Teledetección multitemporal mediante dinámica de sistemas

Laburpena

Introducción o motivación de la tesis El objetivo fundamental que persigue esta tesis es mostrar cómo la teoría general de sistemas, mediante la perspectiva sistémica y en particular la dinámica, representa el enfoque adecuado para el tratamiento de datos multitemporales de teledetección. Dado que este enfoque no es el habitual para el tratamiento de datos de teledetección, mediante el desarrollo de la presente tesis se pretende construir los cimientos sobre los que establecer un puente de unión entre estos dos campos. Durante décadas se ha probado que el enfoque de dinámica de sistemas es muy útil para entender procesos complejos de muy diverso ámbito. Sin embargo, no existe en la literatura una aproximación de la dinámica para datos de teledetección. Desarrollo teórico La teoría de sistemas dinámicos, o dinámica de sistemas, es una rama de las matemáticas que se ocupa del movimiento. En concreto, la dinámica de sistemas proporciona una metodología de uso generalizado para modelar y estudiar el comportamiento de cualquier clase de sistema y su comportamiento a través del tiempo. Permite estudiar las características de realimentación de la información con el fin de demostrar cómo la estructura, la amplificación y los retardos interactúan e influyen en el comportamiento final del sistema. Es un método mediante el cual se combinan el análisis y la síntesis, suministrando un ejemplo concreto de la metodología sistémica. La dinámica proporciona un lenguaje que permite expresar las relaciones que se producen en el seno de un sistema y explicar cómo se genera su comportamiento. La dinámica de sistemas permite actualmente ir más allá de los estudios de casos y las teorías descriptivas. La dinámica no está restringida a sistemas lineales, pudiendo hacer uso de las características no lineales que presentan ciertos sistemas. Combinados con los ordenadores actuales, los modelos de dinámica de sistemas permiten una simulación eficiente de sistemas extremadamente complejos. Dicha simulación representa la única forma de determinar el comportamiento de estos. Sobre los citados sistemas dinámicos es posible aplicar métodos y técnicas de estimación que nos permiten realizar inferencias del estado de estos mediante modelos en espacio de estados en los que existe una evolución en el tiempo de su estado y además disponemos de medidas ruidosas indirectas realizadas en cada instante. En este contexto se asume que el vector de estados del sistema no es observable directamente, es decir, permanece oculto al exterior. La información relativa a este únicamente puede ser obtenida a través de una medida indirecta y ruidosa denominada vector de observación u observación. El objetivo por tanto de las técnicas de estimación es proporcionar un valor para el estado interno del sistema empleando para ello la descripción del modelo (tanto los sistemas de ecuaciones de evolución y observación como el ruido asociado)y las observaciones obtenidas mediante un sistema de adquisición. El objetivo de la estimación óptima es proporcionar la estimación minimizando el ruido de estimación a la salida. Como prueba del enfoque, dos contextos de aplicación han sido evaluados en el presente trabajo. El primero de ellos consiste en el seguimiento y la estimación del estado de ciertos cultivos agrícolas. Se plantea, desarrolla y evalua una metodología basada en sistemas dinámicos que permite realizar la estimación del estado de desarrollo (fenología) de cultivos de cereales. Se trata de un enfoque genérico que permite la utilización de diversos tipos de datos de teledetección. La evaluación se realiza con datos SAR (radar de apertura sintético) polarimétricos. El segundo contexto, se centra en el uso de datos procedentes de sistemas interferométricos SAR. Este tipo de datos se emplean en dos aplicaciones concretas, la primera una técnica de estimación de deformación del terreno afectado por variaciones en acuíferos subterraneos y la segunda relacionada con el desenrollado de fase interferométrica empleando datos multitemporales. Conclusión Esta tesis ha servido para cubrir los dos aspectos principales descritos en la teoría general de sistemas. El primero relacionado con el carácter unificador y el segundo con la necesidad de estudiar los sistemas, y por tanto los procesos, como resultado de una entidad consistente. El carácter armonizador de la teoría de sistemas nos faculta para analizar los fenómenos observados como entidades abstractas, que habitualmente coinciden o poseen similitud con entidades procedentes de ámbitos muy diversos. Esto nos ha permitido definir el desarrollo de un cultivo de cereales como un sistema realimentado, el mismo esquema que se usa para diseñar un sistema de control industrial. El otro aspecto está relacionado con la interpretación de los sistemas como una entidad, definida no solo por sus variables, sino también por las relaciones que estas desarrollan. Ambas determinan el dominio y comportamiento del sistema de una manera unívoca, coherente y acotada. Este carácter holístico de la teoría de sistemas nos induce a la utilización de modelos del mundo en combinación con observaciones experimentales de este. Por ejemplo, esto nos permite plantear la deformación sufrida por el terreno en una zona específica como la combinación de un modelo que explica el fenómeno de deformación por variaciones hidrológicas y las observaciones que nos proporciona un sistema SAR. Por tanto, este trabajo nos ha permitido, a través de las diferentes pruebas de concepto o aplicaciones presentadas, mostrar cómo el enfoque de la dinámica de sistemas se puede aplicar a muy diversos ámbitos dentro de la teledetección multitemporal. Los diferentes análisis han supuesto un ejemplo de aplicación transversal de la metodología. En resumen, el principal objetivo de esta tesis, que era demostrar cómo el enfoque sistémico es el adecuado para el tratamiento de datos multitemporales de teledetección, se ha cumplido satisfactoriamente Bibliografía consultada Curlander, J. C. y McDonough, R. N. (1991). Synthetic aperture radar: Systems and signal processing. Wiley. Durbin, J. y Koopman, S. J. (2012). Time series analysis by state space methods. Número 38 en Oxford Statistical Science Series. Oxford University Press. Forrester, J. W. (1962). Industrial dynamics. Massachusetts Institute of Technology Press, Cambridge. Gordon, N., Salmond, D., y Smith, A. (1993). Novel approach to nonlinear/nongaussian bayesian state estimation. Radar and Signal Processing, IEEE Proceedings of, 140(2):107–113. Kalman, R. E. (1960). A new approach to linear filtering and prediction problems. ASME – Journal of Basic Engineering, Transactions of the, 82:35–45. Lee, J.-S. y Pottier, E. (2009). Polarimetric radar imaging. From basics to applications. CRC Press. Luenberger, D. G. (1979). Introduction to dynamic systems: Theory, models, and applications. Wiley.