Pixel-based classification algorithm for mapping urban footprints from radar data: a case study for RADARSAT-2

Abstract

The process of rapid urbanization is attended by various adverse effects on the society, the ecology, and the economy. Effective urban and regional planning is the key to minimizing these effects and the impact on the people who live in cities. For this reason, detailed geospatial information on urban dynamics is needed, which can help to analyze and understand the process of urbanization. Different studies have shown that high-resolution radar imagery is an excellent basis for classifying, monitoring, and analyzing the outline and spatio-temporal development of urban agglomerations. Specifically, the analysis of texture information based on local speckle characteristics has shown its ability to generate large area urban maps. In this study a pixel-based, fully automatic classification approach developed for TerraSAR-X StripMap data was transferred and applied to five RADARSAT-2 images acquired in ultra-fine mode. The algorithm was applied to data from the cities of Mannheim and Ludwigshafen and their rural surroundings in Germany. The classification approach was validated for its multisensoral transferability and robustness. A relative comparison to a TerraSAR-X classification and an absolute comparison to a reference dataset show promising results and allow for the conclusion that the methodology can be fully applied to RADARSAT-2 data.

Le processus d'urbanisation rapide est accompagné de divers effets négatifs sur la société, l'écologie et l'économie. La mise en place d'une politique de planification urbaine et régionale efficace constitue la meilleure façon de minimiser ces effets et leur impact sur la population habitant dans les villes. Dans ce contexte, une information géospatiale détaillée sur la dynamique urbaine est essentielle, celle-ci facilitant l'analyse et la compréhension du processus d'urbanisation. Différentes études ont montré que les images radar à haute résolution constituent une excellente base pour la classification, le suivi et l'analyse des limites et du développement spatiotemporel des agglomérations urbaines. En particulier, l'analyse de l'information texturale basée sur les caractéristiques locales du chatoiement a montré son utilité pour la génération de cartes urbaines à grande échelle. Dans cette étude, une approche de classification entièrement automatique basée sur les pixels développée pour les données StripMap de TerraSAR-X est transférée, puis appliquée à cinq images de RADARSAT-2 acquises en mode ultra-fin. L'algorithme est appliqué aux données des villes de Mannheim et de Ludwigshafen ainsi que de leur milieu rural environnant, en Allemagne. L'approche de classification est validée pour sa transférabilité multi-capteurs et sa robustesse. Une comparaison relative avec une classification TerraSAR-X et une comparaison absolue par rapport à un ensemble de données de référence donnent des résultats prometteurs et permettent de conclure que la méthodologie peut s'appliquer entièrement aux données de RADARSAT-2.

[Traduit par la Rédaction]

Acknowledgement

The authors would like to thank the TerraSAR-X Science Team and the Science and operational applications reseach (SOAR) project of Canadian Space Agency for providing the SAR data for this study. Furthermore we would like to thank Tobias Leichtle for his great support.