111-Texto Del Artículo-640-2-10-20180424

See discussions, stats, and author profiles for this publication at: https://www.researchgate.
net/publication/324781615
Validación de imágenes Radarsat-2 enUrabá- Colombia-25-04-2017
Preprint · April 2018

DOI: 10.13140/RG.2.2.12119.57767
CITATIONS READS
0 337
1 author:
Pedro Serrato
Instituto Geografico Agustín Codazzi
26 PUBLICATIONS 16 CITATIONS
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
geomorfologia View project
cartografia View project
All content following this page was uploaded by Pedro Serrato on 26 April 2018.
The user has requested enhancement of the downloaded file.

Revista 2017-9-26
Validación de imágenes de radar polarimétrico

Radarsat-2 en bosques tropicales en la zona de
Urabá, Colombia
Pedro Karin Serrato Álvarez *
María Eunice Bernate Suárez **
Recebido 15 de julho de 2014; aceito 18 de julho de 2014
Abstract
This investigation collects the results of the validation of data of the program
satellite Radarsat-2, and analyses in what measured his use improves the level of
detail and the quality of the images, when employing products with ways of
polarization and disposal of visualization to color to discriminate the physiography
and coverage of the earth in regions Tropical humid that present permanent
cloudiness, like the zone of Urabá in Colombia. The methodology employed
consisted in doing the reception of the images, mattered the information to be able
to them work with the Erdas Imagine 9.1 and later made a combination of bands
with polarimetry, with the methods Pauli and Sinclair. There was done the
interpretation and evaluation of the mentioned images and an analysis was effected,
that relates the information contained in each archive by means of parameters of
evaluation defined. It concluded, that the work with compositions to color of
polarimetric images Radarsat-2 increases the possibilities to discriminate coverages
in terrains with pasture vegetation and crops with Intense work And it shows visual
wealth regarding structures and geomorphological shots; however, these are much
* Instituto Geográfico Agustín Codazzi (IGAC), Centro de Investigación y Desarrollo en

Información Geográfica (CIAF). Grupo de Percepción Remota y Aplicaciones Geográfi-
cas, Bogotá, Colombia, carrera 30 Nº 48-5, correo electrónico: pkserrat@igac.gov.co.
** Instituto Geográfico Agustín Codazzi (IGAC), Centro de Investigación y Desarrollo en
Información Geográfica (CIAF), Subdirección de Agrología, Bogotá, Colombia, carrera
30 Nº 48-5, correo electrónico: mbernate@igac.gov.co.
8 Pedro Karin Serrato y María Eunice Bernate Validación de imágenes de radar…
more useful in terrains with flat topography that in zones broken and does not allow
to observe substantial differences in permanent crops.
Key words: digital processing, geomorphology, land cover, physiography, po-
larimetric images, visual interpretation, Radarsat-2.
Resumen
Esta investigación recoge los resultados de la validación de datos del programa
satelital Radarsat-2 y analiza en qué medida su uso mejora el nivel de detalle y la
calidad de las imágenes, al emplear productos con modos de polarización y
disposición de visualización a color para discriminar la fisiografía y cobertura de la
tierra en regiones tropicales húmedas que presentan nubosidad permanente, como la
zona de Urabá en Colombia. La metodología empleada consistió en hacer la
recepción de las imágenes, se importó la información para poderlas trabajar con el
programa Erdas Imagine 9.1 y posteriormente se realizó una combinación de bandas
con polarimetría, con los métodos Pauli y Sinclair. Se hizo la interpretación y
evaluación de dichas imágenes y se efectuó un análisis que relaciona la información
contenida en cada archivo mediante parámetros de evaluación definidos. Se concluyó
que el trabajo con composiciones a color de imágenes polarimétricas Radarsat-2
aumenta las posibilidades para discriminar coberturas en terrenos con vegetación
rastrera y cultivos con intenso laboreo, y muestra riqueza visual en cuanto a
estructuras y rasgos geomorfológicos; sin embargo, estas son mucho más útiles en
terrenos con topografía plana que en zonas quebradas y no permite observar
diferencias sustanciales en cultivos permanentes.
Palabras clave: cobertura terrestre, fisiografía, geomorfología, imágenes pola-
rimétricas, interpretación visual, procesamiento digital, Radarsat-2.
Introducción
Dadas las limitaciones que presentan los sensores ópticos (Landsat, Spot e Ikonos,
entre otros) para la obtención de imágenes precisas y productos de calidad en
materia de cartografía temática, en zonas húmedas tropicales con alta presencia de
nubes, la tecnología de radar presenta una alternativa que tiene varias ventajas:
puede tomar información del terreno a través de nubes y lluvia, identificar
características asociadas a la rugosidad del terreno y discrimina muy bien
características de la superficie, como humedad del suelo, cantidad de vegetación y
objetos creados por el hombre, además de estructuras geológicas y geoformas
(Natural Resources Canada, 2010a).
Adicionalmente, ahora se cuenta con una segunda generación de sensores del
programa Radarsat, dotados con una interesante característica técnica, la
polarimetría, que crea una expectativa en cuanto a las imágenes que puede ofrecer.
La polarización se relaciona con la orientación de las ondas para transmitir y recibir
Revista xx xxxx 2017 9
radiación electromagnética del terreno, ya sea horizontal o verticalmente. Cuando la

