anÁlise do efeito da superlua no deslocamento...
Post on 27-Nov-2018
213 Views
Preview:
TRANSCRIPT
IV Simpósio Brasileiro de Geomática – SBG2017
II Jornadas Lusófonas - Ciências e Tecnologias de Informação Geográfica - CTIG2017
Presidente Prudente - SP, 24-26 de julho de 2017
p. 411-418
F. L. S. Braga; R. F. Moreira; J. Zanetti; W. R. Dal Poz ISSN 1981-6251
ANÁLISE DO EFEITO DA SUPERLUA NO DESLOCAMENTO DEVIDO ÀS
MARÉS TERRESTRES EM ESTAÇÕES DA RBMC
FRANCIELE LÚCIA SILVA BRAGA2
RODRIGO FRAGA MOREIRA1
JULIETTE ZANETTI2
WILLIAM RODRIGO DAL POZ1,2
1 Universidade Federal de Viçosa – UFV
Departamento de Engenharia Civil- DEC 2 Programa de Pós-Graduação em Engenharia Civil - MG
{franciele.braga, rodrigo.fraga, juliette.zanetti}@ufv.br dalpoz@gmail.com
RESUMO - Atualmente a Geodésia Espacial com o emprego do posicionamento GNSS (Global
Navigation Satellite System) vem auxiliando outras áreas das Ciências Exatas e da Terra. Umas das técnicas
para o processamento das observáveis GNSS, com resultados satisfatórios é o Posicionamento por Ponto
Preciso (PPP). No entanto, todos os erros envolvidos nessa metodologia precisam ser modelados. Além do
mais, as estações de redes ativas também sofrem influências de fatores geodinâmicos, como por exemplo,
as marés terrestres. O presente trabalho é instigado pela análise de um mês de observações GNSS de quatro
estações da RBMC, processadas no serviço GAPS v6.0.0, utilizando a metodologia de PPP. O objetivo
inicial será processar os dados sem considerar a correção das marés terrestres, e processar considerando
essa correção, para o mês de novembro de 2016, no qual ocorreu a superlua. Além disso, os deslocamentos
nas coordenadas das estações devido as marés terrestres foram calculadas diariamente durante um mês,
empregando o modelo Solid. Os resultados mostram que os maiores deslocamentos devido às marés
terrestres para o mês de novembro de 2016 foram observados para o dia da superlua. Ademais, o efeito das
marés terrestres afeta consideravelmente as coordenadas da estação caso não seja corrigido no PPP.
Palavras chave: Marés Terrestres, Superlua, PPP, GAPS, Solid.
ABSTRACT - Currently Space Geodesy with the use of GNSS (Global Navigation Satellite System)
positioning has been helping other areas of Exact and Earth Sciences. One of the techniques for the
processing of GNSS observables, with satisfactory results is the Precise Point Positioning (PPP). However,
all the errors involved in this methodology need to be modeled. In addition, active network stations are also
influenced by geodynamic factors, such as solid earth tides. The present work is instigated by the analysis
of one month of GNSS observations of four stations of the RBMC, processed in the service GAPS v6.0.0,
using the methodology of PPP. The initial objective will be to process the data without considering the
correction of the terrestrial tides, and to process considering this correction, for the month of November of
2016, in which the supermoon occurred. In addition, the displacements in the coordinates of the stations
due to the solid earth tides were calculated daily for one month, using the Solid model. The results show
that the largest displacements due to solid earth tides for the month of November 2016 were observed for
the day of the supermoon. In addition, the effect of the solid earth tides affects considerably the coordinates
of the station if it is not corrected in the PPP.
Key words: Solid Earth Tides, Supermoon, PPP, GAPS, Solid.
1 INTRODUÇÃO
De acordo com Ding (2005) a utilização do
posicionamento GPS (Global Positioning System) tem se
tornado uma ferramenta promissora no estudo de fatores
relacionados à rotação da Terra, movimento de placas
tectônicas, e deformações da crosta.
