See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/322303475

Tutorial: Procesamiento datos DEM Alos-1 PalSAR RTC

Method · January 2018

CITATIONS READS
0 755

1 author:

Diego Soza

6 PUBLICATIONS   0 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

ANDEAN EXPEDITION TO GRAN CACHAPOAL GLACIER. GLACIOLOGICAL BASELINE FOR A LONG-TERM MONITORING PROGRAM View project

All content following this page was uploaded by Diego Soza on 12 February 2018.

The user has requested enhancement of the downloaded file.

Tutorial: Procesamiento datos DEM Alos-1 PalSAR RTC
Autor: Diego Soza Zamora ([email protected]).
Fecha: 2018-01-07

Palabras Claves: SAR, DEM, DSM, Corrección, Ajuste.

Contenido

1. Introducción ........................................................................................................................................... 1
1.1. Datos radar .................................................................................................................................... 1
1.2. DEM 1 ALOS-1 PALSAR RTC ....................................................................................................... 2
1.3. DEM SRTMv3 ................................................................................................................................ 3
2. Descarga de datos ................................................................................................................................. 3
3. Pre-proceso de datos ............................................................................................................................. 5
3.1. Eliminando superposiciones. ......................................................................................................... 5
3.2. Anomalías y artefactos: elementos removibles .............................................................................. 6
3.3. Ajuste para la comparación de DEM’s: resolución espacial y ajuste geoidal. ................................ 7
3.3.1 La resolución espacial................................................................................................................ 7
3.3.2 Ajuste de las referencias de altura ............................................................................................. 8
4. Referencias ............................................................................................................................................ 9

1. Introducción

1.1. Datos radar

Un radar es un sensor remoto activo, es decir emite pulsos de energía (ecos) para luego captarla en el
sentido inverso (Moreira, 2013). El radar mide la reflectividad (backscattered signal) de un objetivo en función
de su posición. En términos generales, los datos de radar se agrupan en datos inSAR y SAR. Los primeros
son aquellos relativos a interferometría de radar, que consiste básicamente en la detección de cambios en
la posición y elevación (ejes x e y de una superficie) comparando dos o más imágenes de una misma escena
pero de distinta fecha. Los datos SAR (descubiertos por Wiley en 1954) se originan en un radar de apertura
sintética cuya antena emite un pulso electromagnético el que luego del rebote de la señal de micro-onda (en
inglés, backscattered) y en función de la distancia entre el emisor y el cuerpo reflejado, permite detectar las
propiedades físicas de una superficie (ASF, 2016). A diferencia de la tecnología óptica (generalmente
entendida como sensores pasivos que no emiten energía), SAR puede penetrar en la ausencia de luz
(objetos oscuros), la nubosidad y la lluvia. Esta profundidad de penetración está determinada por la longitud
de onda emitida, lo que diferencias las ondas en “C”, “L” ó “X”.

El satélite terrestre de observación avanzada (con sus siglas en inglés, ALOS-1) fue lanzado en 2005, fruto
de la cooperación entre la Agencia japonesa de exploración aeroespacial (con sus siglas en inglés, JAXA) y
JAROS, y se mantuvo operativo entre el 16 de Mayo de 2006 y el 22 de Abril de 2011.Se trata de una misión

1
con fines de investigación aplicada que busca la continuidad del monitoreo del satélite japonés de recursos
terrestres (con sus siglas en inglés, JERS-1) y del satélite avanzado de observación terrestre (con sus siglas
en inglés, ADEOS), el que es administrado por un consorcio formado por JAXA y Cross Restec. Hasta el
mes de Abril de 2015, el acceso a los datos capturados era pagado y por demanda. Desde esa fecha en
adelante un convenio entre JAXA – NASA y la Universidad de Alaska Fairbanks (UAF), posibilitan que el
programa ASF (en inglés Alaska satellite facility) dispusiera a través del DAAC (en inglés, Distributed active
archive center) bajo el alero del Instituto de Geofísica de la UAF, y para el acceso universal y sin costo a
datos, los datos SAR colectados hasta la fecha.

