Disponible con licencia de Image Analyst.
Se debe procesar una imagen de radar de apertura sintética (SAR) de nivel 1 de Sentinel-1 antes de que se pueda usar para la visualización o el análisis. Entre los problemas que se deben solucionar se incluyen la eliminación del ruido térmico, la calibración para recuperar un valor de retrodispersión significativo, eliminar ruido de moteado, eliminar distorsiones radiométricas y geométricas y representar imágenes con un rango de valores grande.
El conjunto de herramientas Radar de apertura sintética, en la caja de herramientas Image Analyst, contiene ocho herramientas para generar datos de imágenes listos para el análisis calibrados y con corrección de terreno de datos Ground Range Detected (GRD) de Sentinel-1. Las siguientes herramientas se utilizan para generar datos GRD de Sentinel-1 listos para el análisis, como se muestra en el siguiente diagrama:
- Descargar archivo de órbita
- Aplicar corrección de órbita
- Eliminar ruido térmico
- Aplicar calibración radiométrica
- Aplicar aplanamiento de terreno radiométrico
- Eliminar ruido
- Aplicar corrección de terreno geométrica
- Convertir unidades SAR
Descarga y uso del vector de estado de órbita
La precisión de las correcciones de terreno radiométricas y geométricas se basa en los vectores de estado de órbita (OSV) suministrados. Hay disponibles tres tipos de OSV para el producto Sentinel-1: predicho, restituido y preciso. Los OSV predichos se proporcionan con los productos auxiliares GRD y SLC de nivel 1 de Sentinel-1, los OSV restituidos están disponibles a través de la Agencia Espacial Europea (ESA) en un plazo de tres horas desde la adquisición de imágenes y los OSV precisos están disponibles a través de la ESA en un plazo de tres semanas desde la adquisición de imágenes. Se recomienda que actualice los OSV para su restitución o precisión una vez que estén disponibles.
La herramienta Descargar archivo de órbita identifica y descarga el archivo OSV adecuado. La herramienta Aplicar corrección de órbita utiliza este archivo OSV descargado para actualizar los metadatos del producto Sentinel-1.
Eliminación de ruido térmico
Las imágenes de SAR se distorsionan por el ruido térmico aditivo. El ruido térmico es más evidente en imágenes con una distribución de retrodispersión baja, como en el canal polarizado cruzado, que se caracteriza por una distribución de retrodispersión más estrecha.
Debido al modo de adquisición Observación de terreno con escaneados progresivos (TOPS) de Sentinel-1, el ruido térmico de los productos Sentinel-1 varía para escaneados de subfranjas individuales. El ruido térmico suele manifestarse como un contraste intenso entre los escaneados del subsuelo. La herramienta Eliminar ruido térmico utiliza metadatos del producto Sentinel-1 para corregir el ruido térmico.
Calibración radiométrica
La herramienta Aplicar calibración radiométrica utiliza los metadatos del producto Sentinel-1 para recuperar valores de retrodispersión significativos. La calibración radiométrica es el proceso de convertir productos SAR de número digital de píxel de imagen (DN) a la cantidad física de intensidad de retrodispersión de SAR por área de unidad. Los tres tipos de calibración son beta cero (
), sigma cero (
) y gamma cero (
). El área de unidad utilizada para la calibración determina el tipo de calibración.
Beta cero representa la reflectividad del radar por área de unidad en el rango de inclinación y se conoce normalmente como coeficiente de brillo del radar.
Sigma cero representa la reflectividad del radar por área de unidad en el rango de suelo. Aunque sigma cero es una opción popular para describir la reflectividad, se debe usar con precaución. Los valores de sigma cero varían con el ángulo de incidencia, por lo que una entidad en el rango cercano puede tener un valor de sigma cero diferente en el rango lejano. Si realiza un análisis o detección de cambios multitemporal con sigma cero, utilice imágenes del mismo sensor y la misma geometría de visualización para garantizar que los cambios en sigma cero se deban a los procesos físicos a lo largo del tiempo y no a artefactos que resultan de diferencias en la geometría de visualización.
Gamma cero representa la reflectividad del radar por área de unidad en el plano perpendicular al rango de inclinación. Se normaliza mediante el ángulo de incidencia en relación con el elipsoide, de modo que proporciona un valor de medición independiente del rango. Si desea utilizar valores de retrodispersión para distinguir entre entidades únicas en una sola imagen, utilice gamma cero en lugar de sigma cero. Además, utilice gamma cero si le interesa el análisis multitemporal o la detección de cambios mediante las imágenes de SAR de diferentes sensores o geometrías de visualización diferentes (ascendente frente a descendente). Gamma cero solo se debe utilizar en estos tipos de aplicaciones si el terreno es plano.
Aplanamiento radiométrico del terreno
Debido a la visión lateral de los sensores SAR, las entidades orientadas hacia el sensor aparecen artificialmente más brillantes que las entidades orientadas hacia el lado opuesto del sensor. La herramienta Aplicar aplanamiento radiométrico del terreno corrige valores radiométricos artificiales procedentes de topografía compleja y la geometría de visualización del sensor.
Dado un DEM de entrada y un producto GRD Sentinel-1 de entrada calibrado en beta cero, la herramienta Aplicar aplanamiento radiométrico del terreno utiliza el enfoque de rango Doppler1 para calcular el área iluminada y generar una salida gamma cero aplanada para el terreno. Como alternativa, se puede especificar una salida de sigma cero aplanada para el terreno, que se normaliza con el ángulo de incidencia local basado en DEM.
