Mapping wetlands using multi-temporal RADARSAT-1 data and a decision-based classifier

Abstract

The purpose of this study was to determine the suitability of multi-temporal RADARSAT-1 data and a decision classifier for mapping the Lower Islands of the Paraná Delta wetland in Argentina. The information-extraction strategy was based on identification of the interaction mechanisms occurring between the radar signal and the canopy, considering different vegetation phenology and flood conditions. Such information was used in the design of a decision classifier to obtain a land cover map. In addition, results were compared with those obtained from an iterative optimization clustering procedure (ISODATA algorithm). The quality of the maps obtained was assessed by an error matrix evaluation. The decision classifier was able to discriminate among land cover types with an overall accuracy on the order of 85%, and ISODATA had an overall accuracy of 81%. Two of the available scenes were taken during the high flood of the El Niño event of 1998, and the results obtained also show that RADARSAT-1 data are quite effective not only in delineating the inundation area, but also in identifying the flood condition of each of the land cover types considered. Two main conclusions are derived from this research: (1) the need for multi-temporal SAR data acquired under different environmental conditions for mapping wetlands, and (2) the advantages and flexibility of physically based reasoning classifiers for synthetic aperture radar (SAR) data classification.

L'objectif de cette étude visait à déterminer l'applicabilité des données multidates RADARSAT-1 et d'un classificateur décisionnel pour la cartographie des Îles inférieures situées dans la zone des terres humides du delta de Paraná, en Argentine. La stratégie d'extraction de l'information était basée sur l'identification des mécanismes d'interaction existant entre le signal radar et le couvert en fonction de différentes phénologies de la végétation et des conditions d'inondation. Cette information a été utilisée dans la conception d'un classificateur décisionnel pour obtenir une carte de couverture du sol. De plus, les résultats ont été comparés avec les résultats obtenus par le biais d'une procédure itérative d'optimisation par regroupement (algorithme ISODATA). La qualité des cartes obtenues a été évaluée à l'aide d'une matrice d'erreurs. Il a été déterminé que le classificateur décisionnel était capable de distinguer les différentes couvertures du sol avec une précision globale de l'ordre de 85% alors qu'ISODATA présentait une précision globale de 81%. Deux des scènes disponibles ont été acquises durant les hautes crues de l'événement d'El Niño de 1998 et les résultats obtenus démontrent également que les données RADARSAT-1 sont particulièrement efficaces non seulement dans la délimitation des zones d'inondation mais aussi dans l'identification des conditions d'inondation de chacun des types de couvert considérés. Cette recherche a permis de mettre en relief : (1) la nécessité d'utiliser des données RSO multidates acquises dans différentes conditions environnementales pour la cartographie des terres humides, et (2) les avantages et la flexibilité des classificateurs par raisonnement basés sur des mesures physiques pour la classification des données RSO.[Traduit par la Rédaction]