Além disso, devido à alta precisão necessária nas
coordenadas finais estimadas a partir de receptores GNSS
(Global Navigation Satellite System), os efeitos
geodinâmicos que afetam o posicionamento e suas
variações devem ser considerados, como por exemplo os
efeitos ocasionados pelas marés terrestres, movimento do
polo e carga dos oceanos (MONICO, 2008). Desta forma,
IV Simpósio Brasileiro de Geomática – SBG2017
II Jornadas Lusófonas - Ciências e Tecnologias de Informação Geográfica - CTIG2017
F. L. S. Braga; R. F. Moreira; J. Zanetti; W. R. Dal Poz ISSN 1981-6251
os fatores que degradam o posicionamento vêm sendo
pesquisados pela comunidade geodésica, colaborando
assim para investigação de fenômenos que ocorrem na
litosfera.
Um desses fenômenos que desencadeia
deformações no corpo elástico da Terra e variações no
geopotencial são as marés terrestres. As mesmas são
causadas pela interação gravitacional da Terra com a Lua e
o Sol, devido ao movimento de rotação do planeta (XU,
2007).
As marés terrestres produzem deslocamentos
verticais e horizontais, que podem ser expressas por
harmônicos esféricos (m,n), caracterizado pelo número
Love e Shida (hmn e lmn) (IERS, 2003). Os números de
Love e Shida definem a relação entre o potencial de maré
e seu deslocamento, sendo dependente da latitude e
longitude da estação, frequência de maré (longo período,
diurna e semi-diurna) e do grau de desenvolvimento dos
harmônicos esféricos (MOREIRA, 2010).
Desta forma, as marés terrestres estão vinculadas às
propriedades elásticas e às variações locais na estrutura
elástica da Terra (MANTOVANI et al., 2005, FU & SUN,
2007). De acordo com Ghosh e Pathak (2015) o estudo do
efeito das marés terrestres em séries de coordenadas
estimadas em estações GNSS, pode ser usado para
investigar a estrutura interna da Terra. Ademais, em
qualquer análise geodésica, é importante considerar a
correção do efeito das marés terrestres, uma vez que pode
afetar a posição instantânea das estações (MONICO,
2008).
De acordo com Milbert (2011) enquanto as marés
oceânicas podem ser facilmente medidas em relação à
Terra, as marés terrestres são facilmente medidas apenas
com sistemas de satélites ou gravímetros sensíveis.
Segundo esse mesmo autor, a maré terrestre é uma função
muito suave ao redor da Terra. Por esta razão, os sistemas
de posicionamento que utilizam fase da onda portadora,
como o GPS, podem frequentemente ignorar efeitos das
marés terrestres. Desse modo, as redes geodésicas globais
e a técnica de PPP devem incluir o efeito das marés
terrestres no processamento (GHOSH & PATHAK, 2015).
A metodologia de pesquisa adotada nesse estudo
compreendeu a análise do efeito das marés terrestres na
posição de quatro estações (BAIL, CUIB, RSPE, SAGA)
da RBMC (Rede Brasileira de Monitoramento Contínuo
dos Sistemas GNSS) para mês de novembro de 2016. Esse
mês foi escolhido, com objetivo de analisar a influência da
superlua nos deslocamentos das estações devido as marés
terrestres.
A superlua ocorreu dia 14 de novembro de 2016.
Esse fenômeno ocorre quando o perigeu da Lua (ponto da
órbita mais próximo da Terra) coincide com a Lua cheia.
Salienta-se que tanto na Lua Cheia como na Lua Nova, o
Sol, a Terra e a Lua estão alinhados, ou seja, a atração
gravitacional do Sol e da Lua se somam, de forma que a
Terra experimenta a máxima força devido as marés
terrestres. Aliado a isso, devido a maior proximidade
(perigeu) da Lua com a Terra, maior a atração gravitacional
lunar, que desencadeia deformações no corpo elástico da
Terra.
Desta forma, pretende-se com esta pesquisa
contribuir com o conhecimento sobre o comportamento
espacial do efeito das marés terrestres em quatro estações
GNSS de monitoramento contínuo.
2 METODOLOGIA DO TRABALHO
Os deslocamentos devido às marés terrestres foram
calculados diariamente para o mês de novembro de 2016,
empregando o modelo Solid (disponível em
http://geodesyworld.github.io/SOFTS/solid.htm), com
base nas coordenadas geodésicas das estações e a data de
interesse. Esse software oferecido por Dennis Milbert
(2011) é uma implementação do cálculo das marés
terrestres encontrado na seção 7.1.2 das Convenções IERS
(International Earth Rotation and Reference Systems
Service- 2003), Nota Técnica IERS nº 32. O output do
programa fornece as componentes das marés terrestres no
sistema geodésico local (elipsoidal), durante 24 horas, com
intervalo de 1 minuto.
Além disso, as coordenadas diárias das estações
foram calculadas usando o método estático de
Posicionamento por Ponto Preciso (PPP). Portanto, para
o desenvolvimento deste trabalho foram utilizados dados
brutos de observáveis GPS, obtidas das estações BAIL,
CUIB, RSPE e SAGA pertencentes à RBMC do IBGE. O
critério para seleção dessas estações levou em
consideração apenas sua localização, ou seja, escolheu-se
a estação mais próxima ao Equador (SAGA), a mais ao
sul do país (RSPE), e duas estações nas latitudes médias
do Brasil, sendo uma mais a leste (BAIL), e outra mais a
oeste (CUIB).
O processamento dos dados empregando a técnica
PPP foi realizado no serviço online e livre GAPS v.6.0.
(GPS Analysis and Positioning Software), desenvolvido
pela UNB (University of New Brunswick), de duas
formas: primeiro um processamento padrão considerando
a modelagem e/ou estimação de todos erros envolvidos, e
o segundo sem considerar a correção do efeito das marés
terrestres. Iniciando do dia 01/11/2016 a 30/11/2016 (dia
306 a 335 no calendário de ano corrido de 2016), para
intervalo 24 horas de observações.
Em relação a segunda etapa (modo avançado do
serviço GAPS sem considerar a correção do efeito das
marés terrestres), a mesma teve como estratégia de
processamento o carregamento de arquivos que permitem
efetuar correção da carga oceânica (arquivo no formato
BLQ). Salienta-se que foi empregado o modelo de
correção da carga oceânica FES2004, pois é o
recomendado atualmente pelo IERS (2010). Em relação
ao processamento padrão, o serviço GAPS adota o
modelo de marés terrestres de acordo com as convenções
do IERS 2010.
Em novembro de 2016 as coordenadas dos
satélites obtidas por meio da utilização das efemérides
precisas do IGS (International GNSS Service) se
IV Simpósio Brasileiro de Geomática – SBG2017
II Jornadas Lusófonas - Ciências e Tecnologias de Informação Geográfica - CTIG2017
F. L. S. Braga; R. F. Moreira; J. Zanetti; W. R. Dal Poz ISSN 1981-6251
encontravam referidas ao IGb08 até a semana GPS 1933
(IGS, 2017). Portanto, para fins de comparação, as
coordenadas da estação de referência devem estar neste
sistema. Além disso, é importante que estas se encontrem
associadas à mesma época das observações, no caso deste
trabalho foi o dia médio das observações analisadas, dia
15 de novembro de 2016 (época 2016,87).
Dessa forma, as coordenadas de referência em
SIRGAS2000, época 2000,4, das estações da RBMC
utilizadas, foram transformadas e atualizadas para o
IGb08, na época de coleta dos dados. Visto que, as
coordenadas estimadas em IGb08, na época de coleta dos
dados, serão comparadas com as coordenadas de
referência das estações processadas. A Figura 1,
representa um fluxograma das etapas para transformação
e atualização de coordenadas aplicado nesse estudo.
Figura 1 - Esquema realizado para transformação e
atualização das coordenadas de referência.
A rotina para transformação de referenciais e
atualização de coordenadas, além dos cálculos das
discrepâncias planimétricas e altimétricas foram realizados
empregando o software Matlab versão R2012b, licença do
Departamento de Engenharia Civil (DEC), da
Universidade Federal de Viçosa (UFV).
Os parâmetros de transformação que relacionam o
ITRF2005 e o ITRF2000, na época 2000,0, são fornecidos
em Altamimi et al. (2007). Analogamente, parâmetros de
transformação entre o ITRF2008 para ITRF2005, na época
2005,0 são fornecidos em Altamimi et al. (2012).
Ressalta-se que foram desconsideradas as
diferenças tanto entre referenciais ITRF2000 e
SIRGAS2000, quanto entre os sistemas de referência
ITRF2008 e IGb08. Deste modo, foi considerada a
compatibilidade entre o ITRF2000 e o SIRGAS2000
(WESTON & SOLER, 2012). É importante destacar que o
SIRGAS2000 é uma densificação regional do ITRF2000,
portanto, consideram-se compatíveis os dois sistemas de
referência (SIRGAS, 2016).
Além disso, em nível global, o ITRF2008 e o IGb08
são equivalentes, compartilhando a mesma origem, escala
e orientação (BRUYNINX et al., 2013).
Em relação as componentes do vetor velocidade
para cada estação (Vx, Vy e Vz), necessárias na etapa de
atualização de coordenadas, foram calculadas empregando
o modelo VEMOS2009. Salienta-se que, devido ao
VEMOS encontrar-se referenciado ao ITRF2005, foi
necessário a mudança do referencial de velocidade do
ITRF2005 para o ITRF2008 (Vide Figura 1).
Visto que todas as coordenadas obtidas estão
referenciadas ao IGb08 e são cartesianas, empregou-se a
transformação das coordenadas cartesianas no IGb08 para
coordenadas geodésicas (ϕ, λ, h), no mesmo referencial,
sendo o elipsoide de referência o GRS80.
Após essa transformação, procedeu-se os cálculos e
comparações das discrepâncias posicionais entre as
coordenadas estimadas nas duas etapas de processamento
no serviço GAPS PPP online e as coordenadas tomadas
como referência, ambas referenciadas ao IGb08 época
2016,87.
No cálculo da discrepância da resultante
planimétrica, foram utilizadas as coordenadas geodésicas
(ϕ, λ). As equações 1 a 5 demonstram como foram obtidas
as discrepâncias da resultante planimétrica em unidades
métricas, considerando o elipsoide GRS80.
|𝛥𝜙(𝑔𝑟𝑎𝑢𝑠)
𝛥𝜆(𝑔𝑟𝑎𝑢𝑠)| = |
𝜙(𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑎) − 𝜙(𝑟𝑒𝑓𝑒𝑟ê𝑛𝑐𝑖𝑎)
𝜆(𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑎) − 𝜆(𝑟𝑒𝑓𝑒𝑟ê𝑛𝑐𝑖𝑎)|
|𝛥𝜙(𝑚𝑒𝑡𝑟𝑜𝑠)
𝛥𝜆(𝑚𝑒𝑡𝑟𝑜𝑠)| = |
𝑀 ∗ 𝛥𝜙(𝑟𝑎𝑑)
𝑁 ∗ cos 𝜙 ∗ 𝛥𝜆(𝑟𝑎𝑑)|
Sendo M o raio de curvatura da seção meridiana e
N o raio de curvatura da seção primeiro vertical, dados por:
𝑀 =𝑎(1 − 𝑒2 )
(1 − 𝑒2 𝑠𝑒𝑛2�̅�)32
𝑒 𝑁 =𝑎
(1 − 𝑒2 𝑠𝑒𝑛2�̅�)12
e2 = 𝑎2−𝑏2
𝑎2
Onde:
e2 : Segunda excentricidade;
�̅�: Latitude média das coordenadas estimadas;
a = 6.378.137,000 m (semi-eixo maior do GRS80);
b = 6.356.752,314 m (semi-eixo menor do GRS80).
Discrepância planimétrica em metros é dada:
𝑇 = √𝛥𝜙(𝑚𝑒𝑡𝑟𝑜𝑠)2 + 𝛥𝜆(𝑚𝑒𝑡𝑟𝑜𝑠)
2
Adjacente, a discrepância altimétrica em metros é
dada pela equação 6:
𝛥ℎ(𝑚𝑒𝑡𝑟𝑜𝑠) = ℎ(𝑒𝑠𝑡𝑖𝑚𝑎𝑑𝑎)−ℎ(𝑟𝑒𝑓𝑒𝑟ê𝑛𝑐𝑖𝑎)
(2)
(3)
(4)
(5)
(6)
(1)
IV Simpósio Brasileiro de Geomática – SBG2017
II Jornadas Lusófonas - Ciências e Tecnologias de Informação Geográfica - CTIG2017
F. L. S. Braga; R. F. Moreira; J. Zanetti; W. R. Dal Poz ISSN 1981-6251
3 RESULTADOS E DISCUSSÃO
3.1 Deslocamentos devido às marés terrestres
Os resultados referentes às componentes das marés
terrestres (n, e, u) para as quatro estações foram ilustrados
através das Figuras 2 e 3. Salienta-se que as componentes
das marés terrestres foram computadas para todo o mês de
novembro de 2016, com intervalo de 1 minuto, no sistema
geodésico local (elipsoidal). Os gráficos foram construídos
com escala em unidade métrica, no valor de 0,70 metros.
Portanto, estas Figuras mostram como a posição das
estações variam devido às marés terrestre.
Figura 2 - Deslocamentos das estações BAIL e CUIB
devido às marés terrestres.
Analisando as Figuras 2 e 3, nota-se que os maiores
deslocamentos foram na componente altimétrica (u) para
todas as estações, com uma amplitude de
aproximadamente 0,55 metros (-0,20 a 0,35). Além disso,
estes maiores valores se referem ao dia da superlua (14 de
novembro). O que já era esperado, visto que a Terra
experimenta a máxima força devido as marés, como
elucidado anteriormente.
Além disso, nota-se que efeito das marés terrestres
são bem menores na componente norte (n), seguido da
componente este (e), em comparação com descolamento
sofrido na altimetria (u).
Figura 3 - Deslocamentos das estações RSPE e SAGA
devido às marés terrestres.
Os menores valores de deslocamentos nas
componentes (n, e, u), foram observados nos dias 7 e 21,
onde a Lua se encontra na fase Crescente e Minguante,
respectivamente. Nestas fases lunares, o Sol, a Terra e a
Lua estão alinhados em quadratura (em linha
perpendicular), e o corpo da Terra experimenta a força
mínima devido as marés terrestres.
IV Simpósio Brasileiro de Geomática – SBG2017
II Jornadas Lusófonas - Ciências e Tecnologias de Informação Geográfica - CTIG2017
F. L. S. Braga; R. F. Moreira; J. Zanetti; W. R. Dal Poz ISSN 1981-6251
Nota-se, por mera análise visual das Figuras 2 e 3
que as oscilações dos deslocamentos devido as marés
terrestres tem uma periodicidade estritamente definida.
As amplitudes nos deslocamentos nas componentes
n, e e u, obtidas para o dia da superlua, foi ilustrado na
Figura 4, para as quatro estações. O gráfico foi construído
com escala em unidade métrica, no valor de 0,60 metros.
Figura 4 – Amplitude dos deslocamentos devido as marés
terrestres nas estações para as componentes Norte (n), Este
(e) e Altimétrica (u) no dia da superlua.
Analisando a Figura 4, nota-se que apesar das
estações escolhidas, estarem em posições bem distintas, as
amplitudes dos deslocamentos nas componentes n, e e u,
devido as marés terrestres, foram semelhantes entre as
mesmas, para o dia da superlua.
A Figura 5 ilustra os deslocamentos das estações
devido as marés terrestres para a componente altimétrica
(u) no dia da superlua. Nota-se que a primeira maré alta do
dia da superlua, foi bem inferior na estação RSPE, em
comparação com as outras estações. Já as estações BAIL
e CUIB, que possuem latitudes bem parecidas,
apresentaram o comportamento semelhante dos
deslocamentos devido às marés terrestres, sendo que as
curvas de deslocamento só estão transladadas entre si. Em
relação a estação SAGA, que está mais próxima do
equador, observa-se que as marés altas e baixas durante o
dia da superlua, apresentaram as mesmas amplitudes.
