人工知能の急速な発展は、リモートセンシング科学を「観測主導」から「知能認知」へのパラダイムシフトを推進しています。多源異種で高次元の特性を持つリモートセンシング観測規模の急速な拡大に直面し、従来の解釈手法は効率、精度、拡張性の点で実際の要求に応えることが難しくなっています。深層学習や大規模モデルを代表とする人工知能技術は、複雑な地球システムの自動特徴抽出、クロスモーダル融合、深層知識発見に新たな理論的支援と技術的道筋を提供しています。近年、人工知能を活用したリモートセンシングデータの融合は、高解像度光学、高スペクトル、SAR、LiDARなどの多様な観測データと、多様な知的タスク（分類、検出、セグメンテーション、変化検出、大規模モデル認知推論）において深化しており、地質、生態、農業、都市、災害監視といった重要な応用シーンにおいて認知モデルの再構築と意思決定の知能化強化の可能性を示しています。しかし、現状の研究には観測メカニズムとモデル表現の結合不足、領域間・モーダル間の一般化能力の限界、インテリジェントシステムの説明性および信頼性の強化が必要といった課題があります。これを踏まえ、本稿では観測技術、知能的手法、典型的応用の3つの視点から人工知能がリモートセンシング科学に与える最新の進展を体系的に整理し、その発展の脈絡や共通特性をまとめ、地球規模かつ動的で複雑な地球システムに向けた重要課題を検討し、汎用的で説明可能かつ持続可能な次世代インテリジェントリモートセンシング理論体系および応用フレームワークの構築に展望を示します。

リモートセンシング科学;人工知能;深層学習;融合応用;リモートセンシングビッグデータ;知能的解釈