作物长势是粮食产量估测与预测的主要信息源,随着高时空分辨率遥感数据的不断出现,遥感数据已呈现出明显的大数据特征,以深度学习为基础的作物长势监测和产量估测已成为指导农业生产的重要手段之一.本文通过总结深度学习模型样本以及模型结构的发展历程,概括了深度学习在区域尺度的研究现状,其中从样本构建和样本扩充两方面概述了模型样本,从卷积神经网络(CNN)、循环神经网络(RNN)及其优化结构和模型可解释性总结了深度学习模型结构的进展;随后从无人机平台和卫星平台两方面阐述了田块尺度国内外作物长势监测和产量估测研究的最新进展;最后指出了目前存在的问题和未来拟重点加强的研究任务,主要包括通过基于区域和参数的迁移学习以改善小样本的限制;深度学习模型和作物生长模型有机结合,以提高模型的可解释性;无人机平台与卫星平台相结合,确保时空融合过程中尺度转换的精度;深入探索深度学习在作物长势监测方面的应用潜力.