Figura 5 - Deslocamentos das estações devido as marés
terrestres para a componente altimétrica (u) no dia da
superlua.
Ressalta-se que a principal componente harmônica
de maré para as estações processadas é a M2, semi-diurna
lunar.
3.2 Posicionamento por Ponto Preciso
Os resultados referentes às discrepâncias
planimétricas para as duas estratégias de processamento no
serviço GAPS PPP foram ilustrados através da Figura 6 e
7, que são constituídas de quatro gráficos do tipo radar,
devidamente plotados para os 30 dias de dados
processados. Os gráficos foram construídos com escala em
unidade métrica, no valor de 0,07 metros.
Figura 6 – Discrepâncias planimétricas (em metros) no
processamento padrão do serviço GAPS PPP.
As discrepâncias planimétricas da Figura 6 se
referem a comparação entre as coordenadas estimadas no
processo padrão do serviço GAPS (na qual foram
considerados todos os erros modelados pelo serviço no
processamento), em relação as coordenadas de referências,
ambas referenciadas ao ITRF2008 (IGb08), na época de
coletas de dados. Observa-se que para as estações BAIL,
CUIB, SAGA, as discrepâncias planimétricas
apresentaram um grau de aproximação maior, se
comparado com a estação RSPE.
A Figura 7 refere-se às discrepâncias planimétricas
entre as coordenadas estimadas sem correção das marés
terrestres, em relação as coordenadas de referências, ambas
referenciadas ao ITRF2008 (IGb08), na época de 2016,87.
Percebe-se que para todas as estações, que as discrepâncias
planimétricas nessa estratégia de processamento
apresentaram um grau de dispersão maior, em relação ao
processamento padrão do software, na qual foi considerado
a correção das marés terrestres.
Como ressaltado anteriormente, o serviço GAPS
PPP, emprega o modelo adotado nas convenções do IERS
2010, para correção das marés terrestres. Salienta-se que
IV Simpósio Brasileiro de Geomática – SBG2017
II Jornadas Lusófonas - Ciências e Tecnologias de Informação Geográfica - CTIG2017
F. L. S. Braga; R. F. Moreira; J. Zanetti; W. R. Dal Poz ISSN 1981-6251
no processamento PPP foram utilizados observáveis GPS
com rastreio de 24 horas, porém as posições das estações
sofrem variações ao longo do dia como observado na
Figura 5, devido ao deslocamentos das marés terrestres.
Figura 7 – Discrepâncias planimétricas (em metros) no
processamento sem correção das marés terrestre do serviço
GAPS PPP.
Da mesma forma que na planimetria, os resultados
referentes às discrepâncias altimétricas para as duas
estratégias de processamento no serviço GAPS PPP foram
ilustrados através da Figura 8 e 9, que são constituídas de
quatro gráficos do tipo radar, para os 30 dias de dados
processados. Os gráficos foram construídos com escala em
unidade métrica, no valor de 0,16 metros.
A Figura 8 se refere as discrepâncias altimétricas
entre as coordenadas estimadas no processamento padrão
do serviço, e as oficiais da estação, ambas referenciadas ao
IGb08, na época 2016,87. Analisando a Figura 8, as
estações BAIL, CUIB, SAGA, da mesma forma como na
planimetria, também apresentaram um grau de
aproximação maior se comparado com a estação RSPE.
A Figura 9 apresenta as discrepâncias altimétricas
referentes ao processamento sem correção das marés
terrestres. Verifica-se que estações BAIL, CUIB e SAGA
apresentaram um comportamento aleatório (disperso) das
discrepâncias altimétricas. Já a estação RSPE apresentou
um grau de dispersão menor nessa estratégia de
processamento em comparação com as outras estações,
além disso, o comportamento das discrepâncias foi similar
ao apresentado no processamento padrão. Portanto a
estação RSPE apresentou menores deslocamentos devido
as marés terrestres em comparação com as outras estações.
