et la découverte des variables d'état du réseau, chacune étant utilisée pour modéliser la séquence temporelle d'images satellitaires et évaluer la précision de la modélisation par prédiction de la séquence temporelle d'images, les résultats expérimentaux confirment de manière préliminaire l'efficacité des méthodes de modélisation basées sur les données, montrent les caractéristiques de chacune d'elles et leur valeur et leurs perspectives d'application.

Dynamique de la surface terrestre; Séries temporelles; Modélisation des processus; Décomposition modale; Équationdifférentielle principale; Auto-encodeur; Modèles basés sur les données; Régression parcimonieuse