Los procedimientos de calibración dependen del sistema procesador del satélite en consideración. A nivel de usuario la calibración se realiza para ajustar cualquier cambio temporal en la ganancia de la antena, en la condición de saturación de la señal y para convertir los valores de amplitud de cada pixel (expresados en contadores digitales) a valores de coeficiente de backscattering o brillo (Laur et al. 2004). Este procedimiento es necesario para estudios multitemporales (como el de la presente tesis) y/o multi-ángulos (Frulla et al. 1998).
Multilooking
Todas las imágenes de radar se ven afectadas en mayor o menor grado por algún ruido. Este aparece como una textura granulada en toda la imagen, la cual se denomina como efecto de "sal y pimienta". Este "ruido" se debe a la suma de ondas electromagnéticas con diferentes fases que causan constantes interferencias constructivas y destructivas, en la señal recibida por el detector en cada píxel (Oliver & Quegan 2004). En general, es un "ruido" no deseado que degrada la calidad final de la imagen y dificulta su interpretación.
Las imágenes producidas por el sistema SAR pueden ser single look de datos complejos (Single Look Complex, SLC) o en uno o más looks de datos reales. En el caso de imágenes de single look, la relación señal/ruido (SNR) es baja, lo que a menudo hace difícil un análisis visual y automático.
97
Para mejorar la SNR, se utilizan varias técnicas, entre las cuales la más importante es el procesamiento de multilooking. Este proceso se refiere a la división del haz de radar en varios haces estrechos angularmente. Cada sub-haz proporciona una mirada independiente de la escena iluminada. El promedio pixel por píxel de cada mirada genera una imagen multi-looking que tiene menos “ruido” speckle, mejorando la resolución radiométrica a expensas de la resolución espacial (Salvia 2010). El nivel de reducción del ruido está directamente relacionado con el número de looks. Este proceso de generación de múltiples vistas produce imágenes con píxeles aproximadamente cuadrados en tres direcciones: en dirección azimutal, en dirección en rango y ángulo de incidencia (Henderson & Lewis 1998). Dependiendo del propósito del estudio es necesario determinar el número de looks a usar.
Para la cuantificación del número de looks, se debe calcular la media y la desviación estándar de los tipos de cobertura representativos en el área de estudio. Estos objetos deben ser homogéneos. El número equivalente de looks (ENL) se define como la inversa de la varianza de la intensidad de la señal normalizada (Ecuación 3).
𝐸𝑁𝐿 = 1⁄𝑞𝑟2 , 𝑞𝑟 = 𝜎 𝜇⁄ (3)
Donde 𝜇 y 𝜎 representan la media y la desviación estándar de la intensidad de la señal retrodispersada de un objetivo homogéneo, y 𝑞𝑟 es la desviación estándar normalizada (Laur et al. 2004).
Filtros reductores de speckle
En los últimos años se han diseñado muchos filtros para reducir el "ruido" speckle. La reducción del moteado se basa en mover una ventana (de dimensión 3x3, 5x5 o mayor) sobre cada píxel de la imagen aplicando una operación matemática que utiliza los valores de píxeles incluidos en la misma. El valor del píxel central se sustituye por el nuevo valor, resultante de la operación matemática. La ventana se mueve a través de filas y columnas de los datos, un píxel a la vez, hasta que se procesa toda la escena. Las posibles operaciones a realizar pueden ser el cálculo de la media, mediana y entre otras. Estos filtros se basan en modelos acordes a las propiedades estadísticas del coeficiente de retrodispersión y del “ruido” speckle. Además, debemos tener en cuenta los parámetros de entrada de los filtros, tales como el tamaño de la ventana, la desviación estándar del moteado y el factor de amortiguación, estos deben ajustarse al objetivo del estudio (Frulla et al. 1998). Por ejemplo, en el caso de regiones heterogéneas con grandes variaciones de tono, es preferible tratar con ventana pequeña. Con respecto a la variación del factor de amortiguación, los grandes valores, preservar mejor los bordes, pero reducen el efecto de suavizado. Por el contrario, valores más pequeños aumentan el efecto suavizante, pero no mantienen los bordes correctamente (Schreier 1993). Una descripción y análisis de los filtros utilizados en las imágenes de radar se puede encontrar en (Mansourpour et al. 2006; Gagnon & Jouan 1997; Lee et al. 1994).
Correcciones Geométricas
Las correcciones geométricas se realizan para subsanar las deformaciones que se producen en el proceso de generación de la imagen. Ya sea utilizando un modelo digital de elevación de terreno, para obtener una orto-imagen, o una corrección polinómica asumiendo una superficie plana, dichas correcciones involucran la utilización de técnicas de re-muestreo. Estas incluyen la interpolación radiométrica entre píxeles vecinos. La ecuación de radar generalizada para objetivos extendidos calcula la potencia recibida mediante la suma pesada (en el límite, una
98
integral) incluyendo valores 𝜎0 en incrementos de área relevantes. Si se amplía este concepto, la magnitud más adecuada para la interpolación radiométrica en el procedimiento de re- muestreo es 𝜎0 en potencia. Si el método de interpolación utilizado es el vecino más cercano, el resultado es el mismo independientemente del tipo de representación utilizado para 𝜎0. En cuanto a los métodos de re-muestreo, se debe considerar lo siguiente: 1) el método del vecino más cercano mantiene las estadísticas globales, pero cambia la textura local, 2) la interpolación bilineal degrada la resolución, y 3) la convolución cúbica tiende a conservar leales los valores y texturas locales. Por lo tanto, el último método es recomendado (Frulla et al. 1998).
En este estudio los datos fueron calibrados y geocodificados utilizando el software ENVI 4.8. Para ello se utilizó un modelo digital de elevación del terreno de 90 metros de resolución, derivado de la misión SRTM. Las imágenes SAR fueron corregidas geográficamente a un tamaño de píxel de 15 metros. En la etapa de multilooking, y evaluación de filtros para la reducción del speckle, las imágenes se utilizaron en valores de intensidad. Para la clasificación por tipo de cobertura, los datos de las imágenes fueron procesados en la magnitud decibeles.