polarización de la energía se transmite y se recibe horizontalmente se denota con la
sigla HH; si la energía se transmite y se recibe verticalmente, será VV. Si la energía
transmitida se polariza en una dirección ortogonal (diferente) a la recibida, al
sistema se le conoce como de polarización cruzada (HV o VH) (Natural Resources
Canada, 2010b).
La zona de estudio elegida fue la región de Urabá, que presenta una gran
variedad de ecosistemas y geoformas, hecho que le confiere una riqueza natural
evidente en su alta biodiversidad y en un amplio mosaico de paisajes ecológicos.
Sin embargo, la alta y recurrente nubosidad durante todo el año en esta zona impide
conocer su realidad y obtener información suficiente sobre la composición y el
nivel de intervención en este espacio geográfico. Casi todas las imágenes ópticas
que se han tomado presentan un 90% de nubes y el número de vuelos fotográficos
en esta zona es muy escaso, apenas se cuenta con algunos de 1983, 1989 y 2006.
En este orden de ideas, validar dichas mejoras mediante la investigación resulta
de gran importancia para dar un juicio técnico acerca de estos nuevos productos,
por lo cual se trabajó con métodos digitales y visuales en la extracción de
información relacionada con las coberturas y los paisajes en zonas tropicales de
Colombia.
El objetivo general de la investigación fue conocer y analizar el nivel de detalle
que proporcionan los nuevos productos de las imágenes Radarsat-2 basados en
diversos modos de polarización, en cuanto a fisiografía y cobertura de la tierra, en
regiones tropicales húmedas. Los objetivos específicos fueron: 1) discriminar y
clasificar los paisajes, la cobertura de la tierra y los cultivos en la zona de estudio;
2) hacer un análisis comparativo acerca del alcance de la información obtenida a
partir de cuatro productos Radarsat-2, y 3) evaluar la utilidad de las imágenes
polarizadas en el reconocimiento de las coberturas terrestres, mediante el uso de
composiciones a color y la implementación de diversas técnicas de procesamiento
digital. El área de estudio se encuentra en la región de Urabá, Colombia, en la
cuenca del río Atrato, en jurisdicción del departamento de Antioquia, e incluye los
municipios de Turbo, Apartadó, Carepa y Chigorodó (figura 1).
Este espacio geográfico se caracteriza por un clima tropical con precipitaciones
de 4000 milímetros al año en promedio y una temperatura que oscila entre los 28 y
los 32 grados centígrados. Las coordenadas geográficas son las siguientes: 7° 19'
2,11'' y 8° 12' 57,61'' de latitud norte y 76° 24' 21,26'' - 77° 18' 26'' de longitud
oeste.
Figura 1. Ubicación de la zona de estudio. Fuente: mapa departamental de Antioquia

escala 1:400.000 del Instituto Geográfico Agustín Codazzi, 2003.
Metodología
Se diseñó una metodología que consistió, primero, en hacer la recepción de las
imágenes, y luego se procedió a importar dicha información para poderla trabajar
con el programa Argis. Una vez dispuestos los archivos, se realizó una combinación
de bandas con polarimetría, con dos métodos (Pauli y Sinclair) de asistencia
matemática para el tratamiento de imágenes de radar que generan matrices de
coherencia de 3 x 3, basados en combinaciones lineales, lo que viabiliza la
interpretación (Boerner, 2008; Pottier, Lee y Ferro-Famil, 2003).
Luego de esto, y mediante unos parámetros de evaluación, se hizo la
interpretación y evaluación de dichas imágenes de manera visual (figura 2). Aunque
no fue uno de los objetivos de esta investigación, se hicieron ensayos con
clasificaciones no supervisadas en las imágenes polarizadas (Ferro-Famil, Pottier,
Corr y Rodrigues, 2003). Dada la complejidad de estos ensayos, especialmente en
las zonas montañosas, se optó por realizar una interpretación visual apoyada en la
información del IGAC, el Instituto de Hidrología, Meteorología y Estudios
Ambientales (Ideam) y la Corporación Autónoma Regional del Río Grande de la
Magdalena (Cormagdalena) (IGAC, Ideam y Cormagdalena, 2008). El tema de
fisiografía fue abordado según su estructura de clasificación de geoformas (Serrato,
2009).
Figura 2. Diagrama metodológico para el procesamiento de las imágenes de radar
Tipo de imágenes de satélite

Para a interpretación visual de las imágenes de radar que fueron adquiridas se reali-
zó un análisis que relaciona la información contenida en cada archivo. Se adquirie-
ron once imágenes satelitales del sensor Radarsat-2, de las cuales cinco son
multipolarizadas y las otras seis presentan una sola polarización. En la Tabla 1 se
presentan sus principales características, el modo de adquisición, las polarizaciones
que contienen, la dirección de toma de la imagen y la fecha de captura.
Los directorios de cada una de las imágenes contienen los documentos auxilia-
res para el procesamiento de los datos en formato .xml, las bandas polarizadas de
las imágenes en formato .tif y el archivo “Product” en formato .xml o .txt, que con-
tiene todas las características técnicas de la imagen en el momento de la toma.
Tabla 1
Imágenes adquiridas en la validación de productos Radarsat-2 en la región de Urabá
Modo de Fecha de
Imágenes polarizadas Polarización Dirección
adquisición toma
RS2_OK4158_PK54333_DK
Fine Quad HH VV 2009-02-
52424_FQ18_20090202_232 Ascendente
Polarization HV VH 02
203_HH_VV_HV_VH_SLC
RS2_OK4158_PK54333_DK
53964_FQ18_20090202_232 Ascendente
203_HH_VV_HV_VH_SLC
RS2_OK4158_PK55330_DK
55309_FQ11_20090209_231 Ascendente
755_HH_VV_HV_VH_SLC
RS2_OK4158_PK55333_DK Fine Quad HH VV 2009-02-
53969_FQ4_20090216_2313 Ascendente
47_HH_VV_HV_VH_SLC
RS2_OK4158_PK55337_DK
53973_FQ18_20090226_232 Ascendente
203_HH_VV_HV_VH_SLC
Imágenes con polarización Modo de Fecha de

Polarización Dirección
simple adquisición toma
RS2_OK4158_PK55331_DK
2009-02-
55967_U13_20090212_1050 Ultrafina HH Descendente
12
53_HH_SGX
RS2_OK4158_PK55332_DK
2009-02-
55311_F6N_20090212_2330 Fina HH Ascendente
12
17_HH_SGX
RS2_OK4158_PK55334_DK
2009-02-
55313_U22_20090219_1046 Ultrafina HV Descendente
19
45_HV_SGX
RS2_OK4158_PK55335_DK
2009-02-
55314_F3N_20090219_2326 Fina HV Ascendente
19
09_HV_SGX
RS2_OK4158_PK55336_DK
2009-02-
55315_S2_20090222_10590 Fina HV Ascendente
19
6_HH_SGX**
RS2_OK4158_PK56739_DK
2009-03-
55317_U5_20090301_10550 Ultrafina VV Descendente
01
1_VV_SGX
Fuente: investigación IGAC-CIAF.
Equipos y software empleados