Una salida opcional es el área de dispersión simulada. Estas salidas se pueden utilizar para obtener información sobre cómo afecta artificialmente el terreno a los datos calibrados no aplanados para el terreno.
Otra salida opcional es una máscara de distorsión geométrica para identificar los píxeles afectados por el sombreado, el escorzo, el alargamiento o el relevo. La salida de máscara de distorsión geométrica le permite enmascarar la salida gamma cero o sigma cero aplanadas para el terreno según el tipo de distorsión geométrica.
La última salida opcional es un ráster de distorsión geométrica que contiene un proxy para la pendiente del terreno, el ángulo de visión, el ratio de escorzo y el ángulo de incidencia local. La salida de distorsión geométrica proporciona datos que se utilizan para realizar el aplanamiento del terreno e identificar los píxeles afectados por las distorsiones geométricas.
El aplanamiento del terreno radiométrico se debe realizar para las aplicaciones que interpretan una única imagen sobre cualquier terreno, o bien para aplicaciones que comparan varias imágenes de diferentes sensores o el mismo sensor con geometrías de visualización diferentes sobre cualquier terreno.
Eliminar ruido
Las imágenes de SAR se caracterizan por anomalías ruidosas conocidas como moteado. Esta condición inherente resulta de las interferencias constructivas y destructivas de la señal retrodispersada. La herramienta Eliminar ruido proporciona varios filtros de moteado para mejorar la relación de señal a ruido de la imagen de SAR. Los filtros de moteado disponibles son Lee2, Lee mejorado3, Lee perfeccionado4, Congelamiento5, Kuan6 y MAP gamma7. Estos filtros dependen de las estadísticas de píxeles locales para optimizar la supresión del moteado, conservando al mismo tiempo los detalles de la entidad. Para preservar las propiedades estadísticas necesarias para estos filtros, se recomienda que aplique la eliminación de ruido antes de la corrección de terreno geométrica, que remuestrea y reproyecta los datos.
Corrección de terreno geométrica
Debido a la visión lateral de los sensores SAR, las entidades orientadas hacia el sensor aparecen comprimidas, mientras que las entidades orientadas hacia el lado opuesto del sensor aparecen extendidas. La herramienta Aplicar corrección de terreno geométrica corrige las distorsiones geométricas, lo que cambia los píxeles a su geolocalización correcta.
La herramienta Aplicar corrección de terreno geométrica utiliza el enfoque de rango Doppler y el DEM de entrada para ortorrectificar la imagen de SAR de entrada. Un DEM con una resolución cercana o superior a los datos de SAR de entrada se recomienda para la mayoría de las aplicaciones. Para aplicaciones en las que no hay terreno, puede omitir el DEM de entrada. La herramienta Aplicar corrección de terreno geométrica puede utilizar el enfoque de rango Doppler y la cuadrícula de geolocalización de los metadatos del producto para ortorrectificar la imagen de SAR de entrada.
Conversión a decibelios
El último paso para preparar los datos listos para el análisis consiste en convertir la intensidad de retrodispersión sin unidades (lineal) en decibelios (dB). La herramienta Convertir unidades de SAR convierte la intensidad de retrodispersión lineal en decibelios mediante una conversión logarítmica sencilla. La conversión logarítmica reduce el rango de valores de intensidad de retrodispersión para mejorar la visualización e interpretación de las imágenes.
Referencias
[1] Small, D. 2011. "Flattening Gamma: Radiometric Terrain Correction for SAR Imagery."IEEE Transactions on Geoscience and Remote Sensing 49, n.º 8: 3081–3093. DOI: 10.1109/TGRS.2011.2120616.
[2] J. S. Lee. "Digital Image Enhancement and Noise Filtering by Use of Local Statistics." IEEE Transactions on Pattern Analysis and Machine Intelligence vol. PAMI-2, n.º 2, págs. 165–168, marzo 1980, DOI: 10.1109/TPAMI.1980.4766994.
[3] A. Lopes, R. Touzi y E. Nezry. "Adaptive speckle filters and scene heterogeneity." IEEE Transactions on Geoscience and Remote Sensing vol. 28, n.º 6, págs. 992–1000, nov. 1990, DOI: 10.1109/36.62623.
[4] J. S. Lee and E. Pottier. "Polarimetric radar imaging: from basics to applications." CRC press, diciembre de 2017.
[5] V. S. Frost, J. A. Stiles, K. S. Shanmugan y J. C. Holtzman. "A Model for Radar Images and Its Application to Adaptive Digital Filtering of Multiplicative Noise." IEEE Transactions on Pattern Analysis and Machine Intelligence vol. PAMI-4, n.º 2, págs. 157–166, marzo 1982, DOI: 10.1109/TPAMI.1982.4767223.
[6] D. T. Kuan, A. A. Sawchuk, T. C. Strand y P. Chavel. "Adaptive Noise Smoothing Filter for Images with Signal-Dependent Noise." IEEE Transactions on Pattern Analysis and Machine Intelligence vol. PAMI-7, n.º 2, págs. 165–177, marzo 1985, DOI: 10.1109/TPAMI.1985.4767641.
[7] A. Lopes, E. Nezry, R. Touzi y H. Laur. "Maximum A Posteriori Speckle Filtering And First Order Texture Models In Sar Images." 10th Annual International Symposium on Geoscience and Remote Sensing, 1990, págs. 2409–2412, DOI: 10.1109/IGARSS.1990.689026.