Le changement de la surface terrestre est l'un des domaines de recherche clés en télédétection, et comprendre l'évolution dans le temps de la surface terrestre est une tâche longue et ardue dans les études de surveillance de la Terre, avec des implications profondes dans de nombreux domaines tels que les ressources naturelles, l'environnement écologique, et la prévention des catastrophes. Cependant, en raison de la complexité des facteurs de changement de la surface terrestre et des mécanismes d'action, la modélisation du processus de changement dynamique de la surface terrestre repose généralement sur une simplification ou une focalisation sur des détails locaux, rendant difficile la construction d'un modèle physique complet et une expression mathématique. Du point de vue méthodologique, avec le développement rapide des données volumineuses et des méthodes de l'IA pour les sciences au cours des dernières années, les méthodes de modélisation des systèmes dynamiques basées sur les données se développent rapidement, et il est possible de construire directement un modèle de données haute fidélité à partir d'une série de données de surveillance et de l'utiliser en tant qu'approximation élevée d'un modèle physique voire même en tant qu'alternative. Dans cette étude, la performance de 3 types de méthodes de modélisation basées sur les données pour le processus de changement dynamique de la surface terrestre est examinée, à savoir la décomposition modale spatiotemporelle, l'inversion des équations aux dérivées partielles de commande principale, et la découverte de variables d'état du réseau, et ces 3 méthodes sont utilisées pour modéliser des séries temporelles d'images télédétectées, et la précision de la modélisation est évaluée en prédisant des images de séries temporelles, et les résultats expérimentaux valident initialement l'efficacité des méthodes de modélisation basées sur les données, montrant les caractéristiques respectives de chaque méthode, leur valeur de recherche et leurs perspectives d'application.

Dynamique de la surface terrestre; Séries temporelles; Modélisation du processus; Décomposition modale; Équations aux dérivées partielles; Encodeur; Données pilotées; Régression parcimonieuse