地表変化はリモートセンシングの重点研究対象の一つであり、地表の時間的進化の法則を把握することは地球観測研究における長期且つ困難な課題です。自然資源、生態環境、防災減災など多くの分野に深い影響を与えます。しかし、地表変化の駆動因子及びその作用機構の複雑さから、地表の動的変化過程のモデリングは大抵簡略化又は局所的であり、完全な物理モデル及び数学的表現を形成することが困難です。方法論的観点からは、近年のビッグデータ及びAI for Science手法の急速な発展に伴い、データ駆動型動的進化システムモデリング手法は急速に進展し、観測データ系列を入力として高いデータ適合性を持つデータモデルを直接構築でき、物理モデルの高忠実近似または代替となります。本稿では、地表動的変化過程のモデリングに使用可能な3種類のデータ駆動手法、すなわち時空間モード分解、支配偏微分方程式反演、及び状態変数発見ネットワークを整理し、これら3つの手法を用いてリモートセンシング画像時系列モデリングを行い、時系列画像予測によりモデリング精度を評価しました。実験結果はデータ駆動モデリング手法の有効性を初歩的に検証し、3手法それぞれの特徴、研究価値及び応用展望を示しました。

地表動的;時系列;過程モデリング;モード分解;偏微分方程式;オートエンコーダ;データ駆動;スパース回帰