Modelos geoidais híbridos para o Estado de São Paulo: desenvolvimento e avaliação
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UNESP |
Texto Completo: | http://hdl.handle.net/11449/136428 |
Resumo: | A determinação da componente altimétrica por meio do GNSS (Global Navigation Satellite System) vem ganhando destaque e tem sido utilizada para fins de nivelamento com auxílio de modelos geoidais. Todavia, a desvantagem desse método está na qualidade dos modelos geoidais utilizados, que degradam as altitudes e limitam as aplicações do método. Com intuito de proporcionar ao nivelamento/GNSS uma melhor qualidade na transformação de altitudes, essa pesquisa objetiva o desenvolvimento de uma metodologia de hibridização dos modelos geoidais gravimétricos EGM08, MAPGEO2015 e GEOIDSP2014 para o Estado de São Paulo, proporcionando modelos mais consistentes com a tecnologia GNSS. As redes neurais RBF (Radial Based Function) foram utilizadas na obtenção das superfícies de distorção, baseadas nas diferenças entre as ondulações geoidais dos modelos e as ondulações obtidas por rastreamento em referencias de nível. Para geração dos modelos híbridos foram considerados somente os pontos da Rede Altimétrica Fundamental Brasileira. A partir das distorções obtidas foi realizada uma filtragem, com objetivo de minimizar as inconsistências altimétricas. Os modelos geoidais híbridos HYDEGM, HYDMAPEO e HYDGEOIDSP foram gerados utilizando 319, 317 e 315 pontos, respectivamente. Os experimentos permitiram concluir que o interpolador mais indicado para modelagem das distorções é o RBF linear. Para validação dos modelos foi utilizado 10% dos pontos altimétricos, enquanto 90% dos dados foram utilizados na geração das superfícies de distorção. Os pontos de verificação indicam que os modelos geoidais híbridos apresentam RMS de ± 0,107, ± 0,104 e ± 0,098 m, respectivamente. Os resultados dos modelos são promissores, uma vez que representam uma melhora das consistências de 30 à 40% em comparação com os geoides gravimétricos, proporcionando aos usuários uma melhor qualidade na transformação de altitudes geométricas para ortométricas. |
id |
UNSP_8cf18d31b12e1d523f792426908b6c41 |
---|---|
oai_identifier_str |
oai:repositorio.unesp.br:11449/136428 |
network_acronym_str |
UNSP |
network_name_str |
Repositório Institucional da UNESP |
repository_id_str |
2946 |
spelling |
Modelos geoidais híbridos para o Estado de São Paulo: desenvolvimento e avaliaçãoHybrids geoid models for the State of São Paulo: development and evaluationGNSSNivelamentoRedes neurais artificiaisMAPGEO2015GEOIDSP2014EGM08LevelingArtificial neural networksA determinação da componente altimétrica por meio do GNSS (Global Navigation Satellite System) vem ganhando destaque e tem sido utilizada para fins de nivelamento com auxílio de modelos geoidais. Todavia, a desvantagem desse método está na qualidade dos modelos geoidais utilizados, que degradam as altitudes e limitam as aplicações do método. Com intuito de proporcionar ao nivelamento/GNSS uma melhor qualidade na transformação de altitudes, essa pesquisa objetiva o desenvolvimento de uma metodologia de hibridização dos modelos geoidais gravimétricos EGM08, MAPGEO2015 e GEOIDSP2014 para o Estado de São Paulo, proporcionando modelos mais consistentes com a tecnologia GNSS. As redes neurais RBF (Radial Based Function) foram utilizadas na obtenção das superfícies de distorção, baseadas nas diferenças entre as ondulações geoidais dos modelos e as ondulações obtidas por rastreamento em referencias de nível. Para geração dos modelos híbridos foram considerados somente os pontos da Rede Altimétrica Fundamental Brasileira. A partir das distorções obtidas foi realizada uma filtragem, com objetivo de minimizar as inconsistências altimétricas. Os modelos geoidais híbridos HYDEGM, HYDMAPEO e HYDGEOIDSP foram gerados utilizando 319, 317 e 315 pontos, respectivamente. Os experimentos permitiram concluir que o interpolador mais indicado para modelagem das distorções é o RBF linear. Para validação dos modelos foi utilizado 10% dos pontos altimétricos, enquanto 90% dos dados foram utilizados na geração das superfícies de distorção. Os pontos de verificação indicam que os modelos geoidais híbridos apresentam RMS de ± 0,107, ± 0,104 e ± 0,098 m, respectivamente. Os resultados dos modelos são promissores, uma vez que representam uma melhora das consistências de 30 à 40% em comparação com os geoides gravimétricos, proporcionando aos usuários uma melhor qualidade na transformação de altitudes geométricas para ortométricas.Determination of the altimetric component using GNSS (Global Navigation Satellite System) is becoming better known and used for purposes of leveling with the aid of geoid models. However, the disadvantage of this method is the quality of the geoid models, which degrade heights and limit the application of the method. In order to provide better quality in transforming height using GNSS/leveling, this research aims to develop a hybridization methodology of gravimetric geoid models EGM08, MAPGEO2015 and GEOIDSP2014 for the State of São Paulo, providing more consistent models with GNSS technology. RBF (Radial Basis Function) neural networks were used to obtain the surface distortion, based on differences between geoid model undulations and the undulations obtained by GNSS tracking in benchmarks. Only points from the Altimetric Fundamental Brazilian Network were considered for the generation of hybrid geoids. Filtering was carried out from the offsets obtained in order to minimize altimetric inconsistencies. The hybrid geoid models HYDEGM, HYDMAPGEO and HYDGEOIDSP were generated using, respectively, 319, 317 and 315 points. The experiments showed that the most suitable interpolation for modeling distortions is the linear RBF. 10% of the altimetric points were used for validation of the models, while 90% of the data was used in offset surface generation. Checkpoints indicate that the geoid hybrid models feature RMS ± 0,107, 0,104 and ± 0,098 m, respectively. The results are promising since they represent an improvement of 30 to 40% in consistencies compared with the gravimetric geoids, providing users better quality transformation of geometric to orthometric heights.