La Inteligencia Geoespacial Aplicada a la Interferometría Radar: Una Revisión

Abstract

La interferometría de radar de apertura sintética (por sus siglas en inglés InSAR) es una técnica ampliamente utilizada en muchas ciencias tales como la percepción remota, la geodesia, la sismología, la vulcanología, entre otras, con aplicaciones muy variadas. Algunas de ellas son: la estimación de la subsidencia o el levantamiento de la superficie, la deformación postsísmica o la creación de modelos digitales de terreno. En la era digital moderna, la inteligencia artificial (IA) y el machine learning (ML) están revolucionando muchísimos campos del saber, con variados usos, desde la planificación urbana hasta la optimización de tareas productivas. En términos generales, se entiende por inteligencia geoespacial (IG) al aprovechamiento de la IA en el campo de los datos geoespaciales. En este sentido, y debido a la enorme cantidad de áreas del conocimiento que abarca la IG, para este trabajo se ha acotado el análisis a la aplicación de la IG en el campo de la InSAR. Para esto se realizó una revisión exhaustiva del estado del arte actual, analizando tanto técnicas supervisadas como no supervisadas de ML, probadas sobre conjuntos de datos reales y sintéticos. Con esto se pretende realizar una contribución acerca de las posibilidades y limitaciones actuales del procesamiento interferométrico asistido por IA. Se presentan casos en ámbitos urbanos y rurales, identificando los temas más comunes de la utilización de la IG en InSAR, los métodos de ML empleados y las conclusiones a las que se arribó. Se puede adelantar que, en general, los autores estudiados prefirieron los métodos de ML supervisados por sobre los no supervisados, ubicándose la mayoría de estos trabajos en oriente. Finalmente destacar que, de todas las imágenes disponibles actualmente, fueron las del satélite Sentinel-1 las preferidas para llevar adelante estas investigaciones.La interferometría de radar de apertura sintética (por sus siglas en inglés InSAR) es una técnica ampliamente utilizada en muchas ciencias tales como la percepción remota, la geodesia, la sismología, la vulcanología, entre otras, con aplicaciones muy variadas. Algunas de ellas son: la estimación de la subsidencia o el levantamiento de la superficie, la deformación postsísmica o la creación de modelos digitales de terreno. En la era digital moderna, la inteligencia artificial (IA) y el machine learning (ML) están revolucionando muchísimos campos del saber, con variados usos, desde la planificación urbana hasta la optimización de tareas productivas. En términos generales, se entiende por inteligencia geoespacial (IG) al aprovechamiento de la IA en el campo de los datos geoespaciales. En este sentido, y debido a la enorme cantidad de áreas del conocimiento que abarca la IG, para este trabajo se ha acotado el análisis a la aplicación de la IG en el campo de la InSAR. Para esto se realizó una revisión exhaustiva del estado del arte actual, analizando tanto técnicas supervisadas como no supervisadas de ML, probadas sobre conjuntos de datos reales y sintéticos. Con esto se pretende realizar una contribución acerca de las posibilidades y limitaciones actuales del procesamiento interferométrico asistido por IA. Se presentan casos en ámbitos urbanos y rurales, identificando los temas más comunes de la utilización de la IG en InSAR, los métodos de ML empleados y las conclusiones a las que se arribó. Se puede adelantar que, en general, los autores estudiados prefirieron los métodos de ML supervisados por sobre los no supervisados, ubicándose la mayoría de estos trabajos en oriente. Finalmente destacar que, de todas las imágenes disponibles actualmente, fueron las del satélite Sentinel-1 las preferidas para llevar adelante estas investigaciones.