DETERMINACIÓN DE UN MODELO DIGITAL DE …repository.udistrital.edu.co/bitstream/11349/5915/1/Hernandez... · de Ingeniería Catastral y Geodesia de la Universidad Distrital Francisco

DETERMINACIÓN DE UN MODELO DIGITAL DE ELEVACIÓN A

PARTIR DE IMÁGENES DE RADAR SENTINEL-1 USANDO

INTERFEROMETRÍA SAR

CAMILO ANDRÉS GUERRERO RÍOS

PAOLA ANDREA HERNÁNDEZ CÁRDENAS

Universidad Distrital Francisco José de Caldas

Facultad de Ingeniería

Proyecto Curricular de Ingeniería Catastral y Geodesia

Bogotá, Mayo de 2017

DETERMINACIÓN DE UN MODELO DIGITAL DE ELEVACIÓN A PARTIR DE

IMÁGENES DE RADAR SENTINEL-1 USANDO INTERFEROMETRÍA SAR

TRABAJO DE GRADO EN MODALIDAD DE MONOGRAFÍA PARA OPTAR AL

TÍTULO DE INGENIERO CATASTRAL Y GEODESTA

CAMILO ANDRÉS GUERRERO RÍOS

20081025038

PAOLA ANDREA HERNÁNDEZ CÁRDENAS

20081025047

CARLOS GERMÁN RAMIREZ

Director


Facultad de Ingeniería

Proyecto Curricular de Ingeniería Catastral y Geodesia

Bogotá, Mayo de 2017

Nota de Aceptación

Director de la Tesis

Jurado

Bogotá, D.C, Mayo de 2017


Determinación de un Modelo Digital de Elevación a partir de imágenes

de radar SENTINEL-1 usando interferometría SAR

4

AGRADECIMIENTOS

Los autores expresan sus agradecimientos a:

Carlos Germán Ramírez, Ingeniero Geógrafo, docente del proyecto curricular de Ingeniería

Catastral y Geodesia de la Universidad Distrital Francisco José de Caldas, director del

proyecto, por su apoyo, colaboración, continua orientación y contribución académica, para

la realización de este proyecto.

José Luis Herrera Escorcia, Ingeniero Catastral y Geodesta, docente del proyecto curricular

de Ingeniería Catastral y Geodesia de la Universidad Distrital Francisco José de Caldas,

asesor del proyecto, por sus aportes académicos y completa orientación desde el inicio del

proyecto.

Luz Ángela Rocha Salamanca, Ingeniera Catastral y Geodesta, docente del proyecto

curricular de Ingeniería Catastral y Geodesia de la Universidad Distrital Francisco José de

Caldas, evaluador del proyecto, por sus valiosos aportes académicos y sugerencias para la

realización de este proyecto.




5

CONTENIDO

1. INTRODUCCIÓN .......................................................................................... 14

2. ANTEPROYECTO ......................................................................................... 15

2.1. Formulación del Problema ................................................................................... 15

2.2. Justificación ......................................................................................................... 15

2.3.1. Objetivo General: ......................................................................................... 16

2.3.2. Objetivos Específicos: .................................................................................. 16

3. MARCO TEÓRICO ........................................................................................ 18

3.1. Teledetección ....................................................................................................... 18

3.2 Sistemas de radar ................................................................................................. 18

3.2.1 Principios básicos del radar .......................................................................... 19

3.2.2 Tipos de radar............................................................................................... 20

3.3 Radar de apertura sintética SAR .......................................................................... 21

3.3.1 Historia de los sistemas SAR ....................................................................... 22

3.3.2 Principios básicos de los sistemas SAR ....................................................... 22

3.3.3 Ecuación de radar ......................................................................................... 25

3.3.4 Características orbitales de los sistemas SAR .............................................. 26

3.3.5 Formación de las imágenes de radar SAR ................................................... 27

3.3.6 Procesamiento para la formación de una imagen de radar SAR .................. 29

3.3.6.1 Procesos realizados a bordo de la plataforma satelital ............................. 30

3.3.6.2 Procesos realizados por el usuario ........................................................... 32

3.3.7 Modos de adquisición .................................................................................. 33

3.3.8 Geometría de la adquisición SAR ................................................................ 34

3.3.9 Distorsiones geométricas y geográficas ....................................................... 36

3.3.9.1 Geolocalización ........................................................................................ 36

3.3.9.2 Geocodificación ....................................................................................... 36

3.3.9.3 Calibración radiométrica .......................................................................... 37

3.3.9.4 Normalización radiométrica ..................................................................... 38

3.3.9.5 Distorsiones inducidas por el terreno ....................................................... 38

3.3.10 Resoluciones de las imágenes SAR ............................................................. 39

3.4 Interferometría SAR (InSAR) .............................................................................. 42

3.4.1 Procesamiento para la generación de un interferograma ............................. 43

3.4.1.1 Estimación línea base ............................................................................... 43




6

3.4.1.2 Coherencia estimada ................................................................................ 44

3.4.1.3 Formación del interferograma .................................................................. 44

3.4.1.4 Aplanamiento del interferograma ............................................................ 48

3.4.1.5 Coherencia corregida ............................................................................... 49

3.4.1.6 Desenvolvimiento de la fase interferométrica .......................................... 50

3.4.2 Aplicaciones de InSAR ................................................................................ 52

3.4.2.1 Generación modelo digital de elevación DEM ........................................ 52

3.4.2.2 Conversión de fase a desplazamiento ...................................................... 52

3.5 Modelo digital de elevación DEM ....................................................................... 53

3.5.1 Definición de un DEM ................................................................................. 53

3.5.2 Representación de datos de un DEM ........................................................... 53

3.5.3 Tipos de estructuras de un DEM .................................................................. 54

3.6 Programa, sistema, sensor .................................................................................... 55

3.6.1 Programa Copérnico .................................................................................... 55

3.6.2 Sistema Sentinel 1 ........................................................................................ 56

3.6.2.1 Especificaciones del sistema SENTINEL 1 ............................................. 57

3.6.2.2 Descripción de la plataforma satelital ...................................................... 57

3.6.2.3 Orbita ....................................................................................................... 58

3.6.2.4 Mediciones geofísicas sistema Sentinel 1 ................................................ 59

3.6.2.5 Especificaciones del instrumento a bordo del Sentinel 1 ......................... 59

3.6.3 Segmento terrestre........................................................................................ 59

3.6.3.1 Segmento básico terrestre (CGS) ............................................................. 60

3.6.3.2 Segmento terrestre colaborativo ............................................................... 63

3.6.3.3 Segmento básico terrestre para la misión aportante del programa

Copérnico ................................................................................................................. 65

3.6.4 Modos de adquisición del sistema Sentinel 1 .............................................. 65

3.6.4.1 Stripmap (SM) ......................................................................................... 66

3.6.4.2 Interferometric wide swath (IW) .............................................................. 67

3.6.4.3 Extra wide swath (EW) ............................................................................ 70

3.6.4.4 Wabe Mode (WV) .................................................................................... 71

3.6.5 Formatos de imágenes y niveles de procesamiento ..................................... 73

3.6.5.1 Nivel 0 ...................................................................................................... 73




7

3.6.5.2 Nivel 1 ...................................................................................................... 73

3.6.5.3 Nivel 2 ...................................................................................................... 74

3.6.6 Resoluciones de los productos Sentinel 1 .................................................... 75

3.6.6.1 Nivel 1 Single Look Complex (SLC) ...................................................... 75

3.6.6.2 Nivel 1 Ground Range Detected (GRD) .................................................. 76

3.6.6.3 Nivel 2 Ocean........................................................................................... 77

3.6.7 Nomenclatura de los productos Sentinel 1 ................................................... 77

3.6.8 Formatos archivos Sentinel .......................................................................... 78

3.6.9 Aplicaciones de los productos Sentinel 1..................................................... 79

4 METODOLOGÍA ........................................................................................... 80

4.1 Materiales ............................................................................................................. 81

4.1.1 Imágenes ...................................................................................................... 81

4.1.2 DEM SRTM ................................................................................................. 82

4.1.3 Datos RINEX ............................................................................................... 82

4.1.4 Software ....................................................................................................... 83

4.1.4.1 Sentinel-1 Toolbox (S1TBX) ................................................................... 83

4.1.4.2 Cygwin64 ................................................................................................. 84

4.1.4.3 SNAPHU .................................................................................................. 85

4.1.5 Hardware ...................................................................................................... 85

4.2 Zona de estudio .................................................................................................... 85

4.3 Métodos................................................................................................................ 86

4.3.1 Corregistro de imágenes ............................................................................... 86

4.3.2 Formación del interferograma ...................................................................... 88

4.3.3 Deburst ......................................................................................................... 90

4.3.4 Filtro Goldstein ............................................................................................ 91

4.3.5 Desenvolvimiento de fase (Phase Unwrapping) .......................................... 92

4.3.6 Formación del DEM..................................................................................... 93

4.3.7 Georreferenciación del DEM y correcciones geométricas ........................... 93

5 RESULTADOS Y ANÁLISIS .......................................................................... 94

5.1 Modelo obtenido .................................................................................................. 94

5.2 Comparación de los DEM (Sentinel vs SRTM) ................................................... 95

5.2.1 Comparación visual del área ........................................................................ 95




8

5.2.2 Comparación de perfiles ............................................................................ 102

5.3 Comparación con las estaciones de la red Magna ECO ..................................... 106

5.4 Análisis estadístico a partir de puntos aleatorios ............................................... 107

5.4.1 Análisis para el área total del DEM ........................................................... 108

5.4.2 Análisis para el área urbana de Bogotá ...................................................... 112

6 CONCLUSIONES ........................................................................................ 115

7 ANEXOS ..................................................................................................... 117

8 REFERENCIAS ........................................................................................... 120

Índice de Tablas.

Tabla 1: [SAR vs otros instrumentos de observación terrestre].Información obtenida de

(SARMAP, 2009). ............................................................................................................... 19

Tabla 2: [Características de las bandas]. Información obtenida de (SARMAP, 2009). ...... 23

Tabla 3: [Tipos de estructuras según la representación de los datos]. Elaboración propia a

partir de información obtenida de (Felicísimo, 1994) .......................................................... 54

Tabla 4: [Especificaciones sistema Sentinel 1]. Elaboración propia a partir de información

obtenida de (Attema, y otros, 2007) ..................................................................................... 57

Tabla 5: [Centros PDG´s]. Elaboración propia a partir de información obtenida de

(European Space Agency, 2013) .......................................................................................... 62

Tabla 6: [Funciones del Segmento para las operaciones de vuelo]. Elaboración propia a

partir de información obtenida de (European Space Agency, 2013) ................................... 63

Tabla 7: [Servicios del Segmento terrestre colaborativo]. Elaboración propia a partir de

información obtenida de (European Space Agency, 2013) .................................................. 64

Tabla 8: [Modos de adquisición SENTINEL 1]. Información obtenida de (European Space

Agency, 2013) ...................................................................................................................... 65

Tabla 9: [Características modo de adquisición Stripmap SM]. Información obtenida de


Tabla 10: [Ángulos de haces para el modo de adquisición Stripmap SM]. Información

obtenida de (European Space Agency, 2013) ...................................................................... 67

Tabla 11: [Características modo de adquisición Interferometric wide swath IW].

Información obtenida de (European Space Agency, 2013) ................................................. 69

Tabla 12: [Ángulos de haces para el modo de adquisición Interferometric wide swath IW].


Tabla 13: [Características modo de adquisición Extra wide swath EW]. Información


Tabla 14: [Ángulos de haces para el modo de adquisición Extra wide swath EW].


Tabla 15: [Características modo de adquisición Wave mode WV]. Información obtenida de


Tabla 16: [Ángulos de haces para el modo de adquisición Wave mode WV]. Información





9

Tabla 17: [Esquema de niveles de procesamiento de los productos de SENTINEL 1].

Elaboración propia a partir de información obtenida de (European Space Agency, 2013) . 73

Tabla 18: [Resolución por modos de adquisición para el nivel 1 SLC]. Información


Tabla 19: [Full Resolución nivel 1 GRD]. Información obtenida de (European Space

Agency, 2013) ...................................................................................................................... 76

Tabla 20: [Resolución alta nivel 1 GRD]. Información obtenida de (European Space

Agency, 2013) ...................................................................................................................... 76

Tabla 21: [Resolución media nivel 1 GRD]. Información obtenida de (European Space

Agency, 2013) ...................................................................................................................... 76

Tabla 22: [Aplicaciones según los modos de adquisición de SENTINEL 1]. Información


Tabla 23: [Características de las imágenes usadas]. Elaboración propia a partir de

información obtenida de (European Space Agency, 2013) .................................................. 81

Tabla 24: [Resúmenes estadísticos diferenciados para los dos modelos (Sentinel, SRTM)].

Elaboración propia a partir de información obtenida del software Sentinel Toolbox ......... 97

Tabla 25: [Resúmenes estadísticos diferenciados para los dos modelos (Sentinel, SRTM),

para la zona urbana de la ciudad de Bogotá]. Elaboración propia a partir de información

obtenida del software ArcGIS ............................................................................................ 101

Tabla 26: [Comparación alturas estaciones red Magna ECO vs DEM Sentinel vs DEM

SRTM]. Elaboración propia a partir de información obtenida de ((IGAC), 2017) y del

software Sentinel Toolbox ................................................................................................. 107

Tabla 27: [Resumen estadístico de los puntos aleatorios DEM Sentinel vs DEM SRTM].

Elaboración propia a partir de información obtenida del software estadístico R ............... 108

Tabla 28: [Percentiles DEM Sentinel vs DEM SRTM]. Elaboración propia a partir de

información obtenida del software estadístico R ............................................................... 109

Tabla 29: [Resumen estadístico de los puntos aleatorios DEM Sentinel vs DEM SRTM de

la zona urbana de la ciudad de Bogotá]. Elaboración propia a partir de información

obtenida del software estadístico R .................................................................................... 112

Tabla 30: [Percentiles DEM Sentinel vs DEM SRTM de la zona urbana de la ciudad de

Bogotá]. Elaboración propia a partir de información obtenida del software estadístico R 112

Índice de Ilustraciones

Ilustración 1: [Componentes de una onda electromagnética]. Elaboración propia a partir de

información obtenida de (Torres, 2013). ............................................................................. 23

Ilustración 2: [Penetración de cada banda para diferentes tipos de coberturas]. Elaboración

propia a partir de información obtenida de (SARMAP, 2009). ........................................... 24

Ilustración 3: [Retro dispersión de diferentes objetos en la superficie terrestre]. Elaboración

propia a partir de información obtenida de (SARMAP, 2009). ........................................... 28

Ilustración 4: [Representación del doble rebote]. Elaboración propia a partir de información

obtenida de (SARMAP, 2009). ............................................................................................ 29




10

Ilustración 5: [Diagrama ubicación cartesiana de las componentes real e imaginaría de una

imagen de radar]. Información obtenida de (Torres, 2013). ................................................ 31

Ilustración 6: [Relación rango inclinado y rango terrestre). Elaboración propia a partir de

información obtenida de (SARMAP, 2009) ........................................................................ 35

Ilustración 7: [Distorsiones de las imágenes de radar]. Elaboración propia a partir de

información obtenida de (SARMAP, 2009) ........................................................................ 38

Ilustración 8: [Descripción física de la resolución azimutal de un SAR]. Elaboración propia

a partir de información obtenida de (SARMAP, 2009) ....................................................... 41

Ilustración 9: [Aspectos básicos de un sistema satelital interferométrico SAR]. Elaboración

propia a partir de información obtenida de (Ferretti, Monti-Guarnieri, Prati, & Rocca,

2007) .................................................................................................................................... 43

Ilustración 10: [Aspectos geométricos de un sistema interferométrico SAR]. Elaboración

propia a partir de información obtenida de (Mangla & Kumar, 2014) ................................ 46

Ilustración 11: [Fase interferométrica de Pico de Fogó en cabo Verde costa de África].

Obtenido de (Veci, 2016) ..................................................................................................... 47

Ilustración 12: [Interferograma aplanado de la fase interferométrica de Pico de Fogó en

cabo Verde costa de África]. Obtenido de (Veci, 2016) ...................................................... 49

Ilustración 13: [Imagen de mapa de coherencia Pico de Fogó en cabo Verde costa de

África]. Obtenido de (Veci, 2016) ....................................................................................... 50

Ilustración 14: [Fase desenvuelta de Pico de Fogó en cabo Verde costa de África].

Obtenido de (Veci, 2016) ..................................................................................................... 51

Ilustración 15: [Mapa de cobertura global de las imágenes proporcionadas por la

constelación Sentinel 1]. Información obtenida de (European Space Agency, 2013) ......... 56

Ilustración 16: [Representación física satélites Sentinel 1]. Información obtenida de


Ilustración 17: [Diagrama de la distribución del segmento terrestre]. Elaboración propia a

partir de información obtenida de (European Space Agency, 2013) ................................... 60

Ilustración 18: [Gráfica donde se muestran los diferentes modos de adquisición de Sentinel

1]. Información obtenida de (European Space Agency, 2013) ............................................ 66

Ilustración 19: [Ejemplo imagen SM, sobre el área de Leticia Colombia]. Elaboración

propia a partir de información obtenida de (ESA, 2017) ..................................................... 67

Ilustración 20: [Funcionamiento del escáner TOPSAR]. Información obtenida de (Zan &

Guarnieri, 2006) ................................................................................................................... 68

Ilustración 21: [Ejemplo imagen IW sobre una parte del área de Cundinamarca Colombia].

Elaboración propia a partir de información obtenida de (ESA, 2017) ................................. 70

Ilustración 22: [Ejemplo imagen EW sobre una parte de la frontera de Colombia con Brasil

y Perú]. Elaboración propia a partir de información obtenida de (ESA, 2017) ................... 71

Ilustración 23: [Ejemplo imagen WV]. Elaboración propia a partir de información obtenida

de (ESA, 2017)..................................................................................................................... 72

Ilustración 24: [Ejemplo nomenclatura imágenes IW Sentinel 1]. Elaboración propia a

partir de información obtenida de (ESA, 2017) ................................................................... 77

Ilustración 25: [Diagrama de flujo del proceso metodológico del proyecto]. Elaboración

propia. .................................................................................................................................. 80




11

Ilustración 26: [Imágenes SAR 11 de octubre 2017 y 17 de octubre de 2017]. Elaboración

propia a partir de información obtenida de (ESA, 2017) ..................................................... 82

Ilustración 27: [Imagen zona de estudio]. Obtenida del Software Sentinel Toolbox. ......... 86

Ilustración 28: [Proceso corregistro]. Elaboración propia a partir de información obtenida

de (ESA European Space Agency, 2017) ............................................................................ 87

Ilustración 29: [Imagen que muestra la distribución de las bandas (sub-swath) de la imagen

IW SCL de la zona de estudio]. Elaboración propia. ........................................................... 88

Ilustración 30: [imagen que muestra el resultado del corregistro de la imagen maestra y la

imagen esclava]. Elaboración propia. .................................................................................. 88

Ilustración 31: [Resultados de coherencia de la zona de estudio]. Elaboración propia ....... 89

Ilustración 32: [Histograma niveles de coherencia zona de estudio]. Elaboración propia a

partir de información obtenida del software Sentinel Toolbox. ........................................... 89

Ilustración 33: [Fase interferométrica de la zona de estudio]. Elaboración propia a partir de

información obtenida del software Sentinel Toolbox. ......................................................... 90

Ilustración 34: [Imagen sin corregir e imagen corregida]. Elaboración propia a partir de


Ilustración 35: [Resultados aplicación filtro Goldstein a la fase interferométrica].

Elaboración propia a partir de información obtenida del software Sentinel Toolbox. ........ 91

Ilustración 36: [Fase interferométrica desenvuelta]. Elaboración propia a partir de


Ilustración 37: [DEM resultado a partir de imágenes SAR Sentinel 1]. Elaboración propia a

partir de información obtenida del software Sentinel Toolbox. ........................................... 93

Ilustración 38: [DEM georreferenciado y orto rectificado]. Elaboración propia a partir de


Ilustración 39: [DEM obtenido mediante imágenes Sentinel 1]. Elaboración propia .......... 95

Ilustración 40: [ a) DEM Sentinel; b) DEM SRTM]. Elaboración propia ........................... 96

Ilustración 41: [Histogramas DEM Sentinel y DEM SRTM]. Elaboración propia a partir de

información obtenida del Software Sentinel Toolbox ......................................................... 96

Ilustración 42: [Mapa de diferencias DEM Sentinel - DEM SRTM]. Elaboración propia .. 98

Ilustración 43: [Mapa de diferencias absolutas DEM Sentinel – DEM SRTM]. Elaboración

propia ................................................................................................................................... 99

Ilustración 44: [ a) DEM Sentinel sobre la zona urbana de Bogotá; b) DEM SRTM sobre la

zona urbana de Bogotá]. Elaboración propia ..................................................................... 100

Ilustración 45: [Histogramas DEM Sentinel y DEM SRTM de la zona urbana de la ciudad

de Bogotá]. Elaboración propia a partir de datos obtenidos del software ArcGIS. ........... 100

Ilustración 46: [Mapa de diferencias absolutas DEM Sentinel – DEM SRTM en la zona

urbana de la ciudad de Bogotá]. Elaboración propia. ........................................................ 101

Ilustración 47: [Representación perfiles N-S, E-O de ambos modelos]. Elaboración propia

........................................................................................................................................... 102

Ilustración 48: [Comparación perfiles N-S, DEM Sentinel vs DEM SRTM]. Elaboración

propia. ................................................................................................................................ 103

Ilustración 49: [Comparación perfiles E-O, DEM Sentinel vs DEM SRTM]. Elaboración

propia ................................................................................................................................. 103




12

Ilustración 50: [Representación perfiles N-S, E-O para ambos modelos en la zona urbana

de la ciudad de Bogotá]. Elaboración propia ..................................................................... 104

Ilustración 51: [Comparación perfiles N-S, DEM Sentinel vs DEM SRTM para la zona

urbana de Bogotá]. Elaboración propia. ............................................................................. 105

Ilustración 52: [Comparación perfiles E-O, DEM Sentinel vs DEM SRTM para la zona

urbana de la ciudad de Bogotá]. Elaboración propia ......................................................... 105

Ilustración 53: [Ubicación estaciones red Magna ECO dentro de la zona de estudio].

Elaboración propia a partir de información obtenida de ((IGAC), 2017) .......................... 106

Ilustración 54: [Ubicación de puntos aleatorios en el DEM Sentinel, a) DEM Sentinel total;

b) DEM Sentinel para la zona urbana de la ciudad de Bogotá]. Elaboración propia. ........ 108

Ilustración 55: [Histogramas de diferencias absolutas de los puntos aleatorios DEM

Sentinel]. Elaboración propia a partir de información obtenida del software estadístico R

........................................................................................................................................... 110

Ilustración 56: [Histogramas diferencias de altura de los puntos aleatorios DEM Sentinel].

Elaboración propia a partir de información obtenida del software estadístico R ............... 110

Ilustración 57: [Histogramas de frecuencia DEM Sentinel y DEM SRTM]. Elaboración

propia a partir de información obtenida del software estadístico R ................................... 111

Ilustración 58: [Diagrama de dispersión DEM Sentinel vs DEM SRTM].Elaboración propia

........................................................................................................................................... 111

Ilustración 59: [Histogramas de diferencias absolutas de los puntos aleatorios DEM

Sentinel en la zona urbana de la ciudad de Bogotá]. Elaboración propia a partir de

información obtenida del software estadístico R ............................................................... 113

Ilustración 60: [Histogramas diferencias de altura de los puntos aleatorios DEM Sentinel

para la zona urbana de la ciudad de Bogotá]. Elaboración propia a partir de información

obtenida del software estadístico R .................................................................................... 113

Ilustración 61: [Histogramas de frecuencia DEM Sentinel y DEM SRTM para la zona

urbana de Bogotá]. Elaboración propia a partir de información obtenida del software

estadístico R ....................................................................................................................... 114

Ilustración 62: [Diagrama de dispersión DEM Sentinel vs DEM SRTM para la zona urbana

de la ciudad de Bogotá]. Elaboración propia. .................................................................... 114




13

Índice de símbolos

𝐵𝑛 = 𝐿í𝑛𝑒𝑎 𝑏𝑎𝑠𝑒 𝑝𝑒𝑟𝑝𝑒𝑛𝑑𝑖𝑐𝑢𝑙𝑎𝑟

𝐵 = 𝐿í𝑛𝑒𝑎 𝑏𝑎𝑠𝑒

𝜑 = 𝐹𝑎𝑠𝑒

∆𝜑 = 𝐷𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝐹𝑎𝑠𝑒

𝛾 = 𝐶𝑜ℎ𝑒𝑟𝑒𝑛𝑐𝑖𝑎

𝑀 = 𝐼𝑚𝑎𝑒𝑛 𝑚𝑎𝑒𝑠𝑡𝑟𝑎

𝑆 = 𝐼𝑚𝑎𝑒𝑛 𝑒𝑠𝑐𝑙𝑎𝑣𝑎

ℎ𝑎 = 𝐴𝑚𝑏𝑖𝑔ü𝑒𝑑𝑎𝑑 𝑑𝑒 𝑎𝑙𝑡𝑖𝑡𝑢𝑑

𝐴 = 𝐴𝑚𝑝𝑙𝑖𝑡𝑢𝑑

𝑆𝑅 = 𝑅𝑎𝑛𝑔𝑜 𝑖𝑛𝑐𝑙𝑖𝑛𝑎𝑑𝑜 (𝑠𝑙𝑎𝑛𝑡 𝑟𝑎𝑛𝑔𝑒)

𝐺𝑅 = 𝑅𝑎𝑛𝑔𝑜 𝑡𝑒𝑟𝑟𝑒𝑠𝑡𝑟𝑒 (𝐺𝑟𝑜𝑢𝑛𝑑 𝑟𝑎𝑛𝑔𝑒)

𝜏 = 𝐷𝑢𝑟𝑎𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑢𝑙𝑠𝑜

𝐿 = 𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑 𝑑𝑒 𝑙𝑎 𝑎𝑛𝑡𝑒𝑛𝑎

𝐹𝑟 = 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑢𝑎 𝑑𝑜𝑝𝑝𝑙𝑒𝑟

𝐹𝑑𝑐 = 𝐶𝑒𝑛𝑡𝑟𝑜𝑖𝑑𝑒 𝑑𝑜𝑝𝑝𝑙𝑒𝑟

𝛽 = 𝐴𝑛𝑐ℎ𝑜 𝑑𝑒 ℎ𝑎𝑧 𝑟𝑒𝑎𝑙

𝐷 = 𝐴𝑝𝑒𝑟𝑡𝑢𝑟𝑎 𝑑𝑒𝑙 𝑟𝑎𝑑𝑎𝑟

∆𝐿 = 𝑅𝑒𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙

∆𝐿𝑠 = 𝑅𝑒𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑠𝑖𝑛𝑡é𝑡𝑖𝑐𝑎

𝐿𝑠 = 𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑 𝑎𝑝𝑒𝑟𝑡𝑢𝑟𝑎 𝑠𝑖𝑛𝑡é𝑡𝑖𝑐𝑎

𝑐 = 𝑉𝑒𝑙𝑜𝑐𝑖𝑑𝑎𝑑 𝑑𝑒 𝑙𝑎 𝑙𝑢𝑧

𝑓 = 𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑑𝑒 𝑢𝑛𝑎 𝑜𝑛𝑑𝑎

𝜆 = 𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑 𝑑𝑒 𝑜𝑛𝑑𝑎

𝑃𝑟 = 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 𝑠𝑒ñ𝑎𝑙 𝑟𝑒𝑐𝑖𝑏𝑖𝑑𝑎

𝑅 = 𝐷𝑖𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑎𝑛𝑡𝑒𝑛𝑎 𝑎𝑙 𝑜𝑏𝑗𝑒𝑡𝑖𝑣𝑜

𝑃𝑡 = 𝑃𝑜𝑡𝑒𝑛𝑐𝑖𝑎 𝑖𝑟𝑟𝑎𝑑𝑖𝑎𝑑𝑎 𝑝𝑜𝑟 𝑢𝑛 𝑟𝑎𝑑𝑎𝑟 𝑒𝑛 𝑣𝑎𝑡𝑖𝑜𝑠

𝐺𝑡 = 𝐺𝑎𝑛𝑎𝑛𝑐𝑖𝑎 𝑑𝑒 𝑎𝑛𝑡𝑒𝑛𝑎

𝜎0 = 𝐶𝑜𝑒𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑒 𝑑𝑒 𝑟𝑒𝑡𝑟𝑜𝑑𝑖𝑠𝑝𝑒𝑟𝑠𝑖ó𝑛

𝛽0 = 𝑅𝑒𝑓𝑙𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑

𝐴𝑒 = 𝐴𝑝𝑒𝑟𝑡𝑢𝑟𝑎 𝑑𝑒 𝑙𝑎 𝑎𝑛𝑡𝑒𝑛𝑎 𝑒𝑛 𝑙𝑎 𝑧𝑜𝑛𝑎 𝑒𝑓𝑒𝑐𝑡𝑖𝑣𝑎

𝑅𝑚𝑎𝑥 = 𝑅𝑎𝑛𝑔𝑜 𝑚á𝑥𝑖𝑚𝑜 𝑑𝑒𝑙 𝑟𝑎𝑑𝑎𝑟

𝑆𝑚𝑖𝑛 = 𝑆𝑒ñ𝑎𝑙 𝑚𝑖𝑛𝑖𝑚𝑎 𝑑𝑒𝑡𝑒𝑐𝑡𝑎𝑏𝑙𝑒 𝑝𝑜𝑟 𝑒𝑙 𝑟𝑒𝑐𝑒𝑝𝑡𝑜𝑟

𝜕𝑎𝑧 = 𝑅𝑒𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑎𝑧𝑖𝑚𝑢𝑡𝑎𝑙

𝜕𝑎𝑟 = 𝑅𝑒𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑒𝑛 𝑟𝑎𝑛𝑔𝑜

𝜌 = 𝑅𝑒𝑓𝑙𝑒𝑐𝑡𝑖𝑣𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑡𝑒𝑟𝑟𝑒𝑛𝑜

𝐼 = 𝐶𝑜𝑚𝑝𝑜𝑛𝑒𝑛𝑡𝑒𝑠𝑒𝑛 𝑓𝑎𝑠𝑒

𝑄 = 𝐶𝑢𝑎𝑑𝑟𝑎𝑡𝑢𝑟𝑎

𝜃 = 𝐴𝑛𝑔𝑢𝑙𝑜 𝑑𝑒 𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎

𝐼𝑛 = 𝐼𝑛𝑡𝑒𝑟𝑓𝑒𝑟𝑜𝑔𝑟𝑎𝑚𝑎




14

1. INTRODUCCIÓN

Para realizar trabajos de investigación en diferentes ramas de las ciencias de la tierra

como la geología, la geografía, la hidrología o realizar cartografía en general, el

modelo digital de elevación (DEM) es una herramienta fundamental, que provee

información topográfica de la superficie terrestre, indicando las diferencias de cotas

en esta, lo cual facilita el desarrollo de estos trabajos.