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)Universidade Estadual Paulista (Unesp)Camargo, Paulo de Oliveira [UNESP]Guimarães, Gabriel do NascimentoUniversidade Estadual Paulista (Unesp)Arana, Daniel [UNESP]2016-03-28T17:35:42Z2016-03-28T17:35:42Z2016-02-22info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/11449/13642800087215233004129043P067907082475988130000-0001-7648-1291porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-06-20T12:25:23Zoai:repositorio.unesp.br:11449/136428Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T23:53:51.040416Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false |
dc.title.none.fl_str_mv |
Modelos geoidais híbridos para o Estado de São Paulo: desenvolvimento e avaliação Hybrids geoid models for the State of São Paulo: development and evaluation |
title |
Modelos geoidais híbridos para o Estado de São Paulo: desenvolvimento e avaliação |
spellingShingle |
Modelos geoidais híbridos para o Estado de São Paulo: desenvolvimento e avaliação Arana, Daniel [UNESP] GNSS Nivelamento Redes neurais artificiais MAPGEO2015 GEOIDSP2014 EGM08 Leveling Artificial neural networks |
title_short |
Modelos geoidais híbridos para o Estado de São Paulo: desenvolvimento e avaliação |
title_full |
Modelos geoidais híbridos para o Estado de São Paulo: desenvolvimento e avaliação |
title_fullStr |
Modelos geoidais híbridos para o Estado de São Paulo: desenvolvimento e avaliação |
title_full_unstemmed |
Modelos geoidais híbridos para o Estado de São Paulo: desenvolvimento e avaliação |
title_sort |
Modelos geoidais híbridos para o Estado de São Paulo: desenvolvimento e avaliação |
author |
Arana, Daniel [UNESP] |
author_facet |
Arana, Daniel [UNESP] |
author_role |
author |
dc.contributor.none.fl_str_mv |
Camargo, Paulo de Oliveira [UNESP] Guimarães, Gabriel do Nascimento Universidade Estadual Paulista (Unesp) |
dc.contributor.author.fl_str_mv |
Arana, Daniel [UNESP] |
dc.subject.por.fl_str_mv |
GNSS Nivelamento Redes neurais artificiais MAPGEO2015 GEOIDSP2014 EGM08 Leveling Artificial neural networks |
topic |
GNSS Nivelamento Redes neurais artificiais MAPGEO2015 GEOIDSP2014 EGM08 Leveling Artificial neural networks |
description |
A determinação da componente altimétrica por meio do GNSS (Global Navigation Satellite System) vem ganhando destaque e tem sido utilizada para fins de nivelamento com auxílio de modelos geoidais. Todavia, a desvantagem desse método está na qualidade dos modelos geoidais utilizados, que degradam as altitudes e limitam as aplicações do método. Com intuito de proporcionar ao nivelamento/GNSS uma melhor qualidade na transformação de altitudes, essa pesquisa objetiva o desenvolvimento de uma metodologia de hibridização dos modelos geoidais gravimétricos EGM08, MAPGEO2015 e GEOIDSP2014 para o Estado de São Paulo, proporcionando modelos mais consistentes com a tecnologia GNSS. As redes neurais RBF (Radial Based Function) foram utilizadas na obtenção das superfícies de distorção, baseadas nas diferenças entre as ondulações geoidais dos modelos e as ondulações obtidas por rastreamento em referencias de nível. Para geração dos modelos híbridos foram considerados somente os pontos da Rede Altimétrica Fundamental Brasileira. A partir das distorções obtidas foi realizada uma filtragem, com objetivo de minimizar as inconsistências altimétricas. Os modelos geoidais híbridos HYDEGM, HYDMAPEO e HYDGEOIDSP foram gerados utilizando 319, 317 e 315 pontos, respectivamente. Os experimentos permitiram concluir que o interpolador mais indicado para modelagem das distorções é o RBF linear. Para validação dos modelos foi utilizado 10% dos pontos altimétricos, enquanto 90% dos dados foram utilizados na geração das superfícies de distorção. Os pontos de verificação indicam que os modelos geoidais híbridos apresentam RMS de ± 0,107, ± 0,104 e ± 0,098 m, respectivamente. Os resultados dos modelos são promissores, uma vez que representam uma melhora das consistências de 30 à 40% em comparação com os geoides gravimétricos, proporcionando aos usuários uma melhor qualidade na transformação de altitudes geométricas para ortométricas. |
publishDate |
2016 |
dc.date.none.fl_str_mv |
2016-03-28T17:35:42Z 2016-03-28T17:35:42Z 2016-02-22 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11449/136428 000872152 33004129043P0 6790708247598813 0000-0001-7648-1291 |
url |
http://hdl.handle.net/11449/136428 |
identifier_str_mv |
000872152 33004129043P0 6790708247598813 0000-0001-7648-1291 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
publisher.none.fl_str_mv |
Universidade Estadual Paulista (Unesp) |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UNESP instname:Universidade Estadual Paulista (UNESP) instacron:UNESP |
instname_str |
Universidade Estadual Paulista (UNESP) |
instacron_str |
UNESP |
institution |
UNESP |
reponame_str |
Repositório Institucional da UNESP |
collection |
Repositório Institucional da UNESP |
repository.name.fl_str_mv |
Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP) |
repository.mail.fl_str_mv |
|
_version_ |
1808129562849050624 |