Mapping Rice Production Typology Using Sentinel-1 Time Series Similarity Analysis to Support Climate Resilient Agriculture in the Vietnamese Mekong Delta

Rice production in the Vietnamese Mekong Delta (VMD) faces rising climate and ecological challenges, prompting national policies to reduce cropping intensity and restore floodplain functions. Synthetic Aperture Radar (SAR) is an effective tool for continuous rice production monitoring, as it is less affected by cloud cover. As such, it can capture complete phenological cycles of rice growth and enable differentiation of rice typologies. This research developed an object-based classification framework using SAR backscatter time series data and Dynamic Time Warping (DTW) to map the Triple Rice and Double Rice production typologies. Landscape segmentation was implemented to delineate homogeneous units for object-based analysis. Sentinel-1 backscatter time series were generated for each unit to capture annual temporal dynamics. Using t-SNE and HDBSCAN clustering, the predominant temporal patterns within the VMD were identified. By associating these with field survey labels, reference temporal profiles for Double and Triple Rice were defined. Finally, landscape units were assigned to rice typologies with the most similar temporal profiles, and the similarity was measured using DTW. This framework was implemented for two years (2019 and 2022). Its accuracy exceeded 83% for 2022. A comparison between 2019 and 2022 indicates a clear transition toward lower cropping intensity. La production rizicole dans le delta du M & eacute;kong vietnamien (DMV) est confront & eacute;e & agrave; des d & eacute;fis climatiques et & eacute;cologiques croissants, ce qui a incit & eacute; les autorit & eacute;s nationales & agrave; mettre en oe uvre des politiques visant & agrave; r & eacute;duire l'intensit & eacute; des cultures et & agrave; restaurer les fonctions des plaines inondables. Le radar & agrave; synth & egrave;se d'ouverture (RSO) est un outil efficace pour le suivi continu de la production rizicole, car il est moins sensible & agrave; la couverture nuageuse. Il permet ainsi de saisir l'int & eacute;gralit & eacute; des cycles ph & eacute;nologiques de la croissance du riz et de diff & eacute;rencier les typologies de riz. Notre recherche a permis de d & eacute;velopper un cadre de classification orient & eacute;-objet utilisant des donn & eacute;es de s & eacute;ries temporelles de r & eacute;trodiffusion RSO du capteur Sentinel-1 et la technique de d & eacute;formation temporelle dynamique (DTD) afin de cartographier les typologies de production de riz triple et de riz double.Une segmentation du paysage a & eacute;t & eacute; appliqu & eacute;e afin de d & eacute;limiter des unit & eacute;s homog & egrave;nes pour une analyse orient & eacute;e-objet. Des s & eacute;ries temporelles de donn & eacute;es de r & eacute;trodiffusion Sentinel-1 ont & eacute;t & eacute; g & eacute;n & eacute;r & eacute;es pour chaque unit & eacute; afin d'analyser les dynamiques temporelles annuelles. Gr & acirc;ce aux algorithmes de clustering t-SNE et HDBSCAN, les principaux sch & eacute;mas temporels au sein du DMV ont & eacute;t & eacute; identifi & eacute;s. En les associant aux & eacute;tiquettes des relev & eacute;s de terrain, des profils temporels de r & eacute;f & eacute;rence pour le riz double et le riz triple ont & eacute;t & eacute; d & eacute;finis. Enfin, les unit & eacute;s paysag & egrave;res ont & eacute;t & eacute; rattach & eacute;es aux typologies de riz pr & eacute;sentant les profils temporels les plus similaires, et la similarit & eacute; a & eacute;t & eacute; mesur & eacute;e & agrave; l'aide de la DTD. Cette analyse a & eacute;t & eacute; appliqu & eacute;e sur deux ann & eacute;es (2019 et 2022). Sa pr & eacute;cision a d & eacute;pass & eacute; 83 % en 2022. Une comparaison entre 2019 et 2022 indique une nette transition vers une intensit & eacute; de culture plus faible.