ALOS-1 posee tres sensores: el instrumento de sensoramiento remoto pancromático para estéreo mapeo
(en inglés PRISM) de la elevación digital de la superficie; el instrumento radiométrico avanzado visible e infra-
rojo cercano del tipo 2 (en inglés, AVNIR-2) para la observación precisa de la cobertura de uso de suelo; y
el Radar de apertura sintética de la banda L (PALSAR) para la observación de la superficie diurna-nocturna
y mutilestacional (JAXA, 2008). Dichos instrumentos operan simultáneamente y permiten la captura de
imágenes ópticas y de radar con diversas resoluciones y coberturas.

El sensor PRISM obtiene imágenes pancromáticas (0,52-0,77 µm de longitud de onda) y se destaca por su
resolución espacial de 2.5 m y la tri-angularidad de sus espejos (nadir, hacia atrás y hacia delante), además
tiene una superficie de traslape entre escenas de 35x35 km2, lo que permite estereoscopía y la generación
de modelos digitales de elevación (en inglés DEM) de alta precisión. El sensor AVNIR capta imágenes
multiespectrales, que poseen las bandas del visible y el infrarrojo cercano, con 4 bandas RGB y NIR (0,42 a
0,89 µm de longitud de onda) de 10m de resolución horizontal.

Figura 1.1-A. Componentes del satélite ALOS-1, modificado de Jaxa (2008).

Cada imagen tiene una extensión de 50x70 km2. Su principal aplicación es la clasificación de suelos y
seguimiento de eventos naturales. El ángulo de incidencia es de 8, tiene polarización dual HH o VV

1.2. DEM 1 ALOS-1 PALSAR RTC

El programa ASF dispone de productos SAR liberados. Entre los productos ALOS-1 PALSAR (2006-2011)
destacan las imágenes PALSAR que están disponibles según 3 niveles de procesamiento: “1.0” equivale a
una imagen cruda; “1.1” son datos comprimidos; y “1.5” corresponde a una imagen expandida
georeferenciada en formato CEOS con una resolución radiométrica de 16 bits (en inglés radiometrically and
terrain corrected o RTC). Para el producto RTC, se utilizan para la corrección topográfica varias fuentes de

2
elevación (DEM). En el caso de las imágenes PALSAR que cubren la superficie terrestre entre los 60° N y
57°S, se utilizan los datos de elevación provenientes del SRTMv3 (ASF engineering,2015).

El DEM Alos1-PALSAR se obtuvo a partir de escenas individuales del sensor PALSAR cuyos datos fueron
topográficamente corregidos con los datos de elevación SRTMv3 (2000), al que llamaremos “DEM base”.
Este proceso se basa en el “co-registro” de dos DEM: uno “real” con los datos de las imágenes ALOS-
PALSAR L1 procesados por interferómetría (SLC), sobre el otro “simulado” en base a los datos del DEM
base. Luego los vectores resultantes son usados para la normalización de los datos, obteniendo una imagen
mutifocal radiométricamente corregida. Se calcula la diferencia entre el área de los pixeles “reales y
simulados” y esta diferencia –como imagen- se multiplica por la imagen SAR original. Finalmente, esta
imagen se re-calcula a 12,5m de resolución en el eje x.

1.3. DEM SRTMv3

El DEM SRTM (Shuttle Radar Topography Mission) se obtuvo durante el vuelo del transbordador Endeavour
en febrero del año 2000, misión internacional donde colaboran por una lado NASA-NIMA-NDGA, y por el otro
DLR-ASI. Se trata de un sensor de radar procesado mediante interferometría. que contiene dos sistemas
SAR (radar de apertura sintética) independientes, uno en la banda C (procesado por NASA) y otro en la
banda X (procesado por las agencias espaciales de Alemania e Italia), vinculados ambos a una antena
exterior receptora. Con los datos de banda C (radar-C) colectados en esa misión, NASA produjo el DEM
(DTM) a una resolución espacial de 3 arco segundos (90 m para latitudes bajas) con cobertura casi global,
exceptuando las zonas polares. Desde el año 2014 NASA ha liberado para acceso público y de manera
secuencial por zonas los datos de banda C de resolución espacial de 1 arco segundo, equivalente a 24m en
promedio para el territorio nacional (puede llegar hasta 22m en el mínimo y 26m en el máximo). Respecto
cuya resolución horizontal varía entre los 24 y 30m y la precisión vertical de los mismos es del orden 12,5m
(Rodríguez et al., 2012).

