Las imágenes de radar de apertura sintética (SAR) de dominio público, particularmente las del Sentinel-1, han ampliado el alcance del monitoreo de la vegetación de día y de noche, incluso cuando la cobertura de nubes limita la observación óptica de la Tierra. Sin embargo, es un desafío combinar imágenes SAR adquiridas en diferentes ángulos de incidencia y desde órbitas ascendentes y descendentes debido a la dependencia del retrodispersión con respecto al ángulo de incidencia. Este estudio demuestra dos transformaciones que facilitan el uso colectivo de las imágenes de Sentinel-1, independientemente de la geometría de adquisición, para el monitoreo agrícola de varios cultivos en Israel (trigo, tomates de procesamiento y algodón). Primero, el coeficiente de retrodispersión del radar (0) se multiplicó por el ángulo de incidencia local () de cada píxel. Esta transformación mejoró la predicción empírica del coeficiente de cultivo (Kc), el índice de área foliar (LAI) y la altura del cultivo en los tres cultivos. El segundo método, que se basa en el coeficiente de brillo del radar (beta0), demostró ser útil para estimar Kc, LAI y la altura del cultivo en tomates de procesamiento y algodón. Tras las transformaciones sugeridas, R2 aumentó de 0.0172 a 0.668, y RMSE mejoró entre un 5 y un 52%. Además, se encontró que los modelos basados en las transformaciones sugeridas eran superiores a los modelos basados en el índice de vegetación de radar de dual polarización (RVI). En consecuencia, el monitoreo de la vegetación utilizando imágenes SAR adquiridas en diferentes geometrías de visualización se volvió más efectivo.