UNIVERSIDADE ESTADUAL PAULISTA CÂMPUS DE PRESIDENTE PRUDENTE FACULDADE DE CIÊNCIAS E TECNOLOGIA Programa de Pós-Graduação em Ciências Cartográficas Bruno César Vani Investigações sobre Modelagem, Mitigação e Predição de Cintilação Ionosférica na Região Brasileira TESE Presidente Prudente 2018 Bruno César Vani Investigações sobre Modelagem, Mitigação e Predição de Cintilação Ionosférica na Região Brasileira Tese de Doutorado desenvolvida junto ao Pro- grama de Pós-Graduação em Ciências Car- tográficas da Universidade Estadual Paulista Júlio de Mesquita Filho, Câmpus Presidente Prudente. Universidade Estadual Paulista Júlio de Mesquisa Filho Faculdade de Ciência e Tecnologia – FCT/UNESP – Câmpus Presidente Prudente Programa de Pós-Graduação em Ciências Cartográficas Orientador: Prof. Dr. João Francisco Galera Monico Coorientador: Prof. Dr. Milton Hirokazu Shimabukuro Presidente Prudente/SP Março de 2018 DADOS CURRICULARES Bruno César Vani Nascimento: 14/08/1987 em Regente Feijó/SP. Filiação: Jorge Henrique Vani e Lucimar Santana Vani 2006-2011: Curso de Graduação Bacharelado em Ciência da Computação Faculdade de Ciências e Tecnologia - UNESP 2012-2014: Curso de Pós-Graduação Mestrado em Ciências Cartográficas Faculdade de Ciências e Tecnologia - UNESP 2014-2018: Curso de Pós-Graduação Doutorado em Ciências Cartográficas Faculdade de Ciências e Tecnologia - UNESP Dedico este trabalho à minha querida sobrinha Isabella (in memoriam), que em sua curta passagem no nosso mundo deixou um legado de perseverança e força de vontade. Agradecimentos Agradeço primeiramente a Deus, pela saúde e força de vontade para superar as adversidades da minha jornada. Agradeço à minha noiva Natalia, pelo apoio, paciência e compreensão. Aos meus pais e irmãos, por todo o apoio recebido. Agradeço também aos demais familiares e amigos pelo apoio e compreensão. Ao Prof. Dr. João Francisco Galera Monico pela orientação neste trabalho, amizade e oportunidades que me proporcionaram um grande crescimento profissional. Ao Prof. Dr. Milton Hirokazu Shimabukuro, coorientador neste projeto de doutorado e mentor em vários outros projetos desde à época da graduação. Ao Prof. Dr. Biagio Forte (University of Bath - UK) – coorientador no exterior durante o período do doutorado sanduíche – pela receptividade no exterior, pelas inúmeras discussões e contribuições para a realização deste trabalho. Agradeço também ao técnico do laboratório de geodésia espacial Me. Italo Tshuchya e ao analista de T.I. Rogério Oyama por todo o apoio operacional para a realização deste projeto. O agradecimento se estende a todos os funcionários da FCT/UNESP. Aos demais professores da FCT/UNESP que contribuíram com a minha formação na graduação e pós-graduação. Um agradecimento especial ao Prof. Dr. Ronaldo Celso Messias Correia – por ter despertado meu interesse em assuntos relacionados às Ciências Cartográficas e novamente ao Prof. Milton por ter me apresentado ao Grupo de Estudos em Geodésia Espacial! Aos alunos do Programa de Pós-Graduação em Ciências Cartográficas, pela amizade e parceria nos últimos anos, e aos meus companheiros de trabalho do IFSP, que não mediram esforços para me apoiar quando precisei. Aos professores Dr. Danillo Pereira (UNOESTE) e Dr. Alison Moraes (IAE/ITA) pelas contribuições e sugestões propostas no exame geral de qualificação – realizado em 2016 – e também em outras oportunidades nos anos seguintes. E aos pesquisadores do INPE (São José dos Campos/SP), Dr. Eurico Rodrigues de Paula, Dr. Jonas Rodrigues de Souza e Dr. Stephan Stephany pela receptividade nas visitas que realizei ao INPE nos últimos anos. Agradeço também aos demais pesquisadores de várias partes do mundo com quem tive a