앙상블 학습은 협력적 상호 보완 사상에 기반한 기계 학습 패러다임으로, 여러 학습자의 효과적인 조합을 통해 개별 학습자의 한계를 극복하고 전체 의사결정 성능을 향상시킬 수 있습니다. 앙상블 학습은 원격 감지 영상 분류, 변화 탐지, 정량적 매개변수 역추정에서 다원 데이터와 다양한 알고리즘의 장점을 종합하여 널리 활용되고 있습니다. 국내외 연구 동향 분석을 바탕으로 원격 감지 목표 인식, 지표 피복 분류, 다시기 변화 탐지 및 시계열 원격 감지 데이터 분석, 지표 매개변수 역추정, 원격 감지와 사회 인식 데이터 통합, 기계 모델과 기계 학습 통합 분야의 연구 진전을 총괄적으로 정리하였습니다. 원격 감지 기술과 인공지능의 급격한 발전과 함께 원격 감지 데이터를 지구과학 지식으로 전환하려는 수요가 지속 증가하고 있으며, 원격 감지 분야의 앙상블 학습은 데이터-알고리즘-지식 통합 방향으로 나아가고 있습니다. 향후 주목해야 할 4가지 발전 방향은 원격 감지 대형 모델과 설명 가능성 통합, 다양성 구성 및 측정, 새로운 앙상블 전략, 앙상블 패턴과 지구과학 수요의 최적 적응입니다.

원격 감지; 앙상블 학습; 영상 분류; 변화 탐지; 기계 모델과 학습 통합