Рассматриваются вопросы картографирования ландшафтов на основе данных дистанционного зондирования Земли. Приводится детальное описание методики классификации земель на базе концепции Ensemble Learning, основанной на построении эффективных ансамбль-систем. Разработанная методика основывается на объединении моноклассификаторов одной или разной архитектуры в единую систему через компонент метаклассификатора. При построении ансамбль-системы необходимо осуществить подбор моноклассификаторов, определить алгоритм функционирования метаклассификатора, обучить мономодели и метаклассификатор, оценить качество классификации ансамбль-системы. Детально описан алгоритм обучения метаклассификатора, основанный на методе взвешенного голосования моноклассификаторов, при котором весовые коэффициенты рассчитываются на основе метрик матрицы ошибок. В представленном решении, в отличие от уже предложенных способов принятия результирующего решения, метаклассификатор учитывает показатели точности отдельных классификаторов в определении объектов конкретных классов на основе матрицы весовых коэффициентов. В дополнение к этому введено понятие нижнего порога точности, который определяет возможность классификатора системы выносить гипотезу о принадлежности какого-либо объекта к определенному классу. Проведена апробация методики на базе тестовых полигонов «Инерка», «Чеберчинка», «Смольный», расположенных в краевой части Приволжской возвышенности. В качестве исходных данных выбраны материалы космической съемки Landsat-7. Апробация использования ансамбль-систем для анализа геофизических данных на основе материалов дистанционного зондирования Земли позволила установить преимущества использования предлагаемой методики классификации перед существующими подходами – беггингом, бустингом, стековой генерализацией, голосованием. Выполненные эксперименты подтвердили, что использование ансамбль-систем позволяет повысить итоговую точность, объективность и достоверность проводимого анализа.