Modelo estocástico para dados GNSS e séries temporais de coordenadas GNSS

Resumo

Atualmente, o GNSS, em especial o GPS, é uma das tecnologias mais utilizadas para realizar posicionamento geodésico. Os modelos funcionais relacionados com as observações GNSS são mais conhecidos do que os modelos estocásticos, visto que o desenvolvimento destes últimos é mais complexo. Normalmente, utilizam-se modelos estocásticos numa forma simplificada, como o modelo padrão, o qual assume que todas as medidas das observações GNSS têm a mesma variância e são estatisticamente independentes, espacialmente e temporalmente. Porém, tal suposição não reflete a realidade. Desta forma, atualmente os modelos estocásticos vêm sendo pesquisados com maior profundidade, por exemplo, considerando correlação temporal, cintilação ionosférica, dentre outros. O Brasil, por estar numa região equatorial, sofre forte influência de cintilação ionosférica e outros efeitos relacionados à ionosfera. Tendo em vista a recente tecnologia de receptores GNSS que proporciona obter parâmetros de cintilação ionosférica, este efeito é factível de ser considerado na modelagem estocástica. Mesmo com a realização de uma modelagem estocástica adequada no processamento de dados GNSS, ainda podem restar alguns erros não-modelados (ruídos), os quais devem contaminar as séries temporais das coordenadas obtidas com as observáveis GNSS. Tais ruídos podem ser caracterizados a partir das componentes das séries temporais, as quais podem ser estimadas, por exemplo, pelo Método dos Mínimos Quadrados. Pesquisas nesta direção têm sido realizadas, mas há ainda muitos problemas sem respostas convincentes. Sendo assim, esse projeto de Doutorado visa expandir as investigações com relação à modelagem estocástica das observações GNSS considerando principalmente os efeitos de cintilação, realizando experimentos com dados da região brasileira. Também serão realizadas investigações relacionadas às metodologias para a caracterização de ruídos contidos nas séries temporais de coordenadas GNSS, e, com base nessa caracterização, espera-se melhorar a modelagem funcional das séries temporais. Como contribuição inédita, pretende-se incorporar a análise multivariada na caracterização dos ruídos das séries temporais, considerando a variação temporal e espacial, buscando identificar as relações entre as séries temporais em várias regiões do Brasil. Uma série temporal livre de efeitos anômalos, permitirá uma análise geofísica mais realística.