Este artigo apresenta o novo modelo de ondulação geoidal oficial do Brasil, denominado MAPGEO2015. Resultado de uma parceria do IBGE com a EPUSP, este produto é constituído de uma grade de pontos com valores de ondulação geoidal espaçados de 5'. O objetivo é prover uma alternativa baseada em dados gravimétricos para a transformação das altitudes geométricas obtidas por posicionamento GNSS em um valor de altitude com sentido físico, ou seja, referenciada à superfície equipotencial do campo de gravidade da Terra. A abrangência do produto corresponde a uma área compreendida pelas latitudes 6°N e 35°S e pelas longitudes 75ºW e 30°W. Para este novo modelo foram utilizados 947.953 pontos gravimétricos terrestres no Brasil e países vizinhos de fronteira validados pelo programa DIVA, um modelo digital de elevação baseado no SRTM e o modelo geopotencial global EIGEN-6C4 até grau e ordem 200. Os curtos comprimentos de onda foram estimados pela transformada rápida de Fourier, enquanto os longos e médios comprimentos de onda foram removidos e repostos no final com a técnica remover-calcular-repor. Regiões que dispunham de pequenos vazios de informação gravimétrica foram densificadas utilizando a metodologia de Redes Neurais Artificiais (RNA). Os valores de altitudes normais-ortométricas de 592 pontos de nivelamento geométrico (RRNN) da Rede Altimétrica de Alta Precisão do Sistema Geodésico Brasileiro, foram utilizados para avaliar a consistência do modelo de ondulação geoidal, observando-se uma melhoria de aproximadamente 20% em relação à versão divulgada em 2010.

RESUMOUma forma de se prever o conteúdo total de elétrons na direção vertical (VTECVertical Total Electron Content) usando a arquitetura de redes neurais artificiais (RNA) denominada de perceptrons de múltiplas camadas (MLP -MultipLayer Percetrons) é apresentada e avaliada nesta pesquisa. As entradas do modelo foram definidas como sendo a posição dos pontos ionosféricos (IPP -Ionospheric Pierce Point) e o tempo universal (TU), enquanto que a saída é o VTEC. As variações sazonais e de períodos mais longos são levadas em conta através da atualização do treinamento diariamente. Testes foram conduzidos sobre uma área que abrange o Brasil e sua vizinhança considerando períodos de alta e baixa atividade solar. As RNA foram treinadas utilizando informações dos mapas globais da ionosfera (GIM -Global Ionospheric Maps) produzidos pelo serviço internacional do GNSS (IGSInternational GNSS Service) das 72 horas anteriores à época de início da previsão. As RNA treinadas foram utilizadas para prever o VTEC por 72 horas (VTEC RNA ). Os VTEC RNA foram comparados com os VTEC contidos nos GIM (VTEC GIM ). A raiz do erro médio quadrático (RMS) da diferença entre o VTEC GIM e o VTEC RNA variou de 1,4 a 10,7 unidades de TEC (TECU). O erro relativo mostra que a RNA proposta foi capaz de prever o VTEC com 70 a 85% de acerto. Palavras-chave: Redes Neurais Artificiais; Atraso Ionosférico; Previsão do VTEC. ABSTRACTAn approach to predict vertical total electron content (VTEC) using multiplayer percetrons (MLP) artificial neural network (ANN) is presented. The models inputs

AGRADECIMENTOS Gostaria de externar os meus mais sinceros agradecimentos à FundaçãoInstituto Brasileiro de Geográfica e Estatística (IBGE) por me conceder o afastamento em tempo integral para a realização desta pesquisa, em especial aos colegas

Centimeter level GPS positioning is based on the very precise carrier beat phase measurements. However, this observable is ambiguous by a number of whole cycles between the satellite and receiver antenna at the first epoch of data collecting, which is called the ambiguity. GPS ambiguities are introduced as parameters to be estimated in the observation equations. However, since they are integer numbers there is no standard techniques for solve them. One of the ways is to apply sequential conditional least-squares estimation together with integer search techniques. The ambiguity resolution can be divided in two steps: estimation and validation. The estimation is concerned with the computation of the ambiguities values. The validation step is used to infer if the estimated value can be accepted or not. From the last decade until nowadays ambiguity resolution has been one of the most important research topic in geodetic positioning and a several methods have been proposed. Special attention has been made about the fast ambiguity resolution. The aim of this paper is to investigate the ambiguity resolution in the context of relative kinematic positioning and its implementation in the GPSeq software, which is a GPS data processing software developed in academic environment. In this paper some experiments about kinematic processing are presented, whose results shown that the GPSeq solution is compatible on the centimeter level with Reliance software. The results also shown an inefficiency of the ratio and the difference between the quadratic form of the residuals of the second best and best solution tests in validating the ambiguity resolution in time limits of solution of the baselines processed.

Os sinais GNSS sofrem refração ao se propagarem pela atmosfera neutra, introduzindo o atraso troposférico, que pode chegar a cerca de 25 m, nas medidas de distância entre os satélite e o receptor. Devido às características da atmosfera neutra, é conveniente dividir o atraso troposférico em duas componentes: a hidrostática e a úmida. Modelos que requerem informações de pressão, temperatura e umidade relativa do ar, tais como o desenvolvido por Hopfield, podem ser utilizados para minimizar os efeitos desta camada da atmosfera nos sinais GNSS, sobretudo da componente hidrostática. As informações meteorológicas podem ser obtidas a partir de sensores meteorológicos, modelos de previsão numérica do tempo (PNT), redução de dados de uma atmosfera padrão ou de modelos empíricos, como o modelo de pressão e temperatura global (Global Pressure and Temperature - GPT) que foi desenvolvido na Universidade de Viena, Áustria. Dentre as opções citadas, a última se destaca devido à facilidade de uso. Esta pesquisa apresenta uma comparação entre as grandezas produzidas pelo modelo GPT com dados observados em dez estações meteorológicas automáticas (EMA) do Instituto Nacional de Meteorologia (INMET), localizadas em diferentes regiões do Brasil. Os experimentos foram conduzidos com dados do ano de 2010. Análises acerca da diferença de pressão e da diferença de temperatura mostram que o modelo GPT calcula as grandezas meteorológicas com acurácia de 4,3 hPa e 4,5 °C, respectivamente.