An Assessment of Simulated Compact Polarimetric SAR Data for Wetland Classification Using Random Forest Algorithm

摘要

Synthetic aperture radar (SAR) compact polarimetry (CP) systems are of great interest for large arearnmonitoring because of their ability to acquire data in a wider swath compared to full polarimetry (FP)rnsystems and a significant improvement in information content compared to single or dual polarimetryrn(DP) sensors. In this study, we compared the potential of DP, FP, and CP SAR data for wetland classificationrnin a case study located in Newfoundland, Canada. The DP and CP data were simulated usingrnfull polarimetric RADARSAT-2 data. We compared the classification results for different input featuresrnusing an object-based random forest classification. The results demonstrated the superiority of FPrnimagery relative to bothDP and CP data. However, CP indicated significant improvements in classificationrnaccuracy compared to DP data. An overall classification accuracy of approximately 76% and 84%rnwas achieved with the inclusion of all polarimetric features extracted from CP and FP data, respectively.rnIn summary, although full polarimetric SAR data provide the best classification accuracy, thernresults demonstrate the potential of RADARSAT ConstellationMission formappingwetlands in a largernlandscape.%Les systèmes de polarité compacte (CP) à radar à ouverture synthétique (RS) sont très intéressantsrnpour la surveillance de grande surface en raison de leur capacité à acquérir des données dansrnun rayon plus large par rapport aux systèmes de Polarimétrie complète (FP) et une améliorationrnsignificative de l’information par rapport à un seul ou double Capteurs de polarimétrie (DP). Dansrncette étude, nous avons comparé le potentiel des données DP, FP et CP SAR pour la classification desrnzones humides dans une étude de cas située à Terre-Neuve, au Canada. Les données DP et CP ont étérnsimulées en utilisant des données RADARSAT-2 polarimétriques complètes. Nous avons comparé lesrnrésultats de la classification pour différentes caractéristiques d’entrée en utilisant une classificationrnde forêt aléatoire basée sur l’objet. Les résultats ont démontré la supériorité de l’imagerie FP parrnrapport aux données DP et CP. Cependant, le CP a indiqué des améliorations significatives dans larnprécision de la classification par rapport aux données DP. Une précision globale de la classificationrnd’environ 76% et 84% a été obtenue avec l’inclusion de toutes les caractéristiques polarimétriquesrnextraites des données CP et FP, respectivement. L’étude a démontré que les variables importantes nonrncorrélées ont amélioré la précision de la classification lorsque la RF était utilisée pour la classification.rnEn résumé, bien que les données SAR polarimétriques complètes fournissent la meilleure précisionrnde classification, les résultats démontrent le potentiel des données du CP RADARSAT ConstellationrnMission pour la cartographie des zones humides dans un grand paysage.