Teniendo en cuenta procesos como la importación de los archivos adquiridos, el
procesamiento y mejoramiento de los datos y la visualización de la información, se
emplearon programas especializado en el procesamiento de información radar: el
software licenciado Erdas Imagine 9.1 (Erdas Imagine, 2001) y el software gratuito
especializado en datos de radar PolSARpro 4.0, que maneja interfaces específicas
dedicadas al procesamiento de datos de diferentes sensores de microondas (ALOS-
PALSAR, Radarsat-2, TerraSAR y SIRc) o sensores aerotransportados (AIRSAR,
Convair EMISAR, ESAR, PISAR y RAMSES). Se materializa mediante la guía
PolSARpro 4.0 de Pottier y Ferro-Famil (2004). Para la generación de salidas gráfi-
cas y conversión a formatos vectoriales se utilizó el software ArcGIS 9.3, y de for-
ma alterna se mejoró el contraste visual con ENVI (Exelis Visual Information
Solutions, 2014).
La maniobra de este tipo de datos requiere equipos con especificaciones técnicas
que soporten el almacenamiento y procesamiento de grandes cantidades de infor-
mación. En este sentido, el equipo utilizado tuvo las siguientes especificaciones:
procesador Intel ® Core ™ 2 Duo. 1.97 GHz, memoria RAM: 1.99 GB y disco
duro: 232 GB.
Resultados
En cuanto a los resultados obtenidos en la investigación, en la tabla 2 se presenta
inicialmente la comparación de las imágenes polarizadas con procesamiento Pauli y
Sinclair, mediante una vista particular de la imagen y las observaciones en la
combinación de colores rojos, verde y azul (RGB) correspondientes a las tres
polarizaciones.
Validación de cada producto Radarsat-2 frente a la definición de objetos y

coberturas
Como resultado de esta fase se obtuvo, en primer lugar, una matriz de evaluación,
y en segundo lugar se presentan evidencias gráficas por cada producto Radarsat-2.
Matriz de evaluación de imágenes Radarsat-2

Esta matriz fue diseñada del siguiente modo: en las filas se consignaron cada uno de
los parámetros y en las columnas los cuatro productos Radarsat-2 evaluados
(ultrafino, fino, cuadro fino polarizado y standard). En su intersección, cada casilla
lleva anotados calificativos que indican la facilidad con la que se pueden apreciar
objetos y coberturas en las imágenes (tabla 3).
Tabla 2
Matriz comparativa con los procesos Pauli y Sinclair
Fuente: investigación CIAF-IGAC.
Tabla 3
Matriz de evaluación de las imágenes Radarsat-2 en la zona de Urabá, Colombia
Cuadro fino
Producto Ultrafino Fino Standard
polarizado
26,8-18,0 x
Resolución espacial 1,6-2,4 x 3 10,4-6,8 x 7,7 5,4 x 8,0
24,7
Definición del Excelente Baja Muy buena Buena
perímetro
urbano
Parámetros de evaluación
Discriminación Excelente Buena Excelente Buena

entre las
poblaciones,
los pastizales
y las
plantaciones
de banano
Diferenciación Muy Aceptable Muy buena Deficiente

de las cubiertas buena
en la zona
urbana
Visualización Muy Muy baja Muy baja Deficiente

de canales de buena
drenaje en el
banano
Observación Excelente Muy buena Muy buena Buena

de ríos y
cuerpos de
agua
Discriminación Muy Buena Buena Buena

entre las aguas buena
y playones en
ríos trenzados
Identificación Excelente Aceptable Aceptable Deficiente

de cercas vivas
(árboles)
Contraste entre Muy Buena Aceptable Deficiente

el bosque y las Bueno
zonas taladas
Tipificación de Buena - Buena Buena

geoformas
estructurales
especiales
Identificación Buena - Buena Buena

de
lineamientos
Diferenciación Muy - Buena

morfológica de buena
las colinas
Discriminación Muy Aceptable Aceptable Aceptable

de vías buena
Definición de Muy Aceptable Muy buena Baja

bosques de buena
galería
Visión general Buena Muy buena Muy buena Excelente

de conjunto
Detalle en Muy Aceptable Baja Muy baja

pequeñas áreas buena
Identificación Excelente Buena Buena Buena
de pistas
aéreas
Discriminación - Muy buena Muy buena Buena

de humedales
y zonas
pantanosas
Fuente: investigación IGAC-CIAF.
Evidencias gráficas de la validación de imágenes Radarsat-2

Las evidencias gráficas consisten en una serie de ventanas extraídas de cada ima-
gen, en las que se indican en detalle los objetos y coberturas visualizados en cada
caso.
Producto: ultrafino
Este producto tiene una resolución 1,6-2,4 x 3 m y un tamaño de escena de 20 x 20
km. En la imagen U13 con polarización HH se encontró, con relación a las zonas
urbanas y de acuerdo con la figura 3a: excelente discriminación entre las los centros
poblados y las plantaciones de banano (1); excelente definición del perímetro ur-
bano (2) y muy buena diferenciación de las cubiertas en la zona urbana (3).
En la imagen U13 con polarización HH se encontraron además otros aspectos
relacionados con el cultivo de banano; de acuerdo con la figura 3b, se tiene muy
buena visualización de canales de drenaje (4) y excelente observación de ríos y
cuerpos de agua (5).
En la misma imagen U13 con polarización HH se halló además, como lo indica
la figura 4a, que se visualiza buena discriminación entre las aguas y playones en
ríos trenzados (6), excelente identificación de cercas vivas (árboles) (7) y taludes
entre terrazas (8). Igualmente, en otro sector se encontró muy buen contraste entre
el bosque y las zonas taladas, tal como lo muestra el numeral 9 en la figura 4b.
De otro lado, en cuanto a las formas de la superficie terrestre que tienen que ver
con la fisiografía, se encontró, de acuerdo con lo que se observa en la figura 5a,
buena tipificación de geoformas estructurales especiales (chevrones) (10) y buena
identificación de lineamientos (11). Igualmente, en otro sector se encontró muy
buen contraste entre el bosque y las zonas taladas, tal como lo indica el numeral 9.
De otro lado, la discriminación de vías es muy buena, de acuerdo con lo que se
aprecia en el numeral 12 de la figura 5b.
Figura 3. Evidencias gráficas de la imagen U13 con polarización HH en zona urbana y en

plantaciones de banano
Figura 4. Evidencias gráficas de la imagen U13 con polarización HH en ríos, praderas y

en áreas deforestadas
Figura 5. Evidencias gráficas de la imagen U13 con polarización HH en formas del

terreno y vías de comunicación
Igualmente, se advierte en la figura 6a una excelente identificación de pistas

aéreas (numeral 13) y muy buena definición de bosques riparios (numeral 14). En
cuanto a la visualización de la morfología que exhiben los paisajes colinados
aledaños a la zona plana de Urabá (figura 6b), en la imagen U13 HH se halló que
existe muy buena diferenciación morfológica de las colinas del tipo C1

