Изменения земной поверхности являются одним из основных объектов исследований в области дистанционного зондирования. Понимание закономерностей эволюции поверхности с течением времени является длительной и сложной задачей в исследованиях наблюдения Земли, играющей значительную роль во многих областях, таких как природные ресурсы, экологическая среда, предупреждение и смягчение последствий стихийных бедствий. Однако из-за сложности факторов, движущих изменения поверхности, и их механизмов действия моделирование динамических процессов поверхности чаще всего упрощается или локально, что затрудняет создание полноценных физических моделей и математических выражений. С методологической точки зрения, с быстрым развитием больших данных и методов AI for Science в последние годы, методы моделирования динамических систем на основе данных быстро развиваются, позволяя строить модели с высокой степенью согласованности с наблюдаемыми данными, что служит высокоточной аппроксимацией или даже заменой физическим моделям. В статье систематизированы три класса методов, используемых для моделирования динамических процессов поверхности: пространственно-временной модальный разложение, обратная задача основных уравнений в частных производных и сети обнаружения переменных состояния. Эти методы применяются для моделирования временных рядов спутниковых изображений и оценки точности моделирования через прогнозирование временных рядов изображений. Экспериментальные результаты предварительно подтверждают эффективность методов моделирования на основе данных, показывая особенности, научную ценность и перспективы применения каждого из трех классов методов.

динамика поверхности; временные ряды; моделирование процессов; модальный разложение; уравнения в частных производных; автоэнкодеры; данные-ориентированные; разреженная регрессия