UNIVERSIDAD NACIONAL DE SAN CRISTÓBAL DE HUAMANGA

FACULTAD DE INGENIERÍA DE MINAS, GEOLOGÍA Y CIVIL

ESCUELA PROFESIONAL DE CIENCIAS FÍSICO MATEMÁTICAS

AVANCE DE TESIS

EL MÉTODO DE POLARIMETRÍA DE CLOUDE-POTTIER PARA LA

CLASIFICACIÓN DE HUMEDALES EN LA MICROCUENCA APACHETA,
REGIÓN AYACUCHO

PRESENTADO POR: HUAYANAY VILLAR,Jose Luis

ASESOR: Lic.MONCADA SOSA, Wilmer

AYACUCHO -PERÚ
2018
Índice general

1. Introducción 1
1.1. El espectro electromagnetico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Fundamentos de Radar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.1. Formación de imagen de radar . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2.2. Parámetros del Radar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Radar de Apertura Sintética(SAR) . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4. Sentinel-1B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2. Polarización de la onda en sistemas de radar 5

2.1. Ecuación de maxwell . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2. Ecuación de la Onda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3. Polarizacion de la onda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.4. Mecanismo de Scattering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5. Matriz de scattering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5.1. Vector de scattering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.6. Matrices de covarianza C y coherencia T . . . . . . . . . . . . . . . . . . . . . . . . 7

3. Descomposición Polarimetrica 8
3.1. Descomposición por polarización dual SAR . . . . . . . . . . . . . . . . . . . . . . 8

4. Descomposición de Cloude y Pottier 9

4.1. Cloude y Pottier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.2. Descomposición de Cloude-Pottier . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.2.1. Covarencia Polarimétrica o Generación de Matrices de Coherencia mediante
el software SNAP de una imagen Sentinel-1B en formato SLC . . . . . . . 10
4.3. El parametro entropia (H) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.3.1. Energia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4.4. El parámetro alfa α . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
4.5. Espacio entropia(H) y alfa(α ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
4.5.1. Modificaciones de Descomposición de Cloude-Pottier para la aplicación del
SAR de Polarización-dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

5. Primeras etapas de procesamiento del SAR de polarizacion-dual 15

5.1. Diálogo de remuestreo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.2. Sentinel-1 TOPSAR Split . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.3. Aplicar el operador de archivos Orbita . . . . . . . . . . . . . . . . . . . . . . . . 17
5.4. Operador de Calibración . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5.5. Sentinel-1 TOPSAR Deburst y Merge . . . . . . . . . . . . . . . . . . . . . . . . . 18
5.6. Operador de clasificacion polarimetrica . . . . . . . . . . . . . . . . . . . . . . . . . 19

i
Capı́tulo 1

Introducción

Actualmente vemos que la sociedad está influenciada por factores que impulsan el uso de la
tecnologı́a que está en continua evolución, debido a ello el hombre ha conseguido fabricar senso-
res abordo de satélites, que orbitan alrededor de la tierra, con diferentes resoluciones desde baja
resolución hasta de muy alta resolución, que hace posible replantear modelos y sistemas de moni-
tores, algunos ya existentes, los mismos que se pueden mejorar y a la vez proponer otros de mejor
funcionalidad. El proceso de análisis de los datos obtenidos por el Sistema de Radar de Apertura
(SAR) es complicado debido a un gran volumen de información contenido en cada imagen, por lo
que los datos SAR son sensibles al tipo de terreno observado y por ello permiten un amplio aba-
nico de posibilidades en el análisis del objeto de estudio a través del uso de software especializado
para su tratamiento y procesamiento. Esto es posible gracias a la manipulación matemática y a la
comprensión fı́sica de las ondas electromagnéticas, dado que la polarización es una propiedad de
carácter vectorial. Con el presente trabajo de investigación se busca revisar los avances recientes
en el procesamiento de datos polarimétricos SAR, describiendo ası́ los últimos avances cientı́ficos
relacionado con el tema, además de abordar temas importantes de clasificación de datos SAR pola-
rimétricos, para adecuarlos al método de clasificación de humedales o bofedales en la microcuenca
Apacheta. De hecho, la clasificación de los componentes de la humedad del suelo dentro de una
imagen polarimétrica SAR es una de las aplicaciones más importantes de la polarimetrı́a de radar
en la detección remota con imágenes Sentinel 1. Se propone la aplicación de diferentes métodos de
clasificación no supervisada, los mismos que han sido propuestos por Shane Cloude y Erik Pottier
en 1997, basados en la combinación del Teorema de descomposición polarimétrica H/? , que separa
linealmente el plano H-? en nueve zonas dentro de una región factible para determinar los meca-
nismos básicos de dispersión, este método se aplicará en presente plan de tesis para la clasificación
de humedales en la microcuenca Apacheta, Región Ayacucho.

1.1. El espectro electromagnetico

La superficie terrestre no es observable con sensores visibles o infrarrojos ni cuando hay nu-
bes o vegetación densa. Los sensores ópticos miden la luz del sol dispersada y son limitados en
condiciones atmosféricas y climáticas. En cambio las microondas pueden penetrar las nubes y
vegetación,no dependen de procesos naturales como las nubes ,lluvia,el dı́a o la noche ,figura 1.

1
figura 1.Espectro de la radiación electromagnetica(https://commons.wikimedia.org)

1.2. Fundamentos de Radar

Cada pixel en la imagen de radar representa una cantidad compleja de la energı́a que se reflejó
devuelta al satélite. La magnitud de cada pixel representa la intensidad del eco reflejado.

1.2.1. Formación de imagen de radar

.
El radar mide el retraso y la fuerza del eco retrodispersado, es decir mide la amplitud y la fase.
El radar nada más mide parte del eco reflejado de vuelta a la antena (retrodispersión).
El pulso de radar viaja a la velocidad de la luz.

