Clear Sky Science · fr

Cartographie automatisée à 10 m de résolution des types de cultures en cours de saison pour les États-Unis contigus

· Retour à l’index

Pourquoi des cartes rapides des cultures sont importantes

Chaque été, des millions d’acres de maïs, de soja, de coton et d’autres cultures influencent le prix des aliments et des carburants aux États-Unis et au-delà. Pourtant, la carte nationale des cultures la plus utilisée est généralement publiée des mois après la récolte, ce qui arrive trop tard pour de nombreuses décisions en temps réel. Cette étude présente une méthode pour cartographier ce qui pousse où à travers les États-Unis contigus pendant la saison elle-même, avec un niveau de détail suffisant pour distinguer des parcelles individuelles et avec seulement quelques jours de retard.

Un nouveau type de carte des cultures en cours de saison

Les auteurs présentent la In season Crop type Data Layer, ou ICDL, un ensemble de cartes mensuelles qui montrent les types de cultures à une résolution de 10 mètres dans les 48 États inférieurs. Contrairement aux produits traditionnels qui paraissent l’année suivante, ces cartes pour juin, juillet et août sont rendues publiques seulement environ cinq jours après la fin de chaque mois. Cette rapidité permet aux agriculteurs, aux entreprises et aux agences de suivre la surface plantée, de surveiller les risques et de planifier la logistique pendant que les cultures sont encore en terre. L’ICDL est fournie dans un format cartographique standard et peut être consultée en ligne via le portail Web CropSmart ou téléchargée pour une analyse indépendante.

Figure 1. Des satellites et des archives se combinent pour montrer quelles cultures poussent où aux États-Unis pendant la saison, champ par champ.
Figure 1. Des satellites et des archives se combinent pour montrer quelles cultures poussent où aux États-Unis pendant la saison, champ par champ.

Lire le paysage depuis l’espace

Pour construire ces cartes rapides, l’équipe s’appuie sur un flux continu d’images de deux programmes satellitaires, Sentinel-2 d’Europe et Landsat 8 et 9 des États-Unis. Ces satellites photographient à plusieurs reprises les mêmes parcelles dans plusieurs longueurs d’onde sensibles à la croissance foliaire et à l’eau, capturant la façon dont les cultures émergent, poussent et mûrissent du printemps tardif jusqu’à l’été. La méthode exploite aussi des années de cartes de cultures américaines passées pour apprendre où certaines cultures ont tendance à se répéter dans les mêmes parcelles ou à s’alterner selon des schémas simples, comme le basculement annuel entre le maïs et le soja. Les pixels qui suivent de tels schémas stables servent d’exemples fiables de chaque culture pour entraîner le système de cartographie.

Transformer des séries temporelles d’images en cartes au niveau des parcelles

Pour chaque scène satellite couvrant une partie du pays, les chercheurs combinent des pixels d’entraînement fiables avec des piles d’images collectées de mai jusqu’à chaque mois d’été. Ils traitent ces données pour standardiser la résolution et calculer des indicateurs simples de vigueur végétale et d’eau. Une méthode d’apprentissage automatique appelée forêt aléatoire apprend ensuite comment les signaux satellitaires changeants correspondent à différentes couvertures du sol, y compris les cultures majeures et d’autres classes comme les pâturages ou la forêt. Des cartes séparées sont créées à partir des flux Sentinel et Landsat, puis assemblées en couches nationales, Sentinel étant priorisé en raison de son niveau de détail supérieur. Une étape finale de nettoyage lisse les pixels isolés mal classés pour affiner les limites des parcelles.

Figure 2. Des séries d’instantanés satellitaires sont transformées en cartes mensuelles claires des cultures par un flux de traitement et d’apprentissage par étapes.
Figure 2. Des séries d’instantanés satellitaires sont transformées en cartes mensuelles claires des cultures par un flux de traitement et d’apprentissage par étapes.

Quelle est la précision des cartes

L’équipe a soigneusement vérifié l’ICDL en la comparant avec des observations de terrain collectées au Nebraska et en Iowa et avec les statistiques officielles de superficie des États. Au niveau du pixel, la précision s’améliore à mesure que les cultures se développent, passant d’environ 81 % en juin à environ 93 à 98 % en août, et dépassant souvent la Cropland Data Layer de longue date en fin d’été. La méthode est particulièrement performante pour le maïs et le soja dans la Corn Belt. Lorsque les estimations de surface basées sur l’ICDL sont comparées aux totaux officiels pour le maïs, le soja et le coton, les différences se situent généralement dans quelques pourcents pour la plupart des États, et les totaux régionaux globaux sont très proches des valeurs déclarées.

Ce que cela signifie pour la gestion des terres et de l’alimentation

Pour les planificateurs, analystes et scientifiques, l’ICDL offre une image nationale et en temps opportun de ce que les agriculteurs cultivent, jusqu’au niveau des parcelles individuelles, pendant la saison plutôt que bien après sa fin. Bien que les auteurs notent que la performance peut varier selon la culture, la région et la qualité des images, les cartes atteignent systématiquement une grande précision et suivent de près les statistiques officielles. Cette nouvelle couche de données peut renforcer les prévisions de rendement, les estimations d’offre et de demande, et les évaluations des risques liés à la sécheresse ou aux chocs du marché, aidant les décideurs à réagir plus rapidement aux changements du paysage agricole.

Citation: Li, H., Di, L., Zhang, C. et al. Automated 10-m Resolution In-season Crop-type Data Layer Mapping for Contiguous United States. Sci Data 13, 750 (2026). https://doi.org/10.1038/s41597-026-07099-1

Mots-clés: cartographie des cultures, imagerie satellitaire, surveillance agricole, télédétection, cultures des États-Unis