En 30 m flermånadersdatabas över huvudgröddfördelningar i Xinjiang, Kina (2013–2024) baserad på harmoniserade Landsat–Sentinel-2-data

Varför det är viktigt att kartlägga grödor från rymden

Att föda en växande befolkning i en varmare, torrare värld kräver kunskap om vad som odlas var och hur det förändras över tid. I Xinjiang, en vidsträckt och mestadels torr region i västra Kina som producerar en stor del av landets bomull och spannmål, har denna grundläggande information varit förvånansvärt svår att få fram. Studien som beskrivs här omvandlar år av satellitbilder till en detaljerad karta över huvudgrödor i hela Xinjiang och ger bönder, planerare och forskare ett nytt fönster in i hur denna torrmarks-kornbod förvaltas.

En torrmarksregion med stora jordbruksambitioner

Xinjiang täcker en yta som är ungefär en sjättedel av Kinas storlek, inramad av höga berg och ökenbassänger. Det mesta jordbruket sker i gröna oaser som försörjs av floder och bevattningskanaler, där bomull, majs, vete, ris och fruktodlingar dominerar. Nationella policyer och vattensparande tekniker har bidragit till att göra Xinjiang till Kinas största bomullsproducent, medan dess spannmål är viktiga för den regionala livsmedelsförsörjningen. Samtidigt gör de samma berg, öknar och spridda åkrar som ger landskapet dess karaktär också det svårt att övervaka med enbart traditionella undersökningar. Fram till nyligen täckte tillgängliga kartor ofta bara en enskild gröda, ett fåtal år eller med relativt grov detaljgrad.

Att omvandla satellitögonblicksbilder till ett årligt grödeatlas

Forskarna byggde ett nytt kartläggningssystem med Harmonized Landsat–Sentinel-2-data, en global produkt som förenar styrkorna hos två satellitflottor till konsekventa bilder av jordytan varannan till var sjätte dag med 30 meters detalj. De fokuserade på två enkla indikatorer som satelliter kan mäta: hur grönt marken är och hur mycket vatten som finns i växterna och jorden. Genom att följa hur dessa signaler stiger och faller under växtsäsongen fångade de varje grödas tillväxtrytm, såsom vätets tidiga vårtopp, bomullens långa sommarstegring eller de översvämmade risfälten.

Att lära en intelligent klassificerare att känna igen fälten

För att översätta dessa säsongsmönster till grödemärkningar kombinerade teamet tusentals fält- och bildbaserade prov insamlade 2018 och 2019 med en maskininlärningsmetod känd som random forest. Först sållade de bort mark som inte var jordbruk med hjälp av en befintlig nationell markanvändningskarta, så att modellen koncentrerade sig på verkliga åkrar. Därefter anpassade de släta matematiska kurvor till satellitsignalerna och förvandlade brusiga bildsekvenser till rena tillväxtprofiler. Random forest-modellen lärde sig hur olika grödor typiskt beter sig under året och tillämpade sedan denna kunskap på varje lämplig satellitpixel över Xinjiang för varje år från 2013 till 2024.

Att testa hur väl kartorna stämmer med verkligheten

Alla automatiska kartor kräver noggrann kontroll. Teamet höll tillbaka delar av sina fält- och bildprov som en oberoende testuppsättning och jämförde dessa med modellens gissningar. För de två valideringsåren nådde de flesta huvudgrödor användar- och producentnoggrannheter över 83 procent, och den övergripande noggrannheten uppgick till 90 respektive 93 procent. De summerade också den kartlagda arealen av varje gröda per län och jämförde dessa värden med officiell statistik och med andra specialiserade grödkartor för bomull, majs och vete. De satellitbaserade uppskattningarna följde dessa oberoende källor nära, särskilt för bomull, vilket tyder på att kartorna fångar inte bara var grödor odlas utan också hur deras arealer förändras över tid.

Vad detta betyder för mat och miljö

Resultatet av detta arbete är en offentlig datamängd med 30 meters upplösning över Xinjiangs huvudgrödor från 2013 och framåt, uppdaterad när nya satellitdata blir tillgängliga. För icke-experter innebär detta att frågor som hur snabbt bomull har expanderat, var majs ersätter vete eller hur fruktodlingar sprider sig längs nya kanaler nu kan besvaras med tydlig visuell evidens. Medan författarna noterar att osäkerheter kvarstår, särskilt för blandade eller mindre grödgrupper, erbjuder datasetet ett kraftfullt verktyg för övervakning av regional livsmedelsproduktion, vägledning av vatten- och markpolitik och studier av hur jordbruket samverkar med känsliga öken- och bergsekosystem.

Citering: Liang, Q., Di, Y., Hao, X. et al. A 30 m Multi-Year Dataset of Major Crop Distributions in Xinjiang, China (2013–2024) Based on Harmonized Landsat–Sentinel-2 Data. Sci Data 13, 730 (2026). https://doi.org/10.1038/s41597-026-07082-w

Nyckelord: grödakartläggning, fjärranalys, Jordbruk i Xinjiang, satellitdata, livsmedelssäkerhet