Jeux de données mondiaux de l’aptitude des cultures pour 17 cultures dans le climat actuel (2024) et futur (2041–2100)

Pourquoi l’avenir des cultures nous concerne tous

À mesure que la population mondiale augmente et que le climat se réchauffe, une question fondamentale devient urgente : où sur Terre pourrons-nous encore cultiver nos cultures de base ? Cette étude aborde cette question en produisant des cartes mondiales détaillées qui montrent la commodité des lieux pour cultiver 17 grandes cultures aujourd’hui et sous des conditions climatiques futures. Ces cartes peuvent aider les agriculteurs, les planificateurs et les citoyens à comprendre comment la production alimentaire pourrait évoluer au cours des prochaines décennies.

Cartographier les lieux où les cultures prospèrent

Les auteurs se concentrent sur « l’aptitude des cultures », c’est‑à‑dire la capacité des conditions climatiques et naturelles locales à soutenir le cycle complet d’une culture, de la plantation à la récolte. Plutôt que de s’appuyer sur des approches empiriques anciennes ou des moyennes globales grossières, ils assemblent un très grand jeu de données à jour reflétant la façon dont les variétés modernes sont réellement cultivées aujourd’hui. Ils combinent trois sources principales de données de présence de cultures : des observations de terrain issues d’une base de données de biodiversité, des cartes culturales détaillées obtenues par satellite, et un jeu de données de statistiques culturales mondiales récentes. Ensemble, ces sources produisent des millions de points de présence pour 17 cultures importantes, dont le blé, le riz, le maïs, le soja, les cultures de racines, les plantes oléagineuses et des cultures industrielles comme le coton et la canne à sucre.

Transformer les données terrestres en un atlas d’aptitude des cultures

Pour comprendre pourquoi les cultures se trouvent là où elles se trouvent, l’étude associe ces localisations de cultures à 30 facteurs environnementaux qui influencent fortement la croissance des plantes. Ces facteurs couvrent trois grands aspects du paysage. Les données topographiques décrivent la hauteur et la forme du terrain, y compris l’altitude et la pente. Les données sur les sols caractérisent la texture, la profondeur, la salinité, la matière organique et les nutriments. Les données météorologiques saisissent les précipitations, la température, le rayonnement, l’humidité du sol et les sommes thermiques nécessaires au développement des cultures. Pour la période actuelle (2024), ces variables proviennent de produits mondiaux haute résolution basés sur des relevés météorologiques, des estimations hydrologiques et des observations satellitaires. Pour le futur (2041–2100), les auteurs utilisent des projections climatiques de la dernière génération de modèles climatiques mondiaux selon quatre trajectoires socioéconomiques et d’émissions différentes.

Comment les modèles apprennent du terrain

Avec cet ensemble de données combiné, l’équipe entraîne un modèle d’apprentissage automatique distinct pour chaque culture en utilisant l’algorithme de forêt aléatoire (random forest). Pour chaque point d’échantillonnage, le modèle voit si la culture est présente ou absente et les conditions environnementales associées. Il apprend ensuite à distinguer les lieux favorables à la culture de ceux qui ne le sont pas. Pour éviter le surapprentissage et garantir une bonne transférabilité spatiale, les auteurs utilisent un schéma de validation croisée spatialisée qui sépare géographiquement les données d’entraînement et de test. Ils appliquent aussi une procédure de sélection de variables pour éliminer les prédicteurs redondants et une recherche bayésienne pour optimiser les réglages du modèle. Les modèles obtenus atteignent une grande précision : sur des données de test indépendantes, l’exactitude moyenne globale sur les 17 cultures est d’environ 94 %, avec des classifications fiables tant pour les catégories « adaptées » que « non adaptées ».

Visualiser les parcelles d’aujourd’hui et les changements de demain

Une fois entraînés, les modèles sont appliqués à chaque cellule de grille de 1 km sur 1 km à l’échelle mondiale, pour le climat actuel et pour trois fenêtres temporelles futures sous quatre scénarios climatiques. Plutôt qu’une réponse binaire, les modèles produisent un score d’aptitude continu entre 0 et 1, qui peut ensuite être regroupé en catégories pour la visualisation. Les auteurs comparent leurs cartes actuelles avec des jeux de données mondiaux d’aptitude couramment utilisés tels que GAEZ et GLUES. Leurs cartes concordent bien à grande échelle mais montrent des détails spatiaux plus fins et une meilleure correspondance avec des cartes culturales indépendantes et haute résolution dans des régions comme le nord‑est de la Chine et l’Argentine. Les variables liées à la température et les sommes thermiques s’avèrent particulièrement importantes pour expliquer où les cultures peuvent pousser, soulignant la sensibilité de l’agriculture mondiale au réchauffement climatique.

Ce que cela signifie pour l’alimentation et la planification

L’étude fournit un atlas mondial d’aptitude des cultures, haute résolution et librement accessible, pour 17 cultures majeures, couvrant à la fois le présent et une gamme de trajectoires climatiques futures. Si les auteurs soulignent que les projections futures ne doivent pas être lues comme des prévisions exactes — notamment dans les régions où le climat évolue au‑delà de tout ce qui a été observé —, les cartes offrent un outil puissant pour explorer les gains et pertes relatifs de potentiel cultural. Pour les décideurs préoccupés par l’alimentation d’une population croissante sur une planète changeante, ces jeux de données peuvent éclairer les choix sur les terres agricoles à protéger, les nouvelles opportunités potentielles et les régions où les systèmes de culture actuels devront s’adapter ou se déplacer.

Citation: Wang, T., Dong, J. Global crop suitability datasets for 17 crops under present (2024) and future climate scenarios (2041–2100). Sci Data 13, 691 (2026). https://doi.org/10.1038/s41597-026-06688-4

Mots-clés: aptitude des cultures, changement climatique, sécurité alimentaire, télédétection, apprentissage automatique