1.2.2. Parámetros del Radar

Longitud de Onda:
Longitud de Onda = velocidad de la luz / frecuencia
c
λ=
f
La penetración es el factor primordial en la selección de la longitud de onda figura 2 , pues a través
de la vegetación o del suelo se incrementa con la longitud de onda.

2
 figura 2. bandas y frecuencias

Generalmente, mientras más larga la longitud de onda, más fuerte es la penetración. Dependiendo
de la frecuencia y la polarización, las ondas pueden penetrar el dosel forestal.
Bajo condiciones secas también puede penetrar hasta cierto punto el suelo (por ejemplo, arena
o nieve seca). Con respecto a la polarización, adquisiciones con polos cruzados (VH/HV) tienen
significativamente menos penetración que con polos iguales (HH/VV), donde V es polarización
vertical y H es la polarización horizontal.
Polarización:
La señal de radar puede ser polarizada en forma horizontal y vertical,combinando la polarización
de la onda incidente con la polarización de antena en que la onda recibida se almacena, es posible
incrementar el número de canales de información(Muñoz,2010):
HH: Transmisión Horizontal, Recepción Horizontal
HV: Transmisión Horizontal, Recepción Vertical
VH: Transmisión Vertical, Recepción Horizontal
VV: Transmisión Vertical, Recepción Vertical

1.3. Radar de Apertura Sintética(SAR)

Son sistemas activos ,los cuales proporcionan su propia fuente de iluminación ,no dependen de
procesos naturales como las nubes ,lluvia,el dı́a o la noche,por ello es una gran ventaja por no contar
estas limitaciones como otros tipos de sistemas de satélites ópticos [ ESA ].La antena envı́a pulsos
del tipo radar al objeto de interés ,el cual devuelve parte de la energı́a a la antena. Existen archivos
coherentes de datos continuos a nivel mundial o regional pertenecientes a varias misiones históricas
con SAR que comprenden determinados perı́odos de tiempo (JERS-1 SAR, ALOS PALSAR);
mediante la estrategia de datos del CEOS para la Iniciativa Mundial de Observación de los Bosques,
la utilización de estas estrategias de adquisición sistemática se está generalizando en varias misiones
básicas y no básicas con SAR (Sentinel-1, SAOCOM-1, ALOS-2, RCM).

3
figura 2.comportamiento de las ondas de Radar Apertura Sintetica (SAR)(Summer
2001)

1.4. Sentinel-1B
Sentinel-1B es un satélite europeo de imágenes de radar ,lanzado el 25 de abril del 2016 .Parte
del programa copernicus de la unión europea para la conservación de la tierra .El satélite lleva un
sensor C-SAR ,que proporciona imágenes de alta resolución ,independientemente de las condiciones
climáticas ,el satélite posee una antena de 12 metros y dos paneles solares de 10 metros ,asimismo
posee un poder de potencia de 4800 W con frecuencia de 5405 MHz y se encuentra a una altura
de 693 km,actualmente sus sistemas vienen trabajando completamente.

4
Capı́tulo 2

Polarización de la onda en
sistemas de radar

2.1. Ecuación de maxwell

En el año 1968 el fı́sico y matemático James Cleck Maxwell,recopiló la ley de Gauss para la
electricidad, la ley de Gauss para el magnetismo, la ley de Faraday y la ley de Ampere.quien logró
introducir conceptos de campo y corriente de desplazamiento,unificando los campos eléctricos y
magnéticos en un solo concepto: el campo electromagnético.
Las ondas electromagnéticas generadas por los sistemas de radar se fundamentan por las ecuaciones
de maxwell ,estas ecuaciones describen todos los aspectos de la radiación electromagnética y para
un punto situado en el tiempo y espacio .En términos matemáticos ,el campo electromagnético
esta definido vectorial mente por las siguientes ecuación:
ρ(r, t)
∇.E(r, t) = (2.1)
ε0 εr
∇.B(r, t) = 0 (2.2)
∂E(r, t)
∇ × B(r, t) − ε0 εr µ0 µr = µ0 .J(r, t) (2.3)
∂t
∂B
∇ × E(r, t) = − (2.4)
∂t
Donde:
E es el vector de campo eléctrico [ voltios
m ]
B=B(r,t) es el vector de flujo del campo magnético [ weber
m2 = tesla]
colombios
ρ densidad de carga dado en [ m3 ]
J vector de densidad de corriente dado [ Amperios
m2 ]
ε0 es la permitividad eléctrica en el vació
εr permitividad eléctrica relativa del medio
µ0 es la permeabilidad magnética en el vació
µr es la permeabilidad relativa del medio.

2.2. Ecuación de la Onda

Debido a la ausencia de cargas y corrientes las ecuaciones de Maxwell dan lugar a una ecuación
de onda para los campos eléctrico y magnético.
A partir de las ecuaciones (2.3)y (2.4)se obtiene:

1 ∂ 2 E(r, t)
∇2 E(r, t) − =0 (2.5)
c2 ∂t2

5
y partir de las ecuaciones (2.3)y (2.4)se obtiene:

1 ∂ 2 B(r, t)
∇2 B(r, t) − =0 (2.6)
c2 ∂t2
C es la velocidad de la luz en el vació y esta expresada de la forma siguiente:
1
C=√ (2.7)
ε0 µ0
El campo eléctrico puede describirse para una dependencia sinodal ası́:

E(r, t) = E0 (r)cos(wt ± kz + ϕ0 ) (2.8)

w
La amplitud del campo eléctrico real es E0 (r) con un angulo de fase ϕ0 y frecuencia f = 2π donde
el numero de onda k = wc y expresada en función de la longitud de onda λ como 2π λ .Asimismo el
λ 1
periodo T = c = f expresada en función de la frecuencia y la longitud de onda.
Utilizaremos la expresión fasorial o compleja, para el campo eléctrico de la siguiente manera:

E(r, t) = E0 (r)cos(wt ± kz + ϕ0 ) = ReE0 (r)ei(wt±kz+ϕ0 ) = ReE(r)ei(wt) (2.9)

Re() es la parte real de un numero complejo.La amplitud compleja del campo eléctrico indepen-
diente del tiempo o simplemente amplitud compleja,esta representada por el vector E(r).

