第1章绪论
1.1多时相遥感的机遇与挑战
遥感作为一种从空中对地球远距离观测与感知的先进技术，实现了从空间视角看地球、从历史动态视角看地球两个目标，形成了对地球表层各种要素与综合体多平台、多时相、多分辨率、多/高光谱、主被动结合的立体式观测。各种地球观测卫星按照设计的轨道运行，获得地表多时相观测数据，为理解地表构成与格局、分析地表变化与演变、探索要素分布与作用、预测系统趋势与演化提供了丰富的数据源。从多时相遥感数据中提取变化信息、区分地表类别、解释地表演变、发现动态规律、实现时空预测是多时相遥感影像处理与分析的重要研究内容。
随着地球观测进入星空地集成、大小卫星互补、多传感器协同阶段，多时相遥感数据智能处理与分析己成为遥感科学技术领域的研究热点之一。以多时相遥感影像分析为主题的国际学术会议“国际多时相遥感影像分析会议”（International Workshop on the Analysis of Multitemporal Remote Sensing Images）自2001年开始每两年召开一届，国内外学者围绕多时相遥感影像中的变化检测、时序数据分析、多时相分类、地表参数变化等开展研究，取得了丰富的成果，在土地利用/覆盖变化、城市扩展、防灾减灾、生态环境演化、森林及草地动态监测、农业遥感、重点工程监测等方面得到了有效的应用。
利用多源、多分辨率、多时相遥感数据对陆地表层各种地理和人文过程进行监测、分析和建模，是地理学研究的前沿论题（冷疏影和宋长青，2005）。卫星、航空和低空遥感技术为获取长时间序列（简称时序）遥感数据提供了有效的支持，特别是大量免费共享的长时间序列遥感存档数据如MODIS、Landsat系列等获取了陆地表层的海量多光谱、多分辨率观测数据及专题产品。如何充分挖掘长时序数据、开展地理过程综合研究、支持地理学应用需求、实现地理信息对地理过程的解释，是当前地理学研究中重要的挑战和任务，也是地理学综合研究中格局和过程耦合的重要支撑技术（傅伯杰，2014;傅伯杰等，2015）。
近年来，一系列国家和行业重大工程的开展，迫切要求利用长时间序列遥感数据提供决策需要的信息支持，特别是需要从时序图像数据中提取有地学意义的信息和知识，以支持地理过程研究，服务国家重大政策和工程，如新型城镇化、地理国情监测、生态文明建设、国土空间优化、资源环境承载力监测与预警等。
因此，多时相遥感影像智能处理、信息提取、综合分析与时空建模是遥感科学与技术、地理学等多学科研究的前沿交叉方向，也是遥感服务可持续发展目标（sustainable development goals，SDGs）、助力美丽中国和生态文明建设、支撑国家区域发展战略的重要切入点。
1.1.1多源多时相遥感数据现状与机遇
遥感技术的快速发展为多分辨率、多模式的多时相数据获取提供了良好机遇，为科学研究和行业应用创造了充足条件。当前多时相遥感数据呈现出以下特点。
（1）以气象卫星、MODIS为代表的低空间分辨率影像时间分辨率高、数据积累丰富，在保障气象等专题应用的同时，在全球变化、大区域陆地遥感应用方面发挥了重要作用。
气象卫星的发展己有五十余年的历史，极轨和静止轨道气象卫星长期以来获取了关于陆地、大气和海洋丰富、持续数据。例如，自20世纪70年代以来，美国国家海洋和大气管理局（NOAA）气象卫星获取的时间序列AVHRR数据因其1.1km空间分辨率、5个波段光谱影像，己用于全球土地覆盖制图IGBPDISCover（Loveland et al.，2000）。我国自20世纪80年代以来发射了FY-1、FY-3极轨卫星和FY-2、FY-4静止卫星，持续提供大气、陆表和海洋产品，其中陆表产品包括积雪、火点、反射率、地表温度、植被指数、干旱监测等。
