Ionospheric irregularities spatial variability prediction analysis by Regression Kriging

Autor: Oliveira, Samuel Almeida Santos de
Přispěvatelé: Universidade Estadual Paulista (Unesp), Barros, Zacarias Xavier
Jazyk: portugalština
Rok vydání: 2022
Předmět:
Zdroj: Repositório Institucional da UNESP
Universidade Estadual Paulista (UNESP)
instacron:UNESP
Popis: Submitted by Samuel Almeida Santos de Oliveira (panodepitanga@gmail.com) on 2022-05-13T15:19:56Z No. of bitstreams: 1 Tese Samuel.pdf: 9834472 bytes, checksum: 825f2c68ea7949334b978dbbebbc0ef2 (MD5) Approved for entry into archive by Ana Lucia de Grava Kempinas (ana.kempinas@unesp.br) on 2022-05-13T19:24:39Z (GMT) No. of bitstreams: 1 oliveira_sas_dr_botfca.pdf: 9834472 bytes, checksum: 825f2c68ea7949334b978dbbebbc0ef2 (MD5) Made available in DSpace on 2022-05-13T19:24:39Z (GMT). No. of bitstreams: 1 oliveira_sas_dr_botfca.pdf: 9834472 bytes, checksum: 825f2c68ea7949334b978dbbebbc0ef2 (MD5) Previous issue date: 2022-02-18 Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) A Geodésia é uma ciência das Geociências, que estuda a forma, tamanho, gravidade e o posicionamento de pontos na Terra. Existem diversos produtos que resultam dos avanços e estudos da Geodésia, um exemplo são os Sistemas Globais de Navegação por Satélite (GNSS) utilizados em diferentes áreas como agricultura de precisão, gestão fundiária, atividades de monitoramento agrícola, navegação, execução de projetos de engenharia, entre outros, pois solucionam problemas de posicionamentos precisos. No entanto, os sinais emitidos pelos satélites são suscetíveis a diferentes efeitos causados pela atmosfera, principalmente pela ionosfera. Este trabalho teve o objetivo de verificar a qualidade da predição da distribuição espacial das irregularidades ionosféricas pela ferramenta geoestatística Regressão Krigagem, com hipótese de que este método, que discrimina componentes determinísticas de componentes estocásticas, aumenta a acurácia da predição das irregularidades ionosféricas e que pelos resultados obtidos foi possível confirmar uma melhor performance da Regressão Krigagem em relação a Krigagem Ordinária pela redução do Root Mean Squard Error (RMSE) do processo de validação cruzada, o que não exclui a necessidade de uma modelagem mais exaustiva que considere outras variáveis preditoras e formulações mais representativas da variabilidade espacial das irregularidades ionosféricas. A regressão Krigagem teve como variáveis preditoras a latitude magnética e a hora local apenas para modelagem determinística e, uma vez que as irregularidades ionosféricas têm uma relação conhecida com ciclos solares e ciclos anuais é possível que a regressão krigagem venha a ter uma qualidade de predição ainda superior àquela demonstrada neste trabalho. Geodesy is a science within Geosciences, which studies the shape, size, gravity and the positioning of points on Earth. There are several products from the advances of Geodesy studies, e.g. the Global Navigation Satellite Systems (GNSS), used in different areas such as precision agriculture, navigation, engineering projects, and others, as they solve problems of accurate positioning. However, satellite transmitted signals are susceptible to different effects caused by atmosphere, mostly from ionospheric irregularities. This work aimed to verify the quality of the ionospheric irregularities spatial distribution prediction using Regression Kriging methodology with the hypothesis that this method, which discriminates deterministics components from stochastic components, raises the levels of ionospheric irregularities prediction acuracy. The results showed that Regression Kriging has an improvement in relation with the Ordinary Kriging by reducing the RMSE of cross-validation process, but this results doesn’t exclude the demand of a more exaustive mathematical modelling to consider more predictors and more representative formulae. The Regression Kriging had as covariables the local time and the magnetic latitude, however ionospheric irregularities have a well known correlation with solar and seasonal cycles, therefore Regression Kriging has the potential to have better results than the ones obtained in this work throghout a better deterministic modelling 88882.461712/2019-01
Databáze: OpenAIRE
Externí odkaz: