Modelo Rayleigh escore autorregressivo generalizado para interpretação de dados de radar de abertura sintética

Abstract

Retornos em amplitude de imagens de radar de abertura sintética (SAR, do inglês synthetic aperture radar) apresentam comportamento assimétrico e valores estritamente positivos, sendo adequadamente caracterizados pela distribuição Rayleigh em regiões imageadas homogêneas. Além disso, imagens SAR comumente apresentam dependência espacial entre os pixes adjacentes devido à maneira como os dados SAR são adquiridos e processados. E neste contexto que se insere o presente trabalho, no qual é proposto o modelo Rayleigh escore autorregressivo generalizado (Ray-GAS, do inglês Rayleigh generalized autoregressive score). O Ray-GAS é um modelo dinâmico útil para a interpretação de dados SAR derivado da estrutura da classe de modelos escore autorregressivo generalizados (GAS, do inglês generalized autoregressive score). Para o desenvolvimento do Ray-GAS, assume-se que a média condicional da distribuição Rayleigh é um parâmetro variante no tempo (ao longo dos índices da imagem). Na presente dissertação, uma revisão bibliográfica é feita e, logo após, o modelo proposto é apresentado no artigo intitulado “The Rayleigh Generalized Autoregressive Score Model for SAR Data Interpretation”, sendo o principal produto deste trabalho. Dentre os desenvolvimentos realizados, tem-se o estudo de aspectos de estimação pontual por meio do método de máxima verossimilhança condicional e de ferramentas para análise de diagnóstico e predição, com base no novo modelo da classe GAS. Além disso, são realizadas simulações de Monte Carlo para avaliar o desempenho dos estimadores apresentados. Por fim, a metodologia proposta é aplicada em dados medidos provenientes de imagens SAR do sistema CARABAS II em regiões de floresta e lago. Os resultados evidenciam a potencialidade do modelo Ray-GAS na interpretação do comportamento estocástico e a obtenção de predições de retornos em amplitude de imagens SAR.

Amplitude returns from synthetic aperture radar (SAR) images show asymmetric behavior and strictly positive values, adequately characterized by the Rayleigh distribution in homogeneous imaged regions. In addition, SAR images commonly show spatial dependence between adjacent pixels due to how SAR data is acquired and processed. The present work is inserted in this context, in which the Rayleigh generalized autoregressive score (Ray-GAS) model is proposed. Ray-GAS is a usable dynamic model for interpreting SAR data derived from the structure of the generalized autoregressive score (GAS) class of models. For the development of Ray-GAS, the conditional mean of the Rayleigh distribution is assumed to be time-varying (on the image indices). In this dissertation, a literature review is carried out, followed by the presentation of the model proposed in the article entitled “The Rayleigh Generalized Autoregressive Score Model for SAR Data Interpretation,” which is the main product of this work. Among the developments, the point estimation of the parameters is carried out utilizing the conditional maximum likelihood method and tools for diagnostic and prediction analysis based on the new GAS class model. In addition, Monte Carlo simulations are performed to evaluate the performance of the presented estimators. Finally, the proposed methodology is applied to measured data from SAR images of the CARABAS II system in forest and lake regions. The results show the potential of the Ray-GAS model in interpreting the stochastic behavior and obtaining predictions of returns in the amplitude of SAR images.