Crop Classification Using Multi-Temporal RADARSAT Constellation Mission Compact Polarimetry SAR Data

Abstract<br/>
\nThe RADARSAT Constellation Mission (RCM) Compact Polarimetry (CP) data has become a key asset in crop mapping and monitoring for diverse agricultural landscapes. This study utilizes the unique capabilities of the RCM CP data for crop mapping. It performs a detailed comparison between single-date and multi-date classification to underscore the prowess of multi-temporal CP data in crop mapping. The novelty of our approach is in the thorough investigation of real CP data, a significant advancement from previous studies that mainly relied on simulated CP data. The CP data used in this study were acquired on July 1, July 30, and August 27, 2021, over southern Quebec, Canada, including soy, corn, hay, and cereal classes. Various features were extracted from the CP data, and the Random Forest classifier was utilized for crop mapping. The experimental results demonstrated the superiority of multi-temporal CP data for crop classification. The Overall Accuracy (OA) for single-date classifications on July 1, July 30, and August 27 were 61.10%, 75.00%, and 86.45%, respectively. In contrast, the multi-date analysis showed a marked increase in OA (91.20%). This substantial improvement underscores the significant benefit of incorporating multi-date CP data, which delivers a robust and precise framework for crop mapping.
\n<br/><br/>Résumé<br/>
\nLes données radar à synthèse d’ouverture en mode polarimétrie compacte (PC) de la Mission Constellation RADARSAT (MCR) sont devenues un atout majeur pour la cartographie et la. surveillance des cultures dans divers paysages agricoles. Cette étude utilise les capacités uniques des données P C de la mission RCM pour la cartographie des cultures. Elle effectue une comparaison détaillée entre la classification à une date et la classification à plusieurs dates pour souligner la petinance des données PC multitemporelles dans la cartographie des cultures. La nouveauté de notre approche réside dans l’évaluation approfondi des données CP réelles, ce qui constitue une avancée significative par rapport aux études précédentes qui s’appuyaient principalement sur des données PC simulées. Les données de PC utilisées dans cette étude ont été acquises le 1er juillet, le 30 juillet et le 27 août 2021, dans une region au sud du Québec, Canada, et comprennent des classes de soja, de maïs, de foin et de céréales. Diverses caractéristiques ont été extraites des données P C, et le classificateur Forêt des arbes aléatoires (Random Forest) a été utilisé pour la cartographie des cultures. Les résultats expérimentaux ont démontré la supériorité des données PC multitemporelles pour la classification des cultures. La précision globale (Overaal Accuracy: OA) pour les classifications à une seule date, le 1er juillet, le 30 juillet et le 27 août, était respectivement de 61,10 %, 75,00 % et 86,45 %. En revanche, l’analyse multi-dates a montré une nette augmentation de l’OA (91,20 %). Cette amélioration substantielle souligne l’avantage significatif de l’incorporation de données P C multi-dates, qui fournit un cadre robuste et précis pour la cartographie des cultures.