Los modelos digitales de elevación se pueden elaborar mediante 3 métodos diferentes,

de manera directa utilizando herramientas GPS, altimetría y levantamientos

topográficos); de manera indirecta, realizando restitución de un par de imágenes que

pueden ser estereoimágenes satelitales, estereoimágenes análogas, e interferometría

con imágenes de radar; y como último método se encuentra la digitalización de los

mapas topográficos existentes de la zona.

Como un referente de la utilización de una de las técnicas para la generación de

DEM´S del país, se tiene que en febrero del año 2000 con el proyecto realizado

conjuntamente por la National Geospatial-Intelligence Agency (NGA), la National

Aeronautics and Space Administration (NASA) y las Agencias Espaciales de

Alemania (DLR) e Italia (ASI), se obtuvieron datos digitales topográficos para el 80%

de la superficie terrestre, dentro del área comprendida del estudio se encuentra el área

continental del país, donde se encuentra entre otros municipios, la ciudad de Bogotá;

el objetivo de este proyecto fue desarrollar un modelo digital de elevación mediante

la técnica de interferometría de mediante los sensores: Spaceborne Imaging Radar

(SIR-C) y el X-Band Synthetic Aperture Radar (X-SAR) instalados en el

transbordador espacial Endeavour; El modelo digital de elevación que se generó para

Colombia a partir de este técnica, cuenta con una resolución de 30 metros y

referenciados al geoide WGS84 EGM96. (UNODC, 2016) .




15

2. ANTEPROYECTO

A continuación, se presenta el anteproyecto que sirvió de base para este documento. Se

presentan la formulación del problema, la justificación, los objetivos y el marco referencial.

2.1. Formulación del Problema

Las actividades de monitoreo de la superficie terrestre enfocadas a temas como la generación

y actualización cartográfica, el análisis espacial, catastro, entre otros, son procesos costosos

dada la metodología e instrumentación que requieren para realizarse (miles de dólares en

levantamientos topográficos, GPS, imágenes satelitales con alta resolución espacial, LIDAR,

etc.). Actualmente existen varias alternativas para generar productos asociados, en este caso

modelos digitales de elevación (DEM) que presentan los mismos inconvenientes, pero en el

país no existe aún el soporte ni la formación técnica en cuanto a la utilización de estas

herramientas, lo que ha contribuido al atraso en el uso de estas metodologías que se utilizan

en muchos otros países. Acorde a esta situación, se hace indispensable evaluar técnicas o

metodologías relativamente no tan costosas por unidad de área como es el caso de la

interferometría, teniendo en cuenta que existen proyectos institucionales como los de la

NASA, o la Agencia Espacial Europea (ESA) con su Programa Copérnico, con el que

suministran datos que pueden servir como base para la implementación de estas metodologías

que permitan obtener productos cartográficos de calidad. Dicho esto, el interrogante a

responder es ¿cómo utilizar adecuadamente datos Sentinel-1 para producir productos

cartográficos como los DEM?

2.2. Justificación

Elaborar Teniendo en cuenta que las imágenes de radar se pueden conseguir actualmente de

manera gratuita gracias al programa Copérnico de la ESA, que además produce y suministra

el software para procesarlas, y que estas son base para trabajar interferometría (una de las

técnicas utilizadas para elaborar DEM), es viable aprovechar estas herramientas para

profundizar en estudios más especializados en el campo de las ciencias de la tierra esperando

poder utilizarlos y enfocarlos a futuro en el monitoreo frecuente del territorio nacional, para

iniciar estudios en diferentes temas de interés, tal y como se ha realizado en diferentes países.

Además, es importante explorar la posibilidad teniendo en cuenta que esta herramienta es de

bajo costo y se ha demostrado que la precisión es bastante buena comparada con los datos

obtenidos en campo o de otras fuentes. Tomando en cuenta que actualmente no existe

documentación específica de aplicación de estas técnicas en Colombia, el proyecto curricular

de Ingeniería Catastral y Geodesia está llamado a ser pionero en cuanto a estudios que




16

involucren imágenes satelitales, en este caso de radar, y debe implementar en la formación

académica, científica y laboral los conocimientos que pueden ser adquiridos al analizar esta

técnica con más detenimiento con el fin de dar los primeros pasos en la utilización y

aprovechamiento de estas tecnologías, por parte de entidades nacionales, lo que puede dar paso

a proyectos de actualización cartográfica en el territorio.

2.3. Objetivos

2.3.1. Objetivo General:

Obtener un DEM a partir de un par de imágenes de radar usando la técnica de

interferometría SAR, utilizando el software Sentinel Toolbox de la ESA.

2.3.2. Objetivos Específicos:

• Evaluar el funcionamiento del software Sentinel Toolbox para procesar

imágenes de radar y para trabajar interferometría.

• Obtener el interferograma a partir del par de imágenes de radar.

• Evaluar los datos obtenidos de coherencia, teniendo en cuenta la resolución

temporal de las imágenes disponibles.

• Evaluar el DEM obtenido con la técnica InSAR.

2.4. Antecedentes y Marco Referencial

Las siguientes referencias permiten tener una idea del poco material publicado en el país

relacionado con la obtención de modelos digitales de elevación y deformaciones de la corteza

terrestre, utilizando datos de radar.

(M. CASTILLO, 1999) presentó la metodología para generar un modelo numérico de

elevaciones en la isla Decepción a partir de la construcción de un interferograma de la zona

utilizando imágenes ERS 1/2, se muestra cómo la técnica InSAR y DinSAR puede servir para

el monitoreo y revisión de los cambios en la estructura del terreno en un punto determinado.

En Colombia, (Pablo Blanco Sánchez, 2010), presentaron los resultados de un estudio de

subsidencia en Bogotá mediante interferometría diferencial para el periodo 2006-2008 con

imágenes ENVISAT, realizado por el Instituto Cartográfico de Catalunya para el FOPAE, que

comparó sus resultados con la red geodésica nacional y encontró una zona de subsidencia en

el sector de Puente Aranda con un movimiento calculado en unos 7,5 cm/año.




17

(Jung, 2013), quienes tomaron imágenes Sentinel TOPSAR IW para determinar la precisión

de la medición del desplazamiento de este tipo de imágenes interferométricas, comparando

mapas de desplazamiento obtenidos con datos ERS del terremoto en California en 1999, datos

de imágenes IW de Sentinel con mediciones GPS. Utilizando el método de mínimos cuadrados

encontraron una diferencia de 9,6 cm respecto de los datos GPS para las imágenes ERS y 27m5

cm para los Sentinel.

(Platzeck, 2014) Utilizando imágenes ALOS y ERS-1/2 con técnicas de interferometría

diferencial lograron determinar desplazamientos en el área de estudio en los Andes

ecuatorianos corroborando los datos con los proporcionados por el Instituto Nacional de

Investigación Geológica, Minera, Metalúrgica (INIGEMM), determinando que las imágenes

ALOS son adecuadas para zonas con presencia de vegetación.

(Donato Amitrano, 2014), revisó las ventajas del programa Sentinel-1 en distintas

aplicaciones, incluyendo los modelos digitales de elevación interferométricos, comparando un

DEM obtenido con el proyecto WARM-SAR (imágenes COSMO-SkyMed) haciendo un

remuestreo de los datos a la escala de Sentinel-1 para comparar, resaltando su efectividad en

áreas grandes.

(Nikolakopoulos k, 2015), tomaron DEM generados a partir de datos Sentinel-1, COSMO-

SkyMed y el instituto de Catastro Griego para compararlos entre sí mediante un método visual

y una comparación estadística, encontrando que los datos Sentinel-1 dan una muy buena

representación del área trabajada presentando incluso mejores resultados que los datos

COSMO-SkyMed respecto de los datos suministrados por el Catastro Griego.

Por otra parte, encontramos a (Guangcai F, 2015) toman datos Sentinel junto con imágenes

COSMO-SkyMed y datos GPS de la zona afectada por el terremoto de 2014 en el sur de Napa

en San Francisco, California. Obtienen mapas de deformación a través de la técnica de

interferometría diferencial buscando determinar la geometría de fallas y sub-fallas que

pudieran no haberse identificado por los datos de campo. Logran recrear el movimiento

generado midiendo la magnitud con más exactitud y sugiriendo basados en el detalle del

modelo, que el terremoto tenía el potencial de afectar fallas cercanas.




18

3. MARCO TEÓRICO

3.1. Teledetección

El campo de estudio de la teledetección se constituye como una técnica que se enfoca en la

observación remota de la superficie. La singularidad o particularidad que hace a esta técnica tan

relevante y útil para las geociencias es la forma en la que obtiene información de las propiedades

físicas (generalmente llegando a cuantificar) de un objeto o superficie sin la necesidad de tener

un contacto directo con este, generalmente la información obtenida es representada mediante

imágenes que dejan ver las características de dicho objeto o superficie. En la bibliografía se

ubican sus inicios en la década de los 60, inicialmente aplicada en plataformas áreas hasta llegar

a las actuales plataformas satelitales para la obtención de imágenes de la superficie. (Chuvieco,

1995)

En un sentido más amplio la teledetección no solo se remite a la obtención de información por

medio de imágenes, ya sea por medio de plataformas áreas o satelitales, sino también del

posterior procesamiento e interpretación por parte del usuario final.

En el caso de los sistemas de teledetección satelitales (Chuvieco, 1995) enumera los siguientes

elementos como parte fundamental de dicho proceso:

a. fuente de energía, dependiendo del origen de dicha energía, los sistemas de

teledetección satelital se dividen en sistemas pasivos (fuente de energía externa al sensor), y

sistemas activos (fuente de energía emitida propiamente por el sensor).

b. cubierta terrestre

c. sistema sensor (plataforma y sensor)

d. sistema de recepción-comercialización

e. interpreta (analiza la información obtenida por el sensor)

f. usuario final (analiza la interpretación final)

3.2 Sistemas de radar

Como se expuso anteriormente, los sistemas de teledetección pueden ser pasivos o activos

dependiendo del sistema de flujo energético que estos posean, en el caso de los sistemas de

radar, estos son sistemas activos, ya que poseen su propia fuente de energía, lo que les permite

emitir esta energía sobre los objetos observados y capturar la señal que se refleja.




19

En la siguiente tabla se observa una comparación entre los sistemas de teledetección

multiespectral, lidar y radar:

Tabla 1: [SAR vs otros instrumentos de observación terrestre]. Información obtenida de (SARMAP, 2009).

Tal y como se observa en la anterior tabla, los sistemas de radar tienen ventajas evidentes sobre

los otros sistemas de teledetección, lo cual es beneficioso a la hora de obtener insumos para

realizar estudios de deformación de terreno, estudio de amenazas y riesgos, elaboración de

DEM´S, entre otras aplicaciones. (SARMAP, 2009)

3.2.1 Principios básicos del radar

Los sistemas de radar emiten energía electromagnética desde una antena, esta se propaga por el

espacio hasta ser interceptada por el objetivo que recibe y redirige en distintas direcciones, parte

de esta energía reflejada o redirigida (eco) es detectada por la antena del radar que procesa la

señal para adquirir información del objetivo. (SKOLNIK, 1990).

Este sistema es activo y opera en frecuencias de micro-ondas, es decir, trabaja en la región del

espectro electromagnético con longitudes de onda muy amplias que van en el rango de entre 1

mm y 100 cm (CCRS, 2001). Estas características dotan al sistema de radar de una serie de

ventajas sobre los sistemas pasivos como son la posibilidad de operar en el día o la noche,

minimizar las condiciones atmosféricas (nubosidad), detectar la rigurosidad de la superficie y el

contenido de humedad del suelo dado el rango del espectro en el que se desenvuelve.

caracteristicas

plataforma aerea aerea/espacial aerea/espacial

radiación propia reflejo solar propia

frecuencia unica multiple multiple

polarimetria No aplica No aplica fase polarimetrica

interferometria No aplica No aplica fase interferometrica

optico multi-

espectralradar

tiempo de

adquisicióndía/noche día/nochedía

sistema de

teledetecciónLidar

bloqueo

por nubesclima

ve a traves de las

nubes

bloqueo por

nubes

espectro

electromagneticoinfrarojo visible/infrarojo microondas




20

Según (Olmsted, 1993), el proceso de detección de un radar se basa en cuatro principios

tecnológicos:

a. La capacidad de la antena para emitir un pulso corto en una dirección específica.

b. La capacidad para detectar con precisión, el eco dispersado de un objetivo.

c. La capacidad de medir el tiempo entre la emisión y la detección (distancia al objetivo).

d. La capacidad para escanear con un haz direccionado y examinar un área extendida.

Un quinto principio, menciona, es el análisis espectral de señales de fase precisamente

controladas, lo que permite mejoras en la aplicación de los cuatro principios físicos. En esta

última metodología se basa el radar de apertura sintética (SAR).

3.2.2 Tipos de radar

En el mercado actual existen muchos tipos de radar, estos dependiendo de sus características son

empleados para diferentes propósitos, como vigilancia, rastreo de objetivos, obtención de

imágenes, entre otros usos, a continuación, se da una mirada a algunos de estos radares:

a. Radares de rastreo: estos radares tal y como su nombre lo indica, proveen información

sobre un objetivo, el rastreo y/o trayectoria de este, estos tipos de radar pueden tener

plataformas aéreas, o terrestres, y en su mayoría son utilizados para vigilancia militar, por

lo que pueden estar en plataformas militares, esto con el fin de localizar objetivos que

pueden ser de interés, con un lapso corto y en tiempo real. Adicionalmente en esta

categoría se pueden encontrar los radares de control de armas, los cuales también se

enfocan en el rastreo, vigilancia, y defensa de objetivos de interés militar. (SKOLNIK,

1990)

b. Radares de imágenes: este tipo de radar se encuentra generalmente en plataformas

móviles, con lo cual consigue imágenes en dos dimensiones de un objetivo o una escena

sobre la superficie terrestre. Dentro de esta categoría se encuentran diferentes tipos de

radar, entre los que se pueden mencionar los SLAR (Sidelooking airborne radar), los

cuales ofrecen imágenes con una resolución alta en rango y una resolución angular

adecuada; SAR (radar de apertura sintética), este radar produce imágenes de coherencia

tomadas a través de un sensor sobre una plataforma móvil, usando la información de fase

de la señal del eco emitido, en este tipo de radar nos enfocaremos durante la elaboración

de este trabajo; ISAR (radar de apertura sintética inversa), a diferencia del SAR, este

radar puede encontrarse en una plataforma móvil o estacionaria, produce imágenes de




21

coherencia con alta resolución en rango y se caracteriza por obtener información del

movimiento relativo de un objetivo. (SKOLNIK, 1990)

c. Radar de observación meteorológica: este tipo de radar como su nombre lo indica, se

encarga de observar, reconocer, detectar y medir la velocidad y dirección del viento, la

tasa de precipitación, así como monitorear diferentes fenómenos climatológicos.

(SKOLNIK, 1990)

3.3 Radar de apertura sintética SAR

Un radar de imágenes genera una representación en dos dimensiones de una porción de terreno,

usando la retro dispersión que retorna desde la porción iluminada en rango y azimut, un sistema

SAR recoge la información de la fase y la amplitud de la señal (eco) reflejada o redirigida. Según

(Wasowski, 2006), la imagen generada forma una matriz de valores complejos donde la amplitud

es un mapa de la reflectividad del suelo del área escaneada y la fase depende de la reflectividad

local y de la distancia del sensor al objetivo (slant range o dirección de línea de vista – LOS “Line

of Sight direction”).

El SAR nació por la necesidad de superar las limitaciones de los sistemas de radar de apertura

real RAR, debido a que estos construyen una imagen en dos dimensiones de la superficie terrestre,

barriendo la escena con un haz electromagnético estrecho, esto viene determinado por el tamaño

de la antena, lo que influye directamente en la resolución azimutal (dirección de vuelo de la

plataforma), debido a estas características de los RAR, su desempeño tanto en los satelitales como

los aerotransportados, es limitado, ya que el tamaño de la antena se restringe por limitaciones de

peso y dificultades en el despliegue. (Sánchez V. D., 2010)

A diferencia de los RAR los sistemas SAR usan antenas más pequeñas, que emiten pulsos en

intervalos regulares o PRF (Pulse Repetition Frecuency) por sus siglas en inglés, estos también

trabajan en configuración SL (single look - observación lateral), durante la trayectoria de vuelo.

(Sánchez V. D., 2010)

El sistema SAR es capaz de obtener imágenes con una mayor resolución azimutal, simulando una

antena de mayor tamaño, mediante la combinación coherente de los ecos recibidos de las

diferentes posiciones reflejadas y la información del desplazamiento del sensor. (SKOLNIK,

1990).




22

3.3.1 Historia de los sistemas SAR

El concepto original SAR fue descrito por Carl A. Wiley1, en 1951, de la Goodyear aircraft, el

concepto inicial del SAR fue descrito como Doppler beam Sharpening o DBS (haz Doppler

agudo), después de esto el modo SAR se introdujo como el nombre que hace referencia a un modo

de ángulo esquinero, el cual produce un indicador de plan de posición parcial o PPI (partial plan

posisition indicatori), de esta manera el DBS realmente posee dos significados en SAR, el primero

es el nombre SAR inventado por Wiley antes de ser llamado SAR, y el segundo es el nombre para

el modo PPI basado en un SAR esquineado. (SKOLNIK, 1990)

Ya en los años subsecuentes, las teorías del SAR propuestas por Carl Wiley fueron demostradas,

inicialmente, en el año 1952 la Universidad de Illinois demostró dicho concepto, siendo en el

1953 durante un estudio de verano que fue lanzado el proyecto Michigan, una vez demostrada la

teoría del SAR, no fue sino hasta una década más tarde, que fue lanzado el primero SAR de base

espacial o SBR por sus siglas en inglés, llamado Quill. (SKOLNIK, 1990)

El sistema Quill fue rudimentario, pero exitoso en la generación de datos para la formación de

imágenes, obteniendo productos con una resolución nominal de 100 metros, resultados

formidables para la época en la que se desarrolló el proyecto; el Quill fue el único SBR americano,

cuyos datos son ópticamente grabados a bordo del sistema y eventualmente retornados a la tierra

por medio de una capsula expulsada desde la plataforma del sensor. (SKOLNIK, 1990)

En los años subsecuentes, muchos otros sistemas de radar, han sido puestos en marcha, mejorando

cada vez más los productos obtenidos por medio de los SAR, dicho avance tecnológico, ha sido

de gran provecho para diferentes investigaciones en el campo de las geociencias, así como el uso

de técnicas y herramientas que permiten, el aprovechamiento de los datos SAR para el uso de

diferentes comunidades.

3.3.2 Principios básicos de los sistemas SAR

La energía electromagnética viaja a través del espacio en forma de ondas derivadas de la

interacción entre campos eléctricos y magnéticos (perpendiculares entre sí). Una onda

electromagnética (Figura 1) tiene velocidad (𝑐), frecuencia (𝑓) y longitud de onda (𝜆). Estas

características se pueden relacionar de la siguiente manera:

𝑐 = 𝑓𝜆 (1)

La longitud de onda entonces se define como:

1 Carl A. Wiley fue un matemático e ingeniero estadunidense diciembre 30 1918 a abril 21 1985, conocido por ser el precursor de

los navegadores solares e inventor del SAR.




23

𝜆 =𝑐

𝑓 (2)

Ilustración 1: [Componentes de una onda electromagnética]. Elaboración propia a partir de información obtenida

de (Torres, 2013).

La frecuencia se mide en ciclos por segundo (Hertz), mientras que la velocidad se mide en metros

por segundo, luego, la longitud de onda se mide en metros. Además de esto, existen otras

características propias de las ondas de radar como son la Amplitud, que es la distancia del centro

al extremo del pico de la misma; y la Polarización, que no es otra cosa que la orientación de la

onda (usualmente vertical u horizontal) que permite una medida de la simetría del objetivo. Esta

polarización puede ser o no cruzada dependiendo de cómo recibe la antena la energía transmitida,

ya sea la misma orientación (HH, VV) o distinta la recibida de la emitida (HV, VH).

A partir de algunas de estas características como la longitud de la onda y la frecuencia de la

misma, se puede entrar a clasificar por bandas o rangos (Tabla 2) a los cuales se les pueden atribuir

ciertas características, ya sea desde el uso militar, la teledetección en general u otros usos.

Nombre banda Longitud de onda Uso

Banda-P ~65 cm AIRSAR

Banda-L ~23 cm JERS-1 SAR, ALOS PALSAR

Banda-S ~10 cm Almaz-1

Banda-C ~5 cm ERS-1/2 SAR, RADARSAR – 1/2 , ENVISAT ASAR,

RISAT 1

Banda-X ~3 cm TerraSAR-X-1, COSMO-SkyMed

Banda-K ~1,2 cm Dominio militar

Tabla 2: [Características de las bandas]. Información obtenida de (SARMAP, 2009).

Dependiendo de la frecuencia y la polarización, las ondas pueden tener diferentes niveles de

penetración, dentro de la vegetación, o dentro del suelo, teniendo en cuenta las características de

este, por ejemplo, si se encuentra húmedo o seco. Generalmente entre más larga es la onda, mayor




24

va a ser el nivel de penetración dentro del objetivo, por otro lado, en cuanto a la polarización, las

ondas van a tener menos penetración si se trata de una polarización cruzada (VH/HV), mientras

que el nivel de penetración aumentara si se trabaja con ondas con una sola polarización (HH/VV).

(SARMAP, 2009)

En la ilustración 2, se observan los niveles de penetración para diferentes tipos de objetivos.

Ilustración 2: [Penetración de cada banda para diferentes tipos de coberturas]. Elaboración propia a partir de

información obtenida de (SARMAP, 2009).

El sistema SAR recoge la información de la fase y la amplitud de la señal (eco) reflejada o

redirigida. Según (Wasowski, 2006), la imagen generada forma una matriz de valores complejos

donde la amplitud es un mapa de la reflectividad del suelo del área escaneada y la fase depende

de la reflectividad local y de la distancia del sensor al objetivo (slant range o dirección de línea

de vista – LOS “Line of Sight direction”).

Como se mencionó anteriormente, el radar trabaja en la región del espectro electromagnético con

longitudes de onda entre 1 mm y 100 cm, esto es una cualidad ya que no depende de condiciones

atmosféricas o iluminación solar específicas al trabajar en longitudes de onda de mayor tamaño a

las gotas de agua (0,1 mm) lo que permite trabajar en zonas con altos índices de nubosidad como

zonas tropicales o polares (Chuvieco, 1995).




25

3.3.3 Ecuación de radar

Esta ecuación nos permite estimar el alcance del radar en función de las características y factores

que influyen en su rendimiento. En ese sentido se puede describir la Potencia de Señal Recibida

𝑃𝑟 como

𝑃𝑟 =𝑃𝑡𝐺𝑡

4𝜋𝑅2 ×𝜎

4𝜋𝑅2 ×𝐴𝑒 (3)

Aquí se presenta el producto de tres factores para representar los procesos físicos presentes. El

primer factor es la densidad de potencia a una distancia "𝑅" metros de un radar que irradia una

potencia de "𝑃𝑡" vatios de una antena de ganancia "𝐺𝑡". El segundo factor es la sección transversal

objetivo " 𝜎 " en metros cuadrados. El denominador explica la divergencia en la trayectoria de

retorno de la radiación electromagnética con alcance y es el mismo que el denominador del primer

factor, que explica la divergencia en la trayectoria de salida. El producto de los dos primeros

términos representa la potencia por metro cuadrado devuelta al radar. La antena de la zona efectiva

de abertura "𝐴𝑒" intercepta una parte de Esta potencia en una cantidad dada por el producto de

los tres factores. Si el rango máximo del radar "𝑅𝑚𝑎𝑥" se define como el resultado de que la

potencia recibida "𝑃𝑟" sea igual a la señal detectable mínima de receptor "𝑆𝑚𝑖𝑛", la ecuación de

radar puede escribirse (SKOLNIK, 1990):

𝑅2𝑚𝑎𝑥 =

𝑃𝑡𝐺𝑡𝐴𝑒𝜎

(4𝜋)2𝑆𝑚𝑖𝑛 (4)

Cuando se utiliza la misma antena para transmitir y recibir, la ganancia de transmisión "𝐺𝑡" y la

apertura efectiva de recepción "𝐴𝑒" están relacionadas por (SKOLNIK, 1990):

𝐺𝑡 =4𝜋𝐴𝑒

𝜆2 (5)

Donde 𝜆 es la longitud de onda de la energía electromagnética del radar. Sustituyendo (5) en la

ecuación (4) tenemos (SKOLNIK, 1990):

𝑅4𝑚𝑎𝑥 =

𝑃𝑡 𝐺2𝑡 𝜆2 𝜎

(4𝜋)3𝑆𝑚𝑖𝑛 (6)

𝑅4𝑚𝑎𝑥 =

𝑃𝑡 𝐴2𝑒𝜎

4𝜋𝜆2𝑆𝑚𝑖𝑛 (7)




26

La ecuación fundamental de radar se describe como (SKOLNIK, 1990):

𝑃𝑟 =𝑃𝑡𝐺2𝜆2𝜎

(4𝜋)3𝑟4 (8)

Donde 𝑃𝑟 Indica la potencia retro-dispersada

𝑃𝑡 Es la potencia emitida por el radar

𝐺 Es un factor de ganancia de la antena

𝜆 Es la longitud de onda del radar

𝑟 Indica la distancia entre el sensor y la superficie

𝜎 Es la sección eficaz de retro-dispersión

Esta última (𝜎) es expresada por (SKOLNIK, 1990) en términos de las resoluciones del azimut

(𝛿𝑎𝑧) y el rango (𝛿𝑟𝑎), la reflectividad del terreno (𝜌). Esta sección eficaz se iguala a la

reflectividad del terreno multiplicada por el área proyectada. Esta proyección la denota como

sin 𝜓. Con esto, la expresión para la sección eficaz de retro-dispersión en términos de los

parámetros de resolución del azimut y el rango, la reflectividad y el área proyectada se describe

como:

𝜎 = 𝜌𝛿𝑎𝑧𝛿𝑟𝑎 sin 𝜓 (9)

3.3.4 Características orbitales de los sistemas SAR

Los SBR (sistema de radar satelital) para la observación terrestre, entre los que se encuentran los

SAR, operan generalmente desde plataformas satelitales, la velocidad y posición de dichas

plataformas se ven condicionadas por las dinámicas orbitales y las leyes de keppler, debido a esto

para lograr obtener información de una zona de interés, los SBR dependen de la tasa de rotación

de la tierra2, de la posición del satélite a lo largo de la órbita y de la vista geométrica del radar.

Las características anteriores deben tenerse en cuenta a la hora de diseñar las misiones de los

sistemas SBR, es decir que debe incluirse la altitud orbital, la velocidad de la plataforma satelital

en órbita, el periodo de revista que tendrá el sistema, la inclinación orbital y la tasa de rotación

del planeta. (SKOLNIK, 1990)

Las orbitas en las que operan generalmente los SBR, son orbitas circulares cercanas a la tierra o

LEO por sus siglas en inglés, las cuales tienen alturas que van desde los 500 km hasta los 850 km.

2 La tasa de rotación de la tierra es del orden de 0,25 grados/minutos. ( (SKOLNIK, 1990)




27

Las orbitas altas implican un mayor rango en el radar, así como mayores niveles de radiación, y

ángulos de incidencia menores, mientras que las orbitas bajas pueden incidir en una mayor

resistencia atmosférica, ninguna de las opciones anteriores es deseables a la hora de obtener un

buen producto; por otro lado, las velocidades de los SBR que operan en orbitas LEO, están en el

orden de los 7,5 km/seg y con periodos cercanos a los 100 minutos. (SKOLNIK, 1990)

La altitud de la órbita generalmente es escogida para afinar el periodo y la tasa de rotación de la

tierra, de esta manera se desarrollan patrones exactos de repetición en un número estipulado de

días, siendo generalmente los periodos de repetición ofrecidos por los SBR de 24 días.

