El aprendizaje conjunto es un paradigma de aprendizaje automático basado en el principio de la cooperación mutua, capaz de superar las limitaciones de los aprendices individuales y mejorar el rendimiento de la toma de decisiones en su conjunto. El aprendizaje conjunto puede aplicarse ampliamente a la clasificación de imágenes remotas, a la detección de cambios, a la inversión cuantitativa de parámetros mediante la combinación de ventajas de múltiples fuentes de datos y algoritmos diferentes. Basándose en el análisis de los avances de la investigación nacional e internacional, se han resumido los avances de la investigación en aprendizaje conjunto en el reconocimiento de objetivos remotos, la clasificación de coberturas terrestres, la detección de cambios multitemporales y el análisis de datos de teledetección temporal, la inversión de parámetros terrestres, la integración de datos remotos y de percepción social, la integración de modelos mecánicos y aprendizaje. Con el rápido desarrollo de las tecnologías de teledetección y la inteligencia artificial, la demanda de tratar los datos de teledetección como conocimiento geocientífico sigue creciendo, y el aprendizaje conjunto en el campo de la teledetección avanza hacia una integración de datos, algoritmos y conocimientos. La integración de grandes modelos de teledetección y su interpretabilidad, la diversidad de la composición y la medición, las nuevas estrategias de integración y la optimización de modelos de integración y adaptación de la demanda geocientífica serán cuatro direcciones a las que se debe prestar atención en el futuro.

Teledetección; aprendizaje conjunto; clasificación de imágenes; detección de cambios; integración de modelos mecánicos y de aprendizaje