Tècniques de processament d'imatges de satèl·lit en geofísica
La teledetecció basada en satèl·lits s'ha convertit en un element crucial de la recerca i les aplicacions geofísiques modernes. A través d'imatges de satèl·lit, els geofísics poden observar la superfície de la Terra de manera extensa, periòdica i consistent, des de les característiques geològiques i la dinàmica tectònica fins als canvis de la costa i la deformació de la superfície causada per terratrèmols o activitat volcànica. Tanmateix, les imatges de satèl·lit no són fàcilment utilitzables. Cal una sèrie de tècniques de processament per millorar la qualitat de les dades, extreure informació geofísica rellevant i minimitzar les interferències com ara núvols, soroll o distorsió geomètrica. Aquest article tracta les principals tècniques per processar imatges de satèl·lit en un context geofísic, des del preprocessament fins a l'anàlisi avançada.
1. Tipus d'imatges de satèl·lit que s'utilitzen habitualment en geofísica
En geofísica, s'utilitzen diversos tipus de dades de satèl·lit que sovint són:
1. Òptica multiespectral (per exemple, Landsat, Sentinel-2)
Proporciona informació de reflectància superficial a múltiples longituds d'ona. Útil per cartografiar litologia, minerals d'alteració, vegetació (com a indicador indirecte de les condicions del sòl) i canvis en el paisatge.
2. Tèrmic (per exemple, Landsat TIRS, MODIS)
Mesurar les emissions de calor superficial per a l'anàlisi d'anomalies tèrmiques, per exemple, monitoritzar volcans, fluxos de lava o canvis de temperatura superficial relacionats amb l'activitat hidrotermal.
3. Radar (radar d'obertura sintètica/SAR: Sentinel-1, ALOS PALSAR)
Capaç de penetrar els núvols i funcionar les 24 hores del dia, és essencial per cartografiar estructures, canvis superficials i analitzar deformacions mitjançant tècniques InSAR.
4. Altimetria i gravetat per satèl·lit (per exemple, CryoSat, GRACE/GRACE-FO)
Tot i que no són "imatges" en el sentit visual convencional, aquestes dades sovint es processen en mapes geofísics com ara canvis en la massa d'aigua, anomalies gravitatòries o canvis en el gruix del gel.
La selecció del tipus de dades determinarà el flux de processament adequat, ja que les característiques del soroll, la resolució i les propietats físiques dels senyals varien.
2. Preprocessament: la base de la qualitat de l'anàlisi
La fase de preprocessament té com a objectiu preparar les dades perquè siguin adequades per a l'anàlisi quantitativa i es puguin comparar al llarg del temps o entre sensors.
a. Correccions radiomètriques i atmosfèriques
Les imatges òptiques registren la intensitat, que està influenciada per les condicions atmosfèriques (aerosols, vapor d'aigua) i l'angle de la radiació solar. La correcció radiomètrica converteix els valors digitals (DN) en reflectància o radiància físicament significativa. La correcció atmosfèrica, per exemple, mitjançant el mètode de subtracció d'objectes foscos o enfocaments basats en models atmosfèrics, ajuda a produir una reflectància superficial més precisa. En geofísica, això és crucial perquè les diferències en els valors espectrals reflecteixin realment les diferències en el material o les condicions de la superfície, en lloc dels canvis atmosfèrics.
b. Correcció geomètrica, ortorrectificació i reprojecció
La distorsió geomètrica pot sorgir dels angles d'escaneig dels sensors, la topografia i el moviment dels satèl·lits. L'ortorectificació utilitza un model d'elevació digital (DEM) per corregir els efectes del relleu de manera que les posicions dels píxels s'alineïn amb les coordenades reals. Aquest pas és crucial per cartografiar falles, plecs, límits litològics o canvis superficials que requereixen una alta precisió espacial.
c. Emmascarar núvols i ombres
En imatges òptiques, els núvols són un obstacle important. Les tècniques d'emmascarament utilitzen bandes de qualitat (bandes QA), llindars espectrals o algoritmes com ara Fmask per identificar els núvols i les seves ombres. Per a estudis de canvis de terreny o cartografia geològica en regions tropicals, sovint s'utilitzen estratègies de composició multitemporal per "omplir" zones ocultes pels núvols.
d. Filtratge de motejat per a dades SAR
Les imatges SAR tenen un soroll característic anomenat motejat. S'utilitzen diversos filtres (Lee, Frost, Gamma-MAP) per reduir el motejat sense eliminar els detalls de les vores, cosa que és important per interpretar les estructures geològiques. La selecció del filtre requereix un equilibri: massa agressiu enfosquirà el lineament, mentre que massa feble deixarà soroll.