2. Descarga de datos

En el caso de Chile y respecto de la configuración para la búsqueda, es importante considerar la variable

altitudinal y estacional. La primera implica que la precipitación en altura (sobre la línea de nieve para un año
hidrológico) será sólida (nieve). Para evitar que la altura de superficie considere la altura de la nieve caída,
se sugiere acotar la fecha de búsqueda a los meses de verano (donde predomina el adelgazamiento y la
ausencia de lluvias). Dentro de este rango entre Diciembre y Mayo, son preferibles los meses de Enero y
Febrero por su estabilidad atmosférica. Para determinar períodos sin precipitaciones (“ventanas estables”),
se puede recurrir a indicadores como la altura de la línea de nieves diaria 1.

Para acceder a datos ALOS PALSAR, y en la página Vertex del ASF (https://vertex.daac.asf.alaska.edu/),
ingresamos nuestra ID en EarthData Login (1)- Luego de la autentificación de nuestra cuenta, debemos
buscar y descargar la(s) escena(s) que utilizaremos para construir nuestro DEM-DSM (ver Figura 2-A).
Primero definimos la extensión de búsqueda (2) escribiendo las coordenadas del par ordenado de cada
vértice, ordenados correlativamente en el sentido horario del hemisferio sur, y expresados con notación de

1
. Otras herramientas útiles son los “Datos Históricos del satélite AQUA (Enero 2001 hasta hoy) disponible en
http://www.dgf.uchile.cl/rene/MODIS/; y el producto: MYD10A1.005 MODIS/Aqua Snow Cover Daily L3 Global 500m
Grid disponible para consulta y descarga en el vínculo https://explorer.earthengine.google.com/#workspace
3
grados decimales (±DD.dd); siguiendo el ejemplo -70.34,-34.27,-70.00,-34.27,-70.00,-34.49,-70.34,-34.49,-
70.34,-34.27 (se asume que usamos el sistema de coordenadas geocéntricas WGS84). Luego acotamos (3)
la temporalidad de los datos a pesquisar (estacional, algunos meses o todos los meses, año de inicio y año
final); seguidamente seleccionamos (4) el set de datos a indagar, en este caso “ALOS PALSAR”, y pulsamos
“Search” (5). Los resultados aparecen en el costado derecho de la pantalla, los que pueden ser filtrados (6)
de acuerdo a nuestras necesidades. En este caso nos interesa “Hi-Res Terrain Corrected”. Una vez que
filtramos, pinchamos en “Download Queue” (7).

(1) (7)

(2)

(3)

(4)

(6)
(5)

Figuras 2-A. Captura de Vertex del ASF y configuración de búsqueda de escenas ALOS PALSAR RTC.
Fuente: elaboración propia.
Para gestionar la descarga
con “Download Queue”,
tenemos la opción de acotar
los datos pre-seleccionados,
buscando que la menor
cantidad de escenas (frame)
cubran el área; si se trata de
más de una órbita que sean
de fechas próximas.

Se sugiere construir un índice

con el listado de las escenas
pre-seleccionadas, índice
construido desde el archivo (9) (7) (8)
de metadatos .csv (7) el que
puede ser trabajado en
gestores de bases de datos.

4
Paralelamente se pueden visualizar las huellas (límites) de las escenas disponibles mediante un archivo en
Google Earth .kml (8).

Construido el listado de escenas seleccionadas, podemos elaborar un listado con los vínculos URL para
cada escena, que nos permita bajar archivos comprimidos (que a su vez contienen un archivo GeoTiff del
DEM .dem, un archivo .iso con la metadata). Por último este archivo con las URL o .metalink (9) se puede
automatizar mediante gestores de descarga (como “Down’em all” para Firefox).

