La expansión global de tierras agrícolas es un factor principal del cambio climático y la pérdida de biodiversidad. Sin embargo, la resolución espacial de los modelos actuales de cambio de uso del suelo a nivel global es relativamente gruesa, lo que limita las evaluaciones del impacto ambiental. Para abordar este problema, desarrollamos mapas globales que representan el potencial de conversión a tierras agrícolas con una resolución de 10 segundos de arco (aproximadamente 300 m en el ecuador). Creamos los mapas utilizando modelos de redes neuronales artificiales (ANN) que relacionan las ubicaciones de conversiones recientes (2007-2020) en una de tres categorías de tierras cultivables (solo tierras cultivables, mosaicos con más del 50% de cultivos y mosaicos con menos del 50% de cultivos) con varias variables predictoras que reflejan topografía, clima, suelo y accesibilidad. La validación cruzada de los modelos indicó un buen rendimiento con valores de área bajo la curva (AUC) de 0.88-0.93. La retroproyección de los modelos de 1992 a 2006 reveló un rendimiento similarmente alto (AUC de 0.83-0.91), lo que indica que nuestros mapas proporcionan estimaciones representativas del potencial actual de conversión agrícola, siempre que los factores subyacentes a los patrones de expansión agrícola permanezcan iguales. Nuestros mapas pueden ser utilizados para desglosar proyecciones de modelos globales de cambio de uso del suelo en patrones más detallados de expansión agrícola futura, lo que es un activo para las evaluaciones ambientales globales.