Figura 8 – Discrepâncias altimétricas (em metros) no
processamento padrão do serviço GAPS PPP.
Figura 9 – Discrepâncias altimétricas (em metros) no
processamento sem correção das marés terrestre do serviço
GAPS PPP.
A Figura 10 ilustra as estatísticas das discrepâncias
planimétricas e altimétricas, tais como, média, mediana,
amplitude, desvio-padrão e RMS (Root Mean Square),
para cada estação, com o objetivo de auxiliar no estudo dos
IV Simpósio Brasileiro de Geomática – SBG2017
II Jornadas Lusófonas - Ciências e Tecnologias de Informação Geográfica - CTIG2017
F. L. S. Braga; R. F. Moreira; J. Zanetti; W. R. Dal Poz ISSN 1981-6251
resultados apresentados. Salienta-se que os códigos PP se
refere ao processamento padrão e MT o processamento
sem correção das marés terrestres.
Figura 10 – Estatísticas das discrepâncias planimétricas (a)
e altimétricas (b) para as quatro estações.
Analisando a Figura 10, em relação à média,
mediana e amplitude, observa-se que as discrepâncias
altimétricas foram maiores que as planimétricas,
considerando o processamento sem correção das marés
terrestres.
Além disso, verifica-se na Figura 10 que os RMSs
das discrepâncias planimétricas e altimétricas referentes ao
processamento padrão foram mais acurados em
comparação ao processamento sem correção do efeito das
marés terrestres para as estações BAIL, CUIB e SAGA. O
RMSs das discrepâncias altimétrica da estação RSPE
foram semelhantes para duas estratégias de processamento.
Averiguando os RMSs das discrepâncias
altimétricas entre as estações (Figura 10), nota-se que para
as estações CUIB e BAIL, que se encontram
aproximadamente na mesma latitude, apresentaram o
mesmo valor de RMS (0,065m) para o processamento sem
correção das marés terrestres. Em relação a estação SAGA
localizada próxima ao Equador, apresentou o maior valor
de RMS (0,08m), e a estação RSPE localizada no sul do
país, apresentou o menor RMS (0,20m). Nota-se, portanto,
que o efeito das marés terrestres no deslocamento das
estações referente à componente altimétrica, aumenta com
a proximidade ao Equador.
4 CONCLUSÕES
Os resultados deste estudo mostram que os
deslocamentos devido às marés terrestres nas quatro
estações da RBMC para o mês de novembro de 2016,
apresentaram as maiores amplitudes (aproximadamente
0,55 metros) na componente altimétrica para o dia da
superlua.
Os resultados obtidos no serviço GAPS PPP online,
mostram que a estratégia de processamento sem correção
das marés terrestres implicou numa diferença nas
discrepâncias planimétricas em média de 1 cm a mais que
o processamento padrão no serviço GAPS-PPP online. Em
relação as discrepâncias altimétricas, exceto para a estação
RSPE, a diferença média foi de aproximadamente 5 cm a
mais para o processamento sem a correção das marés
terrestres, em relação ao processamento padrão.
Deve ser destacado que, em geral, o maior efeito de
maré em estações tropicais brasileiras ocorre durante a lua
nova de março/abril. Além disso, a denominada superlua
em torno da qual se concentram as análises é um fato
curioso, porém efêmero e adequadamente modelado nas
convenções do IERS, e comumente inseridos nos softwares
científicos empregados para o processamento PPP.
Em resumo, o efeito das marés terrestres afeta
consideravelmente as coordenadas da estação caso não seja
corrigido no processamento dos dados, considerando a
metodologia PPP.
REFERÊNCIAS
ALTAMIMI, Z.; COLLILIEUX, X.; LEGRANd, J.
GARAYT, B. & BOUCHER, C. ITRF2005: A new
release of the International Terrestrial Reference
Frame based on time series of station positions and
Earth Orientation Parameters, J. Geophys. Res., 112,
B09401, doi:10.1029/2007JB004949. 2007.
ALTAMIMI, Z.; COLLILIEUX, X. & MÉTIVIER, L.
