本申请涉及数据识别技术领域，提供了一种基于CDL深度学习进行作物迁移分类的方法、系统、计算机可读存储介质和电子设备。该方法通过将训练区域的CDL数据和遥感影像数据进行合成，得到作物分类的多个不同时间周期的训练数据集；然后，根据训练数据集，构建多个不同时间周期的多个作物分类模型；最后，根据获取的目标区域的测试数据集，基于训练完成的多个作物分类模型对目标区域进行时空泛化分析，确定最佳作物分类模型，以对目标区域作物进行分类。如此，通过CDL数据与遥感数据合成构建多个不同时间周期的训练数据集，解决样本稀缺的问题，同时通过对多个作物分类模型进行分析，提高了作物分类模型在目标区域的分类预测精度。