NASA ARSET: Introducción al Radar de Apertura Sintética (SAR), Parte 1 de 3

Introducción al Radar de Apertura Sintética y sus Aplicaciones

Presentación de la Capacitación

• La capacitación es presentada por la doctora Erika Podest, científica en el laboratorio de propulsión a chorro de la NASA, quien estudia ecosistemas terrestres utilizando SAR.

• Se menciona que esta capacitación cubre temas más profundos que la introducción anterior del programa ARSET en 2017, destacando el acceso abierto a datos de radar como Sentinel 1.

Programa ARSET

• El programa ARSET ofrece capacitaciones gratuitas sobre teledetección y modelos para la comunidad científica global, adaptadas a diferentes niveles de experiencia.

• Las temáticas incluyen agricultura, clima y resiliencia, desastres, conservación ecológica, salud y calidad del aire, y recursos hídricos.

Estructura de la Capacitación

• La capacitación consta de tres sesiones:

• Introducción al SAR (hoy).

• Introducción al SAR interferométrico (INSAR) el 13 de noviembre.

• Resumen general sobre fuentes y herramientas de datos el 20 de noviembre.

• Se otorgará un certificado a quienes asistan a todas las sesiones en vivo y completen una tarea con fecha límite el 4 de diciembre.

Objetivos de Aprendizaje

• Los objetivos incluyen identificar características básicas del radar SAR y evaluar sensores para diferentes aplicaciones científicas.

• También se busca interpretar imágenes radar para distinguir características como vegetación o agua e introducir conceptos sobre interferogramas.

Contexto del Radar

• La instructora comparte su experiencia en teledetección por microondas enfocándose en humedales y cambios en uso del suelo.

• Se menciona el próximo satélite NISAR programado para lanzarse en 2025 como colaboración entre NASA e ISRO.

Interacción Durante la Sesión

• Se invita a los participantes a escribir preguntas durante la sesión; estas serán respondidas al final o documentadas si no se pueden abordar en tiempo real.

Fundamentos del Espectro Electromagnético

• Se introduce el espectro electromagnético explicando su rango desde ondas largas (radio) hasta cortas (rayos gamma), enfatizando que solo una pequeña fracción es visible para nuestros ojos.

Sensores de Microondas y Teledetección

Introducción a los Sensores de Microondas

• Los sensores de microondas operan en un rango de frecuencia mucho más bajo que los sensores ópticos e infrarrojos, con longitudes de onda que varían entre 0.3 y 100 centímetros, en comparación con la luz visible que va de 390 a 700 nanómetros.

Tipos de Sensores en Teledetección

• Existen dos tipos principales de datos en teledetección: pasivos y activos. Los sensores pasivos miden la energía emitida o reflejada por el sistema atmósfera, mientras que los activos emiten su propia fuente de iluminación para medir la señal reflejada.

Funcionamiento de Sensores Pasivos y Activos

• Los sensores pasivos, como los radiómetros de microondas, detectan energía emitida naturalmente relacionada con la temperatura superficial. En contraste, los sensores activos como LIDAR y radares emiten pulsos energéticos para medir las señales reflejadas.

Resolución y Limitaciones

• La resolución típica del radiómetro de microondas es baja (10 a 50 km), debido a la pequeña cantidad de energía emitida. Esto requiere grandes áreas para detectar suficiente señal.

• Los sensores activos se dividen en imágenes (imaging) y no imágenes (non-imaging). Ejemplos incluyen altímetros que miden altura directamente hacia abajo.

Comparación entre Teledetección por Radar y Óptica

• Las ventajas del radar incluyen independencia del clima, operación diurna/nocturna, capacidad para penetrar medios como vegetación o nieve, y requerimientos mínimos para correcciones atmosféricas.

• El radar es sensible a características como humedad superficial; sin embargo, su información difiere significativamente de la obtenida por métodos ópticos.

Desventajas del Radar

• Las desventajas incluyen dificultades interpretativas debido al "speckle" o moteado en las imágenes radar. Además, la topografía puede distorsionar las imágenes durante el análisis.

Importancia del Radar en Condiciones Meteorológicas Adversas

Comparación de Imágenes Ópticas y de Radar en Panamá

Imágenes de Sensores

• Se presenta una comparación entre una imagen óptica (mosaico RGB de Sentinel 2) y una imagen de radar (PALSAR SCAR) del satélite japonés, ambas cubriendo el mismo periodo del 1 al 30 de noviembre de 2019.

