El aprendizaje por ensamblaje es un paradigma de aprendizaje automático basado en la idea de cooperación y complementariedad, capaz de superar las limitaciones de un solo aprendiz mediante la combinación efectiva de múltiples aprendices, mejorando el rendimiento general de la toma de decisiones. El aprendizaje por ensamblaje se utiliza ampliamente en la clasificación de imágenes de teledetección, la detección de cambios y la inversión cuantitativa de parámetros, integrando las ventajas de datos multifuente y diferentes algoritmos. Sobre la base del análisis de los avances de investigación nacionales e internacionales, se resumen los progresos en el aprendizaje por ensamblaje en el reconocimiento de objetivos de teledetección, la clasificación de la cobertura terrestre, la detección de cambios multitemporal y el análisis de series temporales de datos de teledetección, la inversión de parámetros superficiales, la integración de datos de teledetección y percepción social, y la integración de modelos mecanísticos con aprendizaje automático. Con el rápido desarrollo de la tecnología de teledetección y la inteligencia artificial, la demanda de transformar los datos de teledetección en conocimiento geocientífico está creciendo, y el aprendizaje por ensamblaje en el campo de la teledetección está avanzando hacia la integración de datos, algoritmos y conocimiento. Las cuatro direcciones de desarrollo a futuro a tener en cuenta son la integración de grandes modelos de teledetección con interpretabilidad, la composición y medición de la diversidad, las nuevas estrategias de ensamblaje y la adaptación optimizada de los modos de ensamblaje a las necesidades geocientíficas.

teledetección; aprendizaje por ensamblaje; clasificación de imágenes; detección de cambios; integración mecanística y aprendizaje