Modeling of GNSS derived vertical total electron content via artificial neural networks : a case study in Brazil

Abstract

Uma das principais fontes de erro no posicionamento baseado em Sistemas Globais de Navegação por Satélite (GNSS) para usuários de receptores de uma frequência é o atraso de propagação nos sinais GNSS ao atravessarem a ionosfera. Esse atraso, em uma aproximação de primeira ordem, é diretamente proporcional ao Conteúdo Total de Elétrons (TEC). Assim, estimar o TEC é uma tarefa bastante relevante para correção dos efeitos ionosféricos sobre a propagação dos sinais. Para corrigir os erros de distância devido à ionosfera, os usuários de receptores GNSS de uma única frequência necessitam de modelos que representem o TEC. Neste cenário, este trabalho propõe a utilização de Redes Neurais Artificiais (ANN) para estimar o TEC obtido a partir de medidas GNSS na região do Brasil. As investigações apresentadas neste trabalho iniciam o desenvolvimento de um modelo regional que possa ser usado para determinar o TEC vertical sobre as regiões Nordeste, Centro-Oeste e Sul do Brasil, visando futuras aplicações em estimação próxima a tempo real e em previsão de curto prazo. Neste trabalho são utilizados dados GNSS das redes GLONASS para pesquisa e desenvolvimento, e da Rede Brasileira de Monitoramento Contínuo dos Sistemas GNSS (RBMC). Os parâmetros de entrada da rede neural baseiam-se em fatores que influenciam os valores do TEC, incluindo localização geográfica do receptor GNSS, atividade geomagnética, variações sazonais e diurnas e atividade solar. O modelo de ANN proposto é utilizado para estimar os valores de GNSS TEC vertical em regiões desprovidas de receptores GNSS de duas bandas de frequência que possam ser utilizados para tal fim. Diferentes análises são realizadas, divididas em três estudos de caso. Estas análises incluem a avaliação de desempenho espacial, avaliação de diferentes estruturas ANN, habilidade de previsão em curto-prazo e comparação de desempenho em relação aos Mapas Ionosféricos Globais (Global Ionospheric Maps) fornecidos pelo Centro para Determinação de órbita na Europa (CODE) durante a tempestade geomagnética registrada nos dias 13 e 14 de Outubro de 2016. Os resultados obtidos a partir das análises conduzidas sugerem que os modelos de NN propostos fornecem bom desempenho espacial e apresentam-se como ferramentas promissoras para aplicações de previsão de TEC de curto-prazo.