Los datos de límites de tierras agrícolas, datos básicos importantes para la operación de equipos de automatización agrícola, han sido ampliamente estudiados por académicos de todo el mundo. Sin embargo, los métodos comunes de adquisición de límites de tierras agrícolas a través de sensores como LiDAR y cámaras de visión combinados con algoritmos complejos sufren problemas como la deriva de datos, la dificultad para eliminar ruido y la inexactitud de los datos de límites de parcelas. Para resolver este problema, este estudio propone un método para estimar las dimensiones de orientación de las tierras agrícolas basado en la trayectoria de siembra. El método calcula primero la curvatura de los datos discretos de la trayectoria de siembra; en segundo lugar, se utiliza de manera innovadora un filtro pasa bajos y un clustering integral para filtrar los valores de curvatura y distinguir entre líneas rectas y curvas; y finalmente, la porción de línea recta ubicada en el borde de la trayectoria de siembra se ajusta con un ajuste lineal univariado para calcular la estimación del tamaño y orientación de las tierras agrícolas. Como se verificó en los experimentos de campo, el error lineal mínimo de los vértices es solo de 0.12m, el error promedio es de 0.315m y la tasa de superposición de la estimación de la parcela es del 98.36% en comparación con el límite real de la parcela. En comparación con el mapeo LiDAR, el error lineal promedio de la posición de los vértices se reduce en un 50.2% y la tasa de superposición de la estimación de la parcela se incrementa en un 2.21%. Los resultados experimentales muestran que este método tiene la ventaja de una alta precisión, una velocidad de cálculo rápida y un volumen de cálculo reducido, lo que proporciona un método simple y preciso para la construcción de mapas de tierras agrícolas, brinda soporte de datos digitales para la operación de equipos de automatización agrícola y tiene importancia para la cartografía digital de explotaciones agrícolas.