(denudativas bajas) y C2 (estructurales altas).
Figura 6. Evidencias gráficas de la imagen U13 con polarización HH en aeropuerto y

bosques de galería
Con relación a la polarización de los productos ultrafinos, es importante anotar

que las zonas urbanas presentan una reflexión que cambia ostensiblemente de
acuerdo con el tipo de polarización utilizado para tomar la imagen. En primer lugar,
en la imagen con polarización HV (figura 7a) se presenta una baja respuesta (15),
ya que los tonos en esta ciudad son gris oscuro; no obstante, se puede apreciar muy
bien el patrón de calles y carreras. De otro lado, si se compara la respuesta en la
cobertura de pastos (numeral 16), esta se diferencia mejor del banano que la
circunda (17), dado que las praderas tienen una tonalidad más oscura.
En segundo lugar, en la imagen con polarización VV (figura 7b) se pueden
apreciar mejor las diferencias que existen en cuanto al tipo de cubiertas o techos en
esta población, de manera que se observan cambios de tonalidad muy contrastados
(15). Igualmente, en el sector de cobertura diferente (pasto), con el numeral 16, la
respuesta tiende a igualarse a la del banano (17) porque el tono es también gris
claro, situación que dificulta la discriminación de esta zona.
En tercer lugar, en la imagen con polarización HH (figura 8) la zona urbana
manifiesta mejor la discriminación del tipo de cubiertas, ya que los tonos que se
aprecian en los barrios de Apartadó son contrastantes y van desde grises muy claros
(18) hasta oscuros (19). Por su parte, el sector de pastos (16) se confunde con la
cobertura de banano alrededor de este (17).
En síntesis, la polarización HH, en esta oportunidad, es la que mejor funciona en
la apreciación de cubiertas en las zonas urbanas, al menos en productos ultrafinos.
Es posible que esta circunstancia ocurra debido a la orientación de los techos de las
casas, que es muy fuerte en los casos en los que la incidencia de la radiación y la
recepción del sensor están en un ángulo de 90° con dichos tejados (figura 8,
numeral 18). No obstante, esto se debe validar con un examen en el terreno.
Figura 7. Imagen a) U22; PK55334 DK55313; polarización HV; imagen b) U5; PK56739
DK55317; polarización VV; Apartadó (Antioquia)
Figura 8. Imagen U13; PK55331 DK53967; polarización HH; Apartadó (Antioquia)
Producto: fino
Este tipo de producto tiene una resolución 10,4-6,8 x 7,7 m y un tamaño de escena
de 50 x 50 km. Con relación a los cuerpos de agua y zonas pantanosas, en la imagen
F6N con polarización HH se encontró, de acuerdo con la figura 9a, muy buena
discriminación de humedales y zonas pantanosas (1) y muy buena observación de
ríos y cuerpos de agua (2), tal y como fueron reconocidos en imágenes Radarsat-1
en trabajos anteriores (Posada y Melo, 2001).
En esta misma imagen, de acuerdo con la figura 9b, se encontró muy baja visua-
lización de canales de drenaje en el banano (3), muy buena observación de ríos y
cuerpos de agua (4) y aceptable discriminación de vías (5).
Figura 9. Imagen F6N con polarización HH; a) área baja del río Atrato y b) zona
bananera, Urabá
En otro tipo de coberturas, la imagen F6N con polarización HH (figura 10a)

registra aceptable discriminación entre las zonas urbanas y las plantaciones de
banano (6), pero baja definición del perímetro urbano (7). De otro lado, en la figura
10b esta imagen revela aceptable diferenciación de las cubiertas en la zona urbana
(8), buena discriminación entre las aguas y playones en ríos trenzados (9) y
definición de bosques riparios (10).
Igualmente, la imagen F6N con polarización HH muestra, según la figura 11a,
aceptable identificación de cercas vivas (árboles) (11). En la figura 11b presenta
aceptable contraste entre el bosque y las zonas taladas (12).
Figura 10. Imagen F6N con polarización HH; a) municipio de Carepa y b) Chigorodó
(Antioquia)
Figura 11. Imagen F6N con polarización HH, Chigorodó (Antioquia)
Producto: fino (Fine Quad-Pol)

Este grupo de imágenes tiene una resolución espacial de 5,4 x 8 m y un tamaño de
escena de 25 x 25 km. Si bien fueron tomadas con cuatro tipos de polarización, para
este análisis se trabajaron sin hacer una diferenciación de esta particularidad. Las
especificaciones a este respecto fueron aprovechadas en otro procedimiento de la
investigación denominado “Comparación entre las composiciones polarimétricas a
color de las imágenes Radarsat-2 en Urabá”, que se expone más adelante.
En la imagen FQ4 con multipolaridad se observa, según la figura 12a, muy
buena discriminación de humedales (zonas pantanosas) (1) con un color purpura y
muy buena discriminación de los ríos por su forma sinuosa y los cuerpos de agua,
como el golfo de Urabá de color verde (2). Según la figura 12b, se aprecia muy baja
visualización de canales de drenaje en el banano (3), muy buena observación de ríos
y cuerpos de agua (4) y aceptable discriminación de vías (5).
Figura 12. Imagen FQ4; a) desembocadura del río León en el golfo de Urabá y b)
Apartadó (Antioquia)
Por su parte, la imagen FQ18 (con las mismas características que la anterior)
permite apreciar, en la figura 13a, excelente discriminación entre los pastizales y las
plantaciones de banano (6) y entre las plantaciones de banano y las zonas urbaniza-
das (7). La imagen FQ18 muestra además, en la figura 13b, muy buena diferencia-
ción de las cubiertas en la zona urbana (8), buena discriminación por el color entre
las aguas y playones en ríos trenzados (9) y muy buena definición del perímetro
urbano (10).
Figura 13. Imagen FQ18; a) Apartadó y b) Carepa (Antioquia)
En la imagen FQ4, con estas mismas especificaciones, se tiene que en la figura