oportunidade de interagir durante as pesquisas. À Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) pelo suporte financeiro e pela concessão de bolsa para a realização do doutorado sanduíche no ex- terior (CAPES/Programa de Doutorado Sanduíche no Exterior (PDSE) 19-2016/Processo 88881.134266/2016-01), e também ao Instituto Federal de Educação, Ciência e Tecnolo- gia de São Paulo (IFSP) pelo apoio à realização deste projeto através da concessão de afastamento para qualificação. Resumo Cintilações Ionosféricas são rápidas variações na amplitude e/ou fase de um sinal de rádio ao se propagar por irregularidades na densidade de elétrons na ionosfera. Este fenômeno degrada a performance do posicionamento pelo GNSS, uma vez que pode acarretar, dentre outros aspectos, a degradação na acurácia de observáveis e em perdas de sincronismo no receptor. No Brasil, verifica-se a maior suscetibilidade de ocorrência de cintilação algumas horas após o pôr-do-sol, nas épocas do ano compreendidas entre os equinócios de primavera e outono nos anos de alta atividade solar. Redes GNSS de monitoramento de cintilações estão implantadas no território brasileiro, incluindo a rede CIGALA/CALIBRA – a qual é mantida pela FCT/UNESP com o apoio de parceiros nos últimos sete anos. Os dados de monitoramento permitem a realização de diversas pesquisas sobre características e efeitos da cintilação, incluindo as investigações conduzidas neste projeto. Foram investigados aspectos sobre a modelagem da cintilação ionosférica no Brasil, com ênfase na mitigação dos seus efeitos no PPP e na predição de ocorrência de cintilação. No contexto da mitigação, abordagens existentes foram avaliadas e uma nova proposta foi desenvolvida. A abordagem proposta para mitigação consiste em um novo modelo funcional, novo modelo estocástico e uma estratégia para minimizar os efeitos de perdas de sincronismo. A abordagem proposta foi testada com o suporte do software científico RT-PPP e os resultados obtidos foram promissores, incluindo casos de recuperação da acurácia esperada do PPP, mesmo sob influência de cintilação forte. No contexto da predição, uma integração de bases de dados de monitoramento oriundos de três redes (CIGALA/CALIBRA, ICEA e LISN) permitiu o desenvolvimento de um modelo preditivo (guiado por dados) baseado em redes neurais artificiais. A rede neural é treinada para obter uma estimativa das localidades e horários onde a cintilação é esperada em uma determinada noite, com base em dados de monitoramento obtidos em noites anteriores. Dados de monitoramento de diferentes regiões coletados no começo da mesma noite (logo após o pôr-do-sol) também são utilizados com o objetivo de inferir padrões acerca do surgimento das irregularidades que causam as cintilações e sua relação com o nível de cintilação observado no restante da noite. O modelo permite obter mapas de cintilação preditos com antecedência de uma a quatro horas, os quais são acompanhados de estimativas de qualidade das predições. Em resumo, este projeto apresenta contribuições com potencial para trazer benefícios ao cenário científico-tecnológico nacional. Além disso, os dados de monitoramento da base de dados integrada foram disponibilizados pela internet à comunidade através do software científico ISMR Query Tool, proporcionando suporte à realização de pesquisas adicionais em diversas instituições do Brasil e do mundo. Palavras-chave: Cintilação Ionosférica; GNSS; Mitigação; Predição; PPP. Abstract Ionospheric scintillations are rapid variation in amplitude and/or phase of a radio signal as it propagates through irregularities on electron density in the ionosphere. Such phenomenon degrades the performance of GNSS positioning, because it may cause accuracy degradation on observables and losses of lock, among other aspects. In Brazil, there is more susceptibility to occurrence of scintillations after sunset time between the spring and autumn equinoxes of years with high solar activity. Monitoring networks based on GNSS receivers are deployed over the Brazilian territory such as the CIGALA/CALIBRA network, managed by FCT/UNESP (with support from partners) in the last seven years. Monitoring data allows to develop several research regarding the scintillation effects, as in this thesis. Aspects regarding the modeling of ionospheric scintillation effects in Brazil were investigated, with emphasis on the mitigation of these effects on PPP and predictions of scintillation occurence. In the field of mitigation, existing approaches were investigated and a new one was proposed. The new approach for mitigation relies in both new functional and stochastic models for PPP, as well as a strategy to model effects of losses of lock. The proposed approach was tested with the scientific software RT-PPP and the achieved results were promising, including cases in which the expected accuracy for the PPP was recovered. In the field of the predictions, a database integration was conducted with data from three different networks (CIGALA/CALIBRA, ICEA e LISN). The integration allowed the development of a data-driven predictive model based on artificial neural network. The neural network is trained with data from previous nights. Data from the same night (around the sunset time) is also used to detect patterns regarding the emerging of the irregularities driving scintillation occurrence on the whole night. The model allows to generate maps of predicted scintillation with antecedence from one to four hours. In summary, this thesis shows contributions with potential to create benefits on the scientific and technological scenarios in Brazil. Furthermore, monitoring data from the integrated database was made available to the scientific community via the software ISMR Query Tool, providing support to conduct new research in different institutions from Brazil and the world. Palavras-chave: Ionospheric Scintillation; GNSS; Mitigation; Prediction; PPP. Lista de Figuras Figura 1 – Representação gráfica para o modelo de camada simples da ionosfera. Baseado em Hofmann-Wellenhof, Lichtenegger e Collins (2001) e Seeber (2003). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 Figura 2 – Representação gráfica da dinâmica da ionosfera na região equatorial: em cinza claro são representadas as linhas de campo magnético da Terra em diferentes altitudes (100, 300, 600 e 900 km); as linhas pontilhadas em preto representam as direções da evolução das irregularidades no plasma ionosférico após o pôr-do-sol, caracterizando o efeito fonte. Fonte: adaptado de Rich et al. (2004). . . . . . . . . . . . . . . . . . . . . . . 35 Figura 3 – Distribuição das estações da Rede CIGALA/CALIBRA. . . . . . . . . 37 Figura 4 – Representação gráfica dos componentes do sinal em uma época t repre- sentados sobre um plano cartesiano. . . . . . . . . . . . . . . . . . . . . 39 Figura 5 – Intensidade I (normalizada pela média) de um sinal sob efeito de cintilação observada no período de um minuto (amostrada a 50 Hz). Dados da estação PRU2 para o satélite GPS 12, observados no dia 03/11/2014. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41 Figura 6 – Dados de fase de um sinal sob efeito de cintilação observada no período de um minuto: (a) fase original; (b) tripla-diferença da fase em relação ao tempo; (c) fase filtrada pelo Butterworth de 6a ordem. Dados da estação PRU2 para o satélite GPS 12, observados no dia 03/11/2014. . 