This paper presents and explores the different Earth Observation approaches and their contribution to the achievement of United Nations Sustainable Development Goals. A review on the Sustainable Development concept and its goals is presented followed by Earth Observation approaches relevant to this field, giving special attention to the contribution of Machine Learning methods and algorithms as well as their potential and capabilities to support the achievement of Sustainable Development Goals. Overall, it is observed that Earth Observation plays a key role in monitoring the Sustainable Development Goals given its cost-effectiveness pertaining to data acquisition on all scales and information richness. Despite the success of Machine Learning upon Earth Observation data analysis, it is observed that performance is heavily dependent on the ability to extract and synthesise characteristics from data. Hence, a deeper and effective analysis of the available data is required to identify the strongest features and, hence, the key factors pertaining to Sustainable Development. Overall, this research provides a deeper understanding on the relation between Sustainable Development, Earth Observation and Machine Learning, and how these can support the Sustainable Development of countries and the means to find their correlations. In pursuing the Sustainable Development Goals, given the relevance and growing amount of data generated through Earth Observation, it is concluded that there is an increased need for new methods and techniques strongly suggesting the use of new Machine Learning techniques.

本文介绍并探讨了不同的地球观测方法及其对实现联合国可持续发展目标的贡献。介绍了对可持续发展概念及其目标的评论，然后介绍了与该领域相关的地球观测方法，特别关注了机器学习方法和算法的贡献及其支持实现可持续发展目标的潜力和能力。总体而言，据观察，地球观测在监测可持续发展目标方面起着关键作用，因为它与所有规模的数据获取和信息丰富有关的成本效益。尽管基于地球观测的数据机器学习取得了成功，可以看出，性能在很大程度上取决于从数据中提取和合成特征的能力。因此，需要对可用数据进行更深入和有效的分析，以确定最强的特征，从而确定与可持续发展有关的关键因素。总体而言，这项研究对可持续发展，地球观测与机器学习之间的关系以及这些方法如何支持国家的可持续发展以及找到相关性的方式提供了更深入的了解。在实现可持续发展目标的过程中，鉴于通过地球观测生成的数据的相关性和数量不断增加，可以得出结论，对新方法和技术的需求日益增长，强烈建议使用新的机器学习技术。需要对现有数据进行更深入和有效的分析，以确定最强的特征，从而确定与可持续发展有关的关键因素。总体而言，这项研究对可持续发展，地球观测与机器学习之间的关系以及这些方法如何支持国家的可持续发展以及找到相关性的方式提供了更深入的了解。在实现可持续发展目标的过程中，鉴于通过地球观测生成的数据的相关性和数量不断增加，可以得出结论，对新方法和技术的需求日益增长，强烈建议使用新的机器学习技术。需要对现有数据进行更深入和有效的分析，以确定最强的特征，从而确定与可持续发展有关的关键因素。总体而言，这项研究对可持续发展，地球观测与机器学习之间的关系以及这些方法如何支持国家的可持续发展以及找到相关性的方式提供了更深入的了解。在实现可持续发展目标的过程中，鉴于通过地球观测生成的数据的相关性和数量不断增加，可以得出结论，对新方法和技术的需求日益增长，强烈建议使用新的机器学习技术。这项研究对可持续发展，地球观测与机器学习之间的关系以及它们如何支持国家的可持续发展以及找到它们之间的相关关系的方法提供了更深入的了解。在实现可持续发展目标的过程中，鉴于通过地球观测生成的数据的相关性和数量不断增加，可以得出结论，对新方法和技术的需求日益增长，强烈建议使用新的机器学习技术。这项研究对可持续发展，地球观测与机器学习之间的关系以及它们如何支持国家的可持续发展以及找到它们之间的相关关系的方法提供了更深入的了解。在实现可持续发展目标的过程中，鉴于通过地球观测生成的数据的相关性和数量不断增加，可以得出结论，对新方法和技术的需求日益增长，强烈建议使用新的机器学习技术。