14a se aprecia una aceptable identificación de cercas vivas (árboles) (11).
Igualmente, en la figura 14b se aprecia un aceptable contraste entre el bosque y las
zonas taladas (12).
Figura 14. Imagen FQ4; a) Chigorodó y b) Carepa (Antioquia)
En esta misma imagen se pudo constatar, según la figura 15a, una buena
identificación de pistas aéreas (13), y en la figura 15b se verificó una muy buena
discriminación de bosques riparios en las vegas (14).
Finalmente, en la imagen FQ11 (con las mismas características de las imágenes
FQ4 y FQ18) se pudo apreciar, en relación con la fisiografía y geomorfología
(figura 16a), una buena tipificación de geoformas estructurales especiales
(chevrones) (15) y una buena identificación de lineamientos (16). Además de esto,
en la figura 16b se constató una buena diferenciación morfológica de las colinas C1
(denudativas bajas) y C2 (estructurales altas). Todas estas geoformas y rasgos
fueron reconocidos con anterioridad con el uso de imágenes Radarsat-1 (Cristancho
y Mendivelso, 1998).
Figura 15. Imagen FQ4; a) Nueva Colonia y b) Carepa (Antioquia)
Figura 16. Imagen FQ11, Apartadó (Antioquia)
Producto: standard
Este grupo de imágenes tiene una resolución espacial de 26,8-18,0 x 24,7 m y un
tamaño de escena de 100 x 100 km. En la imagen S2 se verifico, según la figura
17a, buena discriminación de humedales y zonas pantanosas (1) y buena
observación de ríos y cuerpos de agua (2). La figura 17b ofrece una deficiente
visualización de canales de drenaje en el banano (3), una buena observación de ríos
(4) y una aceptable discriminación de vías (5).
Figura 17. Imagen S2; a) desembocadura del río Atrato en el golfo de Urabá y b) zona
bananera en Apartadó (Antioquia)
De otro lado, en esta misma imagen se aprecia, según la figura 18a, buena
discriminación entre los pastizales y las plantaciones de banano (6) y entre las
plantaciones de banano y las zonas urbanas s (7). En la imagen S2 se encontró
además, según la figura 18b, deficiente diferenciación de las cubiertas en la zona
urbana (8) y buena definición del perímetro urbano (10).
De acuerdo con la figura 19a, se aprecia deficiente identificación de cercas vivas
(árboles) (11) y aceptable discriminación de bosques riparios (12). Igualmente,
como se evidencia en la figura 19b, existe un deficiente contraste entre el bosque y
las zonas taladas (13).
Figura 18. Imagen S2, Apartadó (Antioquia)
Figura 19. Imagen S2; a) Chigorodó y b) Carepa (Antioquia)
En la figura 20a se muestra una buena identificación de pistas aéreas (14) y en la

figura 20b una buena discriminación de playones en ríos trenzados (15).
De otra parte, en la imagen S2 se pudo constatar también (figura 21a) buena
tipificación de geoformas estructurales especiales (chevrones) (16) y buena
identificación de lineamientos (17), incluyendo aquellos que no han sido reportados
en la cartografía geológica y estructural de Ingeominas (1997). De igual manera, en
la figura 21b se pudo evidenciar una buena diferenciación morfológica de las
colinas (C1 y C2).
Figura 20. Imagen S2; a) Apartadó y b) río Sucio, municipio de Mutatá (Antioquia)
Figura 21. Imagen S2; a) occidente del embalse de Urrá en Valencia y b) sur del embalse
de Urrá en Tierra Alta (Córdoba)
Comparación entre las composiciones polarimétricas a color de las imágenes

Radarsat-2 en Urabá
En este aparte se siguieron los aportes de Dirk H. Hoekman (2003), quien ha
trabajado con matrices matemáticas en zonas agrícolas para hacer clasificaciones
supervisadas; no obstante, en esta investigación se empleó únicamente el
procedimiento análogo de visualización directa en las imágenes.
Zona urbana e infraestructura vial.

Imagen PK54333 DK52424 FQ18 SLC, resolución 5,5 x 8,0
En una primera comparación, se seleccionaron las posiciones HH, HV y VH. Se
tiene entonces que las vías (1) se aprecian de manera clara en las combinaciones
(D) HV-HH-VH, (F) VH-HH-HV y (B) HH-VH-HV que en las demás A, C y E
(figura 22). De otro lado, la zona urbana se discrimina muy bien en relación al en-
torno, ya que exhiben colores con alta saturación (fuertes) en rojo azul y verde en
todas estas combinaciones. El cultivo de banano que ocupa la parte central en las
seis ventanas presenta el mismo tono gris con moteos (pecas).
Figura 22. Comparación de las imágenes Radarsat-2 polarimétricas en las composiciones

HH, HV y VH en zona urbana
En una segunda comparación, se han seleccionado las posiciones HH, HV y

VV. De acuerdo con esto, se tiene que las vías se aprecian de manera clara en todas
las combinaciones (figura 23). De otro lado, en la composición (F) VV-HH-HV y
(E) VV-HV-HH, se discriminan unas manchas correspondientes a coberturas de
banano (2), las que presentan con color amarillo y magenta respectivamente, entre
las colinas que se orientan de norte a sur y cuyo color es verde y gris muy oscuro.
Aunque en todas estas combinaciones la zona urbana presenta un color diferente y
fuerte, esta se muestra mejor en la combinación (B) HH-VV-HV, ya que se
aprecian en su interior dos tonalidades (rojo y amarillo) que indican diferencias en
las cubiertas de las casas.
Figura 23. Comparación de las imágenes Radarsat-2 polarimétricas en las posiciones 1, 2 y

4 en zona urbana
Valles aluviales
Imagen de cuadro fino polarizado
Corresponde a la referencia Radarsat: PK54333 DK52424 FQ18 SLC, resolución
5,5 x 8,0. En esta comparación se emplearon las posiciones HH, VH y VV. De
acuerdo con estos parámetros, se tiene que los valles de los ríos (1) muestran una
diferenciación notable que se evidencia por el contraste entre las terrazas aledañas y
las vegas en todas las ventanas, debido a que las vegas tienen playas de arena des-
provistas de vegetación y cursos de agua. Igualmente, el caserío conocido como
Piedras Blancas (2) y una zona urbana (3) se diferencian bien en cualquier combi-
nación (figura 24).
Figura 24. Comparación de las imágenes Radarsat-2 polarimétricas en las posiciones HH,
HV y VV en valles aluviales
Áreas pantanosas (humedales) y plantaciones de banano

