Integriertes Lernen ist eine Art von maschinellem Lernen, das auf der Idee der Kooperation und Ergänzung beruht und durch die effektive Kombination mehrerer Lernender die Beschränkungen eines einzelnen Lernenden überwinden und die Gesamtentscheidungsleistung verbessern kann. Integriertes Lernen in der Kategorisierung von Bildern durch Fernerkundung, der Erkennung von Veränderungen, der quantitativen Parameterinversion des Bodens ist in der Lage, die Vorteile mehrerer Datenquellen und unterschiedlicher Algorithmen zu kombinieren und wird breit eingesetzt. Basierend auf der Analyse des Fortschritts der nationalen und ausländischen Forschung wurden die Fortschritte des integrierten Lernens in der Erkennung von Objekten der Fernerkundung, der Klassifizierung der Bodenbedeckung, der Veränderungsdetektion über mehrere Zeiträume und in der Analyse von Zeitreihenfernerkundungsdaten, der Bodenparameterinversion, der Integration von Fernerkundungsdaten in soziale und räumliche Daten, den Modellen des Mechanismus und der Integration des maschinellen Lernens zusammengefasst. Mit der raschen Entwicklung der Fernerkundungstechnologien und der künstlichen Intelligenz steigt die Nachfrage nach der Umwandlung geografischer Daten in geologisches Wissen ständig, und das integrierte Lernen im Bereich der Fernerkundung bewegt sich in Richtung Integration von Daten, Algorithmen und Wissen. Die Integration großer Modelle der Fernerkundung und deren Interpretation, die Vielfalt der Zusammensetzung und Messungen, neue Integrationsstrategien und die Optimierung der Anpassung an geologische Integrationsbedürfnisse werden wichtige Trends sein, auf die zu achten ist.

Fernerkundung; Integriertes Lernen; Bildklassifizierung; Veränderungserkennung; Mechanismusmodell und Lernintegration