You could use visual patterns in time series of the Google Earth Pro.

For example: 

https://www.researchgate.net/publication/325556608_Combining_simple_and_free_geotechnologies_to_assess_land_usescovers_QGIS_and_Google_Earth_Pro_Integrando_geotecnologias_simples_e_gratuitas_para_avaliar_usoscoberturas_da_terra_QGIS_e_Google_Earth_Pro

My regards.

any approach, the true classification requires knowledge of field

In order to obtain an accurate results you need to collect samples from agriculture land because this process is normally supervised. In addition. even if you used a library to do so also you need samples from agriculture land to validate your results.

Dear Shaimaa Ahmed,

you can go for knowledge based classification or Supervise classification by ArcGIS software. first generate signature by collecting sample from field for particular crops. than classified satellite image in to class agriculture and non-agriculture.. after that reclassify (as a supervise classification)to agriculture class using crops signature..

also you can read following articles

Article Impact of Wheat and Mustard Crop Water Requirements on Water...

Article ESTIMATION OF CROP COEFFICIENTS USING REMOTE SENSING AND GIS...

Thank you all.

Best Regards

Estimo que cada cultivo tiene diferentes etapas de crecimiento, formas de cultivar, densidad de plantas, disposición de las sombras (principalmente). Nunca he trabajado con cultivos, pero estimo que si vos podés localizar cada cultivo y establecés su espectral, después va a ser cuestión de que hagas una clasificación supervizada en ArcGIS o algún SIG que trabaje con ello. Incluso, podrías buscar combinaciones de bandas RGB ideales para cada cultivo y hacer una clasificación no supervizada. Me atrevo a decir que deberías notar grandes diferencias, ya que la caña de azúcar alcanza los 3 m y el algodón deja expuesto suelo desnudo.