Cuadro fino polarizado
Este corresponde a la especificación de Radarsat: imagen PK55333 DK53969 FQ4
SLC, resolución 5,5 x 8,0. En primer lugar, las composiciones (A) HH-HV-VH y
(B) HH-VH-HV ilustradas mediante los dos cuadrantes superiores de la figura 25,
tienen una base rojiza en toda la imagen, salpicada por puntos azul verdosos, que
varían en su tono según la cobertura. En estas mismas combinaciones, la parte
marítima del golfo de Urabá se visualiza el agua con colores rojos (6) y azul
verdoso en la cobertura de pantano (7). Las diferencias de cobertura al interior de la
zona pantanosa se visualizan con relativa claridad. El buen contraste de tono y color
entre las plantaciones de banano (8) con respecto a las zonas pantanosas (7), al
igual que la zona urbana (10) y su entorno, hacen que estas coberturas resulten
fáciles de discriminar entre sí.
En segundo lugar, la composición (C) VH-HV-HH en este grupo (tercer
cuadrante de la figura 25) es la única que presenta una apariencia azul en el agua
del golfo (11) y el río León (12), mientras que el color en la zona de pantano (13) es
azul claro con pintas de color amarillo verdoso. El contraste tonal en la plantación
de banano y la zona urbana, en relación con su contexto, no es tan bueno como en
las combinaciones anteriores. En general, estas combinaciones tienen la tendencia a
aparecer con alguno de los tres colores primarios, es decir, azul, verde o rojo (figura
25).
Figura 25. Comparación de las imágenes Radarsat-2 polarimétricas en las posiciones HH,
HV y VH en pantanos
En tercer lugar, las combinaciones (D) HV-VH-HH, (E) VH-HH-HV y (F) HV-
HH-VH (tres últimos cuadrantes de la figura 25) tienen el mismo resultado en la
apariencia de la imagen. El agua del golfo y el río León se ven de color verde (1).
En estas composiciones se discrimina muy bien una cobertura distinta de color
verde claro (2) en la parte central del pantano, con relación a su entorno, también
pantanoso, con una coloración púrpura (3). Igualmente, en esta combinación se
diferencian bien los cultivos de banano en color lila (4) y la zona urbana, con color
verde claro fuerte (5).
Un segundo grupo lo constituyen las composiciones a color en las que se han
incluido la banda cuatro, es decir, la polarización vertical-vertical (VV), y se ha
dejado de lado la polarización horizontal-horizontal (HH). En síntesis, se tendrían
las bandas 2, 3 y 4 correspondientes a las polarizaciones HV, VH y VV. En general,
las combinaciones que se derivan de estos tres tipos de polarizaciones no presentan
mayores mejoras en cuanto al contraste que existe entre las coberturas para poder
diferenciarlas.
Por ejemplo, las dos primeras composiciones que corresponden a (A)VV-VH-
HV y (B)VV-HV-VH (figura 26) tienen un aspecto muy parecido en cuanto a la
tonalidad de las dos primeras combinaciones del grupo anterior, es decir, rojo en el
mar, azul en los pantanos, rosa medio en los pastos y rosa claro en las plantaciones
de banano. La diferencia radica en el hecho de que el contraste al interior de los
pantanos y también con los pastos es muy tenue, lo cual dificulta su diferenciación.
Esto se puede visualizar en el área resaltada con el círculo (1) en las dos composi-
A
ciones mencionadas de la figura 26. Igualmente, las zonas urbanas en estas dos A
imágenes no se resaltan bien. No obstante esta característica, el contraste entre el
banano y los pastizales es muy bueno. Estas combinaciones también tienden a apa-
recer con alguno de los tres colores primarios (rojo, verde o azul).
Figura 26. Comparación de las imágenes Radarsat-2 polarimétricas en las posiciones HV,
VH y VV en pantanos, aguas y plantaciones de banano X
De otro lado, las composiciones (C) VH-VV-HV y (D) HV-VV-VH (cuadrantes

3 y 4 de la figura 26) tienen una tendencia al color verde, principalmente en el mar
(verde oscuro) y los pantanos (verde claro). Dentro de los pantanos no es muy clara
la diferenciación de especies vegetales. La zona urbana se distingue bien, aunque se
ve mejor en las combinaciones de apariencia verde del grupo anterior. La mejora
notable en la visualización se aprecia en las coberturas de pasto y las plantaciones
de banano, si se tiene en cuenta que el color púrpura fuerte en los pastos contrasta
muy bien con el color lila del banano. Esto último se aprecia el área señalada con el
círculo 2 en la figura 26.
El último par de composiciones de este grupo, es decir, las combinaciones (E)
VH-HV-VV y (F) HV-VH-VV (figura 26), presentan igual tendencia al color azul
índigo en aguas del golfo, verde oliváceo en pastos, cian en los pantanos y azul
turquesa en las zonas urbanas. En general, estas dos composiciones no ofrecen
mayores elementos pictóricos que sirvan para diferenciar coberturas, dado su bajo
contraste.
En cuanto al tercer grupo de composiciones a color, incluye las bandas 1, 2 y 4,
es decir, las correspondientes polarizaciones HH, HV y VV. Este grupo fue el que
resultó de mayor utilidad para los propósitos buscados, ya que las seis combinacio-
nes tienen una expresión cromática diversa entre sí y de excelentes contrastes en sus
coberturas.
Como se puede visualizar en la figura 27, en el sector de pantanos todas las
imágenes muestran una buena diferenciación en su interior; sin embargo, en la
composición (A) VV-HV-HH este aspecto se diluye un poco, quizás porque los dos
colores, tanto el del pantano como el del área circundante con pastos tienen un
matiz muy cercano (figura 27a). Las otras cinco composiciones de polarización
muestran mejor este mismo aspecto, pero definitivamente la combinación (F) HV-
HH-VV (última ventana de la figura 27) presenta un alto contraste cromático muy
evidente, hecho que posibilita la diferenciación al interior de la cobertura de panta-
nos, si se tiene en cuenta que se resalta muy bien un color verde claro(señalado con
el circulo b de la figura 27 en la ventana B), aspecto que es más tenue en la otras
cinco combinaciones.
De otro lado, las plantaciones de banano presentan una muy buena definición
en relación con el entorno de pastos en todo este grupo de composiciones de polari-
zación. La zona urbana se aprecia mejor en las composiciones VV-HV-HH y HH-
HV-VV debido al contraste entre el color violeta y el rosa fuerte (figura 27c). La
riqueza cromática en estas últimas composiciones a color posibilita considerable-
mente la interpretación visual y los procesos de clasificación supervisada, ventaja
que supera ampliamente la utilización de imágenes de radar con un solo tipo de
polarización.
Figura 27. Comparación de las imágenes Radarsat-2 polarimétricas en las posiciones HV,
VH y VV en pantanos, aguas y plantaciones de banano
A diferencia de los dos grupos anteriores, estas combinaciones no tienen una