Analysis and results of ITRF2008. (IERS Technical
Note; 37) Frankfurt am Main: Verlag des Bundesamts für
Kartographie und Geodäsie, 54 pp., ISBN 978-3-86482-
046-5 (print version), 2012
BRUYNINX, C.; ALTAMIMI, Z.; CAPORALI, A.;
KENYERES, A.; LIDBERG, M.; STANGL, G.;
TORRESS, G.A. Guidelines for EUREF Densifications.
IAG sub-commission for the European Reference Frame,
2013.
IV Simpósio Brasileiro de Geomática – SBG2017
II Jornadas Lusófonas - Ciências e Tecnologias de Informação Geográfica - CTIG2017
F. L. S. Braga; R. F. Moreira; J. Zanetti; W. R. Dal Poz ISSN 1981-6251
DING, X.L. et al. Seasonal and secular positional
variations at eight co-located GPS and VLBI stations, v.79,
Journal of Geodesy, p71-81, 2005.
FU, G.; SUN, W. 2007. Effects of lateral in homogeneity
in a spherical Earth on gravity earth tides; J. Geophys. Res.
112 B06409, doi: 10.1029/2006JB004512.
GAPS (GPS ANALYSIS AND POSITIONING
SOFTWARE). < http://gaps.gge.unb.ca/>. Acesso: 20 de
fevereiro de 2017.
GLOSH, J. K.; PATHAK, S. A study on variation in
position of an Indian station due to solid earth tides.
Journal of Earth System Science. 124, N° 3, April 2015,
p. 603-612.
IERS Conventions (2003). Dennis D. McCarthy and
Gérard Petit. (IERS Technical Note ; 32) Frankfurt am
Main: Verlag des Bundesamts für Kartographie und
Geodäsie, 2004. 127 pp., paperback, ISBN 3-89888-884-3
(print version).
IERS Conventions (2010). Gérard Petit and Brian Luzum
(eds.). IERS Technical Note 36. Frankfurt am Main:
Verlag des Bundesamts für Kartographie und Geodäsie,
2010. 179 pp., ISBN 3-89888-989-6. Disponível em
<https://www.iers.org/IERS/EN/Publications/TechnicalN
otes/tn36.html>.>. Acesso: 20 março 2017.
IGS (INTERNATIONAL GNSS SERVICE).
International GNSS Service. Disponível em: <
http://www.igs.org/news/igs14-reference-frame-transition
>. Acesso: 20 fevereiro 2017.
MANTOVANI, M. S. M.; SHUKOWSKY, W.; FREITAS,
S. R. C.; NEVES, B. B. B. 2005. Lithosphere mechanical
behavior inferred from tidal gravity anomalies: A
comparison of Africa and South America. Earth Planet.
Sci. Lett. 230 397–412.
MILBERT, D. 2011. Solid Earth tide. Disponível em:<
http://home.comcast.net/∼dmilbert/softs/solid.htm.>.
Acesso em: 19 março 2017.
MONICO, J.F.G. Posicionamento pelo GNSS-Descrição,
fundamentos e aplicações. 2.ed. São Paulo: Editora
UNESP, 2008. 476p.
MOREIRA, D. M. Rede de referência altimétrica para
avaliação da altimetria por satélites e estudos
hidrológicos na região amazônica. Dissertação de
Mestrado. Rio de Janeiro: UFRJ/COPPE, 2010.
SIRGAS (2016). Sistema de Referência Geocêntrico para as
Américas (SIRGAS). Disponível em:<
http://www.sirgas.org/fileadmin/docs/Boletines/Sanchez_et_al_
SIRGAS_EGU2009_April_2009_.pdf)>. Acesso em: 16 outubro
2016
WESTON, N. D.; SOLER, T. Rigorous Geodetic
Positioning in the Americas. 2012. Disponível em:
<https://www.ngs.noaa.gov/CORS/Articles/Weston-
SolerFIG-2012-Montevideo.pdf>. Acesso: 22 março 2017.
XU, G. 2007. GPS, Theory, Algorithms and
Applications, 2nd Edition, Springer, ISBN:978-3-540-
72714-9.
top related