近日，北京理工大学信息与电子学院王楠副研究员、李伟教授、陶然教授等提出遥感时间序列城市街区级变化检测新方法。研究结果以《Graph-based block-level urban change detection using Sentinel-2 time series》为题，发表在遥感领域排名第一的顶级期刊[Remote Sensing of Environment, 2022]（影响因子IF:10.164）。

图1 河南省洛阳市城区变化类型，(a) 2017年6月至2020年12月变化类型。(b)最近变化的时间和类型

高时间分辨率遥感图像为城市变化检测提供了数据基础。城市以街道块为管理单元，其土地覆盖类型的变化监测信息，能够为城市规划、建筑节能评估等提供依据。一般而言，我们采用高维度的空谱特征来表达街道块复杂的异质结构。高维高频时间序列(此处简称“高维时间序列”，论文中称为“多变量时间序列”)，是将高维特征按时间顺序排列而成。经典的变化检测方法将多变量时间序列逐个视为单变量时间序列，意味着独立处理街道块中每个像元，这样处理可能存在什么问题呢？是否能够将多变量作为一个整体来分析多变量时间序列的变化，也即将街道块作为一个整体来处理呢？

论文提出一种新的高维时间序列变化检测方法，探索了高维时间序列的变化规律，融合高维时间序列和拓扑图创建了一种“时间序列图”识别变化规律，所提方法普适性强，既能用于多种时间间隔的数据，也能实现像元级检测，应用场景不限于城市地区。

论文链接：https://www.sciencedirect.com/science/article/pii/S0034425722001079

交互式体验Demo：https://github.com/liulianni1688/Remote-sensing-time-series-change-detection