2.3. Polarizacion de la onda

En la caracterización de una onda plana,ademas de la frecuencia ,fase y dirección de la onda
,es importante el conocimiento de la dirección y magnitud del desplazamiento .Esto es por que la
polarización esta caracterizada por la dirección del vector desplazamiento llamada la dirección de
polarización y el vector que se propaga llamado plano de polarización.
consideramos una onda monocromática,donde podemos elegir la dirección de propagación de la
onda según el eje z ,con lo cual los campos magnético y eléctrico se encuentra en el plano XY,los
cuales escribimos como.

E(Z, t) = Ey (Z, t)→

−
x + Ey (Z, t)→
−
y = E0 (x)cos(wt − kz − ∂x )→
−
x + E0 (y)cos(wt − kz − ∂y )→
−
y (2.10)

Siendo Ex y Ey cantidades reales y ∂x y∂x representan dos términos de fase constante. Regresando
al dominio del tiempo, y asumiendo que no hay perdidas, la ecuación (2.10) puede expresarse en
su forma vectorial de la siguiente forma:
 
E0 (x)cos(wt − kz − ∂x )
E(Z, t) =  E0 (y)cos(wt − kz − ∂y )  (2.11)
0
Fı́sicamente la polarización es consecuencia de la interacción de la onda electromagnética con la
materia .por ello imaginamos que el campo eléctrico cuando atraviesa el material hay electrones
que se pueden moverse según el eje x , de modo que la componente Ex del campo eléctrico realiza
trabajo sobre las cargas y la componente Ey pasa sin ser alterada,eliminando la componente Ex
que se convierte en energı́a cinética de movimiento de los electrones que luego se disipa como ca-
lor material por las sucesivas coaliciones del material. debido a esto asiendo algunas operaciones
algebraicas podemos obtener:
Ex 2 Ey 2 Ex Ey
( ) ( ) −2 cos ∆φ = sin ∆φ (2.12)
E0x E0y E0x E0y

6
∆φ = φx − φy ,para un medio isótropo el estado de polarización de la luz es el mismo en todos
los puntos de su trayectoria. La ecuación anterior proporciona el lugar geométrico de los puntos
descritos por el extremo del vector campo eléctrico E(Z, t) puestos en un cuadro o una caja de
lado Ex por Ey

figura 4 .Distintos modos de polarización elı́ptica considerando Ex = Ey , ∆φ = 0 varian-

do de 0 a 360o . A la izquierda obtenemos polarización lineal o circular.(Autor:tesis,
Vanessa A. Clemente Suárez)

2.4. Mecanismo de Scattering

2.5. Matriz de scattering
2.5.1. Vector de scattering

2.6. Matrices de covarianza C y coherencia T

7
Capı́tulo 3

Descomposición Polarimetrica

La descomposición del objetivo es un método muy importante para extraer mecanismos de

dispersión. Este enfoque representa la dispersión del objetivo mediante varios mecanismos básicos
de dispersión. Desde 1970, esta técnica se ha convertido en un área de investigación avanzada en el
procesamiento polarimétrico de señales SAR, con muchas descomposiciones coherentes e incoheren-
tes valiosas que se están desarrollando a nivel mundial [1-16]. El software SNAP esta diseñado por
diferentes algoritmos matemáticos que es capas de realizar diferentes descomposiciones automáti-
camente con el Operador de descomposición .Este operador realiza las siguientes descomposiciones
polarimétricas para un producto de SAR polarimétrico completo:
Descomposición Sinclair
Descomposición Pauli
Descomposición Freeman-Durden
Descomposición Yamaguchi
Descomposición H-Alpha(α)
Descomposición Touzi
Descomposición Van Zyl

3.1. Descomposición por polarización dual SAR

La polarización dual es un modo operativo tı́pico de apertura polarimétrica sintética radar
(SAR),debido a que en este trabajo se utilizara imágenes del radar Sentinel-1B. Sin embargo,
pocos estudios han considerado la extracción del mecanismo de dispersión de SAR de doble polari-
zación.Por lo tanto se propone una descomposición de Cloude-Pottier modificada para investigar el
rendimiento del mecanismo de dispersión de extracción SAR de polarización dual.Es teóricamente
demostrado que solo el SAR HH-VV puede discriminar los tres principios canónicos Mecanismos
de dispersión desde una superficie isotrópica, dipolo horizontal y diedro isotrópico(Kefeng Ji,2015).

8
Capı́tulo 4

Descomposición de Cloude y
Pottier

4.1. Cloude y Pottier

En 1997 Cloude y Pottier propusieron un método para extraer parámetros promedio de datos
experimentales usando datos que utilizan un algoritmo de suavizado basado en estadı́sticas de
ordenamiento.
Cloude y Pottier calcularon una entropı́a H y una el ángulo ? y luego separa linealmente el plano
H-α en nueve zonas dentro de una región factible para determinar los mecanismos básicos de
dispersión. En los últimos años, la descomposición de Cloude-Pottier se ha analizado, mejorado y
aplicado ampliamente en aplicaciones de segmentación, clasificación y detección [Cable, J,2014].