43 Figura 7 – Intensidade de um sinal sob efeito de cintilação observada simultane- amente em diferentes bandas. Dados da estação SJCU para o satélite GPS 24, observados no dia 11/11/2014 entre 19:50 e 19:51 (LT). . . . . 45 Figura 8 – PSD da fase filtrada do sinal em um período de 1 minuto para estimativa dos parâmetros espectrais p e T . Dados da estação PRU2 para o satélite GPS 12, observados no dia 03/11/2014. . . . . . . . . . . . . . . . . . . 46 Figura 9 – Progressão dos ciclos solares a partir do ano 2000: (a) número de manchas solares; (b) Fluxo solar (F10.7). Fonte: (NATIONAL OCEANIC AND ATMOSPHERIC ADMINISTRATION (NOAA) - SPACE WEATHER PREDICTION CENTER, 2018). . . . . . . . . . . . . . . . . . . . . . 49 Figura 10 – Valores médios mensais do F10.7 observados no período entre fevereiro de 1947 a março de 2018. Dados obtidos na base de dados de Clima Espacial do NRCAN (NATURAL RESOURCES CANADA (NRCAN) - SPACE WEATHER, 2018). . . . . . . . . . . . . . . . . . . . . . . . . 49 Figura 11 – Porcentagem de ocorrência de cintilação e índice F10.7: (a) Porcentagem de casos de S4 > 0.5; (b) porcentagem de ocorrência de casos de S4 > 0.2; (c) Valor médio do F10.7. Fonte: Adaptada de Muella et al. (2017). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50 Figura 12 – Médias diárias do índice S4 para estação PRU2 no período de 2012 a 2016 (dados GPS com máscara de elevação de 10◦). As células em cinza indicam indisponibilidade de dados. . . . . . . . . . . . . . . . . . . . . 51 Figura 13 – Picos de alto índice S4 observados na estação PRU2 ao longo de uma semana. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 Figura 14 – Desvio-padrão do índice S4. Dados GPS, GLONASS e Galileo coletados por estações de monitoramento da Rede CIGALA/CALIBRA (máscara de elevação de 20◦) no período de 22/09/2014 a 15/10/2014. . . . . . . 53 Figura 15 – Comportamento inesperado do índice S4 (inibição de cintilação no dia 21/12/2015) associado à variação no índice Dst: (a) Índice Dst no período de 15 a 24 de Dezembro/2015. Fonte: World Data Center for Geomagnetism, Kyoto (2015); (b) Índice S4 observado na estação FRTZ (Fortaleza/CE) no mesmo período (máscara de elevação de 20◦). . . . . 55 Figura 16 – Diferentes valores de inclinação (linhas em tons de vermelho) e declina- ção (linhas em tons de azul) obtidos pelo IGRF abrangendo a região brasileira para a época 2015. . . . . . . . . . . . . . . . . . . . . . . . . 56 Figura 17 – Caracterização do ângulo γ na região do IPP: (a) configuração satélite- receptor; (b) detalhamento do azimute geográfico (em azul), azimute magnético (em vermelho), ângulo γ e declinação magnética δ (NM e NG referem-se, respectivamente, ao Norte Geográfico e Norte Magnético). 57 Figura 18 – Caracterização do ângulo β entre o ângulo de elevação do satélite e a inclinação magnética (Î) na região do IPP; NM e NG referem-se, respectivamente ao Norte Magnético e Norte Geográfico. . . . . . . . . 58 Figura 19 – Histograma de distribuição dos ângulos (a) γ e (b) β em função de valores de índice S4. Dados da estação PRU2 coletados em Novembro/2014. 59 Figura 20 – Histograma de distribuição dos ângulos (a) γ e (b) β em função de valores de índice S4. Dados da estação SJCU coletados em Novembro/2014. 60 Figura 21 – Caracterização de lacunas nas observáveis: (a) observável de fase φL1(C/A) obtida no arquivo RINEX (1s); (b) respectivos índices S4 e Sigma-phi; (c) respectiva fase filtrada (a 50 Hz) e indicativos de lacunas nas observáveis; (d) respectiva intensidade normalizada (a 50 Hz) e indicativos de lacunas nas observáveis. Dados coletados na estação SJCU (PRN 24) na noite de 06 de Novembro de 2014. . . . . . . . . . . . . . . . . . . . . . . . . 