(SKOLNIK, 1990)

3.3.5 Formación de las imágenes de radar SAR

Para (Ferretti, Monti-Guarnieri, Prati, & Rocca, 2007), una imagen de radar es un mosaico

formado por un arreglo de filas y columnas de pixeles, en este caso cada pixel se asocia a una

pequeña parte de la superficie terrestre llamada resolución de celda, donde cada pixel contiene un

número complejo que lleva información de amplitud y fase de la señal de retorno de todos los

elementos que se encuentran dentro de la escena, junto con la resolución de celda proyectada en

el suelo. La amplitud depende más de la rugosidad del suelo que de la composición química de

los elementos dispersores en el terreno. Por lo que típicamente las rocas expuestas y área urbana

muestran alto valor de amplitud, mientras que superficies planas y suaves muestran bajo valor de

amplitud porque la radiación se refleja lejos del radar. (Torres, 2013)

Teniendo en cuenta el funcionamiento básico de un sensor de radar, que emite pulsos de energía

de una forma específica (frecuencia, dirección, orientación, etc.) y luego recibir el eco o la retro-

dispersión de la misma, produce una imagen cuyos pixeles son entendidos como los coeficientes

de retro-dispersión del área que representa sobre el terreno, esta respuesta o este coeficiente,

dependerá de factores como las condiciones del terreno (rugosidad, tipo de superficie, pendiente,

sombras, etc.) el ángulo de incidencia y la polarización de la observación. (Torres, 2013)




28

Ilustración 3: [Retro dispersión de diferentes objetos en la superficie terrestre]. Elaboración propia a partir de

información obtenida de (SARMAP, 2009).

La rugosidad del terreno es una característica que tiene influencia sobre la intensidad del eco

recibido, que será mayor cuanto más elevada sea la rigurosidad. Además de esto, también influyen

la longitud de onda y la variación de altura. Cuando un radar emite energía (haz de microondas)

hacia la superficie, esta puede dispersarse hacia el exterior o el interior de los objetos sobre dicha

superficie dependiendo de la polarización y la frecuencia utilizados; vale la pena mencionar que

el nivel de penetración será proporcional a la amplitud de la onda (SARMAP, 2009).Para el caso

del agua, el ángulo de incidencia es igual al ángulo de reflexión, esto se conoce como reflexión

especular (SKOLNIK, 1990). El ángulo de incidencia es el ángulo entre la dirección del radar y

la normal a la superficie. Dependiendo de la altura del radar sobre la superficie, este ángulo

cambia a lo largo de la dirección en rango (CCRS, 2001). Aumentar el ángulo de incidencia

implica que la dispersión sea menor, es decir el eco recibido sea menor.

Dependiendo de la ubicación de las superficies con pendiente respecto del sensor que emite el

haz de microondas, la dispersión será más fuerte cuando la pendiente de la superficie está hacia

el sensor. Esto hace que se vean más brillantes en las imágenes de radar, por el contrario, las

superficies con pendiente contraria al sensor aparecerán oscuras o con sombras (SARMAP,

2009).Las vías suelen aparecer oscuras por tener superficies planas, mientras que las zonas

urbanas con presencia de construcciones altas suelen tener representaciones muy brillantes por el

efecto denominado doble rebote o double bounce.




29

Ilustración 4: [Representación del doble rebote]. Elaboración propia a partir de información obtenida de (SARMAP,

2009).

Las características eléctricas propias de los objetos sobre la superficie también influyen en los

resultados de la observación, podemos mencionar la constante dieléctrica, que trata de medir la

conductividad y reflectividad de los materiales. Los valores de la constante dieléctrica para

microondas en los materiales secos oscilan entre 3-8, y son mucho menores que para objetos

metálicos y el agua, que corresponden a un valor de 80 (Torres, 2013). La presencia de agua en

los objetos afecta su respuesta independientemente de sus propiedades dieléctricas, siendo más

brillantes cuando la humedad es mayor y más oscuros en el caso contrario. Los radares de apertura

sintética SAR se usan para identificar la humedad del suelo dado por esta característica. Para el

caso de los cuerpos de agua el comportamiento es distinto, ya que, como se mencionó

anteriormente, se comporta como una superficie plana y la reflexión especular hace que la

respuesta sea un color negro.

3.3.6 Procesamiento para la formación de una imagen de radar SAR

En la formación de una imagen satelital la resolución radiométrica influye en el detalle de

información que se puede tener de dicha imagen, en el caso de las imágenes de radar esta

resolución viene condicionada a la longitud del pulso y al nivel de energía transmitida por el

sensor, dando como resultado una resolución radiométrica baja entre más bajo sea el pulso y más

baja sea la energía de la señal.

En el caso de las imágenes de radar, para conservar la resolución radiométrica, los SAR generan

un pulso llamado CHIRP, el cual es un pulso amplio con una modulación de frecuencia lineal

(SARMAP, 2009). El pulso CHIRP es transmitido por el radar en un tiempo de repetición de

pulso o PRT (por sus siglas en ingles), dada esta repetición del pulso, se generan unos ecos cada

segundo llamados ecos de repetición de pulsos de frecuencia o PRF los cuales son recibidos y

almacenados inmediatamente, dichas repeticiones de pulsos se relacionan mediante la siguiente

formula (Torres, 2013):




30

𝑃𝑅𝑇 =1

𝑃𝑅𝐹 (10)

Al disminuir la frecuencia se aumenta la longitud del pulso, esto implica que exista una mayor

probabilidad de ruido, lo cual se puede solucionar al modular la frecuencia de los pulsos que se

emiten y se reciben (Chuvieco, 1995)

De esa manera el radar toma datos en formato RAW también conocidos como datos crudos, es

decir datos sin ningún tipo de procesamiento a nivel de calibración, ruido de la señal, etc. Estos

datos tienen las siguientes características (Sandwell, 2002):

a) Los archivos de la señal RAW contienen filas de 11.644 bytes que representan un único

eco de radar.

b) los primeros 412 bytes corresponden a cálculo de tiempo de encendido (timing), mientras

los restantes 11.232 bytes contienen 5.616 números complejos de los datos de la señal

RAW.

Para (Sandwell, 2002) la formación de una imagen SAR comprende una secuencia de

procesamiento estándar, dividido en 6 pasos, siendo los primeros dos realizados a bordo de la

plataforma satelital y los 4 restantes realizados por el usuario final mediante el uso de un

procesador digital SAR. Dichos pasos son explicados a continuación:

3.3.6.1 Procesos realizados a bordo de la plataforma satelital

a) demodulación: este primer procesamiento para formar una imagen SAR, se realiza

mediante el uso del teorema de cambio de variables3, el cual es una operación de filtro

que permite aislar el valor de la parte del espectro electromagnético que contiene el pulso

Chirp, siendo dicho valor aproximadamente de 15MHz, para poder realizar dicho proceso

es necesario tener la información de retraso y distorsión de la señal del pulso. El eco de

la señal original inicialmente es una función de valores reales, pero una vez se realiza

dicho proceso, los valores del eco pasan a ser una función de valores complejos, sin perder

información, logrando que la salida logre ser digitalizada (segundo procesamiento a bordo

de la plataforma satelital), a un valor de dos veces el ancho de banda del pulso Chirp (más

o menos 30MHz). (Sandwell, 2002)

b) Digitalización: este segundo procesamiento para generar una imagen SAR, consiste en la

digitalización de la señal compleja del pulso Chirp (resultado de la demodulación), siendo

3 El cambio de variable t (retraso en el tiempo) es un efecto simple de la trasformada de Fourier, en donde se espera que la magnitud de esta permanezca igual, ya que el cambio de la señal original en el tiempo, no debe cambiar su energía en cualquier punto del

espectro, por lo tanto, el único cambio debe ser de fase. (Bracewell, 2000)




31

este procesamiento realizado a 5 bits por pixel, por otra parte resulta más conveniente

realizar dicha digitalización de datos a 8 bits ya que se envían los 3 bits restantes a la

plataforma terrestre para comprimir los datos antes de realizar la transmisión; una vez los

datos son recibidos en la plataforma terrestre son expandidos a 8bits por asuntos de

programación. (Sandwell, 2002)

Una vez realizados los procesamientos anteriores, los expertos en dichos procesos se refieren a

los resultados como la parte real e imaginaria de la señal, siendo estos los componentes en-fase

(I) y cuadratura (Q) (Torres, 2013):

𝐼 = 𝑒𝑛 − 𝑓𝑎𝑠𝑒 = 𝐴 cos 𝜃 (11)

𝑄 = 𝑐𝑢𝑎𝑑𝑟𝑎𝑡𝑢𝑟𝑎 = 𝐴 sin 𝜃 (12)

Ilustración 5: [Diagrama ubicación cartesiana de las componentes real e imaginaría de una imagen de radar].

Información obtenida de (Torres, 2013).

La amplitud (13) y fase (14) de la señal se definen por las siguientes ecuaciones (SARMAP,

2009):

𝐴 = √𝐼2 + 𝑄2 (13)

tan 𝜃 =𝑄

𝐼 (14)

La fase y la amplitud son datos en números complejos, y son características indispensables para

realizar el enfoque de las imágenes SAR, la amplitud de las imágenes SAR es entonces la

reflectividad recolectada, la cual se determina por la habilidad que tiene el terreno de enviar la

energía incidente de regreso al radar; por otro lado las medidas de fase se deben a diversos efectos,

los cuales aparecen como ruido en la imagen con valores distribuidos uniformemente que varían

de 0° a 360°, la cual se vuelve significativa solo cuando uno de estos efectos son aislados debido

a la comparación de las imágenes de radar (Massonet & L.Feigl, 1998)




32

3.3.6.2 Procesos realizados por el usuario

Una vez se tienen los datos RAW, el procesador digital SAR, a través de un software, convierte

los datos de la señal RAW a una imagen SLC, siendo este producto el que contiene la información

de fase, y con lo cual es la usada para trabajar interferometría de radar. (Torres, 2013)

Para obtener la imagen SLC es necesario ejecutar en tierra los siguientes pasos:

a) Comprensión en rango: El pulso del radar es recuperado mediante la deconvolución4, del

Chirp, lo cual se logra mediante la transformada de Fourier (Sandwell, 2002). Para

realizar el proceso de deconvolución del Chirp de los datos RAW, se utilizan filtros

adaptados, para mejorar los parámetros de enfoque (resolución espacial, y relación señal

ruido), los cuales reconstruyen la información de cada uno de los puntos tomados de la

superficie terrestre, a partir de los datos que retornan al sensor y que fueron medidos y

almacenados. (Torres, 2013)

b) Procesamiento de parches: El siguiente paso en el procesamiento de los datos, es enfocar

la imagen a lo largo de la trayectoria en dirección azimutal, lo cual se hace mediante el

proceso de las columnas, este procesamiento es llamado procesamiento de parches.

anteriormente antes de que existieran memorias con gran espacio, cada parche era

transpuesto mediante el uso de discos de alta velocidad para que el procesamiento se

pudiera realizar columna a columna, hoy en día los computadores multiprocesos pueden

procesar muchos parches en paralelo y acomodarlos en los archivos de salida en el orden

apropiado, debido a que los parches superpuestos con independientes. (Sandwell, 2002)

c) Migración de rango: Antes de realizar el enfoque de una imagen a lo largo de una sola

columna, las señales deben ser migradas de nuevo a una celda con rango constante, esto

es lo que se conoce como migración de rango, siendo la forma más sencilla de lograrlo,

realizar primero la transformada de Fourier de las columnas, en este caso cada

componente de Fourier corresponde a un único desplazamiento doppler, y también a un

único valor de migración de rango. Para un radar ideal, el primer componente debe ser el

doppler cero, el cual corresponde al punto en la superficie terrestre que es perpendicular

al vector de velocidad de la nave espacial, y el segundo componente debe ser el valor

positivo más pequeño, para lo cual se necesita un desplazamiento doppler y una pequeña

4 Operaciones matemáticas que se emplean para la restauración de señales para la recuperación de datos que han sido degradados

mediante procesos físicos (Glossary d. -S., 2017)




33

migración de las celdas del rango, y así sucesivamente todo los valores positivos y

negativos del espectro doppler (Sandwell, 2002).

d) Compresión azimutal: La compresión azimutal, se realiza mediante el patrón de

iluminación con lo cual se calcula la forma de la apertura, dicho cálculo se logra con la

generación de una segunda frecuencia modulada Chirp, donde los parámetros de este

dependerán de la velocidad de la nave espacial, del PRF y del rango absoluto (Sandwell,

2002).

3.3.7 Modos de adquisición

Los sistemas de radar presentan los siguientes modos de adquisición:

a) Stripmap SAR: Este modo de adquisición funciona mediante un haz que permanece

normal a la trayectoria de vuelo, en donde constantemente observa un ancho de terreno

llamado strip, siendo este paralelo a la trayectoria, este modo es muy útil a la hora de

producir imágenes de grandes áreas con una resolución relativamente burda

(SKOLNIK, 1990).Al operar bajo este modo de adquisición, la antena usualmente

ofrece al sistema la flexibilidad de seleccionar una franja de terreno cambiando el

ángulo de incidencia, pero a su vez tiene la limitación de tener un estrecho ancho de

franja (SARMAP, 2009)

b) scansar mode: En este modo de adquisición el área que es iluminada por cada pulso

emitido por el sistema SAR, se denomina sub-franja o sub-swath, durante la adquisición

de datos se comparte el tiempo de operación del radar entre dos o más sub-franjas

separadas, con el fin de obtener una sola imagen. Este modo no tiene la limitación de

franja estrecha que posee el modo strip map, ya que mediante la orientación electrónica

en elevación de la antena puede conseguir un ensanchamiento de esta (Sandwell, 2002).

Debido a la forma en la que se presentan los datos, para el uso de estos en

interferometría, cada una de las sub-franjas deben ser procesadas por separado, ya que

debe existir una sincronización alta en los ángulos de elevación para obtener un buen

producto, por esta razón estas imágenes no son muy recomendadas para el uso de

aplicaciones interferométricas (Torres, 2013)

c) spotligth mode: En este modo de adquisición la longitud de la antena incrementa, lo que

permite apunta e iluminar continuamente la franja de terreno observado, como el

objetivo principal es la resolución azimutal, esta se puede reducir a medida que el




34

tiempo de integración5, incrementa proporcionalmente. Debido a que el ancho del haz

de la antena se mantiene fijo, el tiempo de iluminación se incrementa solo si el haz

ilumina continuamente el objetivo deseado (SKOLNIK, 1990)

Este modo tiene 3 características que lo diferencian del modo Stripmap, las cuales se

presentan a continuación (SARMAP, 2009):

• El modo spotligth ofrece una resolución azimutal mucha más fina, que la que

se obtiene en los productos obtenidos con el modo Stripmap, a pesar de que se

usa la misma antena física.

• Las imágenes spotligth ofrecen la posibilidad de obtener durante una sola

pasada, una imagen de una escena tomada con muchos ángulos.

• El modo spotligth logra imágenes eficientes de varias escenas pequeñas, a

diferencia del modo Stripmap, ya que este produce imágenes de una larga franja

de terreno.

3.3.8 Geometría de la adquisición SAR

Como se mencionó anteriormente, los sistemas SAR son cargados en una plataforma movible

satelital o área, con una altitud y velocidad uniforme, para producir una imagen de la superficie

terrestre. El movimiento subsecuente provee un escaneo a lo largo de la trayectoria de vuelo en

dirección azimutal, de esta manera el haz del radar es dirigido hacia los lados y hacia debajo de

la superficie, generalmente en dirección perpendicular a la trayectoria usando un ángulo

esquineado (SKOLNIK, 1990)

El haz es ancho en la dirección vertical y se interseca con la superficie en un ovalo con el eje

extendido en la dirección de la trayectoria cruzada o rango, el eco que se recibe desde los puntos

de la superficie, se recibe en un rango creciente, lo que logra que la digitalización de la señal en

el tiempo proporcione un escaneo en la dirección del rango, siendo esta dirección determinada

por el lado en el que el radar mire la escena (SKOLNIK, 1990).

a) Geometría en rango: la posición de un objetivo es una función del tiempo de transito

del pulso que se da entre el sensor y dicho objetivo, sin embargo, esta función es

proporcional a la distancia entre ellos. El plano de la imagen del radar se puede

considerar como cualquier plano que contiene la trayectoria de vuelo del sensor, en este

caso la proyección de los puntos de objetos individuales en dicho plano se llama plano

5 El tiempo de integración es el tiempo que transcurre entre los tiempos 𝑡1 y 𝑡2, durante el cual un objetivo se ilumina por la antena

(Glossary R. a., 2017)




35

de inclinación o slant range, el cual es proporcional a la distancia del sensor, lo que

causa una compresión no lineal de la información de la superficie de la imagen

(SARMAP, 2009)

En el caso del rango, se pueden presentar diferentes distorsiones debido a las diferencias

mínimas de elevación inducidos por el relieve, que se pueden presentar en el plano de

inclinación, estas distorsiones se conocen como foreshortening (escorzo), layover

(inversión por relieve) y shadow (sombra) (SARMAP, 2009).

b) Geometría de rango inclinado (slant range) vs geometría de rango terrestre (ground

range): La geometría original de los datos SAR, corresponde a un rango inclinado,

donde los datos son proyectados desde este a un rango terrestre (SARMAP, 2009)

Ilustración 6: [Relación rango inclinado y rango terrestre). Elaboración propia a partir de información

obtenida de (SARMAP, 2009)

Tal y como se observa en la imagen anterior la relación entre los datos SAR con su

geometría original, y los datos SAR proyectos, se da mediante la siguiente formula:

𝐺𝑅 = 𝑆𝑅

sin 𝜃 (15)

Los datos SAR proyectados al rango terrestre, tampoco se encuentran referenciados a

un sistema cartográfico, por lo que no cuentan con una corrección geométrica, por esta

razón la única manera de geo codificar de manera correcta los datos SAR, es mediante

la aplicación de un enfoque riguroso del doppler aprovechando los datos SAR, con su

geometría en rango inclinado original. (SARMAP, 2009)

a) Geometría azimutal: La frecuenta de la señal retro dispersada depende de la velocidad

relativa que existe entre el sensor y el objetivo, de esta manera, debido a que la antena




36

se va moviendo hacia los objetivos, partes de la señal que es reflejada por estos, se van

a registrar con una frecuencia mayor que la emitida por el sensor (SARMAP, 2009).

3.3.9 Distorsiones geométricas y geográficas

3.3.9.1 Geolocalización

Las imágenes producidas por sensores remotos incluyendo los sistemas sistema SAR, son

imágenes de la superficie terrestre, las cuales una vez se corrigen los errores geométricos, se

pueden considerar como un mapa con escala precisa y alta resolución. Sin embargo, una dificultad

significante para lograr la correcta interpretación de la imagen, recae en el proceso de

geolocalización, el cual determina la localización general de la imagen en coordenadas

geográficas (latitud y longitud) (Olmsted, 1993).

En el caso de los sistemas SAR, al ser instrumentos activos, proporcionan información muy

precisa sobre el alcance del objetivo y el historial Doppler de la señal retornada, estas cantidades

se pueden relacionar con la precisión de la nave espacial y de las coordenadas de la superficie

terrestre, con lo cual mediante la resolución de un conjunto de ecuaciones se posibilita la

obtención de la localización en la tierra de cada uno de los pixeles en la imagen, con una

resolución del orden de 100 metros, por otro lado, en el caso de los sensores pasivos (ópticos,

radiométricos), el método más efectivo para realizar el proceso de geolocalización, es mediante

el uso de los puntos TIE, de esta manera se logran comparar las características geográficas

conocidas entre la imagen y los datos de mapas obtenidos por métodos convencionales (Olmsted,

1993).

3.3.9.2 Geocodificación

La geocodificación, es la conversión de los datos de las imágenes SAR a un sistema de

coordenadas de mapa, este paso viene después de realizar la geolocalización. La presentación de

los datos en la grilla del mapa se encuentra en UTM, con lo cual es posible aplicar las ecuaciones

de localización para cada pixel por medio de la resolución de las GEI6, con esto se logra convertir

las coordenadas geográficas a coordenadas de la grilla del mapa (Olmsted, 1993).

La geocodificación se realiza mediante una transformación de coordenadas, la cual se describe a

continuación (Olmsted, 1993):

(𝑖, 𝑗) ↔ (𝑆𝑅 , 𝑓𝑑𝑐) ↔ (𝑥, 𝑦, 𝑧) (16)

6 GEI: Sistema de coordenadas Geocentric Equatorial Inertial, usado universalmente para la trayectoria de objetos en la órbita local

terrestre (Olmsted, 1993)




37

(𝑥, 𝑦, 𝑧) ↔ (𝑅𝑒 , 𝑙𝑎𝑡, 𝑙𝑜𝑛𝑔) (17)

(𝑙𝑎𝑡, 𝑙𝑜𝑛𝑔) ↔ (𝑋, 𝑌) ↔ (𝑝, 𝑞) (18)

Donde 𝑖 y 𝑗 son el numero de pixeles en el rango oblico (slant range) de la imagen, 𝑆𝑅 y 𝑓𝑑𝑐 son

el slant range y el centroide doppler, 𝑥, 𝑦, 𝑧 son las coordenadas GEI, 𝑅𝑒 , 𝑙𝑎𝑡, 𝑙𝑜𝑛𝑔 son el radio

local de la tierra y las coordenadas geograficas, 𝑋, 𝑌 son el este y norte en metros, y 𝑝, 𝑞 son el

numero de pixeles en la grilla del mapa de la imagen geocodificada (Olmsted, 1993).

La geocodificación se puede realizar mediante el uso de un elipsoide, en donde el proceso se lleva

a cabo sin el uso de un modelo digital de elevación (DEM), y mediante el terreno, el cual se lleva

a cabo mediante los datos provenientes de un DEM (SARMAP, 2009).

3.3.9.3 Calibración radiométrica

La calibración de los valores de retrodispersión son necesarios para la comparación de las

imágenes de radar adquiridas con diferentes sensores, o bien con imágenes obtenidas por el mismo

sensor, tomada mediante diferentes modos de adquisición o procesadas con diferentes métodos,

de esta manera para entender dicho proceso, es necesario tener en cuenta la siguiente

nomenclatura (SARMAP, 2009):

a) Beta cero 𝛽0: el cuál es el coeficiente del brillo del radar o reflectividad, siendo esta por

unidad de área en el rango oblicuo (slant range) adimensional. Esta normalización tiene

la virtud que no requiere conocimiento del ángulo local de incidencia.

b) Sigma cero 𝜎0: el coeficiente de retrodispersión es la medida convencional de la fuerza

de la señal reflejada por la distribución del retrodispersor, usualmente expresado en dB,

este es un numero normalizado de dimensiones, el cual compara la fuerza observada a

la que se espera desde un área de metro cuadrado. Sigma cero se define con respecto a

la normalidad del plano horizontal, y en general tiene una variación significante con el

ángulo de incidencia, la microonda y la polarización, así como las propiedades de

retrodispersión de la superficie en sí.

Por otro lado, la base para realizar la calibración radiométrica, es la ecuación de radar (descrita

anteriormente), así mismo involucra las correcciones para los siguientes aspectos (SARMAP,

2009):

a) Área retrodispersada: cada pixel de salida es normalizado por el área actual iluminada de

cada resolución de celda, la cual puede ser diferente debido a variaciones en la topografía

y al ángulo de incidencia.




38

b) Patrón de antena de ganancia Gt: el efecto de la variación de la antena de ganancia en

rango es corregida teniendo en cuenta la topografía (DEM), o la altura de referencia.

c) Perdida de propagación de rango: el poder recibido es corregido por los cambios en la

distancia del rango cercano al rango lejano.

3.3.9.4 Normalización radiométrica

Después de realizar la calibración radiométrica, las variaciones del coeficiente de retrodispersión,

son claramente identificables en la dirección del rango, esto debido a la energía retrodispersada

de los objetos iluminados. Esta normalización también depende del ángulo de incidencia, entre

más pequeño es este y mayor es el ancho de banda (swath), usados parada adquirir una imagen,

más fuerte será la variación del coeficiente de retrodispersión en la dirección del rango

(SARMAP, 2009).

3.3.9.5 Distorsiones inducidas por el terreno

Como se mencionó anteriormente, en la geometría del rango, se pueden presentar unas

distorsiones inducidas por el terreno, escorzo (foreshortening), layover (inversión por relieve), y

shadow (sombra), en la siguiente imagen de observan dichas distorsiones (SARMAP, 2009):

Ilustración 7: [Distorsiones de las imágenes de radar]. Elaboración propia a partir de información obtenida de

(SARMAP, 2009)

Como se observa en la imagen anterior el escorzo se da cuando la pendiente (∝) se encuentra

frente al sensor, es decir que (∝) se encuentra entre 0 𝑦 𝜃, debido a esto los objetos van a

presentar una reflectividad más brillante. Un ejemplo de esto se observa en las áreas montañosas,

ya que, en este caso, desde un punto de vista radiométrico las laderas que se orientan al SAR van

a aparecer en la imagen mucho más brillantes, así mismo estas imágenes van a presentar

distorsiones geométricas mucho mayores. (SARMAP, 2009)

La inversión por relieve es un caso extremo del escorzo, donde la pendiente (∝) es más grande

que el ángulo de incidencia (𝜃), causando que la parte superior e inferior de la pendiente (∝) se




39

encuentren invertidos en la imagen de radar, en este caso para disminuir el plano de inclinación

entre el sensor y el objetivo, es necesario incrementar la distancia horizontal, por otro lado la

sombra se causa por los objetos que cubren parte del terreno que se encuentra detrás de ellos

(SARMAP, 2009)

Es de aclarar que los efectos de foreshortening se pueden corregir durante el proceso de

calibración geométrica y radiométrica, asumiendo que hay disponibilidad de datos de un modelo

digital de elevación con una buena resolución, por otro lado, el layover y las áreas con sombras

se pueden calcular exactamente, pero no se pueden corregir (SARMAP, 2009).

3.3.10 Resoluciones de las imágenes SAR

La resolución espacial de los sistemas de radar de apertura real, se determinan por el tamaño de

la antena, la duración del pulso (𝜏), y el ancho del haz, de esta manera para obtener una buena

resolución espacial en un sistema de radar de apertura sintética, este simula la longitud de antena

de un sistema de apertura real (SARMAP, 2009).

a) Resolución en rango

Un radar de apertura real logra la resolución en rango, por la emisión de un breve pulso

rectangular intenso, luego de esto se muestrea la señal retornante y se promedia en

intervalos de tiempo más cortos que el pulso que se emite, cada valor que se promedia es

el valor de intensidad retro dispersada de la superficie en el rango inclinado, en la mitad

del tiempo de recorrido de ida y vuelta de la señal, ya que el intervalo promedio se

encuentra por debajo del pulso, la resolución en rango es directamente proporcional a lo

longitud del pulso (Olmsted, 1993).

En la siguiente formula se define la resolución en rango para un sistema RAR (SARMAP,

2009):

𝛿𝑟𝑎 =𝑐𝜏

2 (19)

Donde 𝑐 es la velocidad de la luz

La resolución en rango en un sistema SAR se limita fundamentalmente por el ancho de

banda del pulso que se transmite, es así que para lograr un amplio ancho de banda, es

necesario trasmitir un pulso de corta duración, sin embargo, la resolución radiométrica se

ve comprometida, ya que entre más bajo sea el pulso, más baja es la energía transmitida,

y más baja será dicha resolución, de esta manera para poder preservar la resolución

radiométrica, y obtener una buena resolución en rango, los sistemas de SAR generan un




40

pulso llamado CHIRP, el cual es un pulso amplio con una modulación de frecuencia lineal

(SARMAP, 2009).

Gracias al procesamiento que se les realiza a los datos SAR, es posible el uso de un pulso

extendió con una intensidad baja, y con requerimientos de potencia bajos, esto lo que va

a permitir es seguir emitiendo la energía suficiente para obtener un retorno de señal que

sea detectable (Olmsted, 1993).

b) Resolución azimutal

El radar de apertura real (RAR), logra la resolución azimutal a lo largo de la trayectoria

de vuelo, por medio de un estrecho ancho de banda, esto requiere de una antena grande,

ya que el ancho de banda es inversamente proporcional al tamaño de la antena y

directamente proporcional a lo longitud de onda del sistema (Olmsted, 1993).

A medida que la plataforma se mueve, el objetivo es iluminado por una gran cantidad de

pulsos, debido a estos ecos de la señal guardada de manera coherente7, se posibilita

realizar el seguimiento de la trayectoria de la fase de un retro dispersor a lo largo del

tiempo que dura la iluminación del objetivo (Zénere, 2012).

Con la siguiente formula se define la resolución azimutal para un sistema RAR

(SARMAP, 2009):

𝛿𝑎𝑧 =𝜆𝑅

𝐿 (20)

En este caso 𝐿 es la longitud de la antena, 𝑅la distancia de la antena al objetivo y 𝜆 la

microonda (SARMAP, 2009).

De esta manera, al comparar el SAR con el RAR, los sistemas SAR incrementan

sintéticamente el tamaño de la antena para poder obtener una buena resolución azimutal,

esto lo logran usando la misma técnica de compresión que se usa para obtener la

resolución en rango (SARMAP, 2009).

