リモートセンシング（RS）データの量と多様性が急速に増加するにつれて、マルチビュー学習モデリングの必要性が高まっています。RSデータの解像度、スケール、ノイズの違いを考慮すると、これは複雑な課題となります。複数のRSソースを統合するための一般的なアプローチは入力レベルでの融合（input-level fusion）でしたが、より高度な融合戦略がこの伝統的な方法を上回る可能性があります。本研究では、CropHarvestデータセットにおける作物分類のために異なる融合戦略を評価しています。本研究で提案された融合手法は、単一ビューに基づくモデルや以前の融合手法よりも優れた性能を示しました。しかし、一貫して他のすべてのアプローチを上回る単一の融合手法を見つけることはできませんでした。代わりに、3つの異なるデータセットに対するマルチビュー融合手法の比較を行い、テスト地域によって最良の性能を達成する手法が異なることを示しています。それでも、融合手法選択のための初步的な基準を提案します。