tendencia definida a aparecer con alguno de los tres colores primarios (rojo, verde o
azul), sino que conforman matices intermedios muy distintos en las seis
composiciones de polarización. Aunque no se sabe con certeza cuál es la
explicación de este fenómeno, esta propiedad es la que facilita la diferenciación de
coberturas.
Trabajos futuros
Las composiciones a color de imágenes polarimétricas Radarsat-2 aumentan las
posibilidades para discriminar coberturas, particularmente en terrenos con
topografía plana. En este sentido, el monocultivo del banano visualizado en Urabá
no es un buen escenario para discriminar cultivos, por lo que se recomienda hacer
este ejercicio en otras zonas agrícolas del país, como el Valle del Cauca, las
planicies circundantes al río Magdalena o las planicies de Córdoba y Sucre, entre
otras.
El proceso de clasificación digital que se realizó sobre la imagen tuvo muy
buenos resultados, ya que se logró discriminar muy bien las coberturas presentes en
la zona de Urabá. Se observa que aún existen algunos inconvenientes, dado que los
algoritmos usados pueden confundir las respuestas que presenta la imagen ante
coberturas como cuerpos de agua y las sombras de las montañas, por lo que se
propone seguir optimizando estos procedimientos con imágenes que tengan estas
especificaciones u otras mejores.
Conclusiones
Las imágenes de Radarsat-2 posibilitaron hacer una buena extracción de
información relacionada con cobertura y fisiografía, proceso que hubiera sido muy
difícil de lograr con sensores ópticos debido a la presencia de nubes en la zona de
estudio casi todo el año.
Las imágenes de Radasat-2 polarizadas son una muy buena alternativa para la
discriminación de coberturas en terrenos con vegetación rastrera y cultivos que
tengan un intenso laboreo; en cultivos permanentes, como el de banano, se observa
una textura, tono y patrón que facilitan su diferenciación con relación a su entorno.
Las imágenes de alta resolución en los productos finos y ultrafinos hacen
posible la identificación plena de varios objetos relacionados con infraestructura
física, adicional a esto, tienen el excelente complemento de la polarización, cuyas
combinaciones en color discriminan estructuras y cobertizos, en zonas urbanas.
Si bien es cierto que las imágenes Radarsat-2 muestran una riqueza visual en
cuanto a estructuras y rasgos geomorfológicos en zonas planas, la polarización en
terrenos quebrados no aporta mayores elementos que faciliten la interpretación.
El trabajo con composiciones a color de imágenes polarimétricas Radarsat-2
aumenta las posibilidades para discriminar coberturas; sin embargo, estas son
mucho más útiles en terrenos con topografía plana que en las zonas quebradas.
A partir de los resultados obtenidos se puede observar que estas imágenes
proporcionan información de precisión sobre las coberturas terrestres y el flujo de
trabajo realizado, y admite de manera automática el procesamiento digital de los
datos, agilizando así el proceso para la obtención de coberturas terrestres.
Por ventajosas que sean las imágenes de radar, estas no sustituyen los demás
productos de sensores remotos, tales como las imágenes ópticas y las fotografías
aéreas, sino que complementan de manera importante la labor de reconocimiento de
coberturas o geoformas.
Por más que se estén dando permanentemente adelantos tecnológicos que
mejoren la calidad de las imágenes en el proceso de teledetección, el rigor científico
exigirá que se haga un control de campo. Sin esta actividad, toda hipótesis
planteada en la interpretación de las imágenes carecerá de sustento.
Agradecimientos
El IGAC agradece a la Agencia Espacial Canadiense el acceso a los datos Radarsat-
2 con fines de investigación y pruebas, que se materializó mediante el programa de
colaboración Science and Operational Applications Research (SOAR), iniciativa
conjunta entre MacDonald, Dettwiler and Associates Ltd., MDA Geospatial
Services Inc. (MDA GSI) y el Gobierno de Canadá a través de la Agencia Espacial
Canadiense (CSA) y el Centro Canadiense de Percepción Remota (CCRS).
Bibliografía
Boerner, W. M. (2008). “Basic concepts in radar polarimetry”, en PolSARPro v3.0,
Lecture Notes. European Space Agency (ESA), Frascati, Rome. Disponible en:
http://earth.eo.esa.int/polsarpro/Manuals/LN_Basic_Concepts.pdf.
Cristancho, A. y Mendivelso, D. (1998). “Utilización de las imagines de Radarsat-1 en
la cartografía geológica y exploración de los recursos naturales en la Serranía del
Darién y Bajo Atrato, Colombia”, en Primer Simposio GlobeSAR 2: las Aplicacio-
nes de Radarsat en América Latina, Instituto Geográfico Agustín Codazzi, Bogotá,
pp. 333-340.
Erdas Imagine (2001). Imagine Radar Mapping Suite™. User’s Guide, Erdas Inc.,
Atlanta, Georgia. Disponible en:
http://www.gis.usu.edu/unix/imagine/RMS_TourGuide.
Exelis Visual Information Solutions (2014). ENVI Classic Tutorial: Polarimetric SAR
Processing and Analysis, Harris Corporation, EE. UU. Disponible en:
http://www.harrisgeospatial.com/portals/0/pdfs/envi/Polarimetric_SAR.pdf.
Ferro-Famil, L., Pottier, E. , Corr, D. y Rodrigues, A. (2003). “Statistical segmentation
of polarimetric SAR data”, en Proceedings of the Workshop POLinSAR Applica-
tions of SAR Polarimetry and Polarimetric Interferometry, European Space Agen-
cy (ESA), Frascati, Rome, January 14-16. Disponible en:
http://earth.esa.int/workshops/polinsar2003/papers/15_ferrofamil.pdf.
Hoekman, D. H. (2003). “A new polarimetric classification approach evaluated for
agricultural crops” en Proceedings of the Workshop POLinSAR Applications of
SAR Polarimetry and Polarimetric Interferometry, European Space Agency
(ESA), Frascati, Rome, January 14-16. Disponible en:
http://earth.esa.int/workshops/polinsar2003/papers/11_hoekman.pdf.
Ingeominas (1997). “Plancha 5-05, escala 1:500.000” en Atlas geológico digital de
Colombia, Ingeominas, Bogotá.
Instituto Geográfico Agustín Codazzi (IGAC), Instituto de Hidrología, Meteorología y
Estudios Ambientales (Ideam) y Corporación Autónoma Regional del Río Grande
de la Magdalena (Cormagdalena) (2008). Mapa de cobertura de la tierra, cuenca
Magdalena-Cauca. Metodología Corine Land Cover adaptada para Colombia, es-
cala 1:100.000, Imprenta Nacional de Colombia, Bogotá.
Natural Resources Canada (NRC), GlobeSAR (2010a). Introducción a la percepción