3. Pre-proceso de datos

Una vez que hemos descargado nuestros datos, y hemos construido nuestro índice de imágenes a partir de
los datos de cada metadata, vamos a visualizarlos. Es frecuente notar que algunas escenas pueden existir
vacíos (gaps) por retornos incompletos de ecos, zonas “oscuras” no cubiertas por el sensor, franjas de datos
incompletos donde el escáner tiene silencios (stripping o bandeo). Por lo anterior, se hace necesario remover
esos “artefactos” que contaminen cálculos posteriores con los datos de elevación.

En ArcGis 10.x, abriremos cada archivo .dem (GeoTIFF). Una vez que los tenemos desplegados, debemos
estimar las huellas y evaluar la superposición de las escenas; ¿por qué es necesario esto?, por una razón
muy simple: si sólo desplegamos las escenas (DEM1 y DEM2) y exportamos un archivo con alturas de
superficie (DEM3), no podemos saber con certeza si la altura de un pixel corresponde al promedio, al valor
de DEM1 ó DEM2.

3.1. Eliminando superposiciones.

a) El primer paso es determinar las áreas de

superposición, y reducirlas al mínimo para
que el DEM final no tenga datos
duplicados. Para ello, el primer paso es
construir las huellas o límites de cada
escena (footprint o boundary). Para
eliminar el fondo de la imagen
(“background”) debemos ir a ““ArcToolbox/
Spatial Analyst Tools/ Conditional/ Set
Null” e ingresar la expresión “Value=0” (ver la configuración en la imagen siguiente.

b) Luego, y para eliminar los datos de la

imagen y crear una superficie con valor
único, vamos a la ruta “ArcToolbox/Spatial
Analyst Tools/Map Algebra” y
seleccionamos “-Batch- raster calculator”.
En esta ventana ingresaremos la expresión
(“AP_RT1.dem.tif” * 0), modificado la
primera parte de la fórmula para cada
raster. El resultado será rasters con el
límite de cada escena.

5
c) Luego, estas máscaras raster se
convierten a polilinea o polígono (vector)
utilizando “ArcToolbox/Conversion
Tools/From Raster/-Batch- Raster to
Polyline”. Tenemos los límites de cada
escena.

d) Dado que estamos inventariando las

escenas y eventualmente conocer su altura
promedio, debemos primero unir todas las
huellas utilizando “ArcToolbox/ Data
Management Tools/General/Merge”.

e) Para concluir, y con “xtools” o “Features vértices” -o bien en modo edición mediante dibujo-, definimos
los vértices y centroides de los registros que forman el feature de huellas; luego les calculamos las
coordenadas “x” e “y”. Finalmente, y mediante “ArcToolbox/Spatial Analyst Tools/Extraction/Extract
Multi Values to Points” y usando más de un DSM, extremos las alturas para cada punto.

f) Luego con una serie de geoprocesos dispuestos en “ArcToolbox/Analysis Tools/Overlay” (Erase,

Identity, Intersect) se determinan las máscaras de recorte preliminares para cada escena. Son
preliminares porque a ellas se debe restar (Erase) una franja de superposición "hacia adentro" de 2
pixeles (aproximadamente -25m), utilizando “ArcToolbox/Analysis Tools/Proximity/Buffer”. Esta
máscara de recorte final, debe convertirse a raster con “ArcToolbox/Conversion Tools/To Raster/Batch
Polygon to Raster” definiendo el tamaño de pixel “Cellsize” en 12,5m.

g) Con nuestras máscaras de recorte raster -para cada escena ALOS PALSAR. dem-, vamos a extraer
los datos que necesitamos; seleccionamos “ArcToolbox/Spatial Analyst Tools/Extraction/Batch
Extract by mask” y generamos los archivos “DEM base” (.tiff).

3.2. Anomalías y artefactos: elementos removibles

A partir de los “DEM base” evaluaremos la calidad de los datos, buscando identificar las anomalías o
artefactos que propaguen errores en los cálculos posteriores; es importante aclarar que pueden estar
presente o no, por lo que se hace necesaria la inspección visual. Para ello debemos construir escenas de
“sombreado de relieve (Hillshade)”: seleccionamos “ArcToolbox/Spatial Analyst Tools/Surface/Batch
Hillshade” y generamos sendos archivos (.tiff) para cada escena. Luego éstos son desplegados en ArcMap.

