L'obtention en temps opportun et précise des informations sur la répartition spatiale des cultures et des plantations est d'une importance primordiale pour la surveillance de la croissance des cultures, la prévision de la production céréalière, la planification et la gestion de la production agricole, et constitue un soutien de données clé pour garantir la sécurité alimentaire. Actuellement, les études de classification des cultures après la saison ne parviennent plus à répondre à l'exigence de rapidité susmentionnée, ce qui conduit à une exploration progressive des tâches de classification précoce des cultures. Afin de clarifier les points d'entrée et les orientations du développement de la recherche en matière de classification précoce des cultures, une recherche et une revue des études connexes sur la classification précoce des cultures ont été menées depuis 2014, sur la base de la base de données Web of Science et CNKI. Un résumé et une synthèse ont été réalisés sur des aspects tels que les méthodes de prétraitement et de prétraitement des données, la sélection des échantillons, la sélection des caractéristiques, les stratégies de classification et les indicateurs d'évaluation de la précision, et de nombreux problèmes difficiles à résoudre dans la recherche actuelle ont été identifiés. La reconstruction et le complément précoce des données, l'amélioration précoce des caractéristiques et la sélection des échantillons fiables ont été identifiés comme des orientations clés et des problèmes difficiles de la recherche future sur la classification précoce des cultures. Cette étude peut servir de base pour comprendre les méthodes et les stratégies de classification précoce des cultures, comprendre les difficultés de la classification précoce et les orientations de développement, et promouvoir le développement théorique et technique de la classification précoce des cultures.

Télédétection; Détection des cultures agricoles; Classification précoce; Séries temporelles; Phases clés de croissance; Apprentissage machine; Apprentissage profond