一、 引言
本人研究的方向是遥感作物分布提取，想基于多时相、深度学习和GEE平台展开研究，现对相关文献进行资料调研。深度学习和遥感原本属于2个研究方向，现在已经有越来越多的研究开始将深度学习算法应用到遥感领域。
- 传统遥感研究人员重视遥感数据本身，善于分析作物生长的规律（波段特性、物候特性），基于知识和经验构建算法，注重算法的可解释性；
- 相较于传统遥感研究人员，人工智能的科研人员更了解深度学习的发展过程和算法，将遥感影像视为普通多通道影像数据进行研究，虽然他们懂得如何去利用大数据和深度学习模型去挖掘数据和标签隐藏的关联，但可能他们对遥感本身这个领域不够了解，缺少对作物生长过程的感性认识，以至于忽视遥感作物提取中的一些关键信息，比如遥感影像的预处理、作物的物候信息、特定波段对作物提取的影响。
现在的人工智能已经进入（知识+数据驱动）可解释的深度学习模型的发展阶段，作物生长机理和数据挖掘算法同样重要，下文将结合2个研究领域从如下3个方面陈述发展现状：
- 遥感作物提取技术的发展现状
- 深度学习算法的发展现状
- 基于深度学习
