Recientemente, los datos del Radar de Apertura Sintética (SAR), especialmente los datos del Sentinel-1, han sido utilizados cada vez más en la investigación de la cartografía del arroz. Sin embargo, los estudios actuales suelen utilizar series temporales largas como fuente de datos para representar las diferencias entre el arroz y otros objetos terrestres, especialmente otros cultivos, lo que resulta en modelos complejos y una gran complejidad computacional durante la clasificación. Para abordar este problema, se propone un método novedoso para la cartografía del arroz de una sola temporada, basado en el principio de que el mecanismo de dispersión de los arrozales en el período de inundación temprana está fuertemente influenciado por cuerpos de agua, lo que provoca que la dispersión de volumen sea menor que la de otros cultivos. Por lo tanto, se construyó una combinación de características que pueden extraer de manera efectiva y estable las áreas de siembra de arroz combinando la dispersión de volumen multi-temporal en el período de inundación temprana del arroz utilizando datos SAR de doble polarización, de modo que un modelo simple de segmentación semántica pudiera realizar tareas de cartografía de arroz de alta precisión. Se introdujo una estructura de segmentación de dos etapas para mejorar aún más el resultado de la cartografía con el modelo de Segmentación Residual de Convolución Dinámica Omnidimensional (modelo ODCRS) como modelo base. En el experimento, la ciudad de Suihua, provincia de Heilongjiang, fue seleccionada como sitio de estudio, y los datos polarizados VH/VV del satélite Sentinel-1 en 2022 fueron utilizados como fuente de datos. La precisión de la cartografía del modelo ODCRS fue del 88.70%, y la precisión del usuario fue del 84.19% en los datos de la encuesta de campo. Además, experimentos con diferentes años y regiones también demostraron la efectividad y estabilidad del método propuesto.