搭载于Terra/Aqua卫星的MODIS影像因其36个波段、250/500/1000m空间分辨率和1～2天的时间分辨率优势，是近20年来全球应用广泛的时间序列数据集之一。MODIS提供地表温度、反射率、火点、积雪和海冰等近实时（nearreal-time，NRT）数据产品，以及逐年度合成数据生成的多种分类体系全球土地覆盖产品（Friedl et al.，2002，2010）。
（2）以Landsat、Sentinel等为代表的中分辨率开放遥感数据是当前时间序列遥感影像研究的主体，也是不同领域应用的主要数据源。
Landsat系列卫星以其五十多年的持续运行、存档数据积累和开放共享，是目前全球应用*为广泛的时间序列遥感数据。依托从MSS、TM、ETM+到OLI、TRES的不同传感器，Landsat系列卫星以其可见光、近红外、短波红外到热红外光谱覆盖以及中空间分辨率、持续观测等优势，在地球资源环境研究与应用领域发挥了重要作用。特别是自2008年以来，美国地质勘探局（USGS）先后推动实施了Web-enabled Landsat Data（WELD）、数据免费获取、分析即用数据（analysisreadydata，ARD）等政策，极大地推进了Landsat系列数据的全球应用（Roy et al.，2010;Wulder et al.，2008，2011，2012）。
作为欧洲航天局（ESA）全球环境与安全监测系统（GlobalMonitoringforEnvironmentandSecurity，GMES）的核心，Sentinel系列也是当前应用*为广泛的中分辨率时间序列遥感数据（Aschbacher and Milagro-Perez，2012;Berger et al.，2012）。Sentinel-1的SAR传感器、Sentinel-2的MSI光学传感器以及Sentinel-3的陆地和海洋OLCI及SLSTR
传感器等自发射以来就面向全球用户免费提供服务，体现出显著的优势。
我国发射的CBERS卫星、HJ系列卫星、ZY系列卫星等获取的光学影像，也在不同领域的遥感动态监测中得到了广泛应用。
谷歌地球引擎（Google Earth Engine，GEE）的推出，依托云计算平台整合了Landsat、Sentinel、MODIS、ASTER等地球观测数据以及土地覆盖、气象、降雨、人口、地形等信息，进一步推动了多时相遥感数据分析的快速发展，己成为当前国际上*具代表性、应用*广泛的遥感云计算与地理空间分析平台（Gorelick et al.，2017）。
（3）以ERS SAR、RADARSATSAR等为代表的多时相主动遥感数据既是全球和区域地面形变监测分析的基础数据，也在多云多雨区域遥感应用方面发挥了重要作用。
相较于光学遥感影像，多时相雷达影像在多云多雨区地表监测、干涉测量等方面得到了广泛应用，其中*具代表性的合成孔径雷达遥感影像是欧洲航天局的ERSSAR和加拿大发射的RADARSATSAR，其他如日本的JERSSAR、ALOSPALSAR、ENVISATASAR等数据也得到了较多应用（郭华东和张露，2019;Ferretti et al.，2007;Moreira et al.，2013）。SAR影像一方面可以通过极化、散射、相位等特征进行定性区分和定量反演，另一方面通过相位干涉处理能够提取地表高程和形变信息，是多时相影像处理研究的热点方向（陈富龙等，2023）。合成孔径雷达遥感发展过程本质上是对微波电磁波资源的不断发掘和利用的过程，经历了单波段单极化SAR、多波段多极化SAR、极化和干涉SAR3个阶段，目前正在进入以双/多站或星座观测、高时序高分宽幅测绘以及三维结构成像能力为代表的第4阶段（郭华东和张露，2019）。
（4）各种小卫星星座数据以其高时间、高空间分辨率的优势，在区域尺度的遥感应用中正在发挥越来越重要的作用。
