지표면 변화는 원격탐사 분야의 주요 연구 대상 중 하나이며, 지표면이 시간에 따라 변화하는 법칙을 파악하는 것은 지구 관측 연구에서 장기적이고 어려운 과제입니다. 이러한 변화는 자연 자원, 생태 환경, 재난 방재 등 여러 분야에 깊은 영향을 미칩니다. 하지만 지표면 변화의 원인 인자 및 작용 메커니즘이 복잡하여 지표면 동적 변화 과정의 모델링은 대부분 단순화되거나 국소적으로 이루어지며 완전한 물리 모델이나 수학적 공식으로 표현하기 어렵습니다. 방법론적 측면에서, 최근 빅데이터 및 AI for Science 방법의 빠른 발전과 함께 데이터 기반 동적 진화 시스템 모델링 방법이 빠르게 발전하여 관측 데이터 시퀀스를 입력으로 하여 높은 데이터 적합도를 가진 모델을 직접 구축할 수 있으며, 이는 물리 모델의 고충실 근사 또는 대체가 될 수 있습니다. 본문에서는 시공간 모드 분해, 주도 편미분 방정식 역산, 상태 변수 발견 네트워크 등 지표면 동적 변화 과정 모델링에 사용할 수 있는 세 가지 데이터 기반 방법을 정리하였으며, 이 세 가지 방법을 사용하여 원격탐사 영상 시계열 모델링을 수행하고 시계열 영상 예측을 통해 모델링 정확도를 평가하였습니다. 실험 결과는 데이터 기반 모델링 방법의 유효성을 초기 검증하였으며 각 방법의 특징, 연구 가치 및 응용 전망을 보여주었습니다.

지표면 동적; 시계열; 과정 모델링; 모드 분해; 편미분 방정식; 자동 인코더; 데이터 기반; 희소 회귀