Al analizar la imagen con los datos de elevación y de sombreado de relieve (ver Figura 3.2-A), vemos distintas
maneras en que estas anomalías o artefacto se presentan: desde ruidos, datos incompletos o erróneos, a
elementos “extraños” generados en el proceso y entrega de la información.

6
Figura 3.2-A. a) datos de elevación (DEM), b) y c) sombreado de relieve (Hillshade) desde ALOS PALSAR
RTC. Fuente: elaboración propia.

A esta superficie se le aplica un filtro direccional para remover el efecto de bandeo y comprensión (stripping).

3.3. Ajuste para la comparación de DEM’s: resolución espacial y ajuste geoidal.

3.3.1 La resolución espacial

Es necesario tener -para todo cálculo o procedimiento- una superficie (de terreno) que no presente
discontinuidades, que no tenga vacíos (completitud), y que cubra sin excepción el área que pueda ser
modelada. En el caso que sea usado para cálculos (como diferencias de altura e en el tiempo entre dos o
más set de datos) y cuando tienen distintos geoides de referencias o bien corresponden a MDE elipsoidales
y ortométricos al mismo tiempo, aplica el ajuste geoidal.

Cuando se comparan dos DEMs con resoluciones diferentes, no existe claridad (Paul, 2008) sobre la decisión
de cual DEM debe ser adaptado en su resolución horizontal para una comparación con otro. En los estudios
publicados (Le Quesne et al., 2009; Torres et al., 2013) de las variaciones recientes de la superficie y volumen
de los glaciares andinos a diversas latitudes, se ha optado indistintamente tanto por degradar (reducir) como
por ampliar la resolución de los DEMs para realizar los cálculos de diferencia de altura.

Estos antecedentes sugieren que para homogeneizar los sets de datos para un DEM comparable, el analista
debe aumentar la resolución del modelo Alos1-PALSAR que es el DEM de menor resolución horizontal (que
llamaremos DEM1), y no degradar la resolución del DEM de mayor resolución horizontal. Esta elección está
sustentada en el método de Her et al. (2015), en el cual se calculan los errores (RMSE) de las diferencias de
altura para dos casos del DEM SRTM2000 (radar aerotransportado) usando 8 métodos de interpolación.
Siguiendo este método se prueban dos procedimientos: un primer caso de resolución degradada del DEM
con mejor resolución y un segundo caso de ampliación de la resolución del DEM con menor resolución,
estimándose como mejor combinación para reproducir las formas “reales” del terreno, la ampliación de la
resolución usando los algoritmos spline y convolución cúbica.

7
Un método para sustentar esta decisión en el marco de un proyecto o estudio, es comparar los valores de
altura puntual de tres DEM Alos1-PALSAR generados con tres métodos distintos (Kriging, spline y
convolución cúbica, por ejemplo; que llamamos DEM1) y con una resolución horizontal aumentada o
disminuida, con los valores de altura respecto de puntos de control en terreno (en adelante PCT) obtenidos
desde el DEM de comparación de mayor resolución (que llamamos DEM2). Las diferencias se analizan sobre
el RMSE (raíz del error medio cuadrático o root mean square error en inglés) entre los valores de DEM1
versus DEM2.

Una ventaja de mejorar la resolución espacial del DEM Alos1-PALSAR en vez de degradarla, es que permite
definir con mayor precisión las diferencias en los límites (bordes) de cuencas, glaciares y depósitos de
diverso tipo.

3.3.2 Ajuste de las referencias de altura

A partir de un DEM de la misión Alos1-PALSAR cuyos datos originales corresponden a una grilla cuyos
valores de altura elipsoidal (h) han sido calculados en base al Modelo Geoidal EGM96, es necesario realizar
un ajuste geoidal de los mismos. Para cada punto se ha calculado la ondulación geoidal (N) para EGM96 y
EGM08, para luego calcular la cota ortométrica (H) según el modelo geoidal EGM08 Hegm08 = H de la forma:

𝐻𝐸𝐺𝑀08 = ℎ1 − ((𝑁1 ) + (𝑁1 − 𝑁2 ))

Donde:
ℎ1 : Cota elipsoidal DEM Alos-1 PalSAR según geoide EGM96.
𝑁1 : Ondulación geoidal en h1 según geoide EGM96.
𝑁2 : Ondulación geoidal en h1 según geoide EGM08.