remota mediante radar, Natural Resources Canada, Canadá. Disponible en:
ftp://ftp.ccrs.nrcan.gc.ca/ad/MAS/globesar/spa/bas_intro_s.pdf.
Natural Resources Canada (NRC), GlobeSAR (2010b). Polarimetría mediante
radares, Natural Resources Canada, Canadá. Disponible en:
http://www.ccrs.nrcan.gc.ca/resource/tutor/gsarcd/pdf/adv_pol_s.pdf.
Posada, E. y Melo, H. (2001). “Evaluación de las imágenes de Radarsat-1 para elaborar
cartografía de cobertura y uso de la tierra del medio ambiente del bosque húmedo
tropical Darién, Colombia” en Revista Cartográfica, 73, Instituto Panamericano de
Geografía e Historia, México, pp. 49-62.
Pottier, E. y Ferro-Famil, L. (2004). PolSARpro v4.0. A General Presentation, Institut
d'Electronique et de Télécommunications de Rennes, Université de Rennes I,
France. Disponible en:
http://earth.eo.esa.int/polsarpro/Manuals/PolSARpro_v4.0_Presentation.pdf.
Pottier, E., Lee, J. E. y Ferro-Famil, L. (2008). “Advanced Concepts” en PolSARPro
v3.0, Lecture Notes, European Space Agency (ESA), Frascati, Rome. Disponible
en: https://earth.esa.int/documents/653194/656796/LN_Advanced_Concepts.pdf.
Serrato, P. (2009). “Nuevos elementos conceptuales para la clasificación fisiográfica
del terreno”, en Revista Análisis Geográficos, 40, Panamericana formas e
impresos, Bogotá, pp. 125-153.
View publication stats

111-Texto Del Artículo-640-2-10-20180424

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

111-Texto Del Artículo-640-2-10-20180424

Uploaded by

Copyright:

Available Formats

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

Validación de imágenes Radarsat-2 enUrabá- Colombia-25-04-2017

Preprint · April 2018

geomorfologia View project

cartografia View project

The user has requested enhancement of the downloaded file.

Validación de imágenes de radar polarimétrico

Pedro Karin Serrato Álvarez *

María Eunice Bernate Suárez **

Recebido 15 de julho de 2014; aceito 18 de julho de 2014

* Instituto Geográfico Agustín Codazzi (IGAC), Centro de Investigación y Desarrollo en

radiación electromagnética del terreno, ya sea horizontal o verticalmente. Cuando la

Figura 1. Ubicación de la zona de estudio. Fuente: mapa departamental de Antioquia

Figura 2. Diagrama metodológico para el procesamiento de las imágenes de radar

Tipo de imágenes de satélite

Imágenes con polarización Modo de Fecha de

Fuente: investigación IGAC-CIAF.

Equipos y software empleados

Validación de cada producto Radarsat-2 frente a la definición de objetos y

Matriz de evaluación de imágenes Radarsat-2

Fuente: investigación CIAF-IGAC.

Discriminación Excelente Buena Excelente Buena

Diferenciación Muy Aceptable Muy buena Deficiente

Visualización Muy Muy baja Muy baja Deficiente

Observación Excelente Muy buena Muy buena Buena

Discriminación Muy Buena Buena Buena

Identificación Excelente Aceptable Aceptable Deficiente

Contraste entre Muy Buena Aceptable Deficiente

Tipificación de Buena - Buena Buena

Identificación Buena - Buena Buena

Diferenciación Muy - Buena

Discriminación Muy Aceptable Aceptable Aceptable

Definición de Muy Aceptable Muy buena Baja

Visión general Buena Muy buena Muy buena Excelente

Detalle en Muy Aceptable Baja Muy baja

Discriminación - Muy buena Muy buena Buena

Fuente: investigación IGAC-CIAF.

Evidencias gráficas de la validación de imágenes Radarsat-2

Figura 3. Evidencias gráficas de la imagen U13 con polarización HH en zona urbana y en

Figura 4. Evidencias gráficas de la imagen U13 con polarización HH en ríos, praderas y

Figura 5. Evidencias gráficas de la imagen U13 con polarización HH en formas del

Igualmente, se advierte en la figura 6a una excelente identificación de pistas

existe muy buena diferenciación morfológica de las colinas del tipo C1

Figura 6. Evidencias gráficas de la imagen U13 con polarización HH en aeropuerto y

Con relación a la polarización de los productos ultrafinos, es importante anotar

Figura 8. Imagen U13; PK55331 DK53967; polarización HH; Apartadó (Antioquia)

En otro tipo de coberturas, la imagen F6N con polarización HH (figura 10a)

Figura 11. Imagen F6N con polarización HH, Chigorodó (Antioquia)

Producto: fino (Fine Quad-Pol)

Figura 13. Imagen FQ18; a) Apartadó y b) Carepa (Antioquia)

En la imagen FQ4, con estas mismas especificaciones, se tiene que en la figura

Figura 14. Imagen FQ4; a) Chigorodó y b) Carepa (Antioquia)

Figura 15. Imagen FQ4; a) Nueva Colonia y b) Carepa (Antioquia)

Figura 16. Imagen FQ11, Apartadó (Antioquia)

Figura 18. Imagen S2, Apartadó (Antioquia)

Figura 19. Imagen S2; a) Chigorodó y b) Carepa (Antioquia)

En la figura 20a se muestra una buena identificación de pistas aéreas (14) y en la

Comparación entre las composiciones polarimétricas a color de las imágenes

Zona urbana e infraestructura vial.

Figura 22. Comparación de las imágenes Radarsat-2 polarimétricas en las composiciones

En una segunda comparación, se han seleccionado las posiciones HH, HV y

Figura 23. Comparación de las imágenes Radarsat-2 polarimétricas en las posiciones 1, 2 y

Áreas pantanosas (humedales) y plantaciones de banano