La frecuente ocurrencia del cambio climático global y desastres naturales destaca la importancia del monitoreo agrícola de precisión, la predicción de rendimientos y los sistemas de alerta temprana. El método de asimilación de datos proporciona una nueva posibilidad para resolver los problemas de baja precisión en la predicción de rendimientos, la fuerte dependencia del campo y la escasa adaptabilidad del modelo en las aplicaciones agrícolas tradicionales. Por lo tanto, este estudio realiza una recuperación sistemática de literatura basada en las bases de datos de Web of Science, Scopus, Google Scholar y PubMed, introduce en detalle las estrategias de asimilación basadas en muchas nuevas fuentes de datos de teledetección, como constelaciones satelitales, UAV, estaciones de observación terrestre y plataformas móviles, y compara y analiza el progreso de los modelos de asimilación como el método de compulsió, el método de parámetros del modelo, el método de actualización del estado y el método del paradigma bayesiano. Los resultados muestran que: (1) la nueva asimilación de datos de plataformas de teledetección muestra ventajas significativas en la agricultura de precisión, especialmente en la asimilación de datos de constelaciones satelitales emergentes y UAV. (2) El modelo SWAP es el más ampliamente utilizado en la simulación del crecimiento de cultivos, mientras que los modelos Aquacrop, WOFOST y APSIM tienen un gran potencial de aplicación. (3) La estrategia de asimilación secuencial es el algoritmo más utilizado en el campo de la asimilación de datos agrícolas, especialmente el algoritmo de filtro de Kalman de conjunto, y la estrategia de asimilación bayesiana jerárquica se considera un método prometedor. (4) El índice de área foliar (LAI) se considera la variable de asimilación más preferida, y el estudio de la humedad del suelo (SM) y el índice de vegetación (VIs) también se ha fortalecido. Además, la calidad, resolución y aplicabilidad de las fuentes de datos de asimilación son los cuellos de botella clave que afectan la aplicación de la asimilación de datos en el desarrollo de la agricultura de precisión. En el futuro, el desarrollo de modelos de asimilación de datos tiende a ser más refinado, diversificado e integrado. En resumen, este estudio puede proporcionar una referencia integral para el monitoreo agrícola, la predicción de rendimientos y la alerta temprana de cultivos mediante el uso del modelo de asimilación de datos.