L'apprentissage intégré est un type de paradigme d'apprentissage automatique basé sur la coopération et la complémentarité, qui peut surmonter les limites d'un seul apprenant et améliorer la performance décisionnelle globale à travers la combinaison efficace de plusieurs apprenants. L'apprentissage intégré dans la catégorisation des images par télédétection, la détection de changement, l'inversion de paramètres quantitatifs de surface est capable de combiner les avantages de multiples sources de données et d'algorithmes différents, et est largement utilisé. Sur la base de l'analyse des progrès de la recherche nationale et étrangère, ont été résumés les progrès de l'apprentissage intégré dans la reconnaissance des objets de télédétection, la classification de la couverture terrestre, la détection de changement sur plusieurs périodes et dans l'analyse des séries temporelles de données de télédétection, l'inversion de paramètres terrestres, l'intégration de données de télédétection dans les données sociales et spatiales, les modèles de mécanismes et l'intégration de l'apprentissage machine. Avec le développement rapide des technologies de télédétection et de l'intelligence artificielle, la demande de transformation des données géographiques en connaissances géologiques ne cesse d'augmenter, et l'apprentissage intégré dans le domaine de la télédétection évolue vers l'intégration des données, des algorithmes et des connaissances. L'intégration de grandes modèles de télédétection et leur interprétation, la diversité de la composition et des mesures, les nouvelles stratégies d'intégration et l'optimisation de l'adaptation aux besoins géologiques de l'intégration seront des tendances importantes à surveiller.

Télédétection; Apprentissage intégré; Classification des images; Détection de changement; Modèle de mécanisme et intégration de l'apprentissage