摘要
الحصول على معلومات توزيع مساحة زراعة المحاصيل في الوقت المناسب وبدقة، له أهمية كبيرة في مراقبة نمو النباتات، وتوقع الإنتاج الحبوبي، وتخطيط وإدارة الإنتاج الزراعي، وهي دعامة أساسية لضمان الأمن الغذائي. حالياً، أصبح من الصعب تلبية متطلبات الجدوى الزمنية لبحوث تصنيف محاصيل ما بعد الموسم المطلوبة، وبدأت تستكشف بشكل تدريجي المهام المتعلقة بتصنيف المحاصيل في وقت مبكر. من أجل تحديد نقاط الدخول واتجاهات بحث تصنيف المحاصيل في وقت مبكر، استنادًا إلى استعراض قاعدة بيانات ويب آوف ساينس وقاعدة بيانات سينكي منذ عام 2014 ومراجعة البحوث ذات الصلة بتصنيف المحاصيل في وقت مبكر. تم تلخيص وتجميع البيانات وطرق المعالجة المسبقة واختيار العينات واختيار السمات واستراتيجيات التصنيف ومؤشرات تقييم الدقة، وتم التعرف على العديد من المشكلات الصعبة التي لا تزال تحتاج إلى حل في البحوث الحالية، واقترحت إعادة بناء البيانات وإضافتها في وقت مبكر وتعزيز السمات في وقت مبكر واختيار العينات الموثوقة كاتجاهات ومشاكل صعبة في بحث تصنيف المحاصيل في وقت مبكر. يمكن أن توفر هذه الدراسة أساسًا لفهم أساليب واستراتيجيات تصنيف المحاصيل في وقت مبكر، وفهم مشاكل تصنيف في وقت مبكر واتجاهات تطويرها وتعزيز نظريات وتقنيات تصنيف المحاصيل في وقت مبكر وتعزيزها.
关键词
remote sensing;crop classification;early-season;time-series analysis;key phenological period;machine learning;deep learning