3. Millora d'imatges per a la interpretació geològica
En la cartografia estructural i litològica, la millora d'imatges té com a objectiu ressaltar certes característiques perquè siguin fàcilment reconegudes.
a. Composició de bandes i transformació de color
Els compostos RGB de bandes específiques poden ressaltar les diferències materials. Per exemple, una combinació de bandes d'infraroig proper i infraroig d'ona curta sovint és eficaç per distingir els tipus de roca o les zones d'alteració. També s'utilitzen tècniques d'estirament de descorrelació per millorar el contrast entre les bandes, fent visibles variacions subtils.
b. Afinació i transformació espacial
Un filtre de pas alt o un emmascarament de focalització poden emfatitzar les vores i els lineaments, que sovint s'associen amb zones de falla o fractura. A més, l'anàlisi de textures (per exemple, GLCM—Gray Level Co-occurrence Matrix) ajuda a quantificar la diversitat dels patrons superficials, útil per distingir unitats geomorfològiques i litològiques.
c. Transformació espectral: PCA i relació de banda
L'anàlisi de components principals (PCA) redueix la dimensionalitat de les dades multiespectrals i destaca les variacions dominants que poden estar relacionades amb diferències geològiques. Les relacions de bandes s'utilitzen sovint en l'exploració mineral perquè alguns minerals tenen una absorció característica a longituds d'ona específiques. En geofísica aplicada, les relacions de bandes poden proporcionar una indicació inicial de les zones de prospecte abans dels estudis de camp o la geofísica detallada.
4. Classificació i extracció d'informació
Un cop la imatge està a punt, el següent pas és extreure sistemàticament la informació geofísica.
a. Classificació supervisada i no supervisada
La classificació supervisada (per exemple, SVM, Random Forest) requereix dades d'entrenament del camp o d'un mapa de referència. La classificació no supervisada (k-means, ISODATA) agrupa els píxels segons la similitud espectral sense etiquetatge previ. En geofísica, els resultats de la classificació poden ajudar a cartografiar la litologia superficial, la distribució de sediments, les zones d'alteració hidrotermal o les unitats geomorfològiques relacionades amb els processos tectònics.
b. Segmentació i anàlisi d'imatges basada en objectes (OBIA)
L'OBIA agrupa els píxels en objectes segons l'espectre i la forma i després els classifica. Aquest mètode sovint és millor per a imatges d'alta resolució perquè les estructures geològiques, com ara lineaments, ventalls al·luvials o patrons de drenatge, tenen més significat com a objectes que els píxels individuals.
c. Extracció de lineaments
Els lineaments són elements lineals que poden representar falles, fractures o contactes litològics. Les tècniques d'extracció inclouen la detecció de vores (Canny, Sobel), la transformada de Hough i el filtratge direccional. Els mapes de lineaments es poden comparar amb altres dades geofísiques, com ara anomalies magnètiques o dades sísmiques, per interpretar estructures del subsòl.
5. Interferometria SAR (InSAR) per a la deformació superficial
Una de les majors contribucions de les imatges de satèl·lit a la geofísica és l'InSAR, que utilitza les diferències de fase de les ones de radar de dues o més adquisicions per calcular els canvis en la distància entre el satèl·lit i la superfície. Amb l'InSAR, es poden cartografiar deformacions d'uns quants centímetres a mil·límetres sobre grans àrees per:
– deformació co-sísmica i post-sísmica,
– inflació/deflació volcànica,
– enfonsament del terreny a causa de l'extracció d'aigües subterrànies,
– estabilitat de vessants i esllavissades.
El processament InSAR implica el coregistrament d'imatges, la formació d'interferogrames, la reducció de fase topogràfica (mitjançant un DEM), el filtratge de fase, el desembolicatge i la correcció atmosfèrica. Les tècniques de sèries temporals com ara PSInSAR o SBAS milloren la precisió analitzant múltiples imatges durant un llarg període.
6. Integració amb altres dades geofísiques i validació de camp
Les imatges de satèl·lit poques vegades es mantenen soles. El seu valor més gran sorgeix quan es combinen amb altres dades geofísiques com ara:
– magnètica i gravitatòria per estimar l'estructura i la densitat del subsòl,
– sísmica per a la geometria de les capes i les falles,
– geoquímica per a la verificació d'alteracions,
– GPS i anivellament per a la validació dels resultats de deformació InSAR.
La validació de camp continua sent important, especialment per confirmar interpretacions litològiques, confirmar falles actives i prendre mostres.
7. Reptes i direccions de desenvolupament
Alguns dels principals reptes del processament d'imatges de satèl·lit en geofísica inclouen l'heterogeneïtat topogràfica, la cobertura de núvols, les diferències en les característiques dels sensors i els requisits computacionals per a grans conjunts de dades. Tanmateix, el desenvolupament de la computació en núvol i plataformes com Google Earth Engine, juntament amb els avenços en l'aprenentatge automàtic i l'aprenentatge profund, estan accelerant el processament multitemporal i multisensor. En el futur, la integració de dades de satèl·lit geofísic òptic, SAR, tèrmic i clàssic millorarà encara més la capacitat de monitoritzar els processos dinàmics de la Terra gairebé en temps real.
Tancament
Les tècniques de processament d'imatges de satèl·lit en geofísica inclouen el preprocessament (correccions radiomètriques, geomètriques i de filtratge), la millora d'imatges, la classificació i l'extracció de característiques, i l'anàlisi avançada com ara InSAR per a la deformació de la superfície. Amb l'enfocament adequat, les imatges de satèl·lit poden ser una eina altament eficaç per comprendre els processos geològics i geodinàmics, donar suport a l'exploració de recursos i la mitigació de desastres. La clau de l'èxit rau en la selecció adequada de dades, el processament acurat, la integració multifont i una verificació de camp adequada.
