文献 | 深度学习用于时间序列卫星影像分析

文章预览

转自： 遥感与深度学习 题目：Deep Learning for Satellite Image Time-Series Analysis: A review 期刊：IEEE Geoscience and Remote Sensing Magazine 论文：https://ieeexplore.ieee.org/document/10529247 年份：2024 单位：蒙纳士大学等 背景与发展历史 相关综述-卫星影像时间序列SITS 卫星观测发展历史 文章回顾了地球观测（Earth Observation, EO）卫星的发展历程，如NASA的Landsat、ESA的Sentinel任务。这些任务提供了连续、长时间的全球覆盖数据，特别是在植被变化、土地利用等领域。 深度学习模型 递归神经网络（RNN）及其变体 标准RNN： 能够捕捉时间序列中的时间依赖性，但容易受到梯度消失问题的影响。在早期时间序列分析中较为常用，但在较长时间跨度的任务中表现有限。 LSTM（长短期记忆网络）： 通过引入“记忆单元”，实现对长时间依赖关系的建模。在SITS任务中，用于土地覆盖分类、 ………………………………