Die rechtzeitige und genaue Erfassung räumlicher Anbauflächen hat eine wichtige Bedeutung für die Überwachung des Pflanzenwachstums, die Prognose der Getreideernte, die Planung und Verwaltung der landwirtschaftlichen Produktion und ist eine wichtige Datenstütze für die Sicherung der Ernährung. Derzeit können Studien zur Klassifizierung von Pflanzen nach der Saison die genannten zeitlichen Anforderungen nicht mehr erfüllen, weshalb allmählich die Erforschung der Aufgaben zur frühzeitigen Klassifizierung von Pflanzen begonnen hat. Um die Einstiegspunkte und Entwicklungsausrichtungen der Forschung zur frühzeitigen Klassifizierung von Pflanzen zu klären, wurde eine Suche und Überprüfung verwandter Studien zur frühzeitigen Klassifizierung von Pflanzen seit 2014 auf der Grundlage der Datenbanken Web of Science und CNKI durchgeführt. Es wurden Aspekte wie Daten- und Vorverarbeitungsmethoden, Stichprobenauswahl, Merkmalsauswahl, Klassifizierungsstrategien und Genauigkeitsbewertungsindikatoren zusammengefasst und zusammengeführt, und viele noch zu lösende Probleme in der aktuellen Forschung identifiziert. Es wurden Richtungen wie die frühzeitige Datenrekonstruktion und -ergänzung, die frühzeitige Merkmalsverbesserung und die Auswahl zuverlässiger Stichproben als Schwerpunkte und Schwierigkeiten der zukünftigen Forschung zur frühzeitigen Klassifizierung von Pflanzen identifiziert. Diese Studie kann als Grundlage dienen, um Methoden und Strategien der frühzeitigen Klassifizierung von Pflanzen zu verstehen, Schwierigkeiten der frühzeitigen Klassifizierung und Entwicklungsrichtungen zu verstehen und die theoretische und technische Entwicklung der frühzeitigen Klassifizierung von Pflanzen zu fördern.

Fernerkundung; Identifizierung landwirtschaftlicher Anbauflächen; Früher Klassifikation; Zeitreihen; Wichtige Wachstumsphasen; Maschinelles Lernen; Tiefe Lernprozesse