Atmosfera

A figura 4.27 apresenta o resultado da fase desenrolada da parte espacialmente correla- cionada (atraso atmosf´erico e erro das ´orbitas) filtrada da fase observada em radianos para a data 12 de abril de 2009. E a figura 4.28 o atraso atmosf´erico determinado a partir de um modelo de previs˜ao WRF para o mesmo intervalo de tempo.

A figura 4.29 apresenta o resultado da fase desenrolada da parte espacialmente correla- cionada (atraso atmosf´erico e erro das ´orbitas) filtrada da fase observada em radianos para a data 21 de junho de 2009. E a figura 4.30 o atraso atmosf´erico determinado a partir de um modelo de previs˜ao WRF para o mesmo intervalo de tempo.

Cap´ıtulo 4. An´alise sensitiva da refratividade atmosf´erica 48

Comparando os resultados obtidos com as respetivas previs˜oes, isto ´e a figura 4.27 vs. a figura 4.28 e a figura 4.29 vs. a figura 4.30, verifica-se que s˜ao diferentes mas apresentam semelhan¸cas no padr˜ao. Essas semelhan¸cas s˜ao bem vis´ıveis ao n´ıvel da orienta¸c˜ao destes. Esta diferen¸ca pode ser explicada pela presen¸ca de outras contribui¸c˜oes de fase no resultado filtrado, como por exemplo os erros das ´orbitas.

(a) Conjunto A (b) Conjunto B

Figura 4.27: Fase (desenrolada) devida ao atraso atmosf´erico e erro das ´orbitas da imagem master (17-05-2009) e slave (12-04-2009).

Figura 4.28: Fase interferom´etrica do atraso atmosf´erico modelada a partir de um modelo de previs˜ao WRF para 12 de abril de 2009.

(a) Conjunto A (b) Conjunto B

Figura 4.29: Fase (desenrolada) devida ao atraso atmosf´erico e erro das ´orbitas da imagem master (17-05-2009) e slave (21-06-2009).

Figura 4.30: Fase interferom´etrica do atraso atmosf´erico modelada a partir de um modelo de previs˜ao WRF para 21 de junho de 2009.

Cap´ıtulo 5

Conclus˜ao

O m´etodo de sele¸c˜ao de PS proposto por Hooper et al. [2004] e implementado no StaMPS parece de facto conseguir detetar mais PS que a t´ecnica original proposta por Ferretti et al. [2001], porque 93 % dos PS selecionados neste estudo tˆem o ´ındice de dispers˜ao da amplitude superior a 0.25, valor este utilizado como limite m´aximo na sele¸c˜ao de PSC na t´ecnica original.

No entanto a sele¸c˜ao de apenas 10 % dos PSC de entrada (pixeis com Da< 0.4) como PS

parece ser exageradamente baixa quando confrontada com os histogramas de coerˆencia gerados no inicio do processamento (passo 2), como ´e claramente visivel na figura 4.26. Isto aponta para uma sele¸c˜ao muito ineficiente. Sugere-se assim uma revis˜ao dos passos respons´aveis por esta sele¸c˜ao. Destacam-se os passos 3 (a) e 4 (a) devido `as suas grandes perdas de 70 % e 50 % respetivamente.

A recta claramente n˜ao ´e o melhor modelo para a rela¸c˜ao γ∗ = f (Da), como se pode

constatar pela an´alise das figuras 4.8a e 4.8b. Pixeis com Da muito baixo est˜ao a ser

descartados por esse motivo. Com um modelo mais adequado poderia-se aumentar o n´umero de PS selecionados.

A solu¸c˜ao de eliminar todos os pixeis vizinhos entre si, excepto o de maior coerˆencia, de todos os aglomerados de PSC, parece ser demasiado simplista, acabando por poder excluir muitos PS verdadeiros.

A remo¸c˜ao da atmosfera antes do processamento n˜ao influˆencia significativamente o n´umero de PS selecionados. Mas influˆencia os resultados da fase desenrolada e conse- quentemente a sua velocidade.

Dos resultados obtidos pode constatar-se que por um lado o StaMPS n˜ao tem capaci- dade para determinar (e isolar) o atraso atmosf´erico como mostram as figuras 4.27 e 4.29 quando comparadas com as previs˜oes determinadas pelo modelo WRF das figuras 4.28 e 4.30, por outro lado o StaMPS tem capacidade para o remover, como mostram as diferen¸cas entre os dois resultados, no entanto ´e uma remo¸c˜ao deficiente como demons- tram os padr˜oes em estrias que surgem da diferen¸ca dos dois resultados (conjunto A e B).

Estes padr˜oes em estrias podem estar associados `a remo¸c˜ao das rampas, porque para al´em de surgirem ap´os a sua remo¸c˜ao estes padr˜oes tˆem a mesma orienta¸c˜ao daquelas. Embora esta t´ecnica j´a esteja a ser utilizada para a medi¸c˜ao de deslocamentos ao n´ıvel da precis˜ao geod´esica, ainda apresenta muitas limita¸c˜oes para este tipo de aplica¸c˜ao. Para al´em dos problemas bem conhecidos como a geometria de aquisi¸c˜ao que apenas permite medir deslocamentos na dire¸c˜ao da linha de visada (inclinada) e da fraca re- solu¸c˜ao espacial (entre os 30 m a 3 m), o modelo funcional envolve a determina¸c˜ao ou mitiga¸c˜ao de muitos parˆametros (e.g. atrasos atmosf´ericos e erros de ´orbitas) recorrendo a m´etodos num´ericos estranhos `a geodesia, baseados principalmente em filtros, que como foi mostrado neste trabalho (padr˜ao em estrias) deixam d´uvidas quanto `a repetibilidade, isto ´e por exemplo, como foi o caso neste trabalho, o processamento de dois conjuntos de dados iguais mas com contribui¸c˜oes de fase atmosf´erica diferentes resulta em valores de deforma¸c˜ao ligeiramente diferentes. Ao n´ıvel da medi¸c˜ao de deslocamento de pequena magnitude esta t´ecnica n˜ao parece ser muito eficiente, como mostram os resultados para as velocidades em torno das esta¸c˜oes GPS com desvio padr˜ao de cerca de 2.5 mm/ano, estes deslocamentos s˜ao absorvidos pelo restante ru´ıdo. Outro problema ´e a falta de um modelo estoc´astico que permita ter uma real no¸c˜ao da precis˜ao dos resultados obtidos.

Bibliografia

Bamler, R. (2000). Principles of synthetic aperture radar. Surveys in Geophysics, 21(2- 3):147–157.

Bamler, R. and Hartl, P. (1998). Synthetic aperture radar interferometry. Inverse Problems, 14(4):R1.

Catal˜ao, J., Nico, G., and Conde, V. (2011a). Detection of ground subsidence in the city of Lisbon: Comparison of InSAR and topographic measurements. In Urban Remote Sensing Event (JURSE), 2011 Joint, pages 417–420.

Catal˜ao, J., Nico, G., Hanssen, R., and Catita, C. (2011b). Merging GPS and atmosphe- rically corrected InSAR data to map 3-D terrain displacement velocity. Geoscience and Remote Sensing, IEEE Transactions on, 49(6):2354–2360.

Catita, C. M. S. (2007). Interferometria RADAR por sat´elite aplicada ao estudo da morfologia e da deforma¸c˜ao da regi˜ao Pico-Faial (A¸cores). PhD thesis, Universidade de Lisboa.

Colesanti, C., Ferretti, A., Prati, C., and Rocca, F. (2003). Multi-image satellite SAR interferometry: state of the art and future trends. In Radar Conference, 2003. Proce- edings of the International, pages 239 – 244.

Farr, T. G., Rosen, P. A., Caro, E., Crippen, R., Duren, R., Hensley, S., Kobrick, M., Paller, M., Rodriguez, E., Roth, L., Seal, D., Shaffer, S., Shimada, J., Umland, J., Werner, M., Oskin, M., Burbank, D., and Alsdorf, D. (2007). The shuttle radar topography mission. Reviews of Geophysics, 45:1–33.

Ferretti, A., Fumagalli, A., Novali, F., Prati, C., Rocca, F., and Rucci, A. (2011). A new algorithm for processing interferometric data-stacks: SqueeSAR. Geoscience and Remote Sensing, IEEE Transactions on, 49(9):3460–3470.

Ferretti, A., Prati, C., and Rocca, F. (2000). Nonlinear subsidence rate estimation using permanent scatterers in differential SAR interferometry. Geoscience and Remote Sensing, IEEE Transactions on, 38(5):2202 –2212.

Ferretti, A., Prati, C., and Rocca, F. (2001). Permanent scatterers in SAR interferome- try. Geoscience and Remote Sensing, IEEE Transactions on, 39(1):8 –20.

Guarnieri, M. (2010). The early history of radar [historical]. Industrial Electronics Magazine, IEEE, 4(3):36–42.

Heleno, S. I., Oliveira, L. G., Henriques, M. J., Falc˜ao, A. P., Lima, J. N., Cooksley, G., Ferretti, A., Fonseca, A. M., Lobo-Ferreira, J. P., and Fonseca, J. F. (2011). Persistent scatterers interferometry detects and measures ground subsidence in Lisbon. Remote Sensing of Environment, 115(8):2152 – 2167.

Hooper, A., Zebker, H., Segall, P., and Kampes, B. (2004). A new method for measuring deformation on volcanoes and other natural terrains using InSAR persistent scatterers. Geophys. Res. Lett., 31:L23611.

Hooper, A. J. (2006). Persistent Scatterer Radar Interferometry for Crustal Deformation Studies and Modeling of Volcanic Deformation. PhD thesis, University of Stanford, USA.

Hooper, A. J. (2010). StaMPS/MTI Manual, version 3.2. Delft Institute of Earth Observation and Space Systems.

Kampes, B., Hanssen, R., and Perski, Z. (2003). Radar interferometry with public do- main tools. Third International Workshop on ERS SAR Interferometry, FRINGE03. Kampes, B. M. (2006). Radar Interferometry - Persistent Scatterer Technique, volume 12

of Remote Sensing and Digital Image Processing. Springer.

Ketelaar, G. (2009). Satellite Radar Interferometry - Subsidence Monitoring Techniques, volume 14 of Remote Sensing and Digital Image Processing. Springer.

Kinoshita, Y., Furuya, M., Hobiger, T., and Ichikawa, R. (2013). Are numerical weather model outputs helpful to reduce tropospheric delay signals in InSAR data? Journal of Geodesy, 87(3):267–277.

Bibliografia 54

Massonnet, D., Briole, P., and Arnaud, A. (1995). Deflation of Mount Etna monitored by spaceborne radar interferometry. Nature, 375:567–570.

Massonnet, D., Rossi, M., Carmona, C., Adragna, F., Peltzer, G., Feigl, K., and Ra- baute, T. (1993). The displacement field of the Landers earthquake mapped by radar interferometry. Nature, 364:138–142.

Mateus, P., Nico, G., Tome, R., Catal˜ao, J., and Miranda, P. (2013). Experimental study on the atmospheric delay based on GPS, SAR interferometry, and numerical weather model data. Geoscience and Remote Sensing, IEEE Transactions on, 51(1):6–11. Sousa, J. J., Ruiz, A. M., Hanssen, R. F., Bastos, L., Gil, A. J., Galindo-Zald´ıvar, J., and

de Galdeano, C. S. (2010). PS-InSAR processing methodologies in the detection of field surface deformation - Study of the Granada basin (Central Betic Cordilleras, southern Spain). Journal of Geodynamics, 49(3-4):181 – 189. Wegener 2008 - Proceedings of the 14th General Assembly of Wegener.

Wahl, D. E., Yocky, D. A., Bussey, B., and Jakowatz, C. V. (2012). Generating lunar bistatic SAR images using Arecibo and Mini-RF. Algorithms for Synthetic Aperture Radar Imagery XIX, 8394.

Wang, T., Perissin, D., Rocca, F., and Liao, M.-S. (2011). Three Gorges Dam stability monitoring with time-series InSAR image analysis. Science China Earth Sciences, 54(5):720–732.