Aplicação E Avaliação Do Modelo De Previsão Numérica Do Tempo Eta15km No Posicionamento Absoluto

Abstract

As tecnologias espaciais têm sido amplamente empregadas para fins de posicionamento, a principal e mais moderna é o GNSS (Global Navigation Satellite System). Para alcançar alta acurácia (centímetros) no posicionamento GNSS, é imprescindível realizar a modelagem atmosférica (ionosfera e troposfera). No que concerne à troposfera, seus efeitos nos sinais GNSS são modelados considerando duas componentes: a primeira gerada pela influência hidrostática representa cerca de 90% do efeito; a segunda ocasionada pela atmosfera úmida é geralmente menor, porém, sua variação temporal e espacial é muito maior, o que dificulta a sua modelagem. O modelo de Hopfield pode ser utilizado para minimizar os efeitos da troposfera nos sinais GNSS. Mas, dependendo da acurácia almejada, ele pode não ser adequado, principalmente em regiões mais ativas, como pode ser para a realidade brasileira. Para sanar essas limitações, vem sendo utilizado os modelos de Previsão Numérica do Tempo (PNT). Nesse artigo foi avaliada e quantificada a componente úmida do atraso troposférico (ZWD - Zenithal Wet Delay) em diferentes regiões do Brasil empregando dados da RBMC (Rede Brasileira de Monitoramento Contínuo). Foi possível observar que os maiores valores do ZWD foram obtidos na estação SAGA e os menores na estação UFPR. Também foi realizada uma avaliação a respeito do uso do modelo de PNT eta15km no posicionamento por ponto. Os resultados mostraram que o uso do modelo de PNT ao invés de Hopfield traz melhorias significativas no posicionamento.

Effects of Tropospheric Refraction on Precise Point Positioning in Brazil

“…In Brazil, some research carried out on the impacts of tropospheric models on GNSS positioning can be highlighted, such as those by Gouveia et al (2014), Cherubim et al (2016, Abreu et al (2014), Oliveira et al (2014) and Alves et al (2016). Among the most recent studies carried out in other countries, involving evaluation of tropospheric models in PPP, we can highlight the work carried out by Wang & Li (2016), Pan & Guo (2018), Xiong et al (2019) and Tunali & Ozludemir (2019).…”

“…In Abreu et al (2014) was evaluated and quantified the wet component of the tropospheric delay in different regions of Brazil using RBMC data. It was observed that the highest values of ZWD were obtained at the SAGA station and the lowest at the UFPR station.…”