High Resolution Land Cover Mapping and Crop Classification in the Loukkos Watershed (Northern Morocco): An Approach Using SAR Sentinel-1 Time Series

Abstract

[EN] Remote sensing has become more and more a reliable tool for mapping land cover and monitoring cropland. Much of the work done in this field uses optical remote sensing data. In Morocco, active remote sensing data remain under-exploited despite their importance in monitoring spatial and temporal dynamics of land cover and crops even during cloudy weather. This study aims to explore the potential of C-band Sentinel-1 data in the production of a high-resolution land cover mapping and crop classification within the irrigated Loukkos watershed agricultural landscape in northern Morocco. The work was achieved by using 33 dual-polarized images in vertical-vertical (VV) and vertical-horizontal (VH) polarizations. The images were acquired in ascending orbits between April 16 and October 25, 2020, with the purpose to track the backscattering behavior of the main crops and other land cover classes in the study area. The results showed that the backscatter increased with the phenological development of the monitored crops (rice, watermelon, peanuts, and winter crops), strongly for the VH and VV bands, and slightly for the VH/VV ratio. The other classes (water, built-up, forest, fruit trees, permanent vegetation, greenhouses, and bare lands) did not show significant variation during this period. Based on the backscattering analysis and the field data, a supervised classification was carried out, using the Random Forest Classifier (RF) algorithm. Results showed that radiometric characteristics and 6 days time resolution covered by Sentinel-1 constellation gave a high classification accuracy by dual-polarization with Radar Ratio (VH/VV) or Radar Vegetation Index and textural features (between 74.07% and 75.19%). Accordingly, this study proves that the Sentinel-1 data provide useful information and a high potential for multi-temporal analyses of crop monitoring, and reliable land cover mapping which could be a practical source of information for various purposes in order to undertake food security issues.

[ES] La teledetección se ha convertido en una herramienta cada vez más fiable para cartografiar la cubierta vegetal y controlar las tierras de cultivo. Gran parte de los trabajos realizados en este campo utilizan datos ópticos de teledetección. Además, en Marruecos, los datos de teledetección activa siguen estando infrautilizados, a pesar de su importancia para el seguimiento de la dinámica espacial y temporal de la cubierta vegetal y de los cultivos, incluso con tiempo nublado. Este estudio tiene como objetivo explorar el potencial de los datos de la banda C de Sentinel-1 en la producción de una cartografía de alta resolución de la cubierta del suelo y la clasificación de los cultivos dentro del paisaje agrícola de la cuenca del Loukkos de regadío en el norte de Marruecos. Este trabajo se ha realizado utilizando 33 imágenes de doble polarización vertical-vertical (VV) y vertical-horizontal (VH). Las imágenes fueron adquiridas en órbitas ascendentes entre el 16 de abril y el 25 de octubre de 2020, con el propósito de rastrear el comportamiento de retrodispersión de los principales cultivos y otras clases de cobertura del suelo en el área de estudio. Los gráficos obtenidos muestran que la retrodispersión aumenta con el desarrollo fenológico de los tres cultivos monitorizados (arroz, sandía, cacahuetes, cultivos de invierno), fuertemente para las bandas VH y VV, y ligeramente para el ratio VH/VV. Las otras clases (agua, edificado, bosque, árboles frutales, vegetación permanente, invernaderos y tierras desnudas) no muestran una variación significativa durante este periodo. A partir del análisis de retrodispersión y de los datos de campo, se llevó a cabo una clasificación supervisada, utilizando el algoritmo Random Forest Classifier (RF). Los resultados muestran que las características radiométricas y la resolución temporal para los 6 días cubiertos por la constelación Sentinel-1 dan una alta precisión de clasificación por polarización dual con Ratio de Radar (VH/VV) o Índice de Vegetación de Radar y características de la textura (entre 74,07% y 75,17%). En consecuencia, este estudio demuestra que los datos de Sentinel-1 proporcionan información útil y un alto potencial para los análisis multitemporales de seguimiento de los cultivos, así como una cartografía fiable de la cubierta terrestre que debería ser una fuente de información práctica para para varios propósitos a fin de acometer cuestiones de seguridad alimentaria.