Saltar a contenido

Método paso a paso

Todo el procesamiento usa software libre y datos gratuitos. El pipeline está pensado para correr en una máquina local (Linux, ~96 GB RAM). Los scripts están en docs/pipeline/.

Qué es InSAR (en una línea)

El InSAR (interferometría radar de apertura sintética) compara la fase de dos imágenes de radar tomadas en fechas distintas desde la misma órbita: el desfasaje revela cuánto se movió el suelo en la línea de vista del satélite (LOS), con precisión de milímetros. Apilando decenas de imágenes (time-series SBAS) se separa la deformación del ruido. Es la técnica madura y de referencia para subsidencia fina [Morishita 2020].

0. Datos y herramientas

Pieza Qué Fuente
Imágenes Sentinel-1 SLC, banda C, ~revisita 6–12 d ESA Copernicus / ASF
Interferogramas ASF HyP3 (procesamiento en la nube, gratis) hyp3-docs.asf.alaska.edu
Serie de tiempo MintPy (SBAS) [Yunjun et al. 2019]
Atmósfera ERA5 (ECMWF) vía PyAPS Copernicus CDS
Búsqueda asf_search ASF

1. Área y track

Se eligió el track 18 ascendente, frame 1050, que sobre esta zona tiene cobertura continua 2019→2026 (los tracks descendentes locales se cortan en dic-2021, tras la falla de Sentinel-1B) y se extiende al oeste (lon −70.6) y norte (lat −37.3), cubriendo ~210×210 km en torno a Añelo. Ventana 2019–2026 con muestreo ~mensual (89 fechas) para una serie larga a costo acotado. → 01_search.py, aoi.py.

Por qué ascendente

Sobre Vaca Muerta, el único track con archivo continuo hasta hoy es el ascendente 18. Como bonus, combinarlo con un track descendente permitiría descomponer la deformación en vertical y este-oeste (ver próximos pasos).

2. Interferogramas en la nube (HyP3)

Se arma una red SBAS (Small BAseline Subset): cada fecha mensual se conecta con las 2 siguientes. Los 175 pares resultantes se encargan a HyP3, que genera los interferogramas gratis en la nube de ASF (~10 créditos por par, de 8,000/mes gratuitos). → 02_submit_hyp3.py.

3. Serie de tiempo con MintPy

Con los productos descargados (175 interferogramas, 89 fechas), MintPy invierte la red SBAS a una serie de tiempo de desplazamiento y una velocidad media (mm/año). Pasos clave (config en vacamuerta.cfg):

  1. Carga del stack y recorte al área de interés (~210×210 km).
  2. Red por coherencia: se descartan pares de baja coherencia.
  3. Punto de referencia automático en zona de máxima coherencia.
  4. Inversión SBAS → serie de tiempo.
  5. Corrección troposférica con ERA5 (PyAPS): quita el retardo atmosférico, el principal ruido en InSAR. Este paso es decisivo (ver Resultados).
  6. Deramp + corrección de error de DEM + velocidad.

→ 03_timeseries.sh, vacamuerta.cfg.

4. Máscara de calidad

Se conservan solo los pixels con coherencia temporal > 0.7 (~74% del área, ~4.9 millones de pixels). El resto —embalses, regadío denso, pads activos— se descarta. La estepa árida/semiárida da coherencias altas, lo que confirma que es buen terreno para InSAR.

5. Visualización

  • 04_export_visual.py → GeoTIFF de velocidad + overlay sobre satélite (folium) + heatmap.
  • 05_timeseries_slider.py → slider temporal de deformación acumulada (Leaflet + base64), con suavizado temporal Gaussiano para atenuar el ruido atmosférico residual de fechas puntuales.
  • point_timeseries.py → series temporales por zona (para la interpretación).

Nota técnica (reproducibilidad)

Con MintPy 1.6.2 + numpy 2.x hay un bug en la inversión pixel-a-pixel (setting an array element with a sequence). Se corrige con un patch de una línea (np.asarray(x).item()) en ifgram_inversion.py y dem_error.py. Alternativa: numpy<2.

Reproducir

mamba env create -f pipeline/environment.yml && mamba activate insar
# credenciales: cuenta NASA Earthdata (~/.netrc) + token CDS (~/.cdsapirc)
python pipeline/01_search.py            # elegir track/frame
python pipeline/02_submit_hyp3.py --neighbors 2 --submit
bash   pipeline/03_timeseries.sh        # → velocity.h5
python pipeline/04_export_visual.py
python pipeline/05_timeseries_slider.py