Mapeamento automatizado de camadas de tipo de cultura em temporada com resolução de 10 m para os Estados Unidos contíguos

Por que mapas rápidos de culturas importam

Cada verão, milhões de hectares de milho, soja, algodão e outras culturas influenciam o preço de alimentos e combustíveis nos Estados Unidos e além. No entanto, o mapa nacional de culturas mais usado costuma ser divulgado meses após a colheita, o que é tarde demais para muitas decisões em tempo real. Este estudo apresenta um modo de mapear o que está sendo cultivado onde nos Estados Unidos contíguos durante a própria temporada, com detalhe suficiente para distinguir campos individuais e com apenas alguns dias de atraso.

Um novo tipo de mapa de culturas em temporada

Os autores apresentam a In-season Crop type Data Layer, ou ICDL, um conjunto de mapas mensais que mostram os tipos de culturas com resolução de 10 metros em todo os 48 estados contíguos. Ao contrário de produtos tradicionais que aparecem no ano seguinte, esses mapas de junho, julho e agosto são tornados públicos apenas cerca de cinco dias após o fim de cada mês. Essa velocidade permite a agricultores, empresas e agências acompanhar a área plantada, monitorar riscos e planejar logística enquanto as culturas ainda estão no campo. A ICDL é entregue em um formato de mapa padrão e pode ser visualizada online pelo portal CropSmart ou baixada para análises independentes.

Lendo a terra a partir do espaço

Para construir esses mapas oportunos, a equipe depende de um fluxo constante de imagens de dois programas de satélite, o Sentinel-2 da Europa e o Landsat 8 e 9 dos Estados Unidos. Esses satélites fotografam repetidamente os mesmos campos em várias bandas de luz sensíveis ao crescimento das folhas e à água, registrando como as culturas emergem, crescem e amadurecem do final da primavera ao verão. O método também aproveita anos de mapas agrícolas dos EUA para aprender onde culturas específicas tendem a se repetir nos mesmos campos ou a alternar em padrões simples, como milho e soja alternando ano a ano. Pixels que seguem esses padrões estáveis servem como exemplos confiáveis de cada cultura para treinar o sistema de mapeamento.

Transformando séries temporais de imagens em mapas a nível de campo

Para cada cena de satélite que cobre parte do país, os pesquisadores combinam pixels de treinamento confiáveis com pilhas de imagens coletadas de maio até cada mês de verão. Eles processam esses dados para padronizar a resolução e calcular indicadores simples de vigor vegetal e água. Um método de aprendizado de máquina chamado random forest então aprende como os sinais de satélite em mudança correspondem a diferentes coberturas do solo, incluindo culturas principais e outras classes como pastagem ou floresta. Mapas separados são criados a partir dos fluxos Sentinel e Landsat, e então costurados em camadas nacionais, com prioridade ao Sentinel devido ao seu detalhe mais fino. Uma etapa final de limpeza suaviza pixels isolados mal classificados para definir melhor os limites dos campos.

Quão precisos são os mapas

A equipe verificou cuidadosamente a ICDL comparando-a com observações de campo coletadas em Nebraska e Iowa e com estatísticas oficiais estaduais de área de culturas. No nível de pixel, a precisão melhora à medida que as culturas se desenvolvem, subindo de cerca de 81% em junho para aproximadamente 93 a 98% em agosto, e frequentemente superando a antiga Cropland Data Layer no final do verão. O método tem desempenho especialmente bom para milho e soja no Corn Belt. Quando estimativas de área baseadas na ICDL são comparadas com totais oficiais para milho, soja e algodão, as diferenças geralmente ficam dentro de poucos por cento na maioria dos estados, e os totais regionais gerais são muito próximos dos valores reportados.

O que isso significa para gestão de alimentos e do uso da terra

Para planejadores, analistas e cientistas, a ICDL oferece um panorama oportuno e nacional do que os agricultores estão cultivando, até o nível de campos individuais, durante a temporada em vez de muito tempo depois dela. Embora os autores observem que o desempenho pode variar por cultura, região e qualidade da imagem, os mapas alcançam consistentemente alta precisão e acompanham de perto as estatísticas oficiais. Esta nova camada de dados pode fortalecer previsões de rendimento, estimativas de oferta e demanda e avaliações de risco por seca ou choques de mercado, ajudando os tomadores de decisão a responder mais rapidamente às mudanças na paisagem agrícola.

Citação: 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

Palavras-chave: mapeamento de culturas, imagens de satélite, monitoramento agrícola, sensoriamento remoto, culturas dos Estados Unidos