64 Figura 22 – Intensidade do sinal normalizada em três minutos distintos, os quais apresentam valores de S4 similares (S4 =≈ 0, 66), mas diferentes valores para o par α-µ. Dados da estação SJCU coletados no dia 14/02/2015 (PRN 23). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69 Figura 23 – Diferentes indicadores descrevendo a severidade da cintilação afetando o rastreamento de um satélite ao longo do tempo. Dados coletados na estação SJCU (PRN 18) na noite de 17 de Novembro de 2014. . . . . . 72 Figura 24 – (a) Tripla-diferença da pseudodistância PDL1(C/A); (b) Desvio-padrão da observável estimado de acordo com os modelos de Conker e α-µ. Dados coletados na estação SJCU (PRN 18) na noite de 17 de Novembro de 2014. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 Figura 25 – Cintilação observada na estação SJCU considerando apenas os satélites utilizados no PPP – dados do dia 307/2014. . . . . . . . . . . . . . . . 85 Figura 26 – Cintilação observada na estação SJCU considerando apenas os satélites utilizados no PPP – dados do dia 311/2014. . . . . . . . . . . . . . . . 85 Figura 27 – Comparação entre o PPP com diferentes modelagens estocásticas: (a) padrão, (b) modelo de Conker e (c) modelo α-µ. Resultados para o dia 307/2014 – estação SJCU. A acurácia posicional é representada pelos erros no SGL. A linha vermelha representa o número de satélites utilizado na solução em cada época, e os pontos pretos indicam os casos onde uma perda de ciclo foi identificada pelo RT-PPP. . . . . . . . . . 86 Figura 28 – Comparação da precisão do PPP com diferentes modelagens estocásticas: (a) padrão, (b) modelo de Conker e (c) modelo α-µ. Resultados para o dia 307/2014 – estação SJCU. A precisão dos componentes é representada considerando um SGL. . . . . . . . . . . . . . . . . . . . . . . . . . . . 87 Figura 29 – Comparação entre o PPP com diferentes modelagens estocásticas: (a) padrão, (b) modelo de Conker e (c) modelo α-µ. Resultados para o dia 311/2014 – estação SJCU. A acurácia posicional é representada pelos erros no SGL. A linha vermelha representa o número de satélites utilizado na solução em cada época, e os pontos pretos indicam os casos onde uma perda de ciclo foi identificada pelo RT-PPP. . . . . . . . . . 88 Figura 30 – Estimativa de dScintφL1(C/A) : (a) estimativa do componente de alta frequência; (b) estimativa do componente de baixa frequência; (c) esti- mativa final; (d) intensidade normalizada do sinal a 50 Hz. . . . . . . . 91 Figura 31 – Avaliação inicial da correção dScintφL1(C/A) : observável original e obser- vável corrigida. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 Figura 32 – Função de mapeamento para o desvio-padrão da fase de acordo com o valor de dScintφLi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94 Figura 33 – As barras verticais apresentam a comparação entre o REMQ-3D das soluções PPP padrão e PPP com mitigação (Estação SJCU - Novem- bro/2014). O período de convergência considerado (30 minutos iniciais) não foi utilizado no cálculo das estatísticas do REMQ-3D. As linhas pontilhadas representam a quantidade de perdas de ciclo identificadas pelo RT-PPP: (a) média do REMQ-3D e número de perdas de ciclo; (b) desvio-padrão do REMQ-3D e número de perdas de ciclo. . . . . . 99 Figura 34 – Comparação entre (a) PPP padrão (sem mitigação) e (b) PPP com mitigação para o dia 307/2014 – estação SJCU. A acurácia posicional é representada pelos erros no SGL. A linha vermelha representa o número de satélites utilizado na solução em cada época, e os pontos pretos indicam os casos onde uma perda de ciclo foi identificada pelo RT-PPP. (c) Cintilação (índice S4) apenas para os satélites utilizados no PPP. . 