Durante el tiempo de integración la señal reflejada es retornada hacia la antena con un

cambio de frecuencia debido al efecto doppler8, esta frecuencia se conoce como

frecuencia doppler, siendo esta negativa a medida que se aleja la antena del objetivo, y

positiva a medida que la antena se acerca a este, una característica importante de esta

7 El termino coherencia en la jerga SAR hace referencia a la descripción de los sistemas que conservan la fase de la señal que se

recibe con respecto de la señal que se emite (Glossary R. a., 2017) 8 El efecto doppler es el cambio de frecuencia de una onda, producto del movimiento relativo de la fuente respecto del observador

(Papaqui, 2017)




41

frecuencia es que la variación es aproximadamente lineal con respecto al tiempo, por esta

razón puede definirse como un chirp en acimut o chirp doppler (Zénere, 2012).

De igual forma que en el caso del chirp, el chirp doppler se determina por un tiempo de

duración, para este caso el 𝑡𝑖, una tasa de cambio de la frecuencia o tasa doppler (𝑓𝑟) y

una frecuencia central conocida como centroide doppler (𝑓𝑑𝑐), estos parámetros se

calculan a partir de datos como la distancia entre la antena y el objetivo, la longitud de

onda, y la velocidad relativa entre el sensor y el objetivo (Zénere, 2012).

De esta manera, para obtener la resolución azimutal en un sistema SAR es necesario

procesar los datos de las señales recibidas y las fases de los objetivos tomados mediante

una antena pequeña, el efecto de la toma de datos mediante esta antena, debe ser

transformada teóricamente al efecto de tomar los datos con una antena grande, es decir

obtener una longitud de antena de apertura sintética, de otro lado el ancho de banda en el

rango de un RAR con la misma longitud, puede proyectarse en la dirección azimutal, de

esta manera la resolución azimutal de un sistema SAR viene definido por la mitad de la

resolución de un sistema RAR, dichas relaciones se muestra mediante las siguientes

ecuaciones (SARMAP, 2009):

𝐴𝑛𝑐ℎ𝑜 𝑑𝑒 ℎ𝑎𝑧 𝑟𝑒𝑎𝑙 𝛽 = 𝜆

𝐷 (21)

𝑅𝑒𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑟𝑒𝑎𝑙 ∆𝐿 = 𝛽𝑅 = 𝐿𝑠 (𝐿𝑜𝑛𝑔𝑖𝑡𝑢𝑑 𝑎𝑝𝑒𝑟𝑡𝑢𝑟𝑎 𝑠𝑖𝑛𝑡é𝑡𝑖𝑐𝑎) (22)

𝐴𝑛𝑐ℎ𝑜 𝑑𝑒 ℎ𝑎𝑧 𝑠𝑖𝑛𝑡é𝑡𝑖𝑐𝑜 𝛽𝑠 = (𝜆

2 ) 𝐿𝑠 =

𝐷

2𝑅 (23)

𝑅𝑒𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 𝑠𝑖𝑛𝑡é𝑡𝑖𝑐𝑎 ∆𝐿𝑠 = (𝛽𝑠𝑅) = 𝐷

2 (24)

En este caso, (𝜆) es la microonda, 𝐷 la apertura del radar, y 𝑅 la distancia de la antena al

objetivo, por esta razón los sistemas SAR poseen una alta resolución azimutal a pesar de

tener un tamaño pequeño de antena, y es independiente del rango inclinado y de la altitud

del satélite (SARMAP, 2009).

Ilustración 8: [Descripción física de la resolución azimutal de un SAR]. Elaboración propia a partir de

información obtenida de (SARMAP, 2009)




42

3.4 Interferometría SAR (InSAR)

Los inicios de la interferometría se dieron a conocer a principios de los años 70, documentado por

(Graham, 1974), en donde se describen las características generales de los sistemas

interferométricos SAR aerotransportados, y las aplicaciones desarrolladas inicialmente a partir de

la interferometría como son el mapeo topográfico, sin embargo las aplicaciones conocidas

actualmente usadas para las geociencias se vieron en la década de los 80, con la publicación de

los primeros resultados de InSAR, uno de estos estudios es el realizado por (H.A.Zebker &

R.M.Goldstein, 1987), el cual hace referencia a las medidas de la superficie oceánica con el uso

de la interferometría, testeando las imágenes SAR sobre San Francisco.

Actualmente la técnica InSAR, ha tomado una gran importancia como una herramienta poderosa

para realizar el mapeo de la superficie terrestre, incluyendo la superficie oceánica, así mismo

también el uso de la denominada DinSAR o interferometría diferencial, la cual es una técnica que

usa InSAR para medir el desplazamiento de la superficie por fenómenos físicos como terremotos,

deslizamientos o subsidencia (Bamler & Hartl, 1998)

De esta manera InSAR es una técnica usada para medidas de altura de terreno, diferencias en las

alturas, o como se mencionó anteriormente medidas de desplazamiento, esta involucra al menos

dos imágenes SAR con valores complejos, las cuales son tomadas desde antenas a las altitudes

ligeramente diferentes (SKOLNIK, 1990). El InSAR aporta más información sobre el objeto que

se presenta en una sola imagen SAR mediante la explotación de las señales de fase del SAR, una

segunda imagen SAR muestra información adicional de al menos un parámetro en las imágenes

que es diferente al compararlo con la primera imagen (Bamler & Hartl, 1998).

Para trabajar la técnica InSAR, se debe tener en cuenta que el SAR puede observar una misma

área desde vistas con ángulos ligeramente diferentes, esto puede hacerse simultáneamente

mediante dos radares montados en la misma plataforma (single pass InSAR) o en diferentes

tiempos mediante la repetición de orbitas del mismo satélite, (two pass InSAR), lo que influye

directamente en el desarrollo de este método (SKOLNIK, 1990).

De esta manera, se puede definir principio de la interferometría SAR (InSAR), como la

explotación de las diferencias generadas entre las imágenes de radar, en donde se comparan las

fases de imágenes con una diferencia de posición o con diferencia de tiempo, una vez se ha

realizado el registro apropiado de estas, realizado este proceso se obtiene como resultado una

imagen que muestra la diferencia de fases, lo que se conoce como un interferograma, este

contiene una serie de franjas o patrón de diferencia de fase que contiene la información de




43

geometría relativa de la superficie terrestre, siendo esta información afectada por muchos

fenómenos físicos (Massonet & L.Feigl, 1998).

3.4.1 Procesamiento para la generación de un interferograma

3.4.1.1 Estimación línea base

La distancia entre dos satélites 𝑆1 y 𝑆2, en el plano perpendicular a la órbita se conoce como línea

base interferométrica, siendo su proyección perpendicular o rango inclinado, la línea base

perpendicular 𝐵𝑛 (Ferretti, Monti-Guarnieri, Prati, & Rocca, 2007). En la ilustración 9 se observa

un esquema que muestra la geometría de un sistema satelital interferométrico SAR:

Ilustración 9: [Aspectos básicos de un sistema satelital interferométrico SAR]. Elaboración propia a partir de

información obtenida de (Ferretti, Monti-Guarnieri, Prati, & Rocca, 2007)

La variación del patrón de viaje (𝜕𝑅), puede ser medida por la diferencia de fase (∆𝜑) entre dos

imágenes SAR, esto se logra mediante la multiplicacion del conjugado complejo de una imagen

por la otra, una vez realizado esto se forma el interferograma, obteniendo la fase interferométrica

la cual contiene franjas que trazan la topografía mediante líneas de contorno (SARMAP, 2009).

Una aproximación para encontrar (𝜕𝑅) se define a partir de la siguiente ecuación:

𝜕𝑅 = −2𝐵𝑛𝑞𝑠

𝑅 (26)

Donde 𝐵𝑛 es la linea base perpendicular, 𝑅 es la distancia del radar al objetivo, 𝑞𝑠 es el

desplazamiento entre las celdas de resolución a lo largo de la perpendicular al rango inclinado

(Ferretti, Monti-Guarnieri, Prati, & Rocca, 2007).




44

Cuando el componente perpendicular de la línea base (𝐵𝑛) incrementa mucho más del límite

conocido, se conoce como la línea base critica, en donde la información de fase no se preserva,

por lo cual hay perdida de coherencia y la interferometría no es posible (SARMAP, 2009).

3.4.1.2 Coherencia estimada

El ruido de la fase puede se puede estimar para un par SAR interferométrico por medio de la

coherencia local (𝛾), siendo esta el coeficiente de correlación cruzada del par de imágenes SAR

estimado sobre una pequeña ventana (unos pocos pixeles en rango y azimut), una vez se

compensan todos los componentes que determinan de la fase, siendo los principales componentes

los causados por la elevación del terreno (SARMAP, 2009).

La coherencia local (𝛾) en primer lugar es una funcion de decorrelacion espacial sistemica, el

ruido aditivo, y la escena de decorrelacion que toma lugares entre dos adquisiciones, esta toma

valores entre el 0, donde la fase interferométrica es solo ruido y el 1 donde hay una completa

ausencia de ruido en la fase, siendo valores menores a 0.2 en la fase interferométrica, no viables

para poder procesar los datos (SARMAP, 2009).

En esencia la coherencia tiene dos propósitos (SARMAP, 2009):

a) determinar la calidad de las mediciones de la fase interferométrica.

b) la extracción de información temática acerca de los objetivos en el suelo en combinación

con el coeficiente de retrodispersión (𝜎0).

3.4.1.3 Formación del interferograma

Para una apropiada combinación interferométrica para obtener el interferograma SAR, se deben

ponderar de la misma forma los elementos objetivos en ambas imágenes, esto se logra por la

multiplicación cruzada pixel a pixel de la primera imagen SAR (maestra) con el conjugado

complejo de la segunda imagen (esclava) (Massonet & L.Feigl, 1998). En consecuencia, la

amplitud del interferograma generado es la amplitud de la imagen maestra multiplicada por la

amplitud de la imagen esclava, mientras que la fase, que en este paso ya se vuelve fase

interferométrica, es la diferencia de fase entre ambas imágenes (Ferretti, Monti-Guarnieri, Prati,

& Rocca, 2007).

a) Corregistro: Las imágenes SAR tratadas de manera individual, son una gran fuente de

información, de otra parte, al combinarlas con otra imagen SAR para obtener una mayor

extensión de área de cobertura, o con otros datos obtenidos de sensores remotos para




45

comparar la emisión en diferentes bandas espectrales, se logra multiplicar la información

obtenida por una sola imagen (Olmsted, 1993).

Para lograr esa combinación se debe realizar el corregistro, el cual consiste en un proceso

simple de superposición en la geometría del rango inclinado, de dos o más imágenes SAR

que posean la misma orbita y que hayan sido tomadas con el mismo modo de adquisición


Para obtener una buen corregistro es necesario realizar los siguientes pasos (Massonet &

L.Feigl, 1998):

I. deben ser evaluadas las diferencias geométricas entre las dos imágenes de radar,

el método de superposición seleccionado, debe ser el que minimice las

variaciones de la fase entre las dos imágenes, siendo el método convencional de

correlación de amplitud el que mejor precisión otorga.

II. las diferencias geométricas deben ser modeladas, el ajuste de estas diferencias en

la mayoría de los casos se realiza por mínimos cuadrados para aproximar la

distorsión con un bajo orden polinomial, pero esto descuida los efectos

estereoscópicos residuales.

III. se decide cuál de las imágenes será superpuesta a la otra respetando el contenido

de la fase, (imagen esclava 𝑆, imagen maestra 𝑀), esta superposición se realiza

mediante remuestro bilinear o bicubico, en donde se remuestrea la imagen en el

dominio complejo por pequeños bloque de un puñado de pixeles, estos

generalmente son 50 o menos pixeles, de acuerdo al modelo de la grilla, cada

bloque se traduce en azimut y rango por una fracción de un pixel usando la

multiplicación por la rampa de la fase en la frecuencia del dominio.

b) Fase interferométrica: Si se asume que 𝑀 son los pixeles de tipo complejo presentes en

la imagen maestra, los cuales poseen coordenadas en filas y columnas con una referencia

geométrica escogida arbitrariamente, y que 𝑆 son los pixeles correspondientes en la

imagen esclava corregistrada, se tiene que durante el proceso del corregistro 𝑆 se mapea

dentro de la geometria de 𝑀 obteniendo para este punto la diferencia de fase

interferométrica, denotada por 𝑀𝑆 ∗, donde el asterisco identifica la conjugación

compleja (Massonet & L.Feigl, 1998).




46

Ilustración 10: [Aspectos geométricos de un sistema interferométrico SAR]. Elaboración propia a partir de

información obtenida de (Mangla & Kumar, 2014)

De la ilustración 10, se puede deducir la diferencia de fase ∆𝜑 en términos de la longitud

de onda y la variación del patrón de diferencia 𝜕𝑅, de la siguiente manera (Mangla &

Kumar, 2014):

Para una posición 𝑆1 la fase 𝜑1 es la siguiente:

𝜑1 =4𝜋𝑅

𝜆 (27)

Para una posición 𝑆2 la fase 𝜑2 es la siguiente:

𝜑2 =4𝜋(𝑅+𝜕𝑅)

𝜆 (28)

Siendo ∆𝜑 proporcional a 𝜕𝑅 dividido por la longitud de onda (𝜆), quedando definida por

de la siguiente manera:

∆𝜑 =4𝜋𝜕𝑅

𝜆 (29)

Por la ley de cosenos se puede deducir aproximadamente 𝜕𝑅 quedando de la siguiente

manera:

𝜕𝑅 ≈ 𝐵 sin(𝜃 − 𝛼) +𝐵2

2𝑅 (30)




47

Donde 𝐵 es la línea base, 𝜃 es en ángulo de incidencia, y 𝛼 es el ángulo entre la línea

base perpendicular 𝐵𝑛 y la línea base 𝐵.

De esta manera la diferencia de fase interferométrica ∆𝜑 queda definida de la siguiente

manera:

∆𝜑 = (4𝜋

𝜆) ∗ [𝐵 sin(𝜃 − 𝛼) + (

𝐵2

2𝑅)] (31)

De esta manera se puede deducir que la fase interferométrica, no es más que el

interferograma como tal, el cual se puede codificar en Bytes al multiplicar las fases (2𝜋)

por 256, de esta manera se logra aprovechar en su totalidad el rango digital (Massonet &

L.Feigl, 1998). En la ilustración 11 se observa una imagen que contiene la fase

interferométrica de Pico de Fogó en cabo Verde costa de África:

Ilustración 11: [Fase interferométrica de Pico de Fogó en cabo Verde costa de África]. Obtenido de (Veci,

2016)

En esencia un interferograma, es un patrón de franjas que contiene toda la información

relativa de la geometría, los colores presentes que van del cian al amarillo y al magenta,

representan los ciclos de la fase interferométrica la cual tiene como modulo un valor de

(2𝜋), debido a las lijeras diferencias en la posición de la antena, y a la diferencia

sistemática de la fase sobre toda la escena, la cual puede ser observada. Para facilitar el

desenvolvimiento de la fase, las diferencias de fase con baja frecuencia son removidas

subsecuentemente (SARMAP, 2009).

Los rangos de la magnitud del interferograma son los valores de coherencia (entre 0 y 1),

siendo estos valores los que miden la fiabilidad de los datos de la imagen, como se

mencionó anteriormente, una perfecta coherencia (valores cercanos a 1), significa que

cada pixel tuvo concordancia con la fase dentro de su celda, lo cual es poco probable si




48

la celda contiene más de un pixel, y por el otro lado los valores cercanos a 0, indican una

fase interferométrica que no posee sentido alguno, de esta manera la coherencia tiene

correspondencia a la coherencia intrínseca del suelo y a sus propiedades físicas (Massonet

& L.Feigl, 1998).

c) Fuentes de ruido en la fase interferométrica:

I. Contribución atmosférica: cuando dos imágenes interferométricas SAR no son

simultaneas, la trayectoria del recorrido de la radiación para cada una puede

verse afectada diferentemente por la atmosfera, (humedad temperatura y

presión atmosférica), entre las dos tomas, por esta razón las imágenes tendrán

una visible consecuencia en la fase interferométrica. Este efecto suele estar

confinado dentro del cambio de fase interferométrica, a lo largo de la imagen

con una variabilidad espacial suave (desde unos pocos cientos de metros hasta

unos pocos kilómetros). El efecto de la contribución atmosférica tiene impacto

en ambas altitudes, especialmente en el caso de líneas base pequeñas, y en las

medidas de deformación de terreno (Ferretti, Monti-Guarnieri, Prati, & Rocca,

2007).

II. cambios temporales de la dispersión: En el caso de las cuencas hidrográficas o

de las áreas densamente pobladas de vegetación, los dispersores se someten

totalmente después de unos pocos milisegundos, mientras que las rocas

expuestas o las áreas urbanas permanecen estables incluso después de años


III. vistas desde ángulos diferentes: La consecuencia más importante de este efecto

es la existencia de la línea base crítica sobre la cual la fase interferométrica es

solo ruido. La línea base critica depende de la dimensión de la celda de

resolución del rango terrestre, de la pendiente del terreno, la frecuencia del

radar, y la distancia del sensor al objetivo (Ferretti, Monti-Guarnieri, Prati, &

Rocca, 2007)

3.4.1.4 Aplanamiento del interferograma

Debido a que la fase interferométrica se ve afectada por la curvatura de la tierra, el efecto

producido por esta debe ser removido para obtener franjas que se puedan relacionar con cambios

en desplazamiento (en algunos casos), elevación, ruido y efectos atmosféricos, siendo este paso

conocido como el aplanamiento del interferograma o fase aplanada, el cual sirve para realizar el

desenvolvimiento de la fase de una manera más sencilla (Mangla & Kumar, 2014).




49

El interferograma aplanado se puede estimar mediante la ecuación descrita a continuación

(Mangla & Kumar, 2014):

∆𝜑𝑓𝑙𝑎𝑡 = (4𝜋

𝜆) ∗ [𝐵 sin(𝜃 − 𝛼) − 𝐵 sin(𝜃0 − 𝛼)] (32)

Donde 𝐵 es la línea base, 𝜃 es en ángulo de incidencia, 𝛼 es el ángulo entre la línea base

perpendicular 𝐵𝑛 y la línea base 𝐵, y 𝜃0 es el angulo de cada punto en la imagen asumiendo una

altura local de 0.

En la ilustración 12, se observa el resultado de realizar el proceso de aplanamiento del

interferograma, sobre la fase interferométrica de Pico de Fogó en cabo Verde costa de África

Ilustración 12: [Interferograma aplanado de la fase interferométrica de Pico de Fogó en cabo Verde costa de

África]. Obtenido de (Veci, 2016)

3.4.1.5 Coherencia corregida

La coherencia corregida se genera luego del filtrado del interferograma y el aplanado de la fase,

donde se reduce el ruido y se suaviza este, generando también un mapa de coherencia (Mangla &

Kumar, 2014). El mapa de coherencia es la escena que se forma a partir del cómputo de los valores

absolutos de la coherencia local en una ventana en movimiento que cubre toda una imagen SAR,

siendo la fórmula matemática para calcularla la siguiente (Ferretti, Monti-Guarnieri, Prati, &

Rocca, 2007):

𝛾 =∑ 𝑀(𝑀𝑆∗)𝑁

√∑ |𝑀|𝑁 ²√∑ |𝑆|²𝑁

(33)

Donde 𝑁 es el numero de pixeles, 𝑀 es la imagen maestra, 𝑆 es la imagen esclava, y 𝑀𝑆 ∗ es el

conjungado complejo de la imagen esclava (Ferretti, Monti-Guarnieri, Prati, & Rocca, 2007).




50

Ilustración 13: [Imagen de mapa de coherencia Pico de Fogó en cabo Verde costa de África]. Obtenido de (Veci,

2016)

En la ilustración 13 se muestra una imagen de coherencia, donde los valores brillantes

corresponden a valores de coherencia cercanos a 1 mientras que los valores oscuros corresponden

a valores menores a 1, siendo los valores negros correspondientes a un valor de coherencia 0.

En la mayoría de los casos la información temática contenida en la escena formada, es

inversamente proporcional a la resolución temporal, esto principalmente causado por cambios

fenológicos, cambios en los objetos o condiciones climáticas, aun así, si los sitios seleccionados

se encuentran en áreas secas, se puede observar información de coherencia alta incluso si se tienen

largos lapsos (Ferretti, Monti-Guarnieri, Prati, & Rocca, 2007).

3.4.1.6 Desenvolvimiento de la fase interferométrica

Se interpreta la fase de radar en términos de la distancia de ida y vuelta entre la antena del radar

y el suelo, siendo esta cantidad medida solamente dentro de una constante aditiva que corresponde

a un número entero de medias longitudes de onda (Massonet & L.Feigl, 1998). Después de la

adquisición de dos imágenes SAR 𝑆 y 𝑀, y la producción del interferograma 𝐼𝑛 = 𝑀𝑆 ∗, la fase

interferométrica puede ser obtenida de acuerdo a la expresión definida en la ecuación 31, sin

embargo, este procedimiento compila una ambigüedad que es propia de la adquisición de

información de los sistemas SAR (Matias, 2006).

En este caso, en lugar de tener la fase absoluta o verdadera, solo se tienen sus valores principales,

los cuales se definen como los restos de la fase luego de la resta del máximo múltiplo 2𝜋, el cual

es menor o igual a los valores de fase mas una sustracción adicional de una cantidad 𝜋 que puede

ser detectada y almacenada, de esta manera el intervalo principal correspondiente será el conjunto

de todos los valores principales entre (−𝜋, 𝜋) (Matias, 2006).

En términos matemáticos, los principales valores de la fase, se conocen de igual forma como el

valor del módulo 2𝜋, siendo esto lo que se conoce como la fase envuelta, dicho en otras palabras,




51

es el resultado del envolvimiento de la fase alrededor de un intervalo con una longitud de 2𝜋,

siendo este valor el correspondiente al ciclo completo de una onda; y por otro lado el

desenvolvimiento de la fase sería el proceso contrario, es decir la recuperación de la fase absoluta

a partir de la fase envuelta, que es lo mismo que la recuperación de los ciclos de fase que se han

perdido previamente, eliminando la ambigüedad múltiple 2𝜋 (Matias, 2006).

La ambigüedad producto de la fase envuelta, es posible resolverla mediante el desenvolvimiento

de la fase, siendo el método más simple para realizar dicho proceso, un simple conteo de franjas

a lo largo de un camino, enumerando cada una en una sucesión, sin embargo, actualmente existen

algoritmos más sofisticados que realizan dicho proceso (Massonet & L.Feigl, 1998). Los

diferentes algoritmos para desenvolver la fase interferométrica, comparten un objetivo inicial,

siendo este el cómputo y luego el integrado del cambio de fase desde un punto al siguiente en un

interferograma, para así formar una sola función de fase más suavizada incorporando los ciclos

perdidos previamente (Zebker & Lu, Phase unwrapping algorithms for radar interferometry:

residue-cut, least-squares, and synthesis algorithms, 1998).

En la ilustración 14, se observa el resultado del desenvolvimiento de fase, del interferograma de

Pico de Fogó en cabo Verde costa de África:

Ilustración 14: [Fase desenvuelta de Pico de Fogó en cabo Verde costa de África]. Obtenido de (Veci, 2016)




52

3.4.2 Aplicaciones de InSAR

Entre las principales aplicaciones del InSAR se encuentra la generación de modelos digitales de

elevación y estudios de desplazamiento de terreno por medio de DinSAR.

3.4.2.1 Generación modelo digital de elevación DEM

La idea básica de la generación de un modelo digital de elevación DEM, es la conversión de la

información de la fase interferométrica a altura, estos datos se obtienen de dos adquisiciones SAR

en diferentes momentos, con una ligera diferencia en la posición orbital. Con el fin de obtener

productos precisos, los datos de SAR deben ir a través de una cadena de procesamiento, que lleva

a cabo el enfoque de datos, el procesamiento interferométrico, la georreferenciación y finalmente

el mosaico (SARMAP, 2009).

Una vez se han realizado todos los procesos descritos anteriormente para la generación de un

interferograma, se debe realizar una conversión de fase interferométrica a altura y una

geocodificación para obtener así un DEM.

Igualmente, luego de realizar los procesos anteriores, se produce una ambigüedad de altitud lo

cual es la diferencia de altitud que se genera por un cambio de fase interferométrica de 2𝜋, esta

ambigüedad es inversamente proporcional a la línea base perpendicular 𝐵𝑛, y se expresa por

medio del a siguiente ecuación (Ferretti, Monti-Guarnieri, Prati, & Rocca, 2007):

ℎ𝑎 =𝜆𝑅 sin 𝜃

2𝐵𝑛 (34)

Donde 𝜆 es la longitud de onda, 𝑅 es la distancia del sensor al terreno, ℎ𝑎 es la ambigüedad de

altitud, 𝐵𝑛 es la linea base perpendicular.

En principio, cuanto mayor sea la línea de base 𝐵𝑛, más exacta será la medida de altitud, ya que

el ruido de fase es equivalente a un menor nivel de altitud, sin embargo hay un límite superior de

la línea base perpendicular, sobre el cual no existe decorreclación de las señales interferométricas

y no se pueden generar franjas, debido a esto se concluye que hay una línea base perpendicular

optima que maximiza la relación de potencia de señal a ruido donde las señales son altitud de

terreno (Ferretti, Monti-Guarnieri, Prati, & Rocca, 2007).

3.4.2.2 Conversión de fase a desplazamiento

La separación temporal en interferometría de días, meses o incluso años, puede ser usado como

una ventaja a largo plazo para monitorear los fenómenos geodinámicos, en el que el objetivo

cambia de posición en un lugar relativamente lento, como el caso de los movimientos de glaciales




53

o movimiento de lava. Sin embargo, también es útil para el análisis de los resultados de un solo

evento como los terremotos. En esencia la fase observada es la suma de muchas contribuciones,

el objetivo de la interferometría diferencial DinSAR es extraer de los diferentes componentes, un

único desplazamiento (SARMAP, 2009).

3.5 Modelo digital de elevación DEM

3.5.1 Definición de un DEM

Un modelo digital de elevación es una estructura numérica de datos que representan la

distribución espacial de la altitud de la superficie del terreno, siendo el valor de altitud 𝑧 la unidad

básica de información del DEM, además de que este valor es acompañado por los valores

correspondientes de 𝑥 y 𝑦 expresados en una proyección geográfica para una precisa

referenciación espacial, de esta manera el DEM se describe genéricamente mediante la siguiente

fórmula (Felicísimo, 1994):

𝑧 = 𝑓(𝑥, 𝑦) (35)

3.5.2 Representación de datos de un DEM

Dependiendo de la elección de manejo de la información que otorga un DEM, se configuran las

diferentes opciones de la estructura de datos, siendo estas opciones definidas por el diseño de las

diferentes variantes que aparecen cuando se definen las interrelaciones entre las unidades

elementales de información (altitud (𝑧), coordenadas geograficas (𝑥 , 𝑦)) (Felicísimo, 1994).

Los DEM se dividen básicamente en dos grupos en función de la representación de los datos,

siendo el primero de estos grupos el definido por los datos vectoriales, los cuales están basados

en entidades definidas por sus coordenadas (puntos y líneas), en este caso los atributos del terreno

son representados mediante líneas (vectores) y mediante puntos acotados, siendo los puntos

definidos mediante un par de valores de coordenadas y las líneas mediante un vector de pares de

coordenadas; el segundo grupo se define por los datos raster los cuales se interpretan como el

valor medio de unidades elementales de superficie no nula que representan un patrón del terreno

con una distribución regular, sin crear solapamiento y con un recubrimiento total del área que se

representa (Felicísimo, 1994).

En la tabla 3 se muestran los tipos de estructuras que se usan generalmente para el

almacenamiento de los DEM, dependiendo de la representación de los datos:




54

Representación de

los datos

Tipo de estructura Descripción

Vectorial

Contornos

Secuencial: Las líneas se almacenan como

cadenas de cotas.

Analítica: Las líneas se almacenan como

segmentos de Bézier, polinómicos, etc.

Perfiles Cadenas paralelas de cotas en línea con altitud

variable.

Triángulos Red de triángulos irregulares (TIN)

Raster

Matrices

Regulares: Cotas sobre una malla cuadrada de

filas y columnas equidistantes

Escalables: Cotas sobre sub-matrices jerárquicas y

de resolución variable.

Polígonos Cota asignadas a teselas poligonales regulares

(triángulos o hexágonos)

Tabla 3: [Tipos de estructuras según la representación de los datos]. Elaboración propia a partir de información

obtenida de (Felicísimo, 1994)

3.5.3 Tipos de estructuras de un DEM

a) Modelo vectorial de tipo de contornos: La estructura básica de este tipo de estructura es

el vector, el cual se compone por un conjunto de pares de coordenadas (𝑥, 𝑦) que describe

la trayectoria de lineas isometricas, en este caso el número de elementos de cada vector

varia y se reduce a este en un único elemento que permite la incorporación de cotas

puntuales sin introducir incoherencias estructurales. En el caso más sencillo, este tipo de

estructura se constituye por el conjunto de las curvas de nivel que pasan por la zona que

se presenta, siendo estas separadas usualmente por intervalos constantes de altitud

(Felicísimo, 1994).

b) Modelo vectorial de tipo de redes de triángulos irregulares (TIN): Esta estructura de datos

se compone por un conjunto de triángulos irregulares adosados que suelen identificarse

por las siglas en ingles Triangulated irregular network (TIN) (Peucker, Fowler, & Little,

1978).

