يمكن أن توفر bản الخرائط التلقائية والدقيقة لأنواع المحاصيل معلومات غير مسبوقة لفهم النظم الغذائية، خصوصًا في الدول النامية حيث تكون التحقيقات الميدانية نادرة. ومع ذلك، لم يُطبَّق سوى قليل من الدراسات على الطرق الحالية في البيئات التي تعاني من نقص شديد في البيانات، والتي تواجه تحديات فريدة مثل الحقول ذات الأشكال غير المنتظمة، والتغطية السحابية المتكررة، والقطع الصغيرة، وشدة نقص بيانات التدريب. وللتغلب على هذه الفجوة في الأدبيات، نقدّم أول مجموعة بيانات لتصنيف دلالي لأنواع المحاصيل في مزارع المزارعين الصغار، خصوصًا في غانا وجنوب السودان. كما نحن أول من يستخدم بيانات قمرية عالية الدقة وعالية التكرار في تجزئة مزارع المزارعين الصغار. وعلى الرغم من التحديات، نحقق متوسط درجة F1 ودقة إجمالية قدرها 57.3% و60.9% في غانا، و69.7% و85.3% في جنوب السودان. علاوةً على ذلك، تتفوق طريقة عملنا على أحدث الطرق المُتاحة في بيئة غنية بالبيانات مثل ألمانيا بفارق أكثر من 8 نقاط في درجة F1 و6 نقاط في الدقة. تم إتاحة الشفرة (الكود) ورابط مجموعة البيانات بشكل عام عبر الموقع: https://github.com/roserustowicz/crop-type-mapping.