Figura 3.3.2-A. Representación esquemática de la relación de superficie terrestre–geoide–elipsoide

(extraído de Manual de Carreteras v2008, Volumen 2, Capítulo 2,300).

8
 Luego, los datos puntuales ajustados con alturas ortométricas (H) al geoide EGM08, fueron “resampleados”
nuevamente a una grilla de 12,5m. A este set le llamaremos “DEM1 ajustado”.

4. Referencias

• Albani, M.; Klinkenberg, B. 2003. A Spatial Filter for the Removal of Striping in DEM.
Photogrammetric Engineering & Remote Sensing Vol. 69, No. 7, 2003 jul., pp. 755–765 [en línea].
Recuperado en : <http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.564.6086&rep=rep1&type=pdf>.
Consultado el: 22 de noviembre de 2017.
• ASF engineering. 2015. ASF radiometrically terrain corrected ALOS PALSAR products, product
guide version 1.2. Fairbanks, Alaska, USA: Geophysical Institute, University of Alaska-Fairbanks
(UAF). [en línea]. Recuperado en : <https://media.asf.alaska.edu/uploads/RTC/rtc_atbd_v1.2_final.pdf>.
Consultado el: 22 de noviembre de 2017.
• Burgos, 2012. Evaluación de ASTER GDEM y SRTM-C/X para modelación hidráulica de la rotura de
presa El Carrizal, Mendoza.
• Das, A. K.; Agrawal, R.; Mohan,Sh. 2014,feb. Topographic correction of ALOS-PALSAR images
using InSAR-derived DEM. Geocarto International 30 (2)-2015. [en línea]. Recuperado en : <
https://www.researchgate.net/publication/260190971_Topographic_correction_of_ALOS-PALSAR_images_using_InSAR-derived_DEM >.
Consultado el: 22 de noviembre de 2017.
• ESA, 2007, PALSAR info users v1.1.
• Her, Y.; C.D. Heatwole y M.S. Kang. 2015, feb. Interpolating SRTM elevation data to higher resolution
to improve hydrologic analysis. Journal of the American Water Resources Association (JAWRA), 51
(Issue 4): 877-1164.
• Japan Aerospace Exploration Agency (JAXA), 2008, ALOS Data Users Handbook Revision C. [en
línea]. Recuperado en: < http://www.eorc.jaxa.jp/ALOS/en/doc/alos_userhb_en.pdf>. Consultado el:
22 de noviembre de 2017.
• Moreira, 2013. Synthetic Aperture Radar (SAR): principles and applications. German aerospace
center (DLR), presentation on 4th advanced training course in land remote sensing (ESA). Harokopio
University, Atenas.
• Perego,A. 2003. SRTM DEM destriping with SAGA GIS. [en línea]. Recuperado en :
<http://www.webalice.it/alper78/saga_mod/destriping/destriping.html>. Consultado el: 22 de
noviembre de 2017.
• Rodríguez, E.; Morris, Ch. S. ; Belz, J.E. 2006,mar. A Global assessment of the SRTM performance.
Photogrammetric Engineering & Remote Sensing Vol. 72, No. 3, 2006 mar., pp. 249–260. [en línea].
Recuperado en : <http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.404.4045&rep=rep1&type=pdf>.
Consultado el: 22 de noviembre de 2017.
• Vertex: ASF’s Data Portal v2.06.00-5. Alaska Satellite Facillity 2017. Data portal for remotely sensed
imagery of the Earth. [en línea]. Fairbanks, Alaska, USA: Geophysical Institute, University of Alaska-
Fairbanks (UAF). Recuperado en: <https://vertex.daac.asf.alaska.edu/>. Consultado el: 22 de
noviembre de 2017.

View publication stats