• La cobertura nubosa es un problema común en Panamá, lo que provoca brechas en los datos ópticos durante un mes completo. Sin embargo, esto no afecta a los sensores de radar.

Fundamentos del Radar

• El radar se define como "detección y rango por radio", originándose en investigaciones sobre la reflexión de ondas de radio a finales del siglo XIX y principios del XX, con un desarrollo significativo durante la Segunda Guerra Mundial para navegación y localización.

• Existen dos tipos principales: radar de imagen y no imagen. Esta capacitación se centra en el primero, que incluye radar de apertura real y sintética.

Funcionamiento del Radar

• Los radares funcionan emitiendo señales hacia la superficie terrestre; todos los radares de imagen son "de mirada lateral". Si miran directamente hacia abajo, no pueden diferenciar puntos cercanos.

• En el caso del radar "de mirada lateral", el tiempo que tarda la señal en llegar a diferentes puntos permite diferenciarlos. Ambos tipos (apertura real y sintética) utilizan este principio.

Componentes del Sistema Radar

• Un sistema radar consta fundamentalmente de un transmisor, receptor, antena y sistema electrónico para procesar datos. El transmisor emite pulsos cortos que iluminan la superficie oblicuamente.

• Al medir el tiempo entre transmisión y recepción del eco retrodispersado, el radar puede determinar distancia y ubicación. La resolución espacial es independiente entre las direcciones X e Y.

Geometría del Radar

• Se introducen términos clave: Rango (distancia directa al objeto), dirección a lo largo (asimut), dirección transversal (cross track).

• A medida que el sensor se mueve, escanea el suelo en dos dimensiones: Rango (distancia al objeto) y asimut (posición a lo largo). La resolución permite distinguir objetos según su distancia.

Resolución en Imágenes Radar

• La resolución en Rango se refiere a la capacidad para distinguir objetos a diferentes distancias; si están demasiado cerca, aparecerán como uno solo.

¿Cómo afecta la longitud del pulso en la resolución de radar?

Superposición de señales y resolución

• La distancia en rango inclinado entre los edificios es menor que la longitud del pulso dividida entre dos, lo que provoca que el pulso viaje a ambos objetos (a y b), causando una superposición de sus señales.

• Esta superposición hace que los objetos a y b aparezcan como un solo objeto en la imagen. Si la distancia fuera mayor, las señales se recibirían por separado, mostrando dos objetos distintos.

• Pulsos más cortos mejoran la resolución de rango, pero también disminuyen la relación señal-ruido y afectan negativamente a la resolución radiométrica.

Técnicas modernas para mejorar la resolución

• Los sensores modernos utilizan modulación de frecuencia lineal (chirping) para generar pulsos más largos, lo cual mejora el rendimiento sin sacrificar calidad.

• El ancho de banda del pulso es inversamente proporcional a su longitud; longitudes más cortas significan mayor ancho de banda y mejor resolución.

Resolución en el análisis terrestre

• La resolución en rango terrestre se refiere a la capacidad de discriminar objetos sobre el suelo, calculada usando el ángulo de incidencia local entre el radar y el terreno.

• Se ilustra cómo puntos equidistantes en el suelo resultan en diferentes distancias en rango inclinado, afectando así su representación visual.

Resolución azimutal

• La resolución azimutal describe cómo un radar separa objetos cercanos paralelos a su trayectoria. Esto depende del ancho angular del haz del antena y del rango inclinado.

• Cuando dos objetos están simultáneamente dentro del haz del radar, sus ecos se reciben al mismo tiempo. La figura muestra ejemplos donde algunos puntos son diferenciados mientras otros no lo son debido a su distancia al sensor.

Limitaciones físicas y soluciones

• Para separar blancos o objetos durante el movimiento, deben estar separados por una distancia mayor que el ancho del haz; esto está relacionado con la longitud de apertura de la antena.

• Antenas más largas producen un haz más estrecho y mejor resolución. Sin embargo, las dimensiones físicas limitan su tamaño según sea aérea o espacial.

Uso del movimiento para mejorar imágenes

• Se utiliza movimiento hacia adelante y procesamiento basado en efecto Doppler para simular una antena larga, aumentando así la resolución azimutal mediante síntesis.

• Este proceso permite crear imágenes detalladas con antenas pequeñas al sumar reflexiones adecuadamente durante múltiples pulsos de radar.

Medición e interpretación de datos

Introducción a la Retrodispersión en Radar

Coeficiente de Retrodispersión

• La amplitud de la señal reflejada se conoce como coeficiente de retrodispersión, también llamado Sigma cero (σ0), que mide la señal de radar dispersada hacia el sensor desde la superficie terrestre.

• El coeficiente se expresa en decibelios y varía entre -25 dB (baja retrodispersión) y más de 1 dB (alta retrodispersión).

Fase y su Importancia

• La fase indica la posición de un punto en un ciclo de onda, medida generalmente en grados o radianes.

• La diferencia de fase entre dos imágenes genera un interferograma, que es un patrón que contiene información sobre geometría relativa.

Resolución del Radar

• Es crucial recordar que la resolución en las direcciones X e Y puede diferir debido a parámetros del radar; esto afecta cómo se transforman las imágenes del rango inclinado al rango terrestre.

• El radar mide tanto la amplitud como la fase, aunque no todos los sistemas miden fase.

Mecanismos de Dispersión del Radar

Interacción con Superficies

• Existen diferentes mecanismos por los cuales una señal de radar se dispersa al interactuar con superficies u objetos.

• Cuanto mayor sea la intensidad retrodispersada, más rugosa será la superficie; esto depende también de la longitud de onda y el ángulo de incidencia.

Superficies Lisas vs Rugosas

• Una superficie lisa refleja señales como un espejo, resultando en áreas oscuras en las imágenes. Los cuerpos de agua son ejemplos típicos.

• Cuando las variaciones superficiales son comparables a la longitud de onda, estas superficies aparecen rugosas y dispersan energía uniformemente.

Tipos Específicos de Retrodispersión

Retrodispersión por Doble Rebote

• Este mecanismo ocurre cuando dos superficies lisas forman un ángulo recto frente a una señal radar; resulta comúnmente en áreas urbanas.

Retrodispersión Volumétrica

• Se refiere a cómo se dispersa energía dentro de un volumen o medio, incluyendo múltiples rebotes dentro, como en capas vegetales o nieve.

Ejemplos Visuales

• En bosques, esta retrodispersión puede provenir del dosel superior hasta el suelo. La cantidad dispersada influye directamente en el brillo observado en las imágenes.

Ejemplos Prácticos y Visualización

Reflexiones Especulares

• Un ejemplo muestra reflexión especular donde cuerpos acuáticos aparecen oscuros debido a que reflejan mayormente hacia el sensor opuesto.

Reflexiones Rugosas

Efectos de la Dispersión y Reflexión en Radar

Dispersión Volumétrica y Superficies Rugosas

• Las sabanas o áreas deforestadas presentan dispersión de superficie rugosa, donde el brillo del píxel es más alto que en un reflector especular. Se observa una dispersión volumétrica delimitada por un círculo amarillo en la imagen.

• La intensidad de la dispersión volumétrica depende de las propiedades físicas del volumen, como humedad y estructura, así como características del radar (longitud de onda, polarización y ángulo de incidencia).

Efecto del Doble Rebote

• Un ejemplo muestra el efecto del doble rebote en un bosque tropical inundado; la señal fuerte se debe a que rebota en el agua hacia el tronco del árbol.

• El doble rebote también ocurre en áreas urbanas donde calles y edificios actúan como reflectores especulares.

Parámetros del Radar

• Existen tres parámetros relacionados al radar que influyen en las características de transmisión: longitud de onda, polarización y ángulo de incidencia.

• La longitud de onda se define como la distancia entre picos consecutivos; es crucial para entender cómo interactúa la señal con diferentes superficies.

Longitud de Onda y Frecuencia

• La longitud de onda está inversamente relacionada con la frecuencia; mayor frecuencia implica menor longitud de onda. Esto afecta cómo los sensores detectan señales.

• Las bandas comunes en radar tienen denominaciones arbitrarias (K, L, P), seleccionadas por razones militares durante su desarrollo.

Aplicaciones Prácticas según Bandas

• Por ejemplo, un sensor L opera a 1.2 GHz con una longitud de onda aproximada de 25 cm. Sensores C tienen longitudes alrededor de 6 cm.

• Longitudes más largas permiten mayor penetración a través del medio (suelo, nieve o vegetación). Bandas X ven solo partes superiores mientras que bandas L pueden penetrar completamente.

Interacción con Objetos Superficiales

• La interacción entre la longitud de onda y objetos depende si la rugosidad es comparable al tamaño; esto afecta cómo se refleja la energía.

• Por ejemplo, una superficie rugosa puede aparecer oscura para longitudes mayores pero brillante para longitudes menores debido a retrodispersión.

Selección según Necesidades Específicas

• Para estudios forestales donde se busca información sobre estructura profunda, se prefieren bandas L o P.

• En agricultura o estudios oceánicos se opta por bandas C o X dependiendo del tipo específico de análisis requerido.

Ejemplo Práctico: Penetración en Suelos

Análisis de Imágenes de Radar y su Aplicación en la Vegetación

Uso de Imágenes Infrarrojas y de Radar

• Se presenta una imagen infrarroja del transbordador espacial Columbia, adquirida en noviembre de 1995, junto con una imagen de radar obtenida en abril de 1994. Esta última utiliza bandas L y C en diferentes polarizaciones.

• La imagen de radar revela un paleo canal desconocido al norte del río Nilo, indicando que el curso del Nilo se ha desplazado hacia el sur debido a levantamientos regionales.

Profundidad de Penetración a través de la Vegetación

• Se comparan dos longitudes de onda diferentes en Kalimantan, Indonesia: banda C (5 cm) y banda P (68 cm). La imagen en banda P muestra más detalles que la banda C.

• Ejemplo adicional sobre la penetración del radar para detectar inundaciones en un humedal en Perú. Las imágenes muestran cómo las longitudes de onda más largas penetran más profundamente en el dosel vegetal.

Polarización del Radar

• Se explica el concepto de polarización, que se refiere al plano de propagación del campo eléctrico. Los radares pueden transmitir señales polarizadas horizontal o verticalmente.

• Existen cuatro combinaciones posibles para transmisión y recepción: HH (horizontal-horizontal), VV (vertical-vertical), HV (horizontal-vertical), y VH (vertical-horizontal).

Importancia de la Polarización Cruzada

• La polarización proporciona información sobre los componentes horizontales y verticales. Un ejemplo es el uso del sensor UAV SAR para capturar imágenes sobre humedales peruanos.

• Las áreas donde hay múltiples dispersores dentro del dosel tienden a reflejar energía radarizada con mayor probabilidad, lo que indica características estructurales importantes.

Ángulo de Incidencia

Efectos del Ángulo de Incidencia en la Retrodispersión del Radar

Variación del Ángulo de Incidencia

• Los ángulos de incidencia pequeños resultan en una retrodispersión alta y mayor penetración de la señal, especialmente en pendientes orientadas hacia el radar.

• Se presenta un ejemplo visual que muestra cómo la variación del ángulo de incidencia afecta la apariencia de las imágenes radar. A medida que se aleja del rango cercano al lejano, la imagen se oscurece.

Impacto en la Retrodispersión

• La retrodispersión varía según el ángulo de incidencia, lo que es crucial al comparar objetos o superficies con diferentes ángulos.

• La retrodispersión contiene información sobre las características superficiales y está influenciada por factores como longitud de onda, polarización y ángulo.

Parámetros Superficiales que Influyen en la Señal

• Dos parámetros clave son: estructura (densidad, tamaño relativo a longitud de onda, orientación) y humedad.

• El tamaño relativo a la longitud de onda determina si habrá interacción entre el objeto y la señal; objetos similares a la longitud dispersan energía hacia el radar.

Estructura Vegetal y Retrodispersión

• La vegetación tiene una respuesta significativa cuando los elementos dispersores son similares en tamaño a la longitud de onda. Ejemplos incluyen pinos austríacos donde hojas y ramas actúan como dispersores.

• Dependiendo de la longitud de onda utilizada (banda X vs. banda L), se observarán diferentes componentes del árbol debido a su tamaño relativo.

Orientación y Polarización

• La orientación también afecta la retrodispersión; hojas con componentes más verticales muestran mayor retorno en polarización vertical.

• En árboles con longitudes de onda más largas, el tronco domina el retorno general, mostrando diferencias significativas entre polarizaciones.

Análisis Multipolarizado

• Se presentan imágenes multipolarizadas sobre un ecosistema húmedo en Perú. Las áreas brillantes indican vegetación inundada mientras que las oscuras representan cuerpos sin vegetación.

• La polarización H es más efectiva para distinguir entre vegetación inundada y no inundada debido a su capacidad para penetrar mejor el dosel vegetal.

Densidad Vegetal y Saturación

• Cuanto más densa sea la vegetación, menor será la probabilidad de penetración por parte del radar.

• Resultados muestran niveles específicos donde diferentes bandas saturan dependiendo del tipo y estructura del bosque analizado.

Conclusiones sobre Parámetros Radarísticos

Análisis de la Saturación de Señal de Radar en Vegetación

Saturación de la señal de radar

• Estudios indican que en bosques tropicales, la saturación de la señal en banda L ocurre entre 80 y 150 toneladas por hectárea, mientras que en banda P se sitúa entre 200 y 350 toneladas por hectárea.

Influencia de la Humedad

• La constante dieléctrica, controlada por el contenido de humedad, afecta la retrodispersión del radar; mayor humedad implica menor penetración.

• La retrodispersión es proporcional a la constante dieléctrica; materiales secos tienen constantes entre 3 y 8, mientras que el agua líquida varía entre 40 y 80 según frecuencia.

Efecto del Contenido Húmedo

• A medida que aumenta el contenido de humedad, también lo hace la reflectividad del radar; superficies húmedas aparecen más brillantes que las secas.

• Una menor constante dieléctrica resulta en mayor absorción de energía incidente, haciendo que las superficies aparezcan más oscuras en las imágenes.

Cambios Estacionales

• En latitudes altas, al pasar de condiciones congeladas a descongeladas, hay un cambio significativo en la constante dieléctrica y en la intensidad del radar.

• Un ejemplo multitemporal desde Fairbanks, Alaska muestra cómo una superficie congelada aparece más oscura comparada con su estado descongelado.

Distorsiones Geométricas y Radiométricas

Distorsiones por Visualización Lateral

• Las distorsiones geométricas surgen debido a la visualización lateral; el rango inclinado no refleja correctamente las distancias horizontales reales.

Corrección Geométrica

• Utilizando trigonometría se puede calcular el rango terrestre adecuado para corregir estas distorsiones.

Efectos del Relieve

• Las imágenes son afectadas por distorsiones geométricas causadas por relieve como inversión por relieve y escorzo (for shortening).

Inversión por Relieve

• Ocurre cuando una señal llega primero a la cima antes que a la base de una montaña, causando un desplazamiento aparente hacia el radar.

Escorzo (For Shortening)

• Se presenta cuando una señal mide distancia oblicua; esto provoca compresión visual en pendientes inclinadas hacia el sensor.

Ejemplo Visual

Corrección de Imágenes de Radar y Efectos del Speckle

Corrección de la Imagen

• La corrección de imágenes se realiza utilizando un modelo de elevación digital, lo que permite corregir distorsiones en los datos.

• Las sombras en las imágenes son áreas no iluminadas por el sensor, resultando en valores no registrados. Estas sombras aparecen detrás de estructuras verticales o pendientes empinadas.

• Aunque es posible corregir las sombras mediante interpolación, se prefiere dejar estas áreas como brechas de datos.

Distorsiones Radiométricas

• Existen varias distorsiones radiométricas relacionadas con el relieve del terreno que a menudo no pueden ser completamente corregidas.

• La corrección radiométrica busca eliminar la influencia engañosa de la topografía en los valores de retrodispersión, revelando características como vegetación y humedad del suelo.

Efecto del Speckle

• El speckle aparece como una textura granulada en las imágenes radar y es característico debido a múltiples retornos dentro de cada celda de resolución.

• Este efecto puede dificultar la interpretación y análisis, por lo que generalmente se desea reducir el speckle antes del análisis.

Métodos para Reducir el Speckle

• La reducción del speckle puede lograrse mediante procesamiento multivista, filtrado espacial o filtrado temporal.

• El procesamiento multivista implica dividir el haz radar en sub-bases más estrechas para promediar imágenes estadísticamente independientes, reduciendo así el speckle pero también la resolución espacial.

Consideraciones Adicionales

• Al trabajar con datos radar, es importante balancear la reducción del speckle con la necesidad específica de resolución espacial según la aplicación deseada.

Análisis de Datos de Radar y sus Aplicaciones

Diferencias en la Geometría de Visualización

• Se observa que el ascenso y descenso en un área afecta la geometría de visualización, como se evidencia en una imagen del satélite Sentinel 1 sobre Rumania, donde las diferencias son notables en áreas montañosas.

Consideraciones para Análisis de Series Temporales

• Al realizar análisis de series temporales para detección de cambios, es crucial no mezclar datos de sobrevuelos ascendentes y descendentes.

• Los fenómenos meteorológicos también juegan un papel importante; el radar tiene la ventaja de observar la superficie terrestre bajo diversas condiciones climáticas.

Efectos Meteorológicos en Señales de Radar

• Aunque el radar puede operar casi independientemente del clima, eventos como lluvias intensas pueden afectar su señal.

• Un ejemplo muestra cómo la humedad y las lluvias impactan la señal del radar, con imágenes que revelan anomalías asociadas a lluvia activa y vegetación mojada.

Aplicaciones Prácticas del Radar

Detección de Derrames Petroleros

• Se presenta un caso donde se utilizó radar para detectar derrames petroleros tras el incidente Deepwater Horizon, mostrando cómo el petróleo altera la superficie marina.

Clasificación de Cobertura Terrestre

• Imágenes del satélite japonés JRS1 ilustran cómo se puede clasificar áreas deforestadas versus bosques utilizando datos radar.

Estudios sobre Inundaciones

• El uso del radar es efectivo para estudiar inundaciones en humedales debido a su capacidad para penetrar el dosel vegetal y detectar agua superficial.

Monitoreo y Clasificación Agrícola

• La señal del radar permite monitorear la humedad del suelo, siendo útil para estudios agrícolas.

• Ejemplos incluyen trabajos realizados por investigadores canadienses que utilizaron imágenes multitemporales para mapear diferentes tipos de cultivos.

Fuentes Abiertas de Datos Radar

• Se mencionan varias fuentes abiertas como Alaska Satellite Facility y Copernicus Hub que ofrecen acceso a datos históricos y actuales sobre radar.

Acceso a Datos de Radar y Proyectos Futuros

Recursos Disponibles para el Acceso a Datos

• JAXA ofrece acceso gratuito a datos de radar a través de su portal, incluyendo mosaicos anuales globales de PSAR y productos derivados sobre bosques.

• Google Earth Engine también proporciona un repositorio de datos de radar, como Sentinel 1 y mosaicos anuales globales de PSAR, listos para análisis tras aplicar filtros específicos.

Sensores de Radar en el Espacio

• Se presenta una lista de sensores históricos, actuales y futuros; los que están marcados en verde son gratuitos.

• La misión NISAR, colaboración entre NASA e ISRO, lanzará un SAR en bandas L y S programado para 2025.

• Biomas, otra misión programada para 2025 por la Agencia Espacial Europea, contará con un sensor de radar banda P.

Detalles sobre la Misión NISAR

• NISAR proporcionará datos gratuitos con amplitud y fase, abordando diversas necesidades científicas.

Conceptos Clave del Radar

• En SAR, la resolución azimutal es diferente a la resolución en rango; los parámetros clave son longitud de onda, polarización y ángulo de incidencia.

• La longitud de onda afecta la penetración; mayor longitud implica mayor profundidad. La polarización revela características estructurales.

Interacción con Superficies

• Los dos factores que influyen en las señales son estructura y humedad del objeto.

• Los mecanismos principales incluyen dispersión especular y volumétrica; las imágenes pueden tener distorsiones geométricas.

Aplicaciones del Radar

• El radar se utiliza en estudios como mapeo de cobertura terrestre e inundaciones.

Próxima Sesión: SAR Interferométrico

Temas a Tratar

• La próxima sesión se centrará en SAR interferométrico (InSAR), donde el Dr. Eric Fielding explicará cómo generar e interpretar interferogramas.

Información Adicional

• Se anunciará una tarea asociada con esta capacitación que debe completarse antes del 4 de diciembre para obtener un certificado.

Preguntas y Respuestas

Interacción con Participantes

• Se recopilarán preguntas durante la sesión; algunas serán respondidas directamente mientras que otras se documentarán posteriormente.

Agradecimientos Finales

¿Cómo afecta la humedad del suelo a la señal de radar?

Efecto de la Humedad en la Reflectividad

• A mayor humedad en el suelo, se incrementa la reflectividad de la señal eléctrica, lo que resulta en menor penetración de esta.

• Con bandas de frecuencia más alta (como Ku), hay mayor atenuación de la señal con alta humedad, mientras que las frecuencias más bajas muestran imágenes más brillantes.

Corrección de Datos Radar

• QGIS no realiza correcciones para datos radar; se recomienda usar software como Snap o PSAR Pro antes de importar los datos corregidos a QGIS.

• Muchos datos disponibles públicamente ya están corregidos radiométrica y geométricamente, como los datos RTC del Alaska Satellite Facility.

¿Se puede detectar agua con cloro usando radar?

Diferenciación entre Tipos de Agua

• El radar no puede diferenciar entre agua limpia y agua con cloro debido a su insensibilidad a propiedades químicas.

• La rugosidad superficial podría permitir distinguir entre agua limpia y agua contaminada (ej. petróleo), donde el petróleo crea una superficie lisa.

Disponibilidad Histórica de Imágenes Radar

Acceso a Datos Históricos

• El Alaska Satellite Facility ofrece acceso a datos históricos desde el primer satélite radar lanzado en los años 70.

• Existen registros desde satélites japoneses y europeos operativos en los años 90 y 2000, incluyendo datos tanto aéreo como satelital.

Comparación entre Radar y Sonar

Principios Operativos

• Aunque ambos utilizan principios similares, el sonar opera con ondas sonoras en frecuencias mucho más bajas comparadas con las frecuencias gigahertz del radar.

Influencia del Pasto en las Imágenes Radar

Superficie Lisa vs Rugosa

• La apariencia del pasto depende de su altura; hierba corta puede parecer lisa en banda L, mientras que en banda C podría mostrar rugosidad.

Relación entre Fase y Onda Retrodispersada

Componentes Clave

Análisis de Retrodispersión en Áreas Montañosas

Comprensión del Ciclo y la Fase

• Se discute el concepto de retrodispersión en áreas montañosas, enfatizando que es un ciclo y se debe considerar en qué parte del círculo se encuentra la onda.

Corrección de Datos en Radar

• La corrección de datos mediante modelos de elevación digital es crucial para mejorar el análisis en áreas montañosas, donde la retrodispersión puede ser alta.

Análisis Multitemporal

• Es posible realizar análisis multitemporales en áreas montañosas utilizando imágenes corregidas radiométricamente, pero no se deben mezclar pases ascendentes y descendentes debido a diferencias en la dirección del radar.

Uso de Interferometría para Estudios de Subsidencia

Selección de Banda para Estudio

• Para estudios de subsidencia, se recomienda utilizar la banda L por su mayor penetración a través de vegetación y menor correlación con cambios temporales.

Importancia del Cambio en Imágenes

• La interferometría (InSAR) permite detectar cambios sutiles entre imágenes adquiridas en diferentes momentos, siendo menos efectiva si hay movimiento significativo en la vegetación.

Captura de Carbono en Cultivos Agrícolas

Cálculo de Biomasa

• Para estimar el carbono almacenado en cultivos agrícolas, es necesario calcular primero la biomasa usando datos radar. Generalmente, el carbono representa aproximadamente la mitad de esta biomasa.

Recomendaciones según Tipo de Vegetación

• Se sugiere usar banda C para cultivos y bandas L o Y para áreas forestadas al calcular biomasa. Se menciona un recurso útil sobre cómo calcular biomasa.

Penetración del Radar a Través de Nieve

Efectos del Estado de la Nieve

• La penetración del radar depende del estado físico (seca o húmeda) de la capa de nieve; esto afecta los resultados obtenidos con diferentes bandas.

Elección Adecuada para Estudios Nivales

• La banda K es preferida para estudios sobre nieve debido a su longitud de onda que interactúa mejor con las partículas dentro dela capa nevada.

Detección y Análisis Post-Incendios Forestales

Uso Apropiado del Satélite Sentinel 1

• Sentinel 1 es eficaz para detectar cicatrices dejadas por incendios forestales gracias a su capacidad para diferenciar entre áreas forestadas y deforestadas utilizando banda C.

Polarización Recomendada

Análisis de Datos de Radar y Satélites

Uso de Satélites para Análisis de Vegetación

• Se menciona que el satélite Sentinel 1 es el único recurso recomendado para análisis de vegetación debido a la falta de otros datos abiertos de radar con resolución temporal y espacial adecuada.

Polarización en Imágenes Radar

• La polarización HB y BH se visualizan similarmente, pero cada una contiene información única relacionada con la estructura superficial.

• Las polarizaciones cruzadas (HB y BH) tienen un contenido informativo casi igual, mientras que las polarizaciones BB y BH son diferentes.

Funcionamiento del Radar SAR

• Los satélites SAR emiten y reciben señales; no hay dos satélites trabajando juntos en este contexto. Se explica el concepto de retrodispersión como la medición de señales reflejadas.

• Ejemplo: constelaciones como Signes reciben señales emitidas por satélites GPS, lo que se denomina radar bistático.

Resolución Espacial en Imágenes Radar

• A diferencia de imágenes ópticas, las imágenes radar requieren filtros específicos para determinar su resolución real tras procesamiento.

• La resolución anunciada puede diferir significativamente del producto final generado tras aplicar filtros necesarios.

Detección de Incendios Forestales

• Se confirma que es posible utilizar imágenes radar para analizar cicatrices dejadas por incendios forestales.

Disponibilidad de Datos Post-Lanzamiento

• Los datos del satélite NAR estarán disponibles aproximadamente seis meses después del lanzamiento, tras verificar sistemas y recolectar datos iniciales.

Banda L vs Banda S en Penetración del Suelo

• La banda L puede penetrar hasta 2 metros en el suelo seco; sin embargo, la humedad reduce esta capacidad.

• Cuanto más larga sea la onda, mayor será la penetración; esto se relaciona directamente con los valores entregados por el radar.

Procesamiento Multilux en Imágenes

• El filtro multilux corresponde a franjas superpuestas dentro del mismo procesamiento espacial; generalmente se aplica un filtro específico durante este proceso.

Metodología para Detección de Derrames Petroleros

• Existen metodologías establecidas para procesar imágenes relacionadas con derrames petroleros utilizando datos corregidos previamente disponibles en plataformas como Google Earth Engine.

Diferencias en Retrodispersión según Superficie

Interacción de la señal en imágenes de radar

Comportamiento de las superficies y vegetación

• Las superficies de agua presentan un aspecto oscuro, mientras que la vegetación genera una alta retrodispersión debido a la interacción de la señal dentro del volumen.

• En áreas urbanas se observa el fenómeno del doble rebote, lo que resulta en zonas brillantes en las imágenes.

Herramientas para filtrado y clasificación

• Se mencionan herramientas gratuitas como Snap Toolbox de la Agencia Espacial Europea, que permite correcciones y clasificaciones utilizando algoritmos como Random Forest.

• También se menciona Pro, un software más complejo para análisis polarimétrico.

Estimación del secuestro de carbono en cultivos

Metodología para estimar biomasa

• La estimación del carbono en cultivos requiere calcular primero la biomasa, lo cual es complejo al usar radar.

• Es necesario utilizar diferentes polarizaciones y contar con buenos datos de campo para obtener resultados precisos.

Correcciones aplicadas a imágenes satelitales

Acceso a metadatos

• Los metadatos disponibles indican el tipo de procesamiento aplicado; por ejemplo, "rtc" significa que ya ha sido corregida.

• Google Earth Engine proporciona información sobre las correcciones realizadas a cada base de datos.

Mecanismos de dispersión y reflexión

Detección de vegetación acuática

• Los mecanismos de dispersión y reflexión son equivalentes; un dispersor actúa como reflector.

• La vegetación flotante puede ser detectada mediante diferencias en rugosidad entre áreas con y sin vegetación.

Efectividad del radar en zonas semiáridas

Ventajas del uso del radar

• El radar es efectivo incluso en zonas semiáridas; su menor contenido de humedad permite una mejor penetración a través de la vegetación.

• Esto facilita diferenciar tipos variados de vegetación, tanto herbácea como leñosa.

Integración de datos espaciales ópticos y LiDAR

Comparativa entre tecnologías

• Se están realizando estudios para comparar datos obtenidos por radar con los proporcionados por LiDAR, que ofrece información más precisa pero menos cobertura.

• Los datos LiDAR pueden ser utilizados para entrenar algoritmos basados en radar, mejorando así su interpretación.

Desafíos al integrar datos SAR históricos

Limitaciones técnicas

¿Es viable combinar datos históricos y actuales en análisis multitemporales?

Consideraciones sobre la combinación de datos

• La agencia espacial japonesa presenta características diferentes en sus datos, lo que sugiere que no es recomendable integrar datos históricos con los actuales para análisis multitemporales.

• Se enfatiza que los algoritmos deben desarrollarse específicamente para los conjuntos de datos utilizados; por ejemplo, si se usa JR1 para clasificar cobertura boscosa, las áreas de entrenamiento deben basarse en esos mismos datos.

• Es importante aclarar que los datos de entrenamiento deben ser consistentes con el tipo de sensor utilizado, como el radar, para asegurar la validez del análisis.

Uso del radar en estudios marinos

• El uso del radar no es viable para estudiar el fondo marino debido a que la señal no penetra el agua. Esto limita su efectividad en este tipo de investigaciones.