在密西西比河上游流域，覆盖作物通常在秋季种植，在经济作物收获后种植，并在当年晚些时候或次年春天出现。这些出苗季节有助于区分覆盖作物与玉米和大豆等经济作物，后者在秋季收获，春季种植。
2019年11月，EWG进行了挡风玻璃调查，以收集各种坠落场地覆盖类型。在这四个州，共收集了270多块用于植被、耕作或残茬覆盖类型的土地（图6）。这些数据将用于建立标准化差异
植被指数（NVDI）是从卫星图像中提取覆盖作物的阈值。
EWG对卫星图像覆盖范围上晚秋覆盖类型的挡风玻璃调查
资料来源：EWG，来自卫星图像
最近的研究已经证明，陆地卫星8号和Sentinel 2号卫星传感器可以使用谷歌地球引擎平台内的季节性最大NVDI合成物，在田间检测覆盖作物。图像仅从两个羽化季节收集：秋季（定义为11月1日至12月31日）和次年春季（3月1日至4月30日）。
这些挡风玻璃调查数据随后被用于建立实地水平的NDVI阈值，这些阈值直接取自每月的陆地卫星8号和哨兵2号最大合成图像。然后将每月的值应用于图像，以提取显示植被出现的像素。
不同秋季农田的月最大NDVI阈值在伊利诺伊州、印第安纳州、爱荷华州和明尼苏达州
资料来源：EWG，来自挡风玻璃调查和卫星图像
然后，使用USDA-NASS农田数据层，将像素子集分配到相应作物年专门种植玉米或大豆的区域，该数据层保持了玉米和大豆的高用户精度。与2020年种植的冬小麦重叠的像素也被筛选出来，这样同期出现的经济作物不会干扰覆盖作物的检测。由于玉米和大豆种植面积非常有限，明尼苏达州东北部的八个县未进行评估。
在卫星像素被识别为单个场景中的覆盖作物后，所有重叠场景被拼接在一起并过滤，以仅提取10英亩或更大的连续区域。2008年农场服务局的地理空间公共土地单元数据，一种高分辨率的农田边界数字化，随后被用于减少农田边缘像素，并填充出现斑点的区域。然后对这些特征进行筛选，以去除指示栅栏行和草地水道的细长和线性形状，并根据特征的面积和周长确定指标。然后按县对结果进行总结。