인공지능의 빠른 발전은 원격 탐사 과학을 '관측 주도'에서 '지능 인지' 패러다임으로 전환시키고 있습니다. 다중 출처 이질성, 고차원 특성 등 빠르게 확장되는 관측 규모의 도전에 직면하여 전통적인 해석 방법은 효율성, 정확성 및 확장성 측면에서 실제 요구를 충족하기 어렵습니다. 딥러닝과 대형 모델을 대표로 하는 인공지능 기술은 복잡한 지구 시스템의 자동 특징 추출, 교차 모달 융합 및 심층 지식 발견에 새로운 이론적 지원과 기술적 경로를 제공합니다. 최근 몇 년간 인공지능 기반 원격 탐사 데이터 융합은 여러 유형의 관측 데이터(고해상도 광학, 고분광, SAR, LiDAR 등) 및 다양한 지능형 작업(분류, 검출, 분할, 변화 검출, 대형 모델 인지 추론)에서 심화되었으며, 지질, 생태, 농업, 도시, 재해 모니터링 등 주요 응용 시나리오에서 인지 방식 재구성 및 의사결정 지능 강화 가능성을 보여주고 있습니다. 그러나 현재 연구는 관측 메커니즘과 모델 표현의 결합 부족, 지역 간 및 모달 간 일반화 능력 제한, 지능형 시스템의 설명 가능성과 신뢰성 강화 필요성 등의 문제를 안고 있습니다. 이에 본 논문은 관측 기술, 지능형 방법 및 전형적 응용의 3개 차원에서 인공지능이 원격 탐사 과학에 부여한 최신 발전을 체계적으로 정리하고, 발전 맥락과 공통 특성을 요약하며, 전 세계 규모 및 동적 복잡 지구 시스템을 위한 주요 도전 과제를 탐구하고, 범용적이고 설명 가능하며 지속 가능한 차세대 지능형 원격 탐사 이론 체계 및 응용 프레임워크 구축에 대한 전망을 제시합니다.

원격 탐사 과학;인공지능;딥러닝;융합 응용;원격 탐사 빅데이터;지능형 해석