101 Figura 35 – Análise das precisões das estimativas de coordenadas nas componentes Norte, Leste e Vertical (conforme obtidas na MVC dos parâmetros ajustados do PPP): (a) precisões obtidas no PPP padrão (sem mitigação) e (b) precisões obtidas no PPP com mitigação para o dia 307/2014 – estação SJCU. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 Figura 36 – Comparação entre (a) PPP padrão (sem mitigação) e (b) PPP com mitigação para o dia 315/2014 – estação SJCU. A acurácia posicional é representada pelos erros no SGL. A linha vermelha representa o número de satélites utilizado na solução em cada época, e os pontos pretos indicam os casos onde uma perda de ciclo foi identificada pelo RT-PPP. (c) Cintilação (índice S4) apenas para os satélites utilizados no PPP. . 103 Figura 37 – Comparação entre (a) PPP padrão (sem mitigação) e (b) PPP com mitigação para o dia 319/2014 – estação SJCU. A acurácia posicional é representada pelos erros no SGL. A linha vermelha representa o número de satélites utilizado na solução em cada época, e os pontos pretos indicam os casos onde uma perda de ciclo foi identificada pelo RT-PPP. (c) Cintilação (índice S4) apenas para os satélites utilizados no PPP. . 104 Figura 38 – Comparação entre (a) PPP padrão (sem mitigação) e (b) PPP com mitigação para o dia 326/2014 – estação SJCU. A acurácia posicional é representada pelos erros no SGL. A linha vermelha representa o número de satélites utilizado na solução em cada época, e os pontos pretos indicam os casos onde uma perda de ciclo foi identificada pelo RT-PPP. (c) Cintilação (índice S4) apenas para os satélites utilizados no PPP. . 105 Figura 39 – As barras verticais apresentam a comparação entre o REMQ-3D das so- luções PPP padrão e com mitigação (Estação PRU2 - Novembro/2014). O período de convergência considerado (30 minutos iniciais) não foi utilizado no cálculo das estatísticas do REMQ-3D. As linhas ponti- lhadas representam a quantidade de perdas de ciclo identificadas pelo RT-PPP: (a) média do REMQ-3D e número de perdas de ciclo; (b) desvio-padrão do REMQ-3D e número de perdas de ciclo. . . . . . . . 107 Figura 40 – Comparação entre (a) PPP padrão (sem mitigação) e (b) PPP com mitigação para o dia 307/2014 (PRU2). A acurácia posicional é repre- sentada pelos erros no SGL. A linha vermelha representa o número de satélites utilizado na solução em cada época, e os pontos pretos indicam os casos onde uma perda de ciclo foi identificada pelo RT-PPP. (c) Cintilação (índice S4) apenas para os satélites utilizados no PPP. . . . 109 Figura 41 – Comparação entre (a) PPP padrão (sem mitigação) e (b) PPP com mitigação para o dia 317/2014 (PRU2). A acurácia posicional é repre- sentada pelos erros no SGL. A linha vermelha representa o número de satélites utilizado na solução em cada época, e os pontos pretos indicam os casos onde uma perda de ciclo foi identificada pelo RT-PPP. . . . . 110 Figura 42 – Comparação entre (a) PPP padrão (sem mitigação) e (b) PPP com mitigação para o dia 332/2014 (PRU2). A acurácia posicional é repre- sentada pelos erros no SGL. A linha vermelha representa o número de satélites utilizado na solução em cada época, e os pontos pretos indicam os casos onde uma perda de ciclo foi identificada pelo RT-PPP. . . . . 111 Figura 43 – (a) Mapa de índice S4 esperado obtido pelo WBMOD. Fonte: NorthWest Research Associates, Inc. (NWRA) (2011); (b) Mapa de índice S4 esperado obtido pelo GISM. Fonte: adaptado de Béniguel e Hamel (2011).119 Figura 44 – Exemplo de mapa de cintilação (S4) disponibilizado pelo INPE para o dia 06 de Novembro de 2014 às 23:40 (UTC). Fonte: Instituto Nacional de Pesquisas Espaciais (INPE) (2014). . . . . . . . . . . . . . . . . . . 120 Figura 45 – Estações de monