Remote Sensing Technology and Application, Volume. 40, Issue 4, 1026(2025)
Review of Multi-Time Resolution Remote Sensing Forest Change Detection Methods
Figures & Tables(2)
Table 1.
Summary of forest change monitoring methods based on bitemporal remote sensing images View tableView in ArticleTable 1.
Summary of forest change monitoring methods based on bitemporal remote sensing images 监测方法 方法汇总 应用 优劣 基于目视解译的森林变化监测方法 目视解译[ 8 -10 ]森林恢复、森林扩张等 操作灵活，适合灾情评估，但高度依赖人工，判读效率低，难以满足大范围监测需求。 基于机器学习的森林变化监测方法
随机森林模型[
14 -16 ]多植被指数结合特征提取构建机器学习模型[
16 -19 ]马尔科夫链模型[
20 ]森林变化监测、森林未来 变化趋势预测
与特征优选相结合可提升区域泛化能力，但高度依赖充足优质样本，样本不足会削弱监测精度和可靠性。
基于深度学习的森林变化监测方法 语义分割模型[
23 -24 ]卷积神经网络模型[
25 -27 ]森林变化监测 融合CBAM和多尺度特征提取，显著提升了森林变化监测精度，但强依赖大量高质标注样本，训练调参复杂，算力消耗大。 基于不同分类策略的森林变化监测方法 分类前比较法[
30 -33 ]分类后比较法[
34 -37 ]森林火灾等变化监测 分类前比较法具有算法简单、计算效率高的优点，适合大范围森林变化的快速识别，但易受到物候变化和大气条件的影响，可能导致误检或漏检。
分类后比较法对辐射一致性要求低，能够兼容多源异构数据，可输出多种变化类型，但其精度受限于各时相分类结果，误差随时间累积，最终降低整体准确性。
Table 2.
Summary of forest change monitoring methods based on time series remote sensing images View tableView in ArticleTable 2.
Summary of forest change monitoring methods based on time series remote sensing images 方法汇总 应用 优劣 基于时间序列趋势分析的森林变化监测方法 基于时间序列趋势
分析[
40 ]-44]森林砍伐、退化等变化监测 可同时捕获长期退化与突变扰动（如砍伐、火灾），并抑制季节性噪声，但强依赖长时序影像，且模型参数繁多，计算开销大，大尺度应用对算力要求高。 基于动态变化监测分类的森林变化监测方法 基于动态变化监测
分类[
45 -50 ]森林退化、砍伐等的变化监测 可高精度捕获森林突变和渐变退化，同时支持多类型变化解析（如砍伐、恢复），但依赖完整且高质量长时序影像，短时序变化监测受限，大尺度应用计算开销大。 基于多算法集成的森林变化监测方法 基于多算法集成[ 53 -56 ]森林变化监测 多算法融合互补模型可提升复杂森林场景的变化监测精度，对多源数据的适应性强，适合大尺度多类型扰动监测，但其计算开销与复杂度高，策略设计和参数调优难度大。
Tools
Get Citation
Copy Citation Text
Yudi YANG, Ying GUO, Xin TIAN, Qingwang LIU, Guoqi CHAI, Jianwen HUANG, Xin LUO, Shuxin CHEN, Haiyi WANG. Review of Multi-Time Resolution Remote Sensing Forest Change Detection Methods[J]. Remote Sensing Technology and Application, 2025, 40(4): 1026
Paper Information
Category:
Received: Jun. 15, 2025
Accepted: --
Published Online: Aug. 26, 2025
The Author Email: Ying GUO (guoying@ifrit.ac.cn)
© Copyright 2018-2021 | Chinese Laser Press.
All Rights Reserved 沪ICP备15018463号-20