Die rechtzeitige und genaue Erfassung von Informationen zur räumlichen Verteilung landwirtschaftlicher Anbauflächen ist von großer Bedeutung für die Überwachung des Pflanzenwachstums, die Vorhersage der Getreideernte, die Planung und Verwaltung der landwirtschaftlichen Produktion und ist eine wesentliche Unterstützung zur Sicherung der Ernährungssicherheit. Derzeit können Untersuchungen zur Klassifizierung landwirtschaftlicher Anbaupflanzen nach der Saison nicht mehr den Anforderungen an die Aktualität gerecht werden, weshalb wir begonnen haben, die Aufgaben der frühzeitigen Klassifizierung von Pflanzen schrittweise zu erkunden. Um den Einstiegspunkt und die Entwicklungstrends der frühzeitigen Klassifizierung landwirtschaftlicher Anbaupflanzen zu klären, stützt sich dieser Beitrag auf eine Suche und Analyse der frühzeitigen Klassifizierung landwirtschaftlicher Anbaupflanzen auf der Grundlage der Wissenschaftsdatenbank Web of Science und der CNKI-Datenbank seit 2014. Zusammenfassungen wurden zu Daten und Verarbeitungsmethoden, zur Auswahl von Proben, zur Auswahl von Merkmalen, zur Klassifizierungsstrategie und zu Genauigkeitsbewertungsindikatoren in aktuellen Studien gezogen und viele ungelöste Probleme dieser Studien identifiziert. Es wurden Wege für zukünftige Forschungen zur frühzeitigen Klassifizierung landwirtschaftlicher Anbaupflanzen wie der frühzeitigen Rekonstruktion und Ergänzung von Daten, der frühzeitigen Verstärkung von Merkmalen und der selektiven Auswahl verlässlicher Proben vorgeschlagen. Diese Studie kann als Grundlage dienen, um die Methoden und Strategien für die frühzeitige Klassifizierung landwirtschaftlicher Anbaupflanzen zu verstehen, die Schwierigkeiten und Entwicklungsrichtungen der frühzeitigen Klassifizierung zu erfassen und zur Förderung der Theorie und Technologie der frühzeitigen Klassifizierung von landwirtschaftlichen Anbaupflanzen beizutragen.

remote sensing;crop classification;early-season;time-series analysis;key phenological period;machine learning;deep learning