Die schnelle Entwicklung der Künstlichen Intelligenz treibt die Fernerkundungswissenschaft vom Paradigma der „beobachtungsdominierten“ hin zum Paradigma der „intelligenten Kognition“. Angesichts der Herausforderungen durch die rasche Ausweitung der Beobachtungsskala mit multisensorischer Heterogenität und hohen Dimensionen stoßen traditionelle Interpretationsmethoden an ihre Grenzen hinsichtlich Effizienz, Genauigkeit und Skalierbarkeit. Künstliche Intelligenz-Technologien, vertreten durch Deep Learning und große Modelle, bieten neue theoretische Unterstützung und technische Wege für die automatische Merkmalsextraktion, multimodale Fusion und tiefgreifende Wissensentdeckung in komplexen Erdsystemen. In den letzten Jahren hat sich die Fusion von Fernerkundungsdaten mit Künstlicher Intelligenz in verschiedenen Beobachtungsdatentypen (hochauflösende Optik, Hyperspektral, SAR, LiDAR usw.) und intelligenten Aufgaben (Klassifikation, Erkennung, Segmentierung, Veränderungserkennung und großes Modellkognitionsschließen) vertieft und zeigt Potenzial, Erkennungsmodelle neu zu gestalten und die Entscheidungsintelligenz in Schlüsselanwendungsszenarien wie Geologie, Ökologie, Landwirtschaft, Stadtentwicklung und Katastrophenüberwachung zu verbessern. Allerdings bestehen derzeit noch Probleme wie unzureichende Kopplung zwischen Beobachtungsmechanismen und Modellrepräsentation, begrenzte Generalisierungsfähigkeit über Regionen und Modalitäten hinweg sowie Herausforderungen bei Interpretierbarkeit und Vertrauenswürdigkeit intelligenter Systeme. Vor diesem Hintergrund systematisiert dieser Artikel die neuesten Fortschritte der Künstlichen Intelligenz in der Fernerkundungswissenschaft aus drei Dimensionen: Beobachtungstechnologie, intelligente Methoden und typische Anwendungen, fasst deren Entwicklungsverlauf und gemeinsame Merkmale zusammen, erörtert kritische Herausforderungen bei globalen, dynamisch-komplexen Erdsystemen und gibt einen Ausblick auf den Aufbau eines generifizierbaren, erklärbaren und nachhaltigen intelligenten Theoriesystems und Anwendungsrahmens der nächsten Generation der Fernerkundung.

Fernerkundungswissenschaft;Künstliche Intelligenz;Deep Learning;interdisziplinäre Anwendungen;Fernerkundungs-Big-Data;intelligente Interpretation