4.2. Descomposición de Cloude-Pottier

Cloude y Pottier propusieron un método de extracción de información basado en autovalores y
eigenvectores descomponiendo de la matriz de coherencia [Cloude S.R y Eric P.,january 1997].Se
utiliza un análisis del vector propio de la matriz de coherencia 3x3 [T], ya que proporciona una
descripción invariable de la base del dispersor y también proporciona una descomposición en los
tipos de proceso de scattering (los vectores propios) y sus magnitudes relativas (los valores pro-
pios). Este método original, basado en un análisis de valores propios de la matriz de coherencia,
emplea un modelo estadı́stico de Bernoulli de 3 niveles para generar estimaciones de los parámetros
de matriz scattering del objetivo promedio. Este modelo estadı́stico alternativo se establece con
el supuesto de que siempre hay un mecanismo de scattering promedio dominante en cada celda y
luego se encarga de encontrar los parámetros de este componente promedio [Cloude 1997].
El concepto básico para la descripción de los dispersores en los datos polarimétricos es la matriz
scattering compleja 2x2 denotado por S y esta dada por la ecuación 3.1:
 
SHH SHV
S= (4.1)
SV H SV V
En la representación vectorial,la matriz de dispersión compleja está representada en la base de
Pauli por el vector.
→
− 1  T
K 3P = √ SHH + SV V SHH − SV V 2SHV (4.2)
2
T es la operación de transposición y Para recuperar los parámetros H y α, es necesario construir
→
−
la base de la matriz de coherencia en K 3P que es la señal del SAR recibida,por lo tanto la matriz
de coherencia calculada en la base de Pauli está dada por Eq. :
→
− → −
[T ] = h K 3P K T3P i = (4.3)

9
 h(SHH + SV V )(SHH − SV V )∗ i 2h(SHH + SV V )SHV ∗
 
h|SHH + SV V |i i
1
h(SHH − SV V )(SHH + SV V )∗ i h|SHH − SV V |i 2h(SHH − SV V )SHV ∗
i
2
2hSHV (SHH + SV V )∗ i 2hSHV (SHH − SV V ) i ∗ 2
4h|SHV | i
(4.4)
* significa conjugación y <> significa el promedio
Todos los 9 elementos de la matriz T son calculados para cada pixel en la imagen, asimismo T
es semidefinido hermetico positivo, significa que sus valores propios son reales y que la matriz de
vectores propios es posible encontrar su diagonal [John A. Richards,2009]. Los valores propios y los
vectores propios de esta matriz constituirán la base de el cálculo de los parámetros de clasificación.
De acuerdo con la descomposición de Cloude -Pottier, la matriz de coherencia da tres mecanismos
de dispersión independientes , que son la dispersión de la superficie, la dispersión de doble rebote
y la dispersión de volumen. La importancia de cada mecanismo se encuentra mediante el análisis
de los valores propios.

4.2.1. Covarencia Polarimétrica o Generación de Matrices de Coheren-

cia mediante el software SNAP de una imagen Sentinel-1B en
formato SLC
El software SNAP posee operadores automáticos que crea las siguientes matrices de covarianza
o coherencia polarimétricas para un producto SAR polarimétrico completo dado:

4.3. El parametro entropia (H)

La entropı́a la encargada de medir precisamente la aleatoriedad de los pı́xeles en la matriz de
dispersión .Esta idea fue presentada por Shannon un matemático NorteAmericano, en su artı́culo
de 1948 A Mathematical Theory of Communication (Una Teorı́a Matemática de la Comunicación).
H varı́a entre 0 y 1, donde 0 es el efecto del mecanismo simple y 1 es el resultado de un ruido
puro. Para los océanos y superficies ligeramente rugosas, la superficie de dispersión domina y H se
aproxima a 0. Para superficies con vegetación, el valor de H es alto debido a la múltiples mecanismos
de dispersión[Mounira ourzeddline,2005]
A partir de los autovalores λi de la matriz de coherencia ,el parámetros H esta da por la ecuación.
3
X
H= −Pi log3 Pi (4.5)
i=1

Entre mas pequeños sean los valores de P,la ocurrencia de esa combinación de pı́xeles es menos
común.
Donde
λi
Pi = P3 (4.6)
j=1 λj

teniendo en cuenta [Ismael Montero Muñoz,2010]

3
X
Pj = 1 (4.7)
j=1

Con lo cual tenemos un parámetro que nos ı́ndica el carácter aleatorio de los datos polarimétricos
que tenemos y que como se observa toma valores entre 0 y 1,ademas como T es una matriz posi-
tiva semidifinida hermitiana ,tiene valores reales no negativos reales ,por lo tanto la entropia esta
definida entre 0 ≤ H ≤ 1.Se pueden estudiar los siguientes casos:
H → 0 : λ1 = SP AN ; λ2 = 0; λ3 = 0
el SPAN es la potencia total reflejado ,la matriz de scattering T presenta un rango 1 y corresponde
a un blanco puro.
H → 1 : λ1 = SP3AN ; λ2 = SP3AN ; λ3 = SP3AN

10
La base de la raı́z del logaritmo se elige como 3 para que cuando todas las probabilidades sean
igual (1/3) la entropı́a tiene 1 como su valor máximo.la matriz de scattering T presenta un rango
3,representa un blanco distribuido.
0<H<1
El mecanismo de scattering dado por T resulta de la convinacion de tres blancos puros promedia-
dos por el correspondiente autovalor.
podemos observar en el grafico como a los autovalores varı́an la entropia ,ya que estas depende de
ellos de acuerdo a la ecuación (3.5).

Figura 5 :Efecto de los autovalores en la Entropia polarimétrica

4.3.1. Energia
Los valores de la matriz dispersión son de probabilidades por lo que la ecuación de energı́a lo
que hace es maximizar los valores grandes y minimizar los valores mas pequeños.
3
X
E= Pj2 (4.8)
j=1

4.4. El parámetro alfa α

alfa puede usarse para identificar los mecanismos de dispersión promedio subyacentes.
la matriz de coherencia con valores propios → −e i la media de los parámetros de el mecanismo domi-
nante de scattering podrı́an incluirse en la definición de la media del vector unitario ui
 
cosαi
→
−u i = eiφi  sinαi .cosβi eiδi  (4.9)
sinαi .sinβi eiγi
donde :
δ es la diferencia de fase entre SHH + Svv y SHH − SV V
γ es la diferencia de fase entre SHH + SV V y SHV
φ es la fase de descomposición SHH +SHV .
de donde el angulo alfa medio se define:
3
X
α= Pi αi (4.10)
i=1

α = P1 α1 + P2 α2 + P3 α3 (4.11)
clasificaremos los valores de α que representan los valores de scattering,ya que si podremos clasificar
los mecanismos que nos aporte dicho parámetro por el valor propio de α .Los valores intermedios de

11
α sera la transición entre los diferentes mecanismos reflejados. por tanto la clasificación podemos
expresar de la siguiente manera:

α → 0 :El scattering corresponde a una reflexión única producida por una superficie rugosa.

π
α→ 4 :El mecanismo de scettering corresponde a un scattering volumetrico.

4.5. Espacio entropia(H) y alfa(α )

El plano H y α se divide en nueve zonas correspondientes a nueve clases de diferentes meca-
nismos de dispersión. Para cada pı́xel en el producto fuente, se computan su entropı́a y su ángulo
alfa. Según la posición de la entropı́a computada y alfa en el plano H y α, el pı́xel se clasifica en
una de las nueve zonas, se asigna un ı́ndice de zona al pı́xel.
El valor (H, α) calculado para cualquier objetivo se encuentra dentro de esta región factible. Las
curvas 1 y 2 están determinadas por:

 
1 0 0
T1 = 0 m 0  , 0 ≤ m ≤ 1 (4.12)
0 0 m
 
0 0 0
T2 = 0 1 0  , 0 ≤ m ≤ 0,5 (4.13)
0 0 2m
 
2m − 1 0 0
T2 =  0 1 0 , 0,5 ≤ m ≤ 1 (4.14)
0 0 1
donde m es un parámetro de lı́mite.La división del plano H-? y las propiedades fı́sicas correspon-
dientes de cada zona se muestran en la Figura .

12
 Figura :Division del plano H/α (P owerP oint)

Z1:Eventos de scattering múltiple y baja entropı́a (Dihedral reflector)

Esta zona corresponde a eventos de dispersión de baja entropı́a doble o incluso de rebote, como los
proporcionados por dispersores diédricos dieléctricos y metálicos.Estos se caracterizan por el alfa
superiores a 47.5◦ . El lı́mite inferior elegido para esta zona está dictado por la constante dieléctrica
esperada de los diedros y por la precisión de medición del radar.Estimando el nivel de cambio de
entropı́a debido al segundo orden y más alto eventos, la tolerancia se puede integrar en el clasifica-
dor para que el proceso importante de primer orden aún se pueda identificar correctamente. zonas
urbanas , áreas verdes,etc
Z2:scattering Dipolar Baja Entropı́a (Dipole)
En esta zona se producen mecanismos fuertemente correlacionados que tienen un gran desequi-
librio entre HH y VV en amplitud. Aparecerı́a aquı́ un dispersor de dipolo aislado, al igual que
la dispersión de la vegetación con una orientación fuertemente correlacionada de los elementos de
dispersión anisotrópicos. El ancho de esta zona está determinado por la capacidad del radar para
medir la relación HH y VV ,es decir sobre la calidad de calibración.
Z3:scattering de superficie y baja entropı́a(Bragg Surface)
En esta zona se producen procesos de dispersión de baja entropı́a ( océanos ) con valores alfa
inferiores a 42.5 ◦ .Superficies como el agua y las bandas L y P, el hielo marino en la banda L, ası́
como la tierra muy suave. Superficies, todas caen en esta categoria. Fenómenos que no implican
inversiones de fase de 180 grados entre HH y VV,por ejemplo, superficies rugosas.
Z4:Media entropı́a y dispersión múltiple(Double Reflection)
Esta zona refleja el aumento de la entropı́a debido a los cambios en la rugosidad de la superficie
y debido a los efectos de propagación del dosel (copa de los árboles). Esta zona explica la disper-
sión diédrica con entropı́a moderada. Esto ocurre, por ejemplo, en aplicaciones forestales, donde
se producen mecanismos de doble rebote en las bandas P y L Tras la propagación a través de un
dosel. El efecto del dosel es aumentar la entropı́a del proceso de dispersión.
Un segundo proceso importante en esta categorı́a es las áreas urbanas, donde el denso empaque-
tamiento de la dispersión localizada .
Los centros pueden generar una entropı́a moderada con un bajo nivel de dispersión. Dispersión
dominante. El lı́mite entre las zonas 4, 5, 6 y 7, 8, 9 se establece en 0.9. Esto se elige sobre la
base del lı́mite superior de dispersión de superficie, volumen y diedro antes de que se apliquen
distribuciones aleatorias.
Z5:Dispersión de vegetación y media entropı́a(Anisotropic)
Aquı́ nuevamente tenemos una entropı́a moderada pero con un mecanismo de dispersión dominante
tipo dipolo. El aumento de la entropı́a se debe a una distribución estadı́stica central del ángulo de
orientación. Dicha zona incluirı́a la dispersión de superficies vegetadas con dispersores anisotrópi-
cos y una correlación moderada de las orientaciones del dispersor.
Z6:Dispersión de superficie de entropı́a media(Ramdon Surface)
Esta zona refleja el aumento de la entropı́a debido a los cambios en la rugosidad de la superficie y
debido a los efectos de propagación del dosel.En la teorı́a de dispersión de superficie, la entropı́a
baja de frecuencia como la teoria de dispersión de Bragg es cero.Del mismo modo, la entropı́a de las
teorı́as de alta frecuencia como la óptica geométrica también es cero.Sin embargo, entre estos dos
extremos, hay un aumento en la entropı́a debido a la fı́sica de la propagación de la onda secundaria
y el mecanismo de dispersión. Ası́, a medida que cambia la longitud de rugosidad y correlación de
una superficie , su entropı́a aumentará. Además, una superficie cubierta de dispersores esferoidales
como por hojas o discos .generará una entropı́a entre 0.6 y 0.7 .
Z7:Alta entropı́a y dispersión múltiple(Complex Structures)
vemos que en la región H > 0,9 todavı́a podemos distinguir los mecanismos de doble rebote en un
entorno de alta entropı́a.De nuevo,tales mecanismos pueden observarse en aplicaciones forestales o
en dispersión de vegetación que tiene una estructura de ramas y coronas bien desarrollada.
Z8:Dispersión De Vegetación De Alta Entropı́a(Ramdon Anisotropic)
Dispersión de volumen de alta entropı́a surge cuando α = 45◦ y H=0.9.Esto puede surgir por

13
dispersión simple de una nube de partı́culas anisotrópicas similares a una aguja o por dispersión
múltiple de una nube de partı́culas simétricas de baja pérdida.En ambos casos, sin embargo, la
entropı́a está por encima de 0.9, donde la región H-α factible del espacio se está reduciendo rápi-
damente. La dispersión de las copas de los bosques se encuentra en esta región, al igual que la
dispersión de algunos tipos de superficies con vegetación con elementos dispersos aleatorios alta-
mente anisotrópicos.El comportamiento extremo en esta clase es el ruido aleatorio, es decir, sin
dependencia de polarización, un punto que se encuentra en el extremo derecho del plano H-α
Z9:Dispersión de superficie de alta entropı́a (Non feasible)
Esta clase no es parte de la región factible en el espacioH − α es decir, no podemos distinguir la
dispersión superficial con la entropı́a H > 0,9.Esto es una consecuencia directa para clasificar los
tipos de dispersión con el aumento de la entropı́a.Por que aumentar la entropı́a realmente limita
nuestra capacidad de usar el comportamiento polarimétrico para clasificar los objetivos.por tanto
la polarimetrı́a por radar se aplicará con más éxito a los problemas de baja entropı́a.

Figura 6.Muestra de una clasificación H-α en el software SNAP

4.5.1. Modificaciones de Descomposición de Cloude-Pottier para la apli-

cación del SAR de Polarización-dual
En 2015 ,Kefeng Ji y Yonghui Wu proponen modificaciones para la descomposición de Cloude-
Pottier para un SAR totalmente polarimétrico, para analizar el rendimiento de extracción del
mecanismo de dispersión de los SAR de polarización dual (Kefeng Ji y Yonghui Wu,2015).

 
SHH 0
S= (4.15)
0 SV V
Donde el vector de dispersión correspondiente basado en las matrices de Pauli seria de la forma
siguiente.
→
− 1  T
K = √ SHH + SV V SHH − SV V 0 0 (4.16)
2
→
− 1  T
K = √ SHH + SV V SHH − SV V (4.17)
2
La matriz de coherencia es.
L
1 X→
− → −
hT i = K i K Ti (4.18)
L

14
Capı́tulo 5

Primeras etapas de procesamiento

del SAR de polarizacion-dual

Estoy utilizando los datos SLC de Sentinel-1B para la clasificación polarimétrica ,otros produc-
tos como GRDH son ilimitado para la extracción de los mecanismos de dispersión .Técnicamente,
se puede derivar entropı́a y alfa, sı́. Pero los resultados no son muy útiles, especialmente para la
polarización cruzada. Simplemente no proporciona toda la información necesaria para la polari-
metrı́a: por lo tanto, el SAR HH-VV en SLC es una alternativa adecuada al SAR de polarización
total.
tengo la imagen con (I, q de IW1, IW2, IW3) . para hacer la descomposición de H-Alpha de pola-
rización dual,se hace el siguiente procedimiento en el software SNAP:

15
5.1. Diálogo de remuestreo
Una vez obtenido el producto SLC de Sentinel-1B y cargado en el software SNAP realizamos
el remuestreo del producto de varios tamaños a un producto de un solo tamaño. Un producto de
varios tamaños es un producto en el que las bandas tienen diferentes tamaños y/o resoluciones.
Esto nos fue útil para aquellas instancias en las que una función SNAP no es compatible con un
producto de varios tamaños.
Después de que se haya creado automáticamente el nuevo producto, nos dirigimos al Explorador
de productos para abrir una Vista de imagen para una banda del nuevo producto.

5.2. Sentinel-1 TOPSAR Split

El operador Split de TOPSAR proporciona una manera conveniente de dividir cada subbruzco
con ráfagas seleccionadas en un producto separado. Este operador es el primer paso de procesa-
miento en la cadena de procesamiento TOPS InSAR.
Entrada
La entrada para este operador es el producto SLC multitrazo Sentinel-1B con producto IW con
polarización VH y VV
Salida
La salida del operador es el producto dividido Sentinel-1B con subwath, ráfagas y polarización (s)
seleccionados inicialmente en polarización VH y VV .

16
Parámetros utilizados
Subswath: El subswath para el producto dividido.
Polarización: La polarización para el producto dividido.
Ráfagas: Las ráfagas para el producto derramado.

5.3. Aplicar el operador de archivos Orbita

Los vectores de estado de órbita proporcionados en los metadatos del producto SAR gene-
ralmente no son precisos por lo cual refinaremos con los archivos de órbita precisos que están
disponibles dı́as a semanas después de la generación del producto.
El archivo de órbita nos proporcionara información precisa sobre la posición y la velocidad del
satélite. Sobre la base de esta información, se actualizan los vectores de estado de la órbita en los
metadatos abstractos del producto.
Los siguientes parámetros son utilizados por el operador:
Tipo de órbita: seleccionamos el tipo de archivo de órbita para la aplicación. Actualmente se
admiten los siguientes tipos de archivos de órbita:
SENTINEL-1 Restituido
SENTINEL-1 Preciso
DORIS-VOR
DORIS-POR
DELFT-PRECISE-ENVISAT
DELFT-PRECISE-ERS-1

5.4. Operador de Calibración

El objetivo de la calibración SAR es proporcionar imágenes en las que los valores de pı́xe-
les puedan estar directamente relacionados con la retrodispersión radar de la escena. Aunque las
imágenes SAR no calibradas son suficientes para el uso cualitativo,las imágenes SAR calibradas
son esenciales para el uso cuantitativo de los datos SAR.(CONSULTAS,SNAP)
Para trabajar correctamente con los datos de SAR, primero se deben calibrar los datos.Corregimos
radiométricamente la imagen SAR para que los valores de pı́xel realmente representen el radar Re-
trodispersado de la superficie reflectante. Las correcciones que se aplicamos durante la calibración
son especı́ficas de la misión, por lo tanto, el software SNAP determina automáticamente qué tipo
de producto de entrada tiene y qué correcciones deben ser aplicado en base a los metadatos del
producto.Por experiencia aprendı́,que para el procesamiento polarimétrico los datos deben ser com-
plejos.El operador producirá bandas sigma0 reales. Para producir salida compleja,seleccionamos el
parámetro Guardar en complejo.
en la siguiente figura se tiene un resultado de la imagen calibrada .

17
5.5. Sentinel-1 TOPSAR Deburst y Merge
Los productos de IW tienen 3 franjas. Cada imagen de sub-hilera consiste en una serie de ráfa-
gas,donde cada ráfaga se procesó como una imagen SLC independiente. Las imágenes de ráfagas
complejas enfocadas individualmente se incluyen, en orden de tiempo de acimut, en una sola ima-
gen de sw sw sw, con demarcación de relleno negro en el medio, similar a los productos ENVISAT
ASAR Wide ScanSAR SLC.
Para IW, una ráfaga enfocada tiene una duración de 2,75 segundos y una superposición de ráfagas
de 50-100 muestras.Las imágenes para todas las ráfagas en todas las sub-franjas de un produc-
to IW SLC se vuelven a muestrear en una cuadrı́cula común de espaciado de pı́xeles en rango y
azimut. La sincronización de ráfagas está asegurada para los productos IW.Para S-1 TOPSAR, el
área del terreno con imágenes de las ráfagas adyacentes solo se superpondrá marginalmente en el
acimut solo lo suficiente para proporcionar una cobertura continua de la tierra. Esto se debe al
aspecto azimutal inherente a los datos.
Para los productos GRD, las ráfagas se concatenan y las subfranjas se fusionan para formar una
imagen. Las ráfagas se superponen mı́nimamente en el azimut y las subfranjas se superponen mı́ni-
mamente en el rango. Las ráfagas para todas las vigas se han remuestreado a una cuadrı́cula común
durante el procesamiento posterior del azimut. En la dirección del rango, para cada lı́nea en todas
las subfranjas con la misma etiqueta de tiempo, fusiona las subfranjas adyacentes. Para la región
superpuesta en el rango, la fusión se realiza a mitad de camino entre las subbrutas. En la dirección
de acimut, las ráfagas se combinan de acuerdo con su tiempo Doppler cero. Tendremos en cuenta
que la demarcación de relleno negro no es claramente cero al final o al inicio de la ráfaga. Debido
al remuestreo, los datos se desvanecen y desaparecen. El tiempo de fusión está determinado por
el promedio de la última lı́nea de la primera ráfaga y la primera lı́nea de la siguiente ráfaga. Para
cada celda de rango, el tiempo de fusión se cuantifica a la celda de azimut de salida más cercana
para eliminar cualquier desvanecimiento a cero datos. Entrada
La entrada para el operador es el producto Sentinel-1 TOPSAR IW SLC. El producto sera origi-
nal Sentinel-1B . tendremos varias subrutas o solo una subruta en la escala de producto dividido.

18
Salida
La salida de este operador es el producto deburst.

Parámetros utilizados
Polarizaciones: Las polarizaciones para el producto deburst. seleccionamos una o más polariza-
ciones.

5.6. Operador de clasificacion polarimetrica

Este operador realiza la siguiente clasificación polarimétrica para un producto de SAR pola-
rimétrico
Parámetros utilizados
Para la clasificación de Cloude-Pottier, se necesita el siguiente parámetro de procesamiento (con-
sulte la Figura )
Clasificación: el método de clasificación cloude -pottier dual pol
Tamaño de la ventana: dimensión de la ventana deslizante para calcular la covarianza media o
la matriz de coherencia

una vez elegido los operadores el software SNAP iniciara a procesar de manera automática y ge-

19
nerara una ventana con la clasificacion seleccionada ( H -α).

una vez que el sistema genere el producto H -α ,se verificara la clasificación por conbinacion de
colores y la tabla como muestra la figura .

A partir de este primer ensayo ,se verificara la adquisición de datos que se obtendrán para cada
imagen como muestra la siguiente figura.

20
21
como se ve el producto final se obtiene datos de clasificación expresada en números aleatorios en
la escala de 1 al 9 que expresan las 9 clases de Cloude - Pottier, cada valor estará expresada con
valores de pixel xy, longitud, latitud, rango de tiempo inclinado y ángulo de incidencia.se cuenta
con 1048576 valores ,estos datos se obtendrán de cada imagen de desde enero de 2017 al diciembre
de 2018 para los ecosistemas de humedales de la microcuenca Apacheta, Región Ayacucho .para
luego hacer los tratamientos estadı́sticos y buscar alternativas de solución.

22
BIBLIOGRAFIA

Anexo-Decreto-Supremo-N◦ -004-2015-MINAM2.Pdf N.d.

Boerner, Wolfgang-Martin N.d. BASIC CONCEPTS IN RADAR POLARIMETRY: 100.
Cable, Jeffrey, John Kovacs, Jiali Shang, and Xianfeng Jiao 2014 Multi-Temporal Polarimetric
RADARSAT-2 for Land Cover Monitoring in Northeastern Ontario, Canada. Remote Sensing
6(3): 2372?2392. http://www.mdpi.com/2072-4292/6/3/2372, accessed December 3, 2018.

Cao Fang, and Hong Wen 2005 A New Classification Method Based on Cloude-Pottier Eigenva-
lue/Eigenvector Decomposition. In Proceedings. 2005 IEEE International Geoscience and Remote
Sensing Symposium, 2005. IGARSS ?05. Pp. 296?299. Seoul, Korea: IEEE.
http://ieeexplore.ieee.org/document/1526166/, accessed December 5, 2018.

Cloude, S. R., D. G. Goodenough, and H. Chen 2012 Compact Decomposition Theory. IEEE
Geoscience and Remote Sensing Letters 9(1): 28?32. http://ieeexplore.ieee.org/document/5944950/,
accessed December 5, 2018.

Cloude, Shane, and AEL Consultants N.d. THE DUAL POLARISATION ENTROPY/ALPHA
DECOMPOSITION: A PALSAR CASE STUDY: 6.

Cloude, Shane R, Eric Pottier, Wolfgang M Boerner, AEL Consultants, and Westfield Av N.d.
Unsupervised Image Classification Using the Entropy/Alpha/Anisotropy Method in Radar Pola-
rimetry: 20.

Cloude, S.R., and E. Pottier 1997 An entropy based classification scheme for land applica-
tions of polarimetric SAR. IEEE Transactions on Geoscience and Remote Sensing 35(1): 68?78.
http://ieeexplore.ieee.org/document/551935/, accessed November 27, 2018.

Corr, D G, S R Cloude, L Ferro-Famil, et al. N.d. A REVIEW OF THE APPLICATIONS

OF SAR POLARIMETRY AND POLARIMETRIC INTERFEROMETRY ? AN ESA FUNDED
STUDY: 9.
Hajnsek, I., E. Pottier, and S.R. Cloude 2003 Inversion of Surface Parameters from Polarimetric
SAR. IEEE Transactions on Geoscience and Remote Sensing 41(4): 727?744.
http://ieeexplore.ieee.org/document/1202959/, accessed December 5, 2018.

Ji, Kefeng, and Yonghui Wu 2015 Scattering Mechanism Extraction by a Modified Cloude-
Pottier Decomposition for Dual Polarization SAR. Remote Sensing 7(6): 7447?7470.
http://www.mdpi.com/2072-4292/7/6/7447, accessed November 22, 2018.

Lopez-Martinez, C., E. Pottier, and S.R. Cloude 2005 Statistical Assessment of Eigenvector-
Based Target Decomposition Theorems in Radar Polarimetry. IEEE Transactions on Geoscience
and Remote Sensing 43(9): 2058?2074. http://ieeexplore.ieee.org/document/1499022/, accessed
December 5, 2018.

23
 Lopez-Sanchez, J M, J D Ballester-Berman, and I Hajnsek 2011 First Results of Rice Mo-
nitoring Practices in Spain by Means of Time Series of TerraSAR-X Dual-Pol Images. IEEE
Journal of Selected Topics in Applied Earth Observations and Remote Sensing 4(2): 412?422.
http://ieeexplore.ieee.org/document/5462990/, accessed December 5, 2018.

Mayorga, Carlos William Cáceres N.d. PROTECCIÓN Y CONSERVACIÓN DE LOS BOFE-

DALES Y HUMEDALES EN PERÚ, BOLIVIA, ESPAÑA, PARAGUAY Y VENEZUELA: 27.
Miranda, Nuno, Peter J. Meadows, Alan Pilgrim, et al. 2016 Sentinel -1B Preliminary Results
Obtained During the Orbit Acquisition Phase [Work in Progress]. Procedia Computer Science 100:
1313?1318. https://linkinghub.elsevier.com/retrieve/pii/S1877050916324164, accessed December
6, 2018.

Pereda, Alex, Wilmer Moncada, and Lidia Verde 2018 Respuesta nival de la cabecera de cuenca
Cachi-Apacheta de Ayacucho, vol.I. Perú: Editorial Académica Española.
https://www.morebooks.shop/store/es/book/respuesta-nival-de-la-cabecera-de-cuenca-cachi-apacheta-
de-ayacucho/isbn/978-620-2-12620-5.

Veci, Luis N.d. TOPS Interferometry Tutorial: 21.

Yang, Jian, Yoshio Yamaguchi, Jong-Sen Lee, Ridha Touzi, and Wolfgang-Martin Boerner 2015
Applications of Polarimetric SAR. Journal of Sensors 2015: 1?2.
http://www.hindawi.com/journals/js/2015/316391/, accessed December 5, 2018.
Muñoz, Ismael Montero, and Carlos López Martı́nez N.d. ANÁLISIS DE DATOS SAR POLA-
RIMÉTRICOS PARA EL ESTUDIO Y CARACTERIZACIÓN DE ZONAS AGRÍCOLAS: 174.

24