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

• Ano de defesa: 2023
• Autor(a) principal: Ramírez, Miguel Roberto Peña
• Orientador(a): Guerra Renata Rojas
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Distribuição de Rayleigh; Sensoriamento remoto; Imagens SAR
• Palavras-chave em Inglês: GAS models; Mean-based parametrization; Rayleigh distribution; Remote sensing; SAR images
• Link de acesso: http://hdl.handle.net/10183/277573

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.