Existen dos métodos principales para la generación de los TIN, siendo el primero de estos

la selección de los puntos de datos y sus conexiones dentro de las facetas; y la segunda la

selección manual de los puntos y los enlaces que constituyen la red triangular (Peucker,

Fowler, & Little, 1978).

Los triángulos se construyen ajustando un plano a tres puntos cercanos no colineales, y

se adosan sobre el terreno, con esto se forma un mosaico que se puede adaptar a la




55

superficie con diferente grado de detalle, obteniendo una representación del terreno por

un conjunto de superficies planas ajustadas a una estructura anterior de puntos

(Felicísimo, 1994)

c) Modelo raster de tipo matrices regulares: Este tipo de estructura resulta de la

superposición de un conjunto de líneas sobre el terreno y de la extracción de la altitud

media de cada celda, el conjunto de líneas puede adoptar variadas formas siendo la más

utilizada una red regular de malla cuadrada con filas y columnas equiespaciadas, en este

caso las matrices de altitudes son generadas por métodos fotogramétricos o por la

interpolación de un modelo previo de contornos. En esta estructura la localización

espacial de cada dato se determina implícitamente por su ubicación en la matriz una vez

se definen las coordenadas de origen y el intervalo entre las filas y columnas de esta

(Felicísimo, 1994).

d) Modelo raster de tipo de matrices de resolución variable: Esta estructura reside en la

posibilidad de solucionar el problema de la resolución espacial prefijada de la estructura

de matrices regulares, ya que mantiene la sencillez conceptual y operacional, siendo los

elementos de estos matrices datos elementales como en las matrices regulares o su matriz

con un nivel de resolución diferente. La estructura final es un árbol jerárquico y dinámico

de submatrices con una profundidad arbitraria inicialmente y una resolución que se va

duplicando en cada nivel (Felicísimo, 1994).

3.6 Programa, sistema, sensor

A continuación, se describen las especificaciones del sistema Sentinel 1, cuyas imágenes fueron

procesadas para obtener los productos propuestos en el inicio de este trabajo.

3.6.1 Programa Copérnico

Es una iniciativa de la Comisión Europea (EC) y la Agencia Espacial Europea (ESA), conocido

anteriormente como GMES (Global Monitoring for Enviroment and Security) apunta a ser un

gran sistema unificado para distribuir una gran cantidad de información recogida desde el espacio

y terreno a una serie de servicios temáticos (Gestión del suelo, el medio marino, la atmósfera,

respuesta a situaciones de emergencia, seguridad y cambio climático (Spain, 2016), destinados a

monitorear el medio ambiente, buscando garantizar la seguridad de la ciudadanía, entre otras

cosas.

El componente espacial del programa Copérnico se encuentra actualmente en una fase de

implementación, compuesto por 5 misiones o sistemas con distintos campos de análisis: Sentinel




56

1, vinculado a las imágenes de radar, actualmente en fase operativa; Sentinel 2, proporcionando

imágenes multiespectrales de alta resolución, actualmente en fase operativa; Sentinel 3, destinado

principalmente a estudios de océanos, próximo a lanzarse; Sentinel 4, que aportará datos para

estudios atmosféricos desde una órbita geoestacionaria, se encuentra en etapa de implementación;

Sentinel 5, que también proporcionará datos para estudios atmosféricos pero desde una órbita

polar, se encuentra en etapa de implementación.

3.6.2 Sistema Sentinel 1

Este sistema hace parte del Observatorio de Radar Europeo, vinculado al programa Copérnico, y

se compone de una constelación de dos satélites con órbita polar: El SENTINEL 1A, lanzado en

el cohete Soyuz ST-A9, desde el centro Espacial de la Guyana Francesa el 3 de Abril de 2014; El

SENTINEL 1B, el cual fue lanzado el 25 de abril de 2016, en el cohete Soyuz desde el puerto

espacial europeo en Korou, Guyana Francesa, de esta manera se completó la constelación que

contribuirá a proporcionar mayor cantidad de datos. Esta constelación cuenta con sensores de

Radar de apertura sintética (SAR) de Banda C, tal como sus antecesores (ERS, RADARSAT,

ENVISAT), proporcionando imágenes con cobertura mundial, de doble polarización en cuatro

formatos de diferentes resoluciones, desde los 5 mt, con una cobertura de hasta 400 km. Todo

esto con una resolución temporal de 12 días con el SENTINEL 1A y de 6 días una vez esté en

operación el SENTINEL 1B. Se espera que esta constelación tenga un tiempo de revisita de 3 días

en el ecuador (ascendente y descendente), menos de un día en el ártico, y de entre 1 y 3 días en

Europa y Canadá. Dentro de las ventajas que ofrece este sistema está la posibilidad de tomar a

cualquier hora del día sin importar las condiciones atmosféricas o climáticas y la rapidez con la

que se recibe la información (hasta una hora después de la toma de adquisición) (Spain, 2016)

Ilustración 15: [Mapa de cobertura global de las imágenes proporcionadas por la constelación Sentinel 1].

Información obtenida de (European Space Agency, 2013)

9 El Soyuz ST-A (372RN21A) es una versión ligeramente modificada del Soyuz-2-1A (14A14-1A). Se trata de un cohete de tres etapas

(más la etapa superior Fregat-M o Fregat-MT) basado en el Soyuz-U/Soyuz-FG fabricado por la empresa TsSKB Progress de Samara (Rusia) con capacidad para situar 2730 kg en órbita de transferencia geoestacionaria (GTO) lanzado desde la Guayana Francesa (o

7020 kg en órbita baja lanzado desde Baikonur). (arianespace, 2015)




57

Dentro de los objetivos de la misión está el monitoreo de bosques, suelos agrícolas, cuerpos de

agua, deshielo marino, icebergs, buscando entre otras cosas, servir como soporte para el mapeo

de zonas que sufran desastres naturales. Se espera que tenga una vida útil de 12 años (European

Space Agency, 2013).

3.6.2.1 Especificaciones del sistema SENTINEL 1

A continuación, en la tabla 4, se muestra un resumen, con las principales características y

especificaciones técnicas que componen al sistema Sentinel 1:

Tabla 4: [Especificaciones sistema Sentinel 1]. Elaboración propia a partir de información obtenida de (Attema, y

otros, 2007)

3.6.2.2 Descripción de la plataforma satelital

Los satélites Sentinel 1 A y B, fueron creados gracias a la colaboración de diferentes entidades,

las cuales constituyen el consorcio industrial, liderado por el Thales Alenia Space Italy como

contratista principal, siendo Astrium Germany el principal responsable de la carga útil CSAR,

10 El sistema de combustible mono-propulsor, es un combustible que usa como propulsor el anhidro de hidracina y la presión del nitrógeno gaseoso, para operar en modo de soplo. El propulsor y la presión son cargados en tanques comunes; estos sistemas son

compatibles con lanzadores Delta 2, Soyuz, Ariane 5, Falcón 9, Dniepr. (A THALES ALENIA SPACE, 2012)

SENTINEL 1

Orbita

Helio sincrónico, altitud 693 km, 175 orbitas por ciclo,

Inclinación 98,18°

Periodo Orbital 98,6 minutos

Resolución Temporal 12 días en el Ecuador

Estabilización 3 ejes con una precisión de 0,01° cada uno.

Capacidad de

Almacenamiento 1410 GB

Capacidad de la Batería 324 Ah

Peso

2300 kg incluyendo 130 Kg de Combustible mono-

propulsor10

Autonomía Operativa 96 horas

Dimensiones 3900x2600x2500 mm

Sensor Radar de apertura sintética, Banda C

Centro de Frecuencia 5405 GHz

Polarización VV+VH, HH+HV, HH, VV

Angulo de Incidencia De 20° a 45°

Precisión Radiométrica 1 dB (3σ)




58

incorporado en este el subsistema electrónico del radar central, el cual fue desarrollado por

Astrium UK (Attema, y otros, 2007). Esta plataforma satelital cuenta con 3 ejes los cuales se

encargan de estabilizarlo mediante 4 sensores, (estos sensores son de sol, de estrella, un giroscopio

y de campo magnético)11 , que funcionan como timones encargados de controlar la órbita y la

altitud del satélite.

Este satélite se basa en la plataforma italiana multi aplicativa construida gracias a la experiencia

obtenida por RADARSAT-2 y COSMO-SKYMED, los cuales utilizaron esta misma plataforma.

Esta plataforma satelital está equipada con dos alas con paneles solares capaces de producir hasta

5900 watts hasta el final de la vida de este, dicha energía es almacenada en una batería modular

(European Space Agency, 2013).

Ilustración 16: [Representación física satélites Sentinel 1]. Información obtenida de (European Space Agency, 2013)

3.6.2.3 Orbita

La plataforma satelital de Sentinel 1 se compone por dos satélites SAR (Sentinel A – Sentinel B),

estos forman una constelación con una órbita helio sincrónica, con cercanía polar, siendo la

diferencia de fase entre los satélites de 180°, lo que causa que el periodo orbital de cada uno sea

de 6 días, dicha orbita tiene un total de 175 orbitas por ciclo y un ciclo de repetición de 12 días,

11 Sensores de sol: este sensor puede ser usado para precisar la orientación de la nave espacial, así como el ángulo de

desplazamiento con respecto al sol, determina la dirección del satélite hacia el sol, provee precisión direccional de dos ejes. Sensor

de estrella: Los sensores de estrella determinan la orientación del satélite de forma autónoma y con una muy buena precisión ya que determinan la ubicación y la orientación del satélite analizando la posición relativa de las estrellas con respecto al

instrumento. Sensor magnético: Los sensores magnéticos miden la orientación relativa a las líneas de fuerza magnéticas de la

tierra, de la nave espacial o cohete, los magnetómetros solo pueden proveer información de altitud a lo largo de dos ejes. Giroscopios: Determinan la rotación, no dan orientación, la taza se analiza con el tiempo para determinar la altitud (Hatcher,

1967)




59

esta orbita en particular para trabajar interferometría, tiene que tener un estricto control, es decir

que la posición del satélite debe tener una precisión bastante alta, en cuanto a sincronización de

tiempo y dirección entre los pares interferométricos, como se mencionó anteriormente dicha

precisión se da gracias a los ejes que componen la plataforma, así como el hecho de que la

constelación se mueve se mueve dentro de un tubo orbital de diámetro en promedio de 100 m, se

estima que el satélite estará orbitando dentro de dicho tubo mucho más allá de su vida operacional


3.6.2.4 Mediciones geofísicas sistema Sentinel 1

El sensor que posee el sistema SENTINEL 1, al ser un sensor activo puede observar y tomar datos

de la superficie terrestre de día y noche, sin tener restricciones por el clima presente y las

condiciones ambientales en un punto cualquiera a la hora de una toma de datos, este sensor SAR

trabaja con la banda C (European Space Agency, 2013).

3.6.2.5 Especificaciones del instrumento a bordo del Sentinel 1

El sistema SENTINEL 1, lleva a bordo un radar de apertura sintética SAR por sus siglas en inglés,

que toma datos con banda C, este radar opera en un centro de frecuencia de 5.405 GHz, esto

incluye una antena de fase activa, la cual proporciona un rápido escaneo en elevación y azimut;

el instrumento tiene una capacidad de almacenamiento de 1.410 Gb y 520 mbit/s en capacidad de

descarga en banda X (European Space Agency, 2013).

El instrumento SAR-C opera en polarización doble (HH+HV, VV+VH), aplicando dichas

polaridades a través de una cadena de transmisores (intercambiables de H a V), y dos cadenas de

receptores paralelas para la polarización H y V, los datos proporcionados con doble polarización

tienen mucha utilidad para la clasificación de cobertura terrestre y aplicaciones de deshielo


El instrumento a bordo del sistema SENTINEL 1, opera en 4 modos de adquisición exclusiva:

a) Stripmap (SM)

b) Interferometric wide swath (IW)

c) Extra wide swath (EW)

d) Wave mode (WV)

3.6.3 Segmento terrestre

El segmento terrestre del sistema satelital Sentinel, es parte fundamental de su funcionamiento,

así como la forma de acercamiento entre dicha plataforma y los usuarios finales, en la ilustración




60

17 se muestra un esquema que muestra la distribución del segmento terrestre de esta plataforma,

dicha distribución será explicada una a una más adelante:

Ilustración 17: [Diagrama de la distribución del segmento terrestre]. Elaboración propia a partir de información

obtenida de (European Space Agency, 2013)

3.6.3.1 Segmento básico terrestre (CGS)

El segmento básico terrestre o CGS por sus siglas en inglés (Core Ground Segment) como parte

fundamental del segmento terrestre, permite la adquisición, procesamiento y distribución de todos

los datos adquiridos por el sistema SENTINEL 1, este trabajo incluye todos los elementos

necesarios para controlar y monitorear los satélites que conforman el sistema, así como la calidad

de los productos que ofrece, así mismo como otra de sus labores, tiene la tarea de archivar los

datos adquiridos, para facilitar a los usuarios finales la adquisición y descarga de estos (European


El segmento básico terrestre, se encuentra distribuido en diferentes instalaciones, estas se

encuentran conectadas entre sí con el fin de facilitar cada una de sus funciones; así mismo el

Segmento básico terrestre ofrece un solo punto de acceso virtual para facilitar a los usuarios

finales la adquisición, localización y descarga de los diferentes datos de interés (European Space

Agency, 2013).




61

Las instalaciones que hacen parte del segmento básico terrestre se enumeran a continuación

(European Space Agency, 2013):

a) Segmento terrestre para los datos de la carga útil (PDGS):

El Segmento terrestre para los datos de la carga útil o PDGS por sus siglas en inglés, es

el encargado del aprovechamiento de los datos que produce el sistema, el PDGS es

operado por el Centro de Observación Terrestre de la ESA, también conocido como El

Instituto de Investigación Europea Espacial (ESRIN), ubicado en Frascati Italia; El PDGS

tiene como misión generar y distribuir los diferentes productos que ofrece el sistema

SENTINEL 1 (RAW - nivel 0, Procesados – nivel 1, productos derivados del nivel 1 –

nivel 2) (European Space Agency, 2013).

Este Segmento está compuesto por las siguientes instalaciones:

I. Control de la misión, la cual tiene como labor la planificación de la misión y de

la producción.

II. Control de calidad, la cual tiene como labor la calibración, validación,

monitoreo de calidad, y evaluación del desempeño del sensor.

III. Determinación precisa de la órbita.

IV. Interfaz de servicio de usuario y adquisición de datos.

V. Procesamiento y archivo de datos.

La forma en que funciona este sistema, logra la transferencia a las instalaciones

encargadas del procesamiento, archivo, y generación de los diferentes productos que

ofrece este, a través de la recepción y demodulación de los datos captados en tiempo casi

real o NRL por sus siglas en inglés, así como los datos reproducidos desde los datos

guardados a bordo que son descargados directamente al segmento terrestre por medio del

satélite de retrasmisión Europea (EDRS) (European Space Agency, 2013).

En la tabla 5 se enumeran los principales centros en que se encuentra distribuido el

PDGS, así como sus principales características:




62

Centros Segmento Terrestre para los datos de la carga útil (PDGS)

Estaciones Centrales

Terrestres CGS: Las

estaciones centrales

terrestres, se encuentran

ubicadas Matera Italia,

Maspalomas España y

Svalbard Noruega, estas

son responsables de la

adquisición y

procesamiento de los

datos en tiempo casi real.

Centros de

Procesamiento y

Archivo PAC: Los

PAC´S, se encargan

de la ejecución del

archivo de datos

por largo tiempo,

acceso de datos y

sistematización del

procesamiento de

datos en tiempo no

crítico.

Centros de Rendimiento de la

Misión MPC: Los MPC ´S son

los responsables de la

calibración, validación,

control de calidad y la

evaluación del rendimiento del

sistema. Estos centros

incluyen el equipo de expertos

para la calibración y

validación específica, control

de calidad off- line de los

datos, y los diferentes

algoritmos para las actividades

de corrección.

Determinación de la

precisión de la Órbita

POD: Las

instalaciones para la

determinación y

precisión de la órbita,

usan los datos del

receptor GNSS a

bordo de los satélites

SENTINEL, para la

entrega de la

información de la

órbita, necesaria para

la generación de los

productos de la

misión.

Tabla 5: [Centros PDG´s]. Elaboración propia a partir de información obtenida de (European Space Agency, 2013)

b) Segmento para las operaciones de vuelo (FOS):

El Segmento para las operaciones de vuelo o FOS por sus siglas en inglés, se encarga del

monitoreo y control del satélite durante todas las fases de este, está compuesto por una

red de comunicación encargada de la generación de los tele comandos para el control y

la altitud de la órbita entre otras funciones, así como de estaciones terrestres y centros de

control de operaciones de vuelo que son responsables de los sistemas dinámicos de vuelo

para la determinación precisa de la órbita; este segmento es operado por el Centro de

Operaciones Espaciales de la ESA o ESCOC (European Space Operations Centre),por

sus siglas en inglés, ubicado en Darmstadt Alemania (European Space Agency, 2013).

En la tabla 6, se encuentran explicadas cada una de las funciones del FOS:




63

Segmento para

las operaciones

de vuelo FOS

Planeación de la misión

Esta función se encarga de la planificación a largo plazo de la nave y la carga útil, el

ciclo y repetición indefinida de la cobertura completa de la órbita, y la planeación a

corto plazo la cual se hace regularmente cada dos semanas en forma de planificadores

que incluyen las actualizaciones de la misión.

Monitoreo del estado de la nave

Mediante el procesamiento de telemetría de limpieza, se provee información acerca del

estado de todos los subsistemas y altitud de la nave.

Control de la nave

Toma acciones de control a través de tele comandos, basados en el monitoreo de la

nave y el plan subsecuente de la misión.

Determinación y control de la orbita

Mediante el uso de datos de rastreo e implementación de maniobras para la órbita, se

garantiza que las condiciones orbitales requeridas sean archivadas, para el posterior

procesamiento de los datos.

Control y determinación de la altitud

Usa los datos procesados del sensor de altitud, procedentes del monitoreo de la nave y

las actualizaciones ordenadas de los parámetros de control a través del sistema de

altitud a bordo.

Tabla 6: [Funciones del Segmento para las operaciones de vuelo]. Elaboración propia a partir de información

obtenida de (European Space Agency, 2013)

3.6.3.2 Segmento terrestre colaborativo

El Segmento terrestre colaborativo, se diseñó para mejorar y suplementar el acceso a los datos

del sistema SENTINEL 1, así como los datos específicos de los productos que este ofrece y sus

respectivos canales de distribución; este segmento se compone por entidades fundadas por agentes

externos al programa Copérnico de la ESA y la Unión Europea, y proveen una red internacional

de cooperación, la cual se especializa en dar una mejor explotación de los datos adquiridos por el

sistema en diferentes áreas de la ciencia (European Space Agency, 2013).En la tabla 7 se

encuentran los diferentes servicios que conforman el Segmento Terrestre Colaborativo, así como

cada una de sus características:




64

Servicios del

Segmento

terrestre

colaborativo

(The

Collaborative

Ground

Segment)

Sentinel mission data acquisition and production (NRT):

• Este servicio puede proporcionar datos regionales que se encuentren dentro

de la cobertura de la estación casi en tiempo real o NRT por sus siglas en

inglés, siendo el tiempo de toma desde el sensor y la distribución de los datos

a través de las estaciones locales de 10 a 15 minutos.

• Debido a que solo un número de estaciones colaborativas pueden soportar la

interfaz de descarga de información de las estaciones pertenecientes al

segmento terrestre, donde se incluyen también los links de descarga de

información en NRT, existen solo un número limitado de estaciones fuera de

Europa distribuidas en Asia, Sureste asiático, y algunas partes de Norte y Sur

América.

• La ESA es la encargada de proporcionar el calendario de adquisición de datos

incluyendo la información auxiliar, así como la información de la interface

del segmento terrestre sobre un área de interés geográfica determinada.

Sentinel Collaborative data productos:

Este servicio se encarga de la definición, especificación, y generación de datos

complementarios al conjunto de datos que ofrece el segmento terrestre, entre los que

se incluyen los siguientes productos:

• Productos con un nivel de procesamiento más alto que los que ofrece el

segmento básico terrestre

• Algoritmos adaptados a los productos dependiendo de la cobertura de una

región en particular, así como de los servicios que necesite cada comunidad

• Generación de conjuntos de datos locales o regionales con correcciones,

proyectados, calibrados, fusionados entre otros, siendo estos diferentes a los

datos estándar ofrecidos por el GSC.

Sentinel data product disseemination and Access:

• Este servicio se encarga de la redistribución de los productos que ofrece

SENTINEL 1, los cuales son recibidos sistemáticamente desde el Segmento

básico terrestre (GSC)

• Ofrece también servicios regionales de datos online y puntos de datos

adicionales para usuarios de comunidades específicas.

Innovative tools and aplications:

Este servicio se encarga del desarrollo de herramientas particulares e innovadoras para

el público en general, esto gracias a la política de datos gratuitos de la misión

SENTINEL

Tabla 7: [Servicios del Segmento terrestre colaborativo]. Elaboración propia a partir de información obtenida de

(European Space Agency, 2013)




65

Las entidades nacionales, agencias Europeas o incluso algunos de los servicios principales del

programa Copérnico, pueden tener entre sus funciones proveer algunos de los productos

mencionados en la tabla anterior, desarrollar productos de interés específico para las comunidades

de usuarios, diferentes a los ofrecidos por el GMES, entre los que se encuentran las estadísticas

de vientos regionales, monitoreo de volcanes, monitoreo de deslizamientos de tierra, entre otros,

todo esto utilizando imágenes SENTINEL 1 (European Space Agency, 2013).

3.6.3.3 Segmento básico terrestre para la misión aportante del programa Copérnico

El segmento básico terrestre para la misión aportante del programa Copérnico (The Copernicus

Contributing Mission Ground Segment), hace referencia a las diferentes funciones específicas de

control del sistema, recepción, procesamiento, diseminación y archivo de los datos tomados por

el SENTINEL 1, así mismo también se relaciona con las entidades encargadas de la entrega de los

datos complementarios de la misión (European Space Agency, 2013).

3.6.4 Modos de adquisición del sistema Sentinel 1

Como se mencionó anteriormente, el sistema SENTINEL 1, a través del SAR-C recolecta datos

de la superficie terrestre mediante 4 modos de adquisición, en la tabla 8 se muestran las

principales características de los productos que ofrece el sistema según su modo de adquisición:

Tabla 8: [Modos de adquisición SENTINEL 1]. Información obtenida de (European Space Agency, 2013)

Strip Map Mode80 km Swath, 5x5 mt de resolución

espacial

Interferometric Wide

Swath

250 km Swath, 5x20 mt de

resolución espacial

Extra-Wide Swath Mode400 km Swath, 20x40 mt de

resolución espacial

Wave-Mode20x20 km, 5x5 mt de resolución

espacial

Modos de adquisición




66

Ilustración 18: [Gráfica donde se muestran los diferentes modos de adquisición de Sentinel 1]. Información obtenida

de (European Space Agency, 2013)

3.6.4.1 Stripmap (SM)

Los datos adquiridos bajo el modo Stripmap o SM por sus siglas en inglés, poseen un ancho de

barrido (Swath) de 80 km y una resolución espacial de 5 m x 5 m (single look), los datos son

recolectados mediante la iluminación de una secuencia continua de pulsos sobre una franja de

terreno con el ancho de barrido descrito anteriormente, a su vez, el haz de la antena apunta con

una ángulo de azimut fijo y un ángulo aproximado fuera del nadir, esto logra que las imágenes

SM posean una calidad continua a lo largo de la trayectoria del sensor, y un ángulo de incidencia

aproximadamente constante (European Space Agency, 2013). En la tabla 9 se encuentran las

características de este modo de adquisición:

Características Valores

Ancho de barrido 80 km

Rango de ángulo de incidencia 18.3° - 46.8°

Haces de elevación 6

Vistas de azimut y rango Sola (single)

Opciones de polarización Doble HH+HV, VV+VH

Sola HH, VV

Resolución azimutal 5 m

Resolución en rango 5 m

Máximo ruido equivalente Sigma cero (NESZ) -22 dB

Estabilidad radiométrica 0.5 dB (3σ)

Precisión radiométrica 1dB (3σ)

Error de fase 5°

Tabla 9: [Características modo de adquisición Stripmap SM]. Información obtenida de (European Space Agency,

2013)




67

El modo de adquisición SM puede tomar datos, con uno de seis haces de elevación predefinidos,

cada uno de estos con un ángulo de incidencia diferente, este modo de adquisición solo es usado

en casos extraordinarios, como soporte para manejo de acciones de vigilancia y emergencia


Haces (beam) S1 S2 S3 S4 S5 S6

Ángulo fuera del nadir en

altitud orbital mínima

17.93 –

23.53

21.00 –

26.33

26.18 –

30.99

30.87 –

35.15

35.07 –

38.85

37.53 –

41.01

Ángulo de incidencia en


19.99 –

26.31

23.45 –

29.50

29.33 –

34.85

34.71 –

39.72

36.92 –

44.12

42.53 –

46.73


altitud orbital máxima

16.45 –

21.96

19.51 –

24.77

24.67 –

29.45

29.34 –

33.63

33.53 –

37.34

35.98 –

39.51

Angulo de incidencia en


18.32 –

24.55

21.78 –

27.76

27.64 –

33.13

33.00 –

38.02

37.89 –

42.43

40.79 –

45.04

Tabla 10: [Ángulos de haces para el modo de adquisición Stripmap SM]. Información obtenida de (European Space

Agency, 2013)

Ilustración 19: [Ejemplo imagen SM, sobre el área de Leticia Colombia]. Elaboración propia a partir de información

obtenida de (ESA, 2017)

3.6.4.2 Interferometric wide swath (IW)

El modo de adquisición Interferometric wide swath o IW por sus siglas en inglés, es el principal

método para adquirir datos del sistema SENTINEL 1, el IW satisface la mayoría de los servicios

requeridos por las imágenes de radar. Las imágenes tomadas mediante el IW, tienen un ancho de

barrido (swath) de 250 km y una resolución espacial de 5 m x 20 m (single look), este modo

captura los datos dividiéndolos en tres sub-swath usando un escáner SAR progresivo para la

observación del terreno o TOPSAR por sus siglas en ingles (European Space Agency, 2013).




68

El escáner progresivo TOPSAR, escanea la imagen mediante ráfagas muy largas y gira la antena

a lo largo de la trayectoria de atrás hacia adelante. La rotación de la antena es opuesta a la rotación

realizada por el escáner spotligth (SPOT) SAR, dando como resultado el efecto opuesto, es decir

una peor resolución azimutal (Zan & Guarnieri, 2006).

Ilustración 20: [Funcionamiento del escáner TOPSAR]. Información obtenida de (Zan & Guarnieri, 2006)

La resolución azimutal de las imágenes IW en comparación con las imágenes SM, se reduce

debido a que el tiempo que el objetivo es iluminado por la ráfaga de la señal de radar, es mucho

más corta, en este caso el azimut de barrido para cada objetivo es visto con el mismo patrón de

antena, independientemente de la posición azimutal de la ráfaga, esto causa una reducción de los

efectos de scalloping en la imagen (European Space Agency, 2013).

Cada imagen sub-swath consiste en una serie de ráfagas, en donde cada una de estas fue procesada

como una imagen separada SLC, las ráfagas de señal de radar son sincronizadas en cada pasada

para asegurar la alineación en cada par interferométrico, en este caso las imágenes de datos

complejos son incluidas en orden azimutal dentro de cada sub-swath con una demarcación oscura

entre cada una de ellas, de manera similar a la presentación de los productos SLC de ENVISAT


Los productos IW SLC contienen una imagen por cada sub-swath y uno por cada polarización,

esto da un total de 3 imágenes con una sola polarización y 6 imágenes con doble polarización por

cada producto IW (European Space Agency, 2013).

Debido al aspecto natural esencial del azimut en los datos, la imagen de un área del suelo

adyacente a la ráfaga de la señal de radar, solo tendrá un traslapo marginal en azimut lo suficiente




69

para proveer una cobertura continua del suelo, la imagen producida por las ráfagas de la señal de

radar en todos los sub-swath son remuestreadas a una rejilla de pixeles con datos comunes de

rango y azimut mientras se conserva la información de la fase (European Space Agency, 2013).

En la tabla 11 y 12, se encuentran las características de este modo de adquisición:




Sub-swath 3

Dirección de ángulo azimutal +/- 0.6°




Opciones de polarización Doble HH+HV, VV+VH; Sola HH, VV




Error de fase 5°

Tabla 11: [Características modo de adquisición Interferometric wide swath IW]. Información obtenida de (European

Space Agency, 2013)

Haces (beam) IW1 IW2 IW3

Angulo fuera del nadir en


27.53 –

32.48

32.38 –

36.96

36.87 –

40.40



30.86 –

36.59

36.47 –

41.85

41.75 –

46.00



26.00 –

30.96

30.86 –

35.43

35.35 –

38.88



29.16 –

34.89

34.77 –

40.15

40.04 –

44.28

Tabla 12: [Ángulos de haces para el modo de adquisición Interferometric wide swath IW]. Información obtenida de





70

Ilustración 21: [Ejemplo imagen IW sobre una parte del área de Cundinamarca Colombia]. Elaboración propia a

partir de información obtenida de (ESA, 2017)

3.6.4.3 Extra wide swath (EW)

El modo de adquisición Extra wide swath o EW por sus siglas en inglés, toma datos de manera

similar al modo IW usando la técnica TOPSAR sobre un área mucho más ancha, dividiendo la

imagen producida en 5 sub-swath. El modo EW adquiere datos con un ancho de barrido (swath)

de 400 km y una resolución espacial de 20 m x 40 m, así mismo los productos EW SLC contienen

una imagen con una sola polarización o 10 imágenes con doble polarización (European Space

Agency, 2013).

De manera similar a los productos IW los EW también pueden ser usados para interferometría,

debido a que comparten las mismas características de sincronización de ráfaga, estabilidad de

línea base y doppler (European Space Agency, 2013). En la tabla 13 y 14 se encuentran las

características de este modo de adquisición:


Ancho de barrido 400 Km


Sub-swath 5

Dirección de ángulo azimutal +/- 0.8°




Opciones de polarización Doble HH+HV, VV+VH; Sola HH, VV




Error de fase 5°

Tabla 13: [Características modo de adquisición Extra wide swath EW]. Información obtenida de (European Space

Agency, 2013)




71

Haces (beam) EW1 EW2 EW3 EW4 EW5



17.94 –

26.07

26.02 –

30.66

30.61 –

35.10

35.06 –

38.66

38.63 –

41.20



20.00 –

29.20

29.15 –

34.47

34.41 –

39.66

39.60 –

43.89

43.86 –

46.97



16.36 –

24.49

24.44 –

29.08

29.03 –

33.52

33.48 –

37.08

37.05 –

39.62



18.22 –

27.57

27.38 –

33.42

32.65 –

38.05

37.84 –

42.53

42.08 –

45.16

Tabla 14: [Ángulos de haces para el modo de adquisición Extra wide swath EW]. Información obtenida de (European

Space Agency, 2013)

Ilustración 22: [Ejemplo imagen EW sobre una parte de la frontera de Colombia con Brasil y Perú]. Elaboración

propia a partir de información obtenida de (ESA, 2017)

Los productos EW son dirigidas principalmente para el monitoreo por derramamiento de petróleo,

servicios de seguridad, seguimiento de hielo marino, zonas polares y ciertas zonas marítimas.

3.6.4.4 Wabe Mode (WV)

El modo Wabe mode o WV por sus siglas en inglés, consiste en varias viñetas exclusivamente en

polarización VV o HH, siendo cada viñeta procesada como una sola imagen, tomada con un ancho

de barrido de 20 km x 20 km y una resolución espacial de 5 m x 5 m, cada 100 km a lo largo de

la órbita, con dos ángulos de incidencia diferentes, así mismo las viñetas con el mismo ángulo de

incidencia son separadas por 200 km, el ancho de barrido varía entre ángulos de incidencia con

rango cercano y rango lejano (23° y 36,5° respectivamente) (European Space Agency, 2013).

Las imágenes WV, son similares a las de los sistemas ERS o ENVISAT, pero con resolución

mejorada, viñetas más grandes y un nuevo patrón de adquisición, los datos son adquiridos con la

misma velocidad que las imágenes SM, sin embargo, debido a las pequeñas viñetas, solo una

polarización y la detección en intervalos de 100 km, el volumen de productos es mucho más bajo




72

(European Space Agency, 2013). En la tabla 15 y 16 se encuentran las características de este

modo de adquisición:



Distancia entre viñetas a lo largo del riel 100 km

Rango de ángulo de incidencia 21.6° - 25.1° ; 34.8° - 38.0°

Haces de elevación 2


Opciones de polarización Sola HH, VV






Error de fase 5°

Tabla 15: [Características modo de adquisición Wave mode WV]. Información obtenida de (European Space Agency,

2013)

Haces (beam) WV1 WV2



21.03 – 22.40 32.56 – 33.62



23.47 – 25.03 36.67 – 37.92



19.43 – 20.79 30.96 – 32.02



21.68 – 23.22 34.88 – 36.13

Tabla 16: [Ángulos de haces para el modo de adquisición Wave mode WV]. Información obtenida de (European Space

Agency, 2013)

Ilustración 23: [Ejemplo imagen WV]. Elaboración propia a partir de información obtenida de (ESA, 2017)




73

3.6.5 Formatos de imágenes y niveles de procesamiento

En él (European Space Agency, 2013) se describen los datos de los productos obtenidos por

Sentinel, IW, EW, SM, Y WV, son distribuidos en 3 niveles de procesamiento; en el siguiente

esquema se muestran los niveles de procesamiento que tiene que tiene cada modo de adquisición,

y posteriormente se describe cada uno de estos:

Tabla 17: [Esquema de niveles de procesamiento de los productos de SENTINEL 1]. Elaboración propia a partir de

información obtenida de (European Space Agency, 2013)

3.6.5.1 Nivel 0

Estos son productos con datos crudos, en formato comprimido y sin enfocar. Los productos con

este nivel de procesamiento, son la base de cualquier otro producto con un procesamiento más

alto producidos también por Sentinel. Este nivel de procesamiento, incluye ruido, calibración

interna, eco, e información de altitud y orbita. Estos datos pueden ser procesados para producir

cualquiera de los otros tipos de productos durante el tiempo que dure la misión y hasta por 25

años una vez esta cumpla su tiempo útil, estos esta disponibles para los usuarios solo en los modos

de adquisición SM, IW y EW (European Space Agency, 2013).

3.6.5.2 Nivel 1

Los productos con nivel 0 son transformados en productos con nivel 1, esto mediante la aplicación

de algoritmos y calibración de datos para formar la línea base de productos de ingeniería de los

cuales se derivan los más altos niveles, en este caso el proceso involucrado en obtener productos

con nivel 1, incluye un preprocesamiento en el que se hace la estimación del centroide doppler,

el enfoque single look complex, e imágenes y postproceso para la generación de los productos

SLC y GRD, así como el procesamiento específico para el montaje de los productos de multi

swath (European Space Agency, 2013).

Para convertir los valores digitales de pixel a valores calibrados de retro dispersión radiométrica,

se requiere de toda la información que viene incluida en el producto, incluyendo un vector de

calibración como anotación, el cual permite realizar una conversión simple de valores de

intensidad en la imagen a valores sigma o gama (European Space Agency, 2013).

SM (Strip Map) SI SISI (Resolución máxima, alta, y

media)SI (OSW, OWI, RVL)

IW (Interferometric Wide Swath) SI SI SI (Resolución alta, y media) SI (OWI, RVL)

EW (Extra-Wide Swath) SI SI SI (Resolución alta, y media) SI (OWI, RVL)

WV (Wave-Mode) NA NA NA SI (OSW, OWI, RVL)

L2 OCN

Nivel de procesamiento

Modos de Adquisición

L0 RAW L1 SLC L1 GRD




74

Los productos con nivel 1 de procesamiento pueden ser tanto Single look complex (SLC), como

Ground Range Detected (GRD), cada modo de adquisición puede ser potencialmente

transformado a un nivel 1 de procesamiento en formato SLC o GRD, las resoluciones dependerán

del modo y el nivel de multi-looking (European Space Agency, 2013).

a) Single Look Complex (SLC): El formato Single Look Complex o SLC por sus siglas en

ingles es un producto con nivel 1 de procesamiento el cual consiste en datos SAR

enfocados, georreferenciados usando los datos de altitud y órbita del satélite, tienen

corrección por retraso de azimut estático, patrón de elevación de antena y perdida de

extensión de rango, y proporciona la distancia geométrica oblicua, siendo esta distancia el

rango natural de observación coordinado del radar, el cual define la línea de señal desde

el radar a cada uno de los objetos reflectados, estos productos poseen orientación doppler

cero, es decir que cada línea de pixeles representa puntos a lo largo de la línea

perpendicular al camino del satélite (European Space Agency, 2013).

Los productos incluyen single look en cada formato usando la disponibilidad total de la

señal de banda ancha y las muestras complejas (real e imaginaria), preservando la

información de la fase (European Space Agency, 2013).

b) Ground Range Detected (GRD): El formato Ground Range Detected o GRD por sus siglas

en inglés, es un producto con nivel 1 de procesamiento, el cual consiste en datos SAR

enfocados, que han sido detectados y proyectados a la línea del suelo usando un modelo

elipsoidal terrestre como el WGS84, la proyección elipsoidal de los productos GRD es

corregida usando la altura sobre el terreno especificada en la información general de

estos, la cual varía en azimut pero es constante en distancia, las coordenadas de la línea

del suelo son la distancia oblicua de las coordenadas proyectadas al elipsoide terrestre, y

los valores de pixel representan la magnitud detectada, perdiéndose la información de la

fase, el producto resultante tiene una resolución de pixel aproximadamente ajustada y el

espacio cuadrado entre pixeles tiene ruido reducido, todo esto a costo de reducir la

resolución geométrica (European Space Agency, 2013).

En adición a las correcciones aplicadas a los productos con nivel 1 SLC, a los productos

GRD se les remueve el ruido térmico para mejorar la calidad de la imagen detectada


3.6.5.3 Nivel 2

Este nivel de procesamiento consiste en productos geolocalizados y geofísicos, derivados de los

productos con procesamiento de nivel 1, proporciona productos denominados Ocean (OCN), lo




75

cuales sirven para aplicaciones que pueden contener los siguientes componentes geofísicos

derivados de los datos SAR: vientos oceánicos (OWI, Ocean Wind Field), Espectros de oleaje

oceánico (OSW Ocean Swell Spectral) y Velocidad radial de la superficie (RVL, Surface Radial

Velocity) (European Space Agency, 2013).

La disponibilidad de los componentes depende del modo de adquisición, de esta manera los datos

referentes a OWI los cuales son una cuadricula de la línea del suelo, que contiene la estimación

de la velocidad del viento en la superficie y la dirección a 10 m sobre esta, se obtienen del

procesamiento interno de los productos GRD de los modos SM, IW o EW, los datos referentes a

RVL y OSW para el modo SM y WV, se derivan del procesamiento interno de los productos SLC


3.6.6 Resoluciones de los productos Sentinel 1

Las resoluciones dependen del modo de adquisición y del nivel de procesamiento que tengan los

productos ofrecidos por el sistema SENTINEL 1, a continuación, se muestran cada una de las

resoluciones para cada tipo de producto.

3.6.6.1 Nivel 1 Single Look Complex (SLC)

Los productos SLC poseen una resolución que viene determinada por el modo de adquisición, en

este caso para los productos SLC adquiridos con los modos SM, IW, y EW, la resolución y el

espacio entre pixeles viene dado por el ángulo de incidencia, dependiendo si es bajo o alto, ya en

el caso de los productos SLC adquiridos con el modo WV, la resolución y el espacio entre pixeles

dependerá de los haces WV1 y WV2 (European Space Agency, 2013).

Modo Resolución rg x az Espacio entre pixeles rg x az Número de vistas ENL

SM 1.7 x 4.3 m a 3.6 x 9 m 1.5 x 3.6 m a 3.1 x 4.1 m 1x1 1

IW 2.7 x 22 m a 3.5 x 22 m 2.3 x 17.4 m 1x1 1

EW 7.9 x 43 m a 15 x 43 m 5.9 x 34.7 m 1x1 1

WV 2.0 x 4.8 m a 15 x 43 m 5.9 x 34.7 m 1x1 1

Tabla 18: [Resolución por modos de adquisición para el nivel 1 SLC]. Información obtenida de (European Space

Agency, 2013)

La resolución espacial es medida por la habilidad del sistema de diferenciar entre objetivos

adyacentes, el espacio entre pixeles es la distancia entre pixeles adyacentes en una imagen medida

en metros, y el número equivalente de vistas independientes o ENL por sus siglas en inglés, para

un producto determinado, corresponde a un número de indicadores igualmente ponderados, y

vistas estadísticamente independientes, las cuales producen el mismo ruido estadístico que el

procesamiento utilizado para generar el producto (European Space Agency, 2013).




76

Los productos SLC tomados con los modos SM y WV se remuestrean a la separación natural

entre pixeles, lo que quiere decir que se determina esta separación en azimut por la frecuencia del

pulso de repetición (PRF), y en rango por la frecuencia del muestreo del radar; en el caso de los

productos SLC tomados con los modos IW y EW, poseen todas las ráfagas en todos los sub-swath

remuestreando a una grilla de espacios comunes en rango y azimut entre pixeles (European


3.6.6.2 Nivel 1 Ground Range Detected (GRD)

Los productos GRD con nivel 1 de procesamiento pueden tener una de estas tres resoluciones:

resolución completa (FR) para el modo SM, resolución alta (HR) para los modos SM, IW, y EW,

y resolución media (MR) para los modos SM, IW, y WV (European Space Agency, 2013).


SM 9x9 m 4x4 m 2x2 3.9

Tabla 19: [Full Resolución nivel 1 GRD]. Información obtenida de (European Space Agency, 2013)


SM 23x23 m 10x10 m 6x6 34.4

IW 20x22 m 10x10 m 5x1 4.9

EW 50x50 m 25x25 m 3x1 2.9

Tabla 20: [Resolución alta nivel 1 GRD]. Información obtenida de (European Space Agency, 2013)


SM 84x84 m 40x40 m 22x22 350-398

IW 88x87 m 40x40 m 22x5 105.7

EW 93x87 m 40x40 m 6x2 12.7

WV 52x51 m 25x25 m 13x13 123.7

Tabla 21: [Resolución media nivel 1 GRD]. Información obtenida de (European Space Agency, 2013)

La resolución mencionada anteriormente para los productos GRD, dependen de la cantidad de

multi-looking presentada según su modo de adquisición, en este caso la resolución corresponde a

los valores de rango medio, así como a la altitud de orbita media, promediados sobre todos los

swath, el ENL para los productos tomados con el modo IW y EW corresponde al promedio sobre

todos los swath (European Space Agency, 2013).




77

3.6.6.3 Nivel 2 Ocean

Para los productos OCN con nivel 2 de procesamiento, los OSW son provistos con una resolución

espacial de 20 km x 20 km, mientras que los productos OWI y RVL poseen una resolución

espacial de 1 km x 1 km (European Space Agency, 2013).

3.6.7 Nomenclatura de los productos Sentinel 1

La nomenclatura que identifica los productos de SENTINEL 1, vienen identificados por una serie

de caracteres alfanuméricos separados por un guion bajo, diferenciando la carpeta principal con

los caracteres en mayúsculas, y las sub-carpetas que contienen el producto, el conjunto de medidas

y las anotaciones, las cuales se encuentran dentro de esta, se identifican con los caracteres en

minúsculas, tal y como se muestra en las siguientes imágenes:

Ilustración 24: [Ejemplo nomenclatura imágenes IW Sentinel 1]. Elaboración propia a partir de información obtenida

de (ESA, 2017)

La nomenclatura para la carpeta principal se explica a continuación:

a) Los primeros 3 caracteres indican el nombre del satélite, y diferencia si pertenece al

instrumento S1A o S1B.

b) Los siguientes dos caracteres identifican el modo de adquisición (SM, IW, EW, WV); los

3 siguientes indican el formato de la imagen (RAW, SLC, GRD, OCN)

c) El siguiente carácter indica el tipo de resolución que tiene el producto (R, F, H, M, guion

bajo-que indica que no aplica al producto indicado), siendo las resoluciones solo

aplicadas a los productos SLC o OCN.

d) Los siguientes 4 caracteres identifican el nivel de procesamiento (0,1 o 2), la clase del

producto (S-estándar, A-anotación siendo estos solo usados internamente por el PDGS y

no son distribuidos al público), y el tipo de polarización (SH-single HH polarización, SV-




78

single VV polarización, DH-dual HH+VV polarización, DV-dual VV+VH polarización),

respectivamente.

e) La fecha de inicio y finalización de la toma del producto se identifica por los 14 caracteres

siguientes.

f) El número de orbita absoluta al comienzo de la toma viene identificado por los siguientes

6 caracteres, este número tiene un rango de 000001-999999.

g) Los datos de la misión vienen identificados por los siguientes 6 caracteres, los cuales

tienen un rango de 000001-FFFFFF.

La nomenclatura para las sub-carpetas se explica a continuación:

a) Los primeros tres caracteres indican el nombre del satélite, y diferencia si pertenece al

instrumento de S1A o SIB.

b) Los siguientes 3 caracteres identifican el modo de adquisición (SM, IW, EW, WV) y el

número de swath (iw1-iw3 para IW, ew1-ew5 para EW, wv1-wv2 para WC)

c) Los siguientes 3 caracteres indican el formato de imagen (RAW, SLC, GRD, OCN)

d) Los siguientes 2 caracteres identifican el tipo de polarización (hh – single HH

polarización, vv – single VV polarización, hv – single HV polarización, vh – single VH

polarización)

e) Los siguientes 14 dígitos identifican la fecha y el tiempo del comienzo y la finalización

de la toma del producto.

f) El número de orbita absoluta a al comienzo de la toma viene identificado por los

siguientes 6 caracteres, este número tiene un rango de 000001-999999.

g) Los datos de la misión vienen identificados por los siguientes 6 caracteres, los cuales

tienen un rango de 000001-FFFFFF.

h) Los últimos 3 dígitos identifican cada una de las imágenes que componen el producto de

manera individual, dependiendo del modo de adquisición.

i) La extensión del archivo denota el formato de los datos o del archivo los cuales pueden

ser .TIFF, .nc, .XML, HTML, kml, .xsd, o png.

3.6.8 Formatos archivos Sentinel

Todos los productos ofrecidos por el sistema SENTINEL 1, con cualquiera de los niveles de

procesamiento, son entregados en formato Sentinel-SAFE, este formato es una variación

específica del formato estándar de los archivos para Europa (SAFE), siendo diseñado para actuar




79

como un formato común para archivar y transmitir los datos dentro de las instalaciones de la ESA

Earth Observation Archiving (European Space Agency, 2013).

Los datos son entregados en un archivo .RAR Sentinel-SAFE que contiene un archivo en formato

XML que muestra un listado general de los metadatos del producto, y las subcarpetas para las

medidas de los datos, anotaciones, pre-visualizaciones y archivos de soporte (European Space

Agency, 2013).

3.6.9 Aplicaciones de los productos Sentinel 1

Las imágenes proporcionadas por Sentinel 1, en cada uno de sus modos de adquisición, tienen

múltiples aplicaciones en el ámbito de las geociencias, entre estas aplicaciones se encuentran el

monitoreo de barcos, monitoreo del suelo en el ambiro forestal y agrícola, mapeo de deformación

urbana, análisis de terremotos entre otras muchas aplicaciones de importancia mundial. En la tabla

22 se muestra la información referente a las diferentes aplicaciones por modo de adquisición:

Tabla 22: [Aplicaciones según los modos de adquisición de SENTINEL 1]. Información obtenida de (European

Space Agency, 2013)

SM IW EW WV

Artico y hielo marino x x

vigilancia de barcos en ocano abierto x x

monitoreo de la contaminación de petróleo x x

vientos marinos x

forestal x

agricultura x

mapeo de deformación urbana x

monitoreo de inundación x x

analisis de terremotos x x

deslizamientos y motitoreo de volcanes x x

AplicaciónModo de adquisición




80

4 METODOLOGÍA

El siguiente diagrama de flujo (Ilustración 25) representa el proceso metodológico que se realizó

para obtener el DEM a partir del par de imágenes de radar Sentinel1, utilizando la técnica de

interferometría SAR.

Ilustración 25: [Diagrama de flujo del proceso metodológico del proyecto]. Elaboración propia.




81

En la ilustración 25 se puede apreciar en términos generales los pasos seguidos desde la gestión

de las imágenes hasta la evaluación del producto final.

4.1 Materiales

4.1.1 Imágenes

Para este proyecto se utilizaron imágenes de Radar Sentinel-1 de varios sitios del país, incluyendo

pruebas en la costa atlántica (cercanías de Santa Marta), Cordillera Central (Cercanías de los

nevados del Ruiz y Huila), y finalmente en Bogotá y municipios aledaños, que fue seleccionada

por mostrar los mejores resultados en términos de coherencia y fase interferométrica, además de

ser el par con menor resolución temporal (6 días). Las características específicas de las imágenes

con las que se desarrolló el proyecto se muestran a continuación (tabla 23).

IMAGEN 1 IMAGEN 2

Tipo SAR SAR

Sistema SENTINEL-1A SENTINEL-1B

Fecha Captura 11/OCT/2016 17/OCT/2016

Banda C C

Modo IW SLC IW SLC

Polarización VV VV

Nivel de Procesamiento SAR Standard L1 SAR Standard L1

Resolución Radiométrica 16 bits 16 bits

Resolución Geométrica 5x20 m 5x20 m

Fuente ESA (Data Hub) ESA (Data Hub)

Tamaño de imagen 69186X13554 pixeles 69186X13554 pixeles

Zona Geográfica Bogotá DC Bogotá DC

Tabla 23: [Características de las imágenes usadas]. Elaboración propia a partir de información obtenida de


En la ilustración 26 se observan imágenes completas de la zona de estudio:




82

Imagen 11/Oct/2016 Imagen 17/Oct/2016

Ilustración 26: [Imágenes SAR 11 de octubre 2017 y 17 de octubre de 2017]. Elaboración propia a partir de

información obtenida de (ESA, 2017)

4.1.2 DEM SRTM

El Shuttle Radar Topography Mission recoge datos topográficos de todo el mundo y actualmente

cuenta con una cobertura de casi el 80% de la superficie terrestre. Desde el año 2000 ha venido

recolectando información con radares de barrido y tiene como objetivo servir como base o fuente

de datos de alta resolución a nivel global de datos topográficos del planeta. Este es un proyecto

internacional liderado por la Agencia Nacional de Inteligencia Geoespacial (NGA) y la

Administración Nacional de la Aeronáutica y del Espacio (NASA) (Ramirez, 2017).

4.1.3 Datos RINEX

Para el proceso de revisión y evaluación del producto final obtenido (DEM) se utilizaron datos de

la RED MAGNA ECO de las estaciones que se encontraban dentro de la zona de estudio.

La red Magna Eco es un conjunto de estaciones GNSS de funcionamiento continuo que sirven de

referencia para cualquier usuario del campo de las geociencias. Esta red hace parte de una

iniciativa a nivel latinoamericano que busca la cooperación y contribución entre instituciones en

el marco del SIRGAS-CON (Sistema de Referencia Geocéntrico para las Américas – Red de

Operación Continua). Esta información viene en formato RINEX (Receiver Independent

Exchange Format), su distribución es gratuita y se hace mediante el geo portal del IGAC, cabe

mencionar que la información disponible tiene un límite temporal de 60 días anteriores al

momento de la descarga ((IGAC), 2017).




83

Para el procesamiento de estos datos se utiliza la aplicación online de la CSRS-PPP (Canadian

Spatial Reference System -Precise Point Positioning), que se puede traducir como el Sistema de

Referencia Espacial Canadiense y su aplicación de posicionamiento preciso de puntos. Esta

herramienta funciona como una aplicación online para post-proceso de datos GNSS de libre

acceso para usuarios en todo el mundo, garantizando una gran precisión en los resultados dado

que trabaja con las efemérides de las orbitas de satélite. El usuario puede procesar datos en el

sistema de referencia espacial canadiense o, como es el caso de este proyecto, del marco

internacional de referencia terrestre o ITRF por sus siglas en inglés (International Terrestrial

Reference Frame) (Canadá, 2017).

4.1.4 Software

Para el desarrollo de la metodología propuesta se utilizaron las siguientes herramientas para el

procesamiento digital de imágenes de radar y obtención de los productos cartográficos finales.

Estas herramientas fueron instaladas en un sistema operativo Windows 8.1 y se describen a

continuación:

4.1.4.1 Sentinel-1 Toolbox (S1TBX)

Esta herramienta creada por la ESA de código abierto y de uso gratuito no sólo se enfoca en datos

Sentinel, está diseñada para trabajar en conjunto con otras misiones (TerrraSAR, RADARSAT,

ENVISAT, MODIS, Landsat, SPOT, ALOS, entre muchos otros) con el fin de contribuir y

fomentar el desarrollo de la comunidad científica internacional. Se presenta en un formato de

módulos que abordan distintos temas, son actualizables y se pueden obtener en conjunto o por

separado (Copernicus, 2017).

A continuación, se describen uno a uno, los módulos o cajas de herramientas que componen el

paquete:

a) Sentinel-1 Toolbox (S1TBX)

Este módulo contiene una serie de herramientas enfocadas al procesamiento de datos de

radar, incluyendo calibración, filtros, orto rectificación, elaboración de mosaicos,

polarimetría e interferometría. Soporta datos Sentinel-1, ERS-1 y 2, Envisat, ALOS

PALSAR, TerraSAR-X, COSMO-SkyMed y RADARSAT-2 (Copernicus, 2017).

b) Sentinel-2 Toolbox (S2TBX)

Este módulo se enfoca en procesamiento de datos multiespectrales, principalmente para

los datos Sentinel-2, soporta datos Envisat (MERIS & AATSR), ERS (ATSR), RapidEye,




84

SPOT, MODIS (Aqua and Terra), Landsat (TM), ALOS (AVNIR & PRISM) entre otros

(Copernicus, 2017).

c) Sentinel-3 Toolbox (S3TBX)

Este módulo está enfocado en el análisis y procesamiento de datos del proyecto Sentinel-

3, que pretende monitorear la superficie oceánica y terrestre, así como monitoreo

climático a partir de radiómetros y altimetría a partir de radar. Soporta datos Envisat

(MERIS & AATSR), ERS (ATSR), SMOS, MODIS (Aqua and Terra), Landsat (TM),

ALOS (AVNIR & PRISM) entre otros (Copernicus, 2017).

d) Sentinel Atmospheric Tool

Basado en el proyecto BEAT (Basic Envisat Atmospheric Toolbox Proyect) incluye

herramientas de procesamiento enfocadas en el análisis de datos atmosféricos. Cuenta

con la posibilidad de integrar código o interfaces desde IDL MATLAB, Fortran o Python,

incluyendo también la posibilidad de incluir herramientas desde BEAT. Soporta

GOMOS, MIPAS, SCIAMACHY (ENVISAT), GOME (ERS-2), OMI, TES y MLS

(Aura) y GOME-2 e IASI (MetOp) (Copernicus, 2017)

e) Sentinel Altimetry Toolbox

Este módulo actualmente se encuentra en fase de construcción y diseño. Estará enfocado

en el análisis de datos de altimetría de radar, especialmente de datos Sentinel-3, y podrán

trabajarse datos ERS-1 y 2, Topex/Poseidon, Geosat, Jason-1, Envisat, Jason-2, Cryosat

y Sentinel-3 (Copernicus, 2017).

4.1.4.2 Cygwin64

El proyecto Cygwin permite obtener a partir de una serie de herramientas GNU12 y Open Source

(software de código abierto) la funcionalidad de un sistema operativo portable similar a Linux en

un entorno Windows. Esta herramienta funciona como una biblioteca de enlace dinámico o DLL

que proporciona funcionalidades POSIX13, lo que permite desarrollar y correr aplicaciones de

estos entornos en Windows. Cygwin no funciona como un emulador de aplicaciones nativas de

Linux en Windows, ya que está enfocado a cualquier sistema operativo tipo UNIX14, por lo que

12 Sistema Operativo desarrollado por el proyecto GNU (proyecto colaborativo de software libre) con un diseño tipo UNIX.

(Foundation, 2017) 13 Acrónimo para Portable Operating System Interface, y X por ser tipo UNIX, es una norma de la IEEE que define los estándares de una interfaz de sistema operativo y su entorno (IEEE & Group, 2016) 14 Se habla de sistemas tipo UNIX ya que es una marca registrada que requiere de certificación (UNIX®), por lo que se hace

referencia únicamente a sistemas operativos que cuentan con sus características o son similares en cuanto a su estructura. El UNIX® es un sistema operativo portable multitarea desarrollado en 1969 por AT&T cuyos derechos pertenecen actualmente a

Novell Inc. (Group, 2017)




85

se debe modificar el código de dichas aplicaciones para poder trabajarlas con esa herramienta

(authors, 2017).

4.1.4.3 SNAPHU

SNAPHU (Statistical-Cost, Network-Flow Algorithm for Phase Unwrapping), se puede traducir

como “Algoritmo de flujo de red estadístico para el desenvolvimiento de fase”, y permite procesar

la fase interferométrica a partir de unos datos de entrada (interferograma), buscando estimar de

manera congruente los valores que se ajusten estadísticamente como máximos probables. Este

algoritmo de optimización de red permite estimar los valores a partir de una matriz bidimensional

de fase (con valores acotados entre 0 y 2π) y fue propuesto por C. W. Chen y H. A. Zebker

(C.W.Chen & Zebker, 2000), del grupo de investigación de interferometría de radar de la

universidad de Stanford.

Este algoritmo incorpora tres modelos estadísticos integrados con tres distintos enfoques, datos

topográficos, datos de deformación y un tercer modo llamado smooth generic data. Se diseñó

específicamente para trabajar interferometría SAR, buscando obtener valores de topografía

superficial, deformación o velocidad, esto a partir de interferogramas calculados con un par o

varias imágenes de la misma zona. Para el desarrollo de SNAPHU se utilizó la teoría de redes,

aplicable en múltiples campos, donde se incluyen los conceptos de nodos y arcos en vez de

vértices y aristas comúnmente asociados con los gráficos y las imágenes (Zebker & Chen, 2001).

4.1.5 Hardware

Estas herramientas fueron utilizadas en un equipo que cuenta con un procesador Intel Core i5-

3210M con una velocidad de 2.50 GHz, una memoria RAM de 8 GB y un disco duro de 500GB

de los cuales se utilizaron alrededor de 100 GB en todo el proyecto dado que se descargaron

imágenes y se realizaron pruebas en diferentes zonas del país antes de escoger la zona de estudio.

4.2 Zona de estudio

Después de realizar pruebas en varias zonas anteriormente mencionadas se decidió trabajar sobre

la zona la ciudad de Bogotá (Zona Urbana) y algunos municipios aledaños basados en los

resultados de coherencia que fueron mayores que en el resto de la imagen, esto debido a las

características topográficas y de cobertura que favorecieron los análisis y los resultados al trabajar

con la banda C. Del área inicial se seleccionó un segmento de menos área que se muestra en la

Ilustración 27.




86

Ilustración 27: [Imagen zona de estudio]. Obtenida del Software Sentinel Toolbox.

Esta zona está ubicada entre las coordenadas geográficas 5°06’31.68” y 4°18’25.56” de latitud

Norte y 74°26’58.56” y 73°56’33.36” de longitud Oeste. La zona de estudio comprende, además

de la zona urbana de Bogotá, los municipios de Zipaquirá, Supatá, Subachoque, San Francisco,

Tabio, Cajicá, Sopo, El Rosal, Chía, Tenjo, Facatativá, Madrid, Cota, Funza, Bajaca, Mosquera,

San Antonio Del Tequendama, Soacha, Granada, Sibaté y Silvania, todos dentro del departamento

de Cundinamarca.

4.3 Métodos

Al inicio de este capítulo se presentó el flujograma (ilustración 25) que representa los pasos

seguidos desde la gestión de las imágenes hasta la evaluación del producto final. A continuación,

se especifican cada una de las etapas del desarrollo del proyecto.

4.3.1 Corregistro de imágenes

Este paso es crucial para cualquier procesamiento interferométrico, ya que de este proceso

depende la correcta determinación de la diferencia de fase. En términos generales, se tomarán

mínimo dos imágenes; una de ellas será denominada imagen maestra y la otra (u otras, si son más

de dos) cumplirán el rol de imagen esclava(s). Los datos de la imagen o imágenes esclavas serán

subconjuntos de la geometría de la imagen maestra, serán georreferenciadas y superpuestas. Para

este paso se toma como referencia un modelo digital de elevación (por defecto SRTM) para la

interpolación de datos.




87

Ilustración 28: [Proceso corregistro]. Elaboración propia a partir de información obtenida de (ESA European Space

Agency, 2017)

Este proceso se hace en dos etapas (Ilustración 28), una correlación cruzada utilizando las órbitas

del satélite como base, y luego a nivel de pixel, para realizar la estimación del CPM (Polinomio

de corregistro) y remuestreo interferométrico acoplando las imágenes esclavas a las maestras. La

correlación cruzada crea una alineación entre las imágenes, y los desplazamientos se calculan

maximizando la función en ambas etapas. Es importante resaltar que para este proceso las

imágenes deben estar en formato SLC (Single Look Complex) (ESA European Space Agency,

2017).

Para este caso, de las 3 bandas o subswath se escoge la IW2 que es el segmento donde se encuentra

la zona de estudio (Ilustración 29)




88

Ilustración 29: [Imagen que muestra la distribución de las bandas (sub-swath) de la imagen IW SCL de la zona de

estudio]. Elaboración propia.

Imagen maestra Imagen esclava Resultado corregistro

Ilustración 30: [imagen que muestra el resultado del corregistro de la imagen maestra y la imagen esclava].

Elaboración propia.

4.3.2 Formación del interferograma

En este paso se inicia sustrayendo la fase topográfica (fase presente en la señal interferométrica

debido a la curvatura de la superficie de referencia) si se quiere trabajar con deformaciones, para

el caso de los DEM este paso se omite. El objetivo es obtener la diferencia de fase entre las

imágenes maestra y esclava(s) en cada pixel, estas diferencias tienen relación con las variaciones

de elevación de la escena. Además de esto, se genera una banda de coherencia (o similitud entre

observaciones) que permite ver la viabilidad del procesamiento interferométrico y la calidad del




89

mismo. Dependiendo del área de la escena SAR, se trabajan polinomios hasta grado 5, y

dependiendo del ruido del resultado se puede adicionar un remuestreo (multi-looking), lo que

afecta la resolución del producto final (ESA European Space Agency, 2017).

En la Ilustración 31 se muestran los valores de coherencia y fase interferométrica. En términos

generales, la escala de valores de la coherencia se visualiza en tonalidades de negro a blanco, con

valores de 0 a 1 siendo 1(Tono Blanco) los valores con máxima coherencia.

Ilustración 31: [Resultados de coherencia de la zona de estudio]. Elaboración propia

Como se ve en la ilustración, hay una buena parte de la escena con unos valores de coherencia

por encima de 0.6, esto se puede evidenciar en el histograma (Ilustración 32):

Ilustración 32: [Histograma niveles de coherencia zona de estudio]. Elaboración propia a partir de información

obtenida del software Sentinel Toolbox.




90

Ilustración 33: [Fase interferométrica de la zona de estudio]. Elaboración propia a partir de información obtenida del

software Sentinel Toolbox.

La interpretación gráfica de un interferograma parte del uso de una rampa cromática que varía en

el color y pretende mostrar en qué lugares de la escena se tienen diferencias de fase similares, en

otras palabras, se puede asumir que de acuerdo a la frecuencia y la dirección de las franjas que se

forman en un interferograma, existen cambios o variaciones en la topografía de la escena.

4.3.3 Deburst

Los productos Sentinel, especialmente los TOPSAR IW y EW SLC se crean a manera de franjas,

que a su vez están compuestas por una serie de ráfagas que se consideran como una imagen

independiente que para las imágenes IW tienen una duración de 2,75 segundos y una

superposición de ráfagas de entre 50-100 muestras. Después de la toma las ráfagas o hileras se

vuelven a muestrear. En dirección del rango, para cada línea en todas las sub-hileras con la misma

etiqueta de tiempo, se combinan sub-hileras adyacentes. Mientras que, en la dirección azimutal,

las ráfagas se combinan de acuerdo con su tiempo Doppler cero (Zero Doppler Time). El tiempo

de fusión se determina por el promedio de la última línea de la primera ráfaga y la primera línea

de la ráfaga siguiente. Para cada celda de rango, el tiempo de fusión se cuantifica a la celda de

acimut de salida más cercana para eliminar cualquier desvanecimiento a datos cero. En la

ilustración 34 se muestran las líneas o burst que se deben corregir en cualquier imagen SLC IW

o EW y el resultado del proceso




91

Imagen original Imagen corregida

Ilustración 34: [Imagen sin corregir e imagen corregida]. Elaboración propia a partir de información obtenida del


4.3.4 Filtro Goldstein

El filtrado Goldstein es una técnica de pre-procesamiento que reduce el ruido de la fase

interferométrica, lo que facilita su desenvolvimiento en términos de precisión. Este método es un

algoritmo adaptativo no lineal propuesto por Goldstein y Werner en 1998 (Golstein &

C.L.Warner, 1998).

Gracias a este filtrado las franjas interferométricas se acentúan y se vuelven más nítidas. Este

filtrado se puede aplicar a un interferograma o un grupo de interferogramas, dependiendo de la

aplicación específica. En la ilustración 35 se muestra el filtro aplicado a la fase interferométrica

en la zona de estudio.

Ilustración 35: [Resultados aplicación filtro Goldstein a la fase interferométrica]. Elaboración propia a partir de

información obtenida del software Sentinel Toolbox.




92

La interpretación gráfica es la misma que en el paso anterior, la ventaja es que ahora tenemos las

diferencias de fase acentuadas, lo que implica que se acentúen también las variaciones de la

topografía de la zona.

4.3.5 Desenvolvimiento de fase (Phase Unwrapping)

Ese proceso se realiza mediante el algoritmo SNAPHU, donde el enfoque de la interferometría de

radar es trabajar con la señal de fase relativa bidimensional, que es el módulo 2𝜋 de la señal de

fase absoluta (que es desconocida). En ese sentido, el problema directo es la fase “envuelta” dada

en un intervalo de (−𝜋, 𝜋) y por otra parte el problema inverso, que es el desenvolvimiento de la

fase que es mucho más complejo debido a su no linealidad y no singularidad, lo que demanda un

análisis más profundo. Existen muchas técnicas para resolver este problema, pero su eficacia

dependerá de varios factores como el ruido de la fase, la geometría, el desplazamiento o

deformación de la topografía respecto de la ubicación del radar. Además, hay que tener en cuenta

que sea la técnica que se use, los resultados no son una solución única y están supeditados a

revisiones o evaluaciones de su exactitud o fiabilidad (Chen & Zebker, 2002).

En este punto, valiéndose del software Cygwin64 se puede correr el algoritmo SNAPHU y

desenvolver la fase, obteniendo entonces, además de la banda de coherencia y de fase

interferométrica, una nueva banda de fase desenvuelta. En este punto, teniendo en cuenta que la

interferometría es una técnica relativa que trabaja con la diferencia entre pixeles y valores de fase

(no absolutos), se sobre entiende que los resultados son también relativos, es decir, las alturas

(como es el caso) o desplazamientos estimados deben ser ajustados más adelante en base a puntos

de amarre (tie points). En la ilustración 30 se muestra la fase interferométrica envuelta y

desenvuelta luego de correr el algoritmo SNAPHU.

Ilustración 36: [Fase interferométrica desenvuelta]. Elaboración propia a partir de información obtenida del software

Sentinel Toolbox.

En la ilustración anterior se puede observar que se pasó de tener una diferencia de fase

interferométrica a unas alturas o diferencias de alturas entre pixeles que se estimaron a partir del




93

interferograma inicial. Estos valores por sí solos no constituyen un modelo digital de elevación

puesto que, como se mencionó, la fase desenvuelta presenta las diferencias de alturas y no las

alturas absolutas de cada punto.

4.3.6 Formación del DEM

En este punto se convierte la fase interferométrica en valores de altura, lo que permite producir

alturas codificadas, calculando primero la fase de referencia de un número de alturas discretas y

comparar la fase real del interferograma con estos valores para determinar la altura. En este punto

se utiliza como referencia un DEM externo, en este caso el SRTM (90 metros).

Ilustración 37: [DEM resultado a partir de imágenes SAR Sentinel 1]. Elaboración propia a partir de información

obtenida del software Sentinel Toolbox.

4.3.7 Georreferenciación del DEM y correcciones geométricas

Debido a la topografía de las escenas y la inclinación del sensor, las distancias pueden ser

distorsionadas o susceptibles a error en las imágenes de radar. Las correcciones de terreno

compensan este error o distorsión para que la representación de la imagen de radar sea lo más

cercana a la realidad (Olmsted, 1993).

Además de esto se ortorectifica la imagen basado en la orbita, la información del metadato y los

parámetros de inclinación sumado a un DEM externo de referencia. En la ilustración 38 se puede

observar el DEM georeferenciado y ortorectificado.




94

Ilustración 38: [DEM georreferenciado y orto rectificado]. Elaboración propia a partir de información obtenida del


5 RESULTADOS Y ANÁLISIS

A continuación, se muestran los productos obtenidos y las interpretaciones de los resultados. Este

análisis se planteó de dos modos: primero en la totalidad del área del DEM y luego puntualizando

en el área urbana de Bogotá. Estos análisis se realizaron a nivel visual, a nivel de perfiles,

realizando una comparación con los datos de 4 estaciones totales de la red geodésica nacional y

finalmente, generando puntos aleatorios para un análisis estadístico comparativo entre el producto

obtenido y el DEM de referencia.

5.1 Modelo obtenido

A Partir del par de imágenes Sentinel IW del 11 y el 17 de octubre de 2.016, aplicando los

procesos interferométricos descritos en la metodología, se obtuvo un modelo digital de elevación

DEM del área de Bogotá y municipios aledaños (descritos en la sección 4.2 Zona de estudio).

Este modelo cuenta con una resolución de 14x14 m por pixel, con una altura media de 2.659,86

m y una altura máxima de 3.970,75 m. El DEM se presenta en la Ilustración 39 con una rampa

cromática. A simple vista se pueden ver inconsistencias en los lugares donde hay mayor variación

de la topografía. Así mismo dentro del área con menor variación topográfica también hay detalles




95

que muestran incongruencias debido a las características propias del radar. Estas inconsistencias

serán objeto de análisis en las siguientes secciones.

Ilustración 39: [DEM obtenido mediante imágenes Sentinel 1]. Elaboración propia

5.2 Comparación de los DEM (Sentinel vs SRTM)

Para la comparación se propuso tomar como referencia el DEM SRTM, el cual cubre la misma

área15, este modelo se remuestreo con el método de interpolación bilineal16, esto con el fin de

hacerlo coincidir con la resolución del DEM obtenido con imágenes Sentinel.

5.2.1 Comparación visual del área

En la Ilustración 40 se presentan los dos modelos que serán objeto de análisis en esta unidad.

15 El modelo SRTM, cuenta con una resolución de 90m para casi toda la superficie terrestre, a excepción de EE.UU que cuenta con

un modelo a 30 metros de resolución. (Ramirez, 2017) 16 Interpolación bilineal: es un método de remuestreo que usa el promedio ponderado de las alturas de los 4 valores de pixel más

cercanos al pixel al cual se le quiere encontrar el valor de altura. (Chang, 2009)




96

Ilustración 40: [ a) DEM Sentinel; b) DEM SRTM]. Elaboración propia

En un análisis inicial se puede resaltar que existen diferencias en los valores de altura mínima y

máxima siendo más evidente la diferencia de la altura mínima de cada modelo. También se puede

observar una inconsistencia en el modelo Sentinel para mostrar las variaciones de la topografía

en las zonas de cordillera siendo más fiel a la realidad el modelo SRTM ya que describe mejor el

cambio de altura y presenta menos ruido en estas zonas.

Ilustración 41: [Histogramas DEM Sentinel y DEM SRTM]. Elaboración propia a partir de información obtenida del

Software Sentinel Toolbox

a) b)




97

En la Ilustración 41 se evidencia que existe una variación entre las alturas presentadas por ambos

modelos a nivel de pixel. En el histograma de frecuencias se puede apreciar que el DEM SRTM

marca una tendencia y un pico hacia los 2.600 metros lo que implica una diferencia de al menos

300.000 pixeles que presentan alturas diferentes respecto del DEM Sentinel, es decir, el modelo

Sentinel presenta más heterogeneidad en la distribución de las frecuencias de alturas. En la Tabla

24 se muestran los resúmenes estadísticos diferenciados de los dos modelos.

Estadísticas SENTINEL SRTM

# Pixeles 16.561.087 16.561.087

Mín. 146,99 843,03

Máx. 3.970,75 3.929,41

Media 2.657,23 2.648,48

Desviación

estándar 426,64 438,31

Mediana 2.608,23 2.600,45

Tabla 24: [Resúmenes estadísticos diferenciados para los dos modelos (Sentinel, SRTM)]. Elaboración propia a partir

de información obtenida del software Sentinel Toolbox

En la tabla anterior se evidencia que el modelo Sentinel presenta valores atípicos (valor mínimo

de 146,99 m) relacionados con la heterogeneidad mostrada anteriormente, también indica por las

estadísticas iniciales (Valores de la media, Percentiles, Máximo, Mediana), que en general el

modelo Sentinel está por encima del SRTM. Esto no concuerda con la realidad de los modelos

pues al restar los valores de altura del modelo SRTM del modelo Sentinel la mayoría de los

resultados son negativos (Ilustración 42), esto indica que en mayor proporción el modelo SRTM

está por encima del Sentinel y no al revés como lo indican los resúmenes estadísticos calculados

por el software sobre toda el área, esto puede deberse a que los valores atípicos del modelo

Sentinel afectan las estadísticas generales y la interpretación de las mismas.




98

Ilustración 42: [Mapa de diferencias DEM Sentinel - DEM SRTM]. Elaboración propia

Por otra parte, las características propias del radar, las condiciones en el momento de la toma de

datos y la topografía pueden influir en los resultados dado que se pudieron presentar distorsiones

geométricas (sombras, inversión por relieve o layover, escorzo o foreshortening). En este punto

también cabe mencionar que a pesar de que la resolución temporal es la mejor dentro de las

posibilidades que ofrece Sentinel para esta zona del país (6 días), en este lapso cualquier cambio

en las condiciones del terreno, (cambios de los niveles de humedad en la superficie debido a

condiciones climáticas), afectan los datos y por esto, los resultados finales. Estos aspectos se

evidencian desde que se estima la coherencia del par interferométrico escogido (Ilustración 25)

donde más del 50% de la imagen tiene un valor de coherencia de menos de 0.4, derivando en un

corregistro de imágenes con mucho ruido y unos resultados con valores atípicos.

En términos de las diferencias entre alturas en ambos modelos, se calcularon las diferencias

absolutas (Ilustración 43) para conocer qué tan alejados están los valores estimados a partir del

par interferométrico, del DEM de referencia.




99

Ilustración 43: [Mapa de diferencias absolutas DEM Sentinel – DEM SRTM]. Elaboración propia

Como se observa en la ilustración anterior la mayoría de los datos presentan diferencias absolutas

no mayores a 40 metros, diferencias que se ubican en sectores del área de estudio donde la

pendiente es menor. Por otra parte, se confirma que el modelo Sentinel presenta inconsistencias

en las zonas que se representan como sombras desde la ubicación del radar, con diferencias de

más de 80 metros y también donde los cambios de altura son mayores, presentando diferencias

absolutas de hasta 720 metros.

Como se mencionó al principio de esta sección, se decidió analizar el comportamiento de los

datos en una zona más homogénea, es decir la que presentó valores de coherencia más altos en

términos generales, en comparación con la totalidad del área de estudio, dicha área corresponde

a la zona urbana de la ciudad de Bogotá. En las Ilustraciones 44 y 45 se muestran los DEM de la

zona urbana y los histogramas correspondientes.




100

Ilustración 44: [ a) DEM Sentinel sobre la zona urbana de Bogotá; b) DEM SRTM sobre la zona urbana de

Bogotá]. Elaboración propia

Ilustración 45: [Histogramas DEM Sentinel y DEM SRTM de la zona urbana de la ciudad de Bogotá].

Elaboración propia a partir de datos obtenidos del software ArcGIS.

En la Tabla 25 se muestran los estadísticos generales de los modelos, aquí se puede evidenciar

que para esta zona el modelo SRTM tiende a estar por encima del modelo Sentinel en cuanto a

los valores de alturas. Esto confirma que los valores atípicos presentes en el modelo Sentinel sí

a) b)




101

están afectando los estadísticos generales lo que hace que no baste con el sólo análisis general

para inferir del modelo estimado respecto del modelo de referencia.

Estadísticas SENTINEL SRTM

# Pixeles 2.150.179 2.150.179

Mín. 2.244,45 2.534,34

Máx. 3.398,90 3.526,08

Media 2.614,49 2.623,20

Desviación

estándar 114,42 112,25

Tabla 25: [Resúmenes estadísticos diferenciados para los dos modelos (Sentinel, SRTM), para la zona urbana de la

ciudad de Bogotá]. Elaboración propia a partir de información obtenida del software ArcGIS

En la ilustración 46, se presentan las diferencias absolutas entre modelos para la zona urbana de

Bogotá.

Ilustración 46: [Mapa de diferencias absolutas DEM Sentinel – DEM SRTM en la zona urbana de la ciudad de

Bogotá]. Elaboración propia.




102

En este aspecto, se puede ver que en la mayoría del área las diferencias de altura absoluta del

modelo Sentinel respecto al modelo SRTM en esta zona son menores a 20 metros, muy diferente

al análisis del área total, lo que indica que al ser menor la variación de la topografía en la zona, la

precisión de los datos estimados es mayor. Además, debido a la banda con la que trabaja el sistema

Sentinel (SAR-C) el comportamiento de los datos es mejor en coberturas con presencia de tejido

urbano que en zonas con mayor presencia de cobertura vegetal.

5.2.2 Comparación de perfiles

Para este análisis se trazaron dos perfiles en ambos modelos utilizando la extensión de análisis

3D de ArcGIS y Excel para la representación gráfica y comparación. Estos perfiles se trazaron,

uno con dirección Norte-Sur de aproximadamente 80 km y de Este-oeste de aproximadamente 40

km de longitud como se muestra en la Ilustración 47.

Ilustración 47: [Representación perfiles N-S, E-O de ambos modelos]. Elaboración propia

En el perfil N-S (Ilustración 48) se observa, de nuevo, que en las zonas con cambios de pendiente

más fuerte el modelo Sentinel tiende a variar y no describir correctamente las alturas. Por otra




103

parte, este análisis muestra que el modelo Sentinel en general tiende a presentar una irregularidad

muy fuerte en la estimación de las alturas (ruido de fase) para puntos cercanos entre sí, incluso en

las áreas donde no existe un cambio abrupto de altitud.

Ilustración 48: [Comparación perfiles N-S, DEM Sentinel vs DEM SRTM]. Elaboración propia.

Por otra parte, en el perfil en dirección E-O (Ilustración 49) se evidencia que existe un

desplazamiento entre modelos en los primeros 6 km del perfil, esto influye en que existan tantas

diferencias de alturas entre pixeles, y puede deberse a las distorsiones geométricas presentes en

las imágenes de radar.

Ilustración 49: [Comparación perfiles E-O, DEM Sentinel vs DEM SRTM]. Elaboración propia

1300

1800

2300

2800

3300

0 10 20 30 40 50 60 70 80

Alt

ura

(m

)

Distancia (km)

Perfil N-S

Z SENTINEL Z SRTM

1700

1900

2100

2300

2500

2700

2900

3100

0 5 10 15 20 25 30 35 40

Alt

ura

(m

)

Distancia (km)

Perfil O-E

Z SENTINEL Z SRTM




104

Este análisis también se realizó en el área urbana de Bogotá, donde se generaron dos perfiles, uno

con dirección Norte-Sur de aproximadamente 30 km y de Este-Oeste de aproximadamente 9 km

de longitud como se muestra en la Ilustración 50.

Ilustración 50: [Representación perfiles N-S, E-O para ambos modelos en la zona urbana de la ciudad de Bogotá].

Elaboración propia

En el perfil N-S (Ilustración 51) se encuentra de nuevo una variación muy alta en las estimaciones

de alturas en los primeros 5 km del perfil. Por otra parte, como en el caso anterior, presenta un

comportamiento similar en cuanto a la tendencia marcada del modelo Sentinel a estar por debajo

del modelo SRTM.




105

Ilustración 51: [Comparación perfiles N-S, DEM Sentinel vs DEM SRTM para la zona urbana de Bogotá]. Elaboración

propia.

En el perfil O-E (ilustración 52) se observa de nuevo la heterogeneidad de los datos Sentinel para

valores de altura cercanos entre sí.

Ilustración 52: [Comparación perfiles E-O, DEM Sentinel vs DEM SRTM para la zona urbana de la ciudad de Bogotá].

Elaboración propia

2450

2500

2550

2600

2650

2700

2750

2800

2850

2900

0 5 10 15 20 25 30

Alt

ura

(m

)

Distancia (km)

Perfil N-S

Z SENTINEL Z SRTM

2550

2600

2650

2700

2750

2800

-1 1 3 5 7 9

Alt

ura

(m

)

Distancia (km)

Perfil O-E

Z SENTINEL Z SRTM




106

5.3 Comparación con las estaciones de la red Magna ECO

Como se mencionó anteriormente, 4 estaciones de la red Magna ECO coinciden geográficamente

con el área de estudio, por lo que se obtuvieron los datos Rinex de estas para la fecha más cercana

a la toma de los datos SAR (octubre de 2016) que según los registros del IGAC corresponden al

primero de enero de 2017. Estos datos se procesaron mediante la aplicación online de la CSRS-

PPP (Canadian Spatial Reference System -Precise Point Positioning), que se puede traducir como

el Sistema de Referencia Espacial Canadiense y su aplicación de posicionamiento preciso de

puntos. Esta herramienta funciona como una aplicación online para post-proceso de datos GNSS

de libre acceso para usuarios en todo el mundo, con la cualidad de que calcula las coordenadas y

alturas de los puntos con el ITRF08. En la Ilustración 53 se muestra la ubicación de las cuatro

estaciones de la Red Magna ECO que coinciden con el área de estudio.

Ilustración 53: [Ubicación estaciones red Magna ECO dentro de la zona de estudio]. Elaboración propia a partir de

información obtenida de ((IGAC), 2017)

Después de obtener los datos de altura de cada estación se procedió a comparar con los modelos

Sentinel y SRTM en cada uno de los cuatro puntos (Tabla 26)




107

Tabla 26: [Comparación alturas estaciones red Magna ECO vs DEM Sentinel vs DEM SRTM]. Elaboración propia a

partir de información obtenida de ((IGAC), 2017) y del software Sentinel Toolbox

Como se puede observar en la tabla anterior, ambos modelos tienen discrepancias con el valor

que tomamos como real. Para el caso del SRTM en promedio tiene una diferencia de 9,093 m

siendo su menor diferencia con la estación BOGT (0,952 m) y BOGA la de mayor diferencia

(32,593). Por otra parte, el DEM generado a partir de datos Sentinel tiene una diferencia promedio

de 14,692 m, siendo ABPD la estación con menor diferencia (-5,938 m) y ABCC la de mayor

diferencia (25,366). En cuanto a las diferencias en altura entre los dos modelos en esos puntos,

tenemos que van entre 2,473 y 16,020 m. Lastimosmente debido al corto número de estaciones,

entendemos que los análisis pueden discrepar de la realidad.

5.4 Análisis estadístico a partir de puntos aleatorios

Dado que se imposibilita hacer análisis estadísticos más profundos para todo el raster del modelo

estimado y el de referencia, sumado a que la existencia de datos atípicos en zonas puntuales del

área de estudio puede afectar dichos resultados, se decidió optar por una serie de puntos aleatorios

que permitieran hacer un análisis más preciso de la diferencia entre ambos modelos. Se estimó

que, para el número de pixeles del área en ambos casos, asumiendo un nivel de confianza del 97%

y un error máximo de estimación del 3%, un total de 1.307 puntos son una muestra representativa

del total de los datos. Esto con la intención de hacer un análisis más profundo. Estos puntos fueron

generados con las extensiones del software ArcGIS que además permiten asignarle el valor de

altura correspondiente a cada punto. En la ilustración 54 se muestran los resultados de este

proceso para ambas áreas (el área total de estudio y la zona urbana de Bogotá).

Punto Latitud (N) Longitud (O)

Altura Calculada

(ITRF08)

Altura DEM

Sentinel

Altura

DEM SRTM

Diferencia

Punto-Sentinel

Diferencia

Punto-SRTM

Diferencia

Sentinel-SRTM

ABCC 4°39'40.4458" 74°07'36.9198" 2576,261 2550,895 2565,022 25,366 11,239 -14,127

ABPD 4°28'35.6420" 74°05'55.9251" 2958,364 2964,302 2966,775 -5,938 -8,411 -2,473

BOGA 4°38'19.2564" 74°04'47.8178" 2609,837 2587,470 2577,244 22,367 32,593 10,226

BOGT 4°38'24.2682" 74°04'51.3824" 2576,305 2559,333 2575,353 16,972 0,952 -16,020




108

Ilustración 54: [Ubicación de puntos aleatorios en el DEM Sentinel, a) DEM Sentinel total; b) DEM Sentinel para la

zona urbana de la ciudad de Bogotá]. Elaboración propia.

5.4.1 Análisis para el área total del DEM

Para ambos casos se analizaron, además de las alturas de cada modelo, las diferencias entre ellos

(restando los valores del SRTM del DEM Sentinel) y sus valores absolutos. En el resumen

estadístico (Tabla 27) se muestran los resultados.

Estadísticas H Sentinel H SRTM Dif_H DIF(ABS)

Mín. 1.196,00 902,60 -672,43 0,02

1er Cuartil 2.546,00 2.568,10 -29,97 13,31

Mediana 2.597,00 2.595,10 -3,67 33,50

Media 2.648,00 2.638,60 9,67 78,45

3er Cuartil 2.866,00 2.845,80 39,63 101,75

Máx. 3.792,00 3.764,80 648,26 672,43

SD 421,16 439,17 131,50 105,95

se(mean) 11,65 12,14 3,64 2,93

Tabla 27: [Resumen estadístico de los puntos aleatorios DEM Sentinel vs DEM SRTM]. Elaboración propia a partir

de información obtenida del software estadístico R

a) b)




109

Para las alturas de ambos modelos, se ve que presentan valores de media, primer y tercer cuartil

con pequeñas diferencias, teniendo en cuenta que para los pares de imágenes analizados

anteriormente las cuales tenían una resolución temporal de 27, días las diferencias de altura en

promedio estaban sobre los 700 metros mientras que en este caso las diferencias absolutas son en

promedio de 78,45 m con una mediana de 33,5015 m.

Además del resumen se incluyó el cálculo de los percentiles (de 10% a 100% con aumentos de

10) para revisar las diferencias y su comportamiento, en la tabla 28 se muestran los resultados.

Percentiles H Sentinel H SRTM Dif_H DIF(ABS)

10% 2106,6167 2036,1538 -114,3996 4,6974

20% 2662,8004 2562,8004 -40,2151 9,9647

30% 2556,5111 2571,999 -22,2087 16,5501

40% 2572,8583 2579,0323 -12,9909 23,9757

50% 2597,1547 2595,1324 -3,6701 33,5014

60% 2662,9795 2656,9312 6,0667 49,7927

70% 2787,6742 2772,7029 26,1163 81,2135

80% 2949,7421 2935,4232 60,031 130,0384

90% 3181,6425 3183,6605 143,1495 211,4664

100% 3792,4788 3764,7886 648,2553 672,4291

Tabla 28: [Percentiles DEM Sentinel vs DEM SRTM]. Elaboración propia a partir de información obtenida del

software estadístico R

En cuanto a los percentiles, se observa que el 20% de los datos tiene una diferencia de altura

menor a 10 m, y casi el 70% de los datos presenta diferencias menores a 51 m, esto también se

muestra en el histograma de Diferencias Absolutas (Ilustración 55). Así mismo se presentan unas

diferencias muy grandes de más de 130m en el 20% de los datos analizados llegando a valores

extremos de hasta 645 m. La desviación estándar es de 105.9471.




110

Ilustración 55: [Histogramas de diferencias absolutas de los puntos aleatorios DEM Sentinel]. Elaboración propia a

partir de información obtenida del software estadístico R

Para las diferencias de alturas se nota una ligera tendencia hacia los valores negativos, lo que se

confirma con los histogramas de la variable de diferencias (Ilustración 56).

Ilustración 56: [Histogramas diferencias de altura de los puntos aleatorios DEM Sentinel]. Elaboración propia a

partir de información obtenida del software estadístico R

A diferencia de los histogramas presentados para el modelo completo, para los puntos aleatorios

se encuentran histogramas gráficamente similares (Ilustración57) en cuanto a su distribución

donde la única diferencia es que las alturas del DEM Sentinel tienen una tendencia hacia los

valores menores, gráficamente se observa como un corrimiento de la distribución hacia la

izquierda respecto del histograma de alturas del DEM SRTM.




111

Ilustración 57: [Histogramas de frecuencia DEM Sentinel y DEM SRTM]. Elaboración propia a partir de información

obtenida del software estadístico R

Para revisar estas similitudes se estimaron coeficientes de correlación (Spearman y Pearson) que

mostraron una fuerte correlación positiva (0.9510 y 0,9541 respectivamente). Esta hipótesis se

refuerza al revisar el diagrama de dispersión calculando la línea de tendencia y el coeficiente de

determinación R^2 (Ilustración 58).

Ilustración 58: [Diagrama de dispersión DEM Sentinel vs DEM SRTM]. Elaboración propia

y = 0,9963xR² = 0,9104

1000

1500

2000

2500

3000

3500

4000

1000 1500 2000 2500 3000 3500 4000

SRTM

SENTINEL




112

Con una línea de tendencia que describe la ecuación 𝑌 = 0,9963𝑋 se confirma la fuerte

correlación entre los dos modelos.

5.4.2 Análisis para el área urbana de Bogotá

Para el caso del área urbana de Bogotá, se presenta un resumen estadístico (tabla 29) donde se

aprecia una diferencia más pequeña entre los valores de media y mediana (19,41 m y 15,48 m

respectivamente) que los observados en el caso del área total. Además del resumen se incluyó el

calculo de los percentiles (de 10% a 100% con aumentos de 10) para revisar las diferencias y su

comportamiento, en la tabla 30 se muestran los resultados.

Estadísticas H Sentinel H SRTM Dif_H DIF(ABS)

Mín. 2.365,00 2.552,00 -203,77 0.0035

1er Cuartil 2.556,00 2.572,00 -21,51 8,26

Mediana 2.572,00 2.579,00 -10,30 15,50

Media 2.619,00 2.627,00 -8,08 19,41

3er Cuartil 2.624,00 2.607,00 3,65 25,65

Máx. 3.239,00 3.355,00 151,09 203,77

SD 117,01 115,37 25,19 17,96

se(mean) 3,24 3,19 0,70 0,50

Tabla 29: [Resumen estadístico de los puntos aleatorios DEM Sentinel vs DEM SRTM de la zona urbana de la ciudad

de Bogotá]. Elaboración propia a partir de información obtenida del software estadístico R

Percentiles H Sentinel H SRTM Dif_H DIF(ABS)

10% 2542,3896 2565,9532 -32,768 2,8006

20% 2551,8279 2570,4772 -24,2394 6,3603

30% 2558,7286 2573,7142 -18,9013 9,7395

40% 2564,7144 2576,5731 -14,0091 12,3976

50% 2572,1378 2579,1869 -10,2961 15,4976

60% 2583,2647 2582,5769 -5,2364 19,3823

70% 2600,4542 2591,6454 0,2738 23,5354

80% 2660,2846 2645,7723 8,2485 28,7128

90% 2777,5879 2775,0464 21,0854 37,375

100% 3239,3945 3354,6281 151,0909 203,7721

Tabla 30: [Percentiles DEM Sentinel vs DEM SRTM de la zona urbana de la ciudad de Bogotá]. Elaboración propia

a partir de información obtenida del software estadístico R

En cuanto a los percentiles, se observa que el 90% de los datos presenta diferencias absolutas

menores a 40m, el 50% de los datos presenta diferencias absolutas menores a 15 m, y sólo un

10% de los datos presenta diferencias mayores a 40m con datos extremos de hasta 151 m. Las




113

diferencias absolutas tienen una desviación estándar de 25m. Como en el caso anterior, las

diferencias de altura entre los modelos tienden a ser negativas (cerca del 70% de las diferencias

son negativas) como se ve en las tablas y en los histogramas de frecuencias de las Ilustraciones

59 y 60.

Ilustración 59: [Histogramas de diferencias absolutas de los puntos aleatorios DEM Sentinel en la zona urbana de la

ciudad de Bogotá]. Elaboración propia a partir de información obtenida del software estadístico R

Ilustración 60: [Histogramas diferencias de altura de los puntos aleatorios DEM Sentinel para la zona urbana de la

ciudad de Bogotá]. Elaboración propia a partir de información obtenida del software estadístico R

Para el caso de los histogramas propios de los valores de alturas para cada modelo se presentan

algunas diferencias en la distribución de los valores de altura (Ilustración 61) siendo más

evidentes dos casos, el primero en los valores más bajos que para el DEM Sentinel se representan

en algunos puntos con alturas menores a 2400m que en el DEM SRTM no se presentan y, por

otra parte, en los más altos donde el DEM SRTM presenta valores cercanos a los 3400 m que

Sentinel no presenta.




114

Ilustración 61: [Histogramas de frecuencia DEM Sentinel y DEM SRTM para la zona urbana de Bogotá]. Elaboración

propia a partir de información obtenida del software estadístico R

Para el análisis de correlación se estimaron los coeficientes de Spearman y Pearson que mostraron

una fuerte correlación positiva entre los modelos (0,8783459 y 0,9766025 respectivamente). En

la Ilustración 62 se presenta el diagrama de dispersión y la línea de tendencia.

Ilustración 62: [Diagrama de dispersión DEM Sentinel vs DEM SRTM para la zona urbana de la ciudad de Bogotá].

Elaboración propia.

Así como en el caso anterior, la correlación entre los modelos es alta, aunque en el área urbana

de Bogotá la línea de tendencia presenta un corrimiento y un intercepto en 105,25. La ecuación

obtenida es 𝑌 = 0,9629𝑋 + 105,25

y = 0,9629x + 105,25

R² = 0,9532200

2400

2600

2800

3000

3200

3400

2300 2500 2700 2900 3100 3300

SRTM

SENTINEL




115

6 CONCLUSIONES

En este proyecto se obtuvo un modelo digital de elevación a partir de un par de imágenes de radar

usando la técnica de interferometría SAR para una zona dentro del departamento de

Cundinamarca que abarcó la zona urbana de la ciudad de Bogotá y parte de otros 20 municipios

del departamento. Esto se realizó trabajando pares de imágenes con distintas resoluciones

temporales en distintas partes del país teniendo cómo criterio los niveles de coherencia entre

imágenes. Después del desarrollo y análisis del proyecto se concluye:

Se cumplieron los objetivos propuestos, verificando la posibilidad de trabajar con imágenes

Sentinel 1 técnicas como la interferometría SAR produciendo un modelo digital de elevación

dentro del territorio colombiano. En ese sentido, se comprueba que la resolución temporal juega

un papel muy importante en la calidad de los productos obtenidos en el proceso, siendo el par de

imágenes a 6 días el de mejor resultado. Cabe resaltar que pares con estas características no se

encuentran actualmente (por lo menos para el área de Bogotá y alrededores) siendo lo más común

encontrar pares a 24 o más días y, desde que se lanzó a finales de 2.016 el segundo satélite de la

constelación, a 12 o 14 días. Las primeras pruebas con los pares de imágenes IW con diferencia

de 2 o más semanas presentaron niveles de coherencia muy bajos, mientras que el par de imágenes

IW trabajado mostro buenos niveles de coherencia, los cuales fueron el primer paso para lograr

la elaboración del interferograma, y el posterior DEM. A pesar de que en general los niveles de

coherencia fueron buenos, debido a la banda con la que trabaja el radar de Sentinel (SAR-C), el

interferograma producido presentó zonas con mucho ruido, la mayoría con presencia de cobertura

vegetal, lo que influyo en el desarrollo del modelo y los resultados finales del DEM. También se

debe tener en cuenta que para procesos interferométricos variables como el clima en el momento

de toma de imágenes juega un papel determinante, de ahí la importancia de poder contar con

varios pares de imágenes con la mejor resolución temporal posible en distintos momentos del año

para comparar y poder escoger el mejor par posible.

Se constató que el software Sentinel Toolbox demanda un hardware potente para el desarrollo de

aplicaciones de este tipo. Para proyectos más grandes que impliquen mayor cantidad de imágenes

y procesos de corrección, edición, análisis etc., se debe pensar en contar con equipos que cuenten

con grandes recursos físicos (procesadores, RAM y discos duros de gran capacidad) o incluso

como se presentó en algún momento de este proyecto, trabajar con clusters de servidores de alto

desempeño que permitan procesar mayor cantidad de datos y abarcar proyectos más ambiciosos

en el campo del radar.




116

En cuanto al DEM generado, en el análisis de los resultados se pudo evidenciar que el modelo

Sentinel, a pesar de contar con una resolución considerable (14 metros) teniendo en cuenta que

es producido a partir de una plataforma satelital (SRTM cuenta con una resolución de 90m para

la mayor parte de la superficie terrestre y 30 m para EE.UU.) presenta mayor heterogeneidad en

la distribución de los valores de altura que el modelo de referencia. Esta heterogeneidad deriva

en un DEM que no describe con mucha precisión la superficie terrestre, que muestra perfiles

irregulares presentando en algunos casos cambios abruptos en altura en pixeles circunvecinos. En

ese sentido, el modelo SRTM sí presenta regularidad y homogeneidad, como se vio en los perfiles

bien definidos con líneas suavizadas. El análisis estadístico arrojó unos resultados positivos,

mostrando que a pesar de la irregularidad del DEM la correlación con el modelo de referencia es

considerablemente alta.

A pesar de que los resultados no tuvieron la exactitud esperada, teniendo en cuenta que la

medición del RMSE fue del orden de los 130m lo que descarta un análisis desde lo normativo

para el caso, dado que según norma europea, para un DEM de alta resolución, el RMSE debería

estar entre los 10 y los 20 m (Kapnias, Milenov, & Kay, 2008), no se descarta que en el futuro se

puedan generar modelos más precisos cuando la disponibilidad de imágenes con resolución

temporal de 6 días sea mayor y se dé la posibilidad de poder testear más pares en busca de valores

de coherencia mayores que permitan obtener mejores resultados. Para ejercicios futuros podría

considerarse un proceso de remuestreo en los DEM generados con imágenes Sentinel y buscar

cambiar la resolución de 14 m a 30, 50 o 90 m para analizar el comportamiento de los modelos a

diferentes escalas. También se considera buscar generar un DEM de la misma resolución (14 m)

interpolando la información de varios pares con buenos niveles de coherencia.

El desarrollo de este proyecto generó la posibilidad de trabajar a futuro técnicas más

especializadas como la interferometría diferencial, que para el caso de Bogotá podría plantearse

como una búsqueda de zonas de subsidencia como ya se hizo en 2.010, (Sánchez, Arciniegas,

Barreto, & Abaunza, 2010), ahora con imágenes Sentinel, datos y software libres. Por esta razón,

se hace necesario profundizar en el ámbito investigativo en el uso y aprovechamiento de técnicas

como la interferometría o la polarimetría, que son herramientas con las que se está trabajando

actualmente en todo el mundo para diferentes propósitos (desde modelos digitales hasta mapas de

deformación, monitoreo de zonas de riesgo, catástrofes, catastro, etc.), que además pueden traer

grandes avances a nivel de investigación al país, aumentando las competencias y fortaleciendo la

formación del ingeniero catastral y geodesta.




117

7 ANEXOS

• Glosario

Angulo de incidencia: Angulo entre la dirección del radar y la normal a la superficie

(SARMAP, 2009).

CHIRP: Pulso amplio con una modulación de frecuencia lineal (SARMAP, 2009).

Centroide doppler: El centroide doppler localiza la energía de la señal azimutal en el

dominio de la frecuencia azimutal, este se necesita para que la energía de la señal en el

espectro doppler se pueda capturar de forma correcta por el filtro de compresión azimutal,

de esta manera se proporciona la mejor resolución señal-ruido y la resolución azimutal

(ESA European Space Agency, 2017).

CGS: Segmento básico terrestre (Core Ground Segment).

DEM: modelo digital de elevación.

Coherencia: La coherencia es la relación fija entre las ondas en un haz de radiación

electromagnética (Glossary R. a., 2017).

C-SAR: Sensor de radar que trabaja con una banda C.

Dif_H: diferencias de alturas.

DIF (ABS): diferencias de alturas absolutas.

DinSAR: Interferometría diferencial SAR

EC: Comisión Europea

ENL: Es una función del número de procesamiento de vistas y el grado de correlación

entre ellas, cuando no hay solapamiento el ENL es equivalente al número de

procesamiento de vistas. La correlación de las vistas es afectada tanto por la cantidad de

solapamiento entre las vistas como el peso que se aplica a cada una de ellas (ESA

European Space Agency, 2017).

ESA: Agencia Nacional Europea.

ESCO: European Space Operations centre.

ESRIN: Instituto de investigación Europea espacial.

EW: Extra wide swath.

Frecuencia doppler: La frecuencia del azimut se refiere a menudo como la frecuencia

Doppler, esta depende del componente de la velocidad del satélite en dirección de la línea

de visión del objetivo, dicha dirección cambia con cada posición del satélite a lo largo de

la trayectoria de este (Glossary R. a., 2017).

Foreshortening: Escorzo.

FOS: Segmento para las operaciones de vuelo.




118

GEI: Sistema de coordenadas Geocentric Ecuatorial Inertial.

GMES: Global Monitoring for enviroment and security.

GRD: Ground range Detected.

InSAR: Interferometría SAR.

IW: Interferometric wide swath.

Layover: Inversión por relieve.

MPC´s: Centros de rendimiento de la misión.

NASA: Administración nacional de aeronáutica y del espacio.

NESZ: Máximo ruido equivalente sigma cero, es una medida de la sensibilidad del radar

a las áreas de baja retrodispersión. El NESZ es definido como el coeficiente de dispersión

sigma cero (poner símbolo) de un objetivo distribuido dentro de la cobertura del producto

para e l cual el nivel de señal de poder en la imagen final es igual al nivel de poder del

ruido (solamente ruido termal) (ESA European Space Agency, 2017).

NGA: Agencia Nacional de Inteligencia geoespacial.

NRT: Tiempo casi real.

OCN: Ocean products.

OSW: Ocean Swell Spectral (aspectos de oleaje oceánico).

OWI: Ocean Wind Field.

PAC´s: Centros de procesamiento y archivo.

PDGS: Segmento terrestre para los datos de la carga útil.

POD: Determinación de la precisión de la órbita.

Precisión radiométrica: se define como la desviación resultante de 3 sigmas de la medida

de sigma cero de un objetivo con distribución homogénea situado en cualquier parte del

rango dinámico de operación del sistema, en cualquier lugar del ancho de barrido, en

cualquier momento, ignorando el ruido (ESA European Space Agency, 2017).

Polarización: la polarización del radar es la orientación del vector eléctrico en una onda

electromagnética, con una frecuencia vertical u horizontal, en las imágenes de radar, es

decir que la polarización se refiere a la orientación del plano del campo eléctrico en

posición al campo magnético (Glossary R. a., 2017).

PRT: Pulso CHIRP transmitido por el radar en un tiempo de repetición de pulso

(SARMAP, 2009).

PRF: Ecos de repetición de pulsos de frecuencia.

RAW: Formato de datos crudos de radar.

RVL: Surface radial Velocity (velocidad radial de la superficie.




119

Shadow: sombra.

SLC: Formato de datos Single Look Complex de radar.

SM: Stripmap.

TOPSAR: Escáner SAR progresivo para la observación del terreno.

Vistas: en la terminología de radar se refiere a un grupo de muestras de señal en un

procesador SAR que divide la apertura sintética completa en varias sub-aperturas, donde

cada una representa una vista independiente de una escena idéntica, la imagen resultante

es formada por una suma incoherente de estas vistas caracterizadas por el ruido reducido

y la resolución espacial degradada (European Space Agency, 2013).

WM: Wave mode.

• Modelo Digital de elevación Sentinel

• Modelo Digital de elevación Sentinel zona urbana de la ciudad de Bogotá

• Mapa de diferencias DEM Sentinel vs DEM SRTM

• Mapa de alturas absolutas DEM Sentinel vs DEM SRTM

• Mapa de alturas absolutas DEM Sentinel vs DEM SRTM zona urbana de la ciudad de

Bogotá




120

8 REFERENCIAS

(IGAC), I. G. (9 de Abril de 2017). RED MAGNA ECO. Obtenido de IGAC TRÁMITES Y SERVICIOS:

http://www.igac.gov.co

A THALES ALENIA SPACE, F. C. (3 de octubre de 2012). Thalesgroup. Recuperado el 3 de enero

de 2017, de PROPULSION SYSTEM: www.thalesgroup.com

arianespace. (3 de octubre de 2015). TECHNICAL OVERVIEW SOYUS. Recuperado el 3 de enero

de 2017, de www.arianespace.com: http://www.arianespace.com/wp-

content/uploads/2015/10/Soyuz-Flyer-Oct2015.pdf

Attema, E., Bargellini, P., Edwards, P., Levrini, G., Lokas, S., Moeller, L., . . . Snoeij, M. D. (Agosto

de 2007). Sentinel-1 The Radar Mission for GMES Operational Land and Sea Services.

Obtenido de ESA bulletin 131:

http://www.esa.int/esapub/bulletin/bulletin131/bul131a_attema.pdf

authors, C. (9 de Abril de 2017). Cygwin. Obtenido de This is the home of he Cygwin project:

https://cygwin.com/

Bamler, R., & Hartl, P. (1998). Synthetic aperture radar interferometry. Inverse Problems 14(4),

1-54.

Bracewell, R. N. (2000). The fourier transform and its applications. McGraw Hill.

C.W.Chen, & Zebker, H. (2000). Network approaches to two-dimensional phase unwrapping

"intractability and two new algorithms". Journal of the Optical Society of América

(Vol.17), 401-414.

Canadá, G. o. (9 de Abril de 2017). Tools and Applications. Obtenido de NATURAL RESOURCES

CANADÁ: http://www.nrcan.gc.ca/earth-sciences/geomatics/geodetic-reference-

systems/tools-applications/10925#ppp

CCRS. (2001). Programa GlobeSAR: Material educativo para teledetección mediante radares.

Obtenido de Canadá Centre for Remote Sensing CCRS, Natural Resources Canadá:

ftp://ftp.ccrs.nrcan.gc.ca/ftp/ad/MAS/globesar/spa/intro_s.pdf

Chang, K.-T. (2009). Computation for bilinear interpolation. Introduction to Geographic

Information Systems (5th ed.). New York: McGraw-Hill.

Chen, C., & Zebker, H. (2002). Phase unwrapping for large SAR interferograms "Statistical

segmentation and generalized network models". IEEE Transactions on Geoscience and

Remote Sensing (Vol 40), 1709-1719.

Chuvieco, E. (1995). FUNDAMENTOS DE TELEDETECCIÓN. Madrid, Alcalá, España: EDICIONES

RIALP. S.A.

Copernicus, E. (9 de Abril de 2017). Sentinel Toolboxes. Obtenido de ESA Sentinel online:

https://sentinel.esa.int/web/sentinel/toolboxes




121

Donato Amitrano, G. D. (2014). Sentinel-1 for Monitoring Reservoirs: A Performance Analysis.

Remote Sensing, 6(11), 10676-10693.

ESA European Space Agency. (2017). Sentinel-1 Document Library. Obtenido de ESA Sentinel

Online: https://sentinel.esa.int/web/sentinel/user-guides/sentinel-1-sar/document-

library

ESA, C. (8 de Abril de 2017). Copernicus Open Access Hub. Obtenido de Data Hub:

https://scihub.copernicus.eu/dhus/#/home

European Space Agency, S. 1.-T. (1 de septiembre de 2013). sentinel 1 User Handbook.

Recuperado el 2017 de enero de 2017, de European Space Agency:

www.sentinel.esa.int

Felicísimo, A. M. (1994). Modelos digitales del terreno Introducción y aplicación en las ciencias

ambientales. Oviedo: Pentalfa. Obtenido de A.M. Felicísimo.

Ferretti, A., Monti-Guarnieri, A., Prati, C., & Rocca, F. (2007). InSAR Principles: Guidelines for

SAR interferometry processing and interpretation (Vol.19). Paises bajos: ESA

Publications.

Foundation, F. S. (2017). El sistema operativo GNU. Obtenido de

https://www.gnu.org/home.es.html

Glossary, d. -S. (8 de Abril de 2017). Glossary.oilfield.slb.com. Obtenido de

http://www.glossary.oilfield.slb.com/es/Terms/d/deconvolution.aspx

Glossary, R. a. (8 de Abril de 2017). Envisat.esa.int. Obtenido de

http://envisat.esa.int/handbooks/asar/CNTR5-2.html

Golstein, R., & C.L.Warner. (1998). "Filtrado de fase de interferograma radar para aplicaciones

geofísicas. Geophysical Research Letters (Vol 25), 4035-4038.

Graham, L. C. (junio de 1974). Synthetic Interferometer Radar for Topographic Mapping.

Proceedings of the IEEE, 62(6), 763-768.

Group, T. O. (2017). The Open Group . Obtenido de UNIX®: http://www.opengroup.org/unix

Guangcai F, Z. L. (2015). Source parameters of the 2014 Mw 6.1 South Napa earthquake

estimated from the Sentinel 1A, COSMO-SkyMed and GPS data . Tectonophysics 655,

139-146.

H.A.Zebker, & R.M.Goldstein. (20 de Agosto de 1987). Interferometric radar measurement of

ocean surface currents. Nature, 328(6132), 707-709.

Hatcher, N. M. (1967). A survey of attitude sensors for spacecraft. Washington D.C: Scientific

and Technical In formation Division, OFFICE OF TECHNOLOGY UTILIZATION,NATIONAL

AERONAUTICS AND SPACE ADMINISTRATION.

IEEE, & Group, T. O. (2016). The Open Group. Obtenido de POSIX.1 2008:

http://pubs.opengroup.org/onlinepubs/9699919799/




122

Jung, H. S. (2013). Feasibility of along-track displacement measurement from Sentinel-1

interferometric wide-swath mode. Geoscience and Remote Sensing IEEE Transactions

on, 51(1), 573-578.

Kapnias, D., Milenov, P., & Kay, S. (2008). Guidelines for best practice and quality checking of

ortho imagery. Luxenburgo: Joint Research Centre, (3.0).

M. CASTILLO, F. P. (1999). Interferometría SAR en las islas Shetland del Sur: modelo numerico

de elevaciones de la isla Decepción. Acta Geologica Hispanica, volumen 34, 447-459.

Mangla, R., & Kumar, S. (2014). DEM Construction using DINSAR. The International Archives of

Photogrammetry, Remote Sensing and Spatial Information Sciences, 40(8), 817-820.

Massonet, D., & L.Feigl, K. (Noviembre de 1998). Radar Interferometry and its application to

changes in the earth´s surface. Reviews of geophysics, 36(4), 441-500.

Matias, G. R. (2006). Radar Interferometry: 2D Phase Unwrapping Via Graph Cuts. Lisboa:

Doctoral dissertation, INSTITUTO SUPERIOR TÉCNICO.

Nikolakopoulos k, K. A. (2015). DSM generation from Sentinel and COSMO-Skymed data using

interferometry and radargrammetry: a case study from Mykono. Greece, In Third

International Conference on Remote Sensing and Geoinformation of the Environment.

International Society for Optics and Photonics, 95350H-95359H.

Olmsted, C. (1993). Scientific SAR User's Guide. Fairbanks Alaska: Alaska SAR Facility. ASF-SD-

003.

Pablo Blanco Sánchez, G. B. (2010). La interferometría diferencial DInSar - una técnica para el

monitoreo de la subsidencia en Bogotá D.C (Conocimiento y reflexión). Boletin

Colombiano de Geotecnia, volumen 13, 1-16.

Papaqui, J. P. (8 de Abril de 2017). Notas de clase Efecto doppler. Obtenido de Departamento

de Astronomia - DCNyE Universidad de Guanajuato: http://www.astro.ugto.mx

Peucker, T. K., Fowler, R. J., & Little, J. J. (1978). THE TRIANGULATED IRREGULAR NETWORK. In

Amer. Soc. Photogrammetry Proc. Digital Terrain Models Symposium (Vol. 516, p. 532).

Platzeck, M. &. (2014). Aplicación de interferometría diferencial de radar de apertura sintética

(DInSAR) como una herramienta para detectar deslizamientos en una región de los

Andes en Ecuador. Pyroclastic Flow, Journal of Geology, vol 4, 5-15.

Ramirez, E. (4 de Abril de 2017). Shuttle Radar Topography Mission "The Mission to Map the

World". Obtenido de NASA Jet Propulsion Laboratory California Institute of

Technology: http://www2.jpl.nasa.gov/srtm/

Sánchez, P. B., Arciniegas, G. B., Barreto, G., & Abaunza, D. O. (2010). LA INTERFEROMETRÍA

DIFERENCIAL DInSAR–UNA TÉCNICA PARA EL MONITOREO DE LA SUBSIDENCIA EN

BOGOTÁ DC (Conocimiento y Reflexión) DInSAR DIFFERENTIAL INTERFEROMETRY-A

TECHNIQUE FOR SUBSIDENCE MONITORING IN BOGOTÁ DC. Catalunya.




123

Sánchez, V. D. (2010). Tesis Doctoral "Interferometría polarimétrica diferencial SAR con

satélite". Alicante: Universidad de Alicante.

Sandwell, D. T. (2002). SAR Image formation: ERS SAR processor code in matlab. Obtenido de

Lecture Notes - Radar and Sonar Interferometry: http://www.ifu-

sar.ethz.ch/otfrey/SARbibliography/year/2002.complete.html

SARMAP, U. B. (Agosto de 2009). Synthetic Aperture Radar and SARscape. Obtenido de The

earth observation gateway: http://www.sarmap.ch/pdf/SAR-Guidebook.pdf

SKOLNIK, M. I. (1990). RADAR HANDBOOK. Boston, Massachusetts : McGraw-Hill.

Spain, E. (27 de Abril de 2016). ESA in your country. Obtenido de El programa Copernico:

http://www.esa.int/esl/ESA_in_your_country/Spain/El_programa_Copernico

Torres, T. M. (2013). Determinación de la deformación del terreno por movimientos en masa

usando interferometría SAR (Radar de Apertura Sintética). Argentina: Universidad

Nacional de Córdoba, Instituto de Altos Estudios Espaciales "Mario Gulich", Comisión

Nacional de Actividades Espaciales (CONAE).

UNODC. (27 de Abril de 2016). Banco de información espacial proyecto SIMCI. Obtenido de

http://www.biesimci.org/altimetria/mdt/indices/MDT.html

Veci, L. (Agosto de 2016). TOPS Interferometry Tutorial. Obtenido de ESA Sentinel Online:

https://sentinel.esa.int/web/sentinel/toolboxes/sentinel-1/tutorials

Wasowski, C. C. (2006). Investigating landslides with space-borne Synthetic. Engineering

Geology 88, 173–199.

Zan, F. D., & Guarnieri, A. M. (2006). TOPSAR: Terrain Observation by Progressive Scans. IEEE

TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING VOL. 44, NO. 9, 2352-2360.

Zebker, H. A., & Chen, C. W. (2001). Two-dimensional phase unwrapping with use of statistical

models for cost functions in nonlinear optimization. JOSA A, 18(2), 338-351.

Zebker, H. A., & Lu, Y. (1998). Phase unwrapping algorithms for radar interferometry: residue-

cut, least-squares, and synthesis algorithms. JOSA A, 15(3), 586-598.

Zénere, M. P. (2012). Focalización de imágenes SAR utilizando el algoritmo Omega-K.

Simulación y validación. Córdoba: Universidad Nacional de Córdoba.

Documents

DETERMINACIÓN DE UN MODELO DIGITAL DE …repository.udistrital.edu.co/bitstream/11349/5915/1/Hernandez... · de Ingeniería Catastral y Geodesia de la Universidad Distrital Francisco