小卫星星座因其低成本、高灵活性、多星协同、高重访率等优势获得了快速发展，特别是在多时相获取方面具有明显的优势，如国外*具代表性的RapidEye、Planet小卫星星座以及国内的北京一号、吉林一号、高景一号等小卫星星座。Kramer和Cracknell（2008）系统综述了小卫星遥感的发展过程与趋势。以2008年发射的RapidEye星座为例，以五颗卫星构成的星座提供蓝（440～510nm）、绿（520～590nm）、红（630～685nm）、红边（690～730nm）和近红外（760～850nm）五个波段5m空间分辨率的多光谱影像，星下点重访周期为5.5天，借助其侧摆功能可实现每天对全球任何地点的重访，己广泛应用于农业、植被等精准监测，如多时相RapidEye影像结合物候特征对城市植被类别进行细分（Tigges et al.，2013）。PlanetScope立方星（CubeSat）星座则以近200颗鸽群卫星（Doves）实现了对全球3m分辨率的每日观测，己应用于水文过程和植被动态、关键叶片物候参数监测、湖泊动态、冰川融化等研究（Roy et al.，2021）。Planet小卫星影像和Landsat、MODIS等传感器数据的时空融合也受到了研究人员的重视，如与Landsat、MODIS融合进行高时空分辨率的叶面积指数估算（Kimm et al.，2020;Houborg and McCabe，2018）。
（5）高分辨率卫星遥感数据不断积累，己成为地表变化检测、地物多时相分类的重要数据源。
以国外WorldView、Pleiades和国内高分系列卫星为代表的高分辨率遥感卫星按照既定轨道运行，以特定的重访周期持续稳定地获取地表米级/亚米级高分辨率遥感影像，并可以根据需求编程预订或通过侧摆等模式获取指定区域的数据，为同一传感器或不同传感器多时相影像分析提供坚实的基础，特别是在灾情监测等需要高空间分辨率信息支持的领域具有广阔的应用前景。
（6）无人机遥感作为一种灵活、快速的数据采集方式，是实现低成本、定时按需获取遥感影像的重要保障，可为多时相卫星遥感影像从分辨率、时相等方面提供补充。
卫星遥感虽然具有全球的宏观视野，可以实现整个地球的全覆盖，提供亚米级别的影像，但是分辨率越高，重访周期越长。无人机具备超高分辨率、高频次获取能力，相比于有人机遥感又具有较高的***和机动性，其实时观测能力能够满足军事国防、灾害应急响应以及生态环境监测等诸多需求。无人机遥感影像可以很容易地提供厘米甚至更高分辨率的地面信息，不存在高空间分辨率和时间分辨率的矛盾，在低成本的基础上实现了空间和时间分辨率的兼得。无人机遥感的出现及快速发展使得遥感科学研究从宏观向微观前进了一大步，让遥感数据获取进入大众化时代，真正实现面向用户（To Custom）的遥感应用（廖小罕等，2019）。
综上所述，遥感平台、传感器技术的发展，使得不同空间、光谱分辨率多时相遥感数据获取的能力显著提升，为支持不同领域的应用需求提供了坚实保障。云计算、人工智能等的发展，则使得海量、多源的多时相影像分析可以借助云服务平台进行，并充分应用各种开源的智能算法与工具，实现多时相和时间序列影像的智能化分析与应用。
1.1.2地表过程时间维信息需求与挑战
长期以来，对多时相遥感的研究主要集中于双时相遥感数据中的变化检测，这种以像元为基本操作单元的变化检测虽然能够识别变化像元，但对于变化信息的地理解释和时空演变机理建模落后于应用需求。学术界己有大量多时相遥感数据分类和变化检测、时间序列遥感数据分析与信息提取的研究，但依然存在重变化检测轻地学解释、重数据处理轻信息分析、重稀疏时相轻连续序列等问题，遥感数据的时相组合与地理过程的动态演变缺少有机结合，对时间维属性的重视和挖掘不够，落后于地理学过程研究的需求。
针对这一挑战，时间维上的遥感影像分析正在从变化检测向时间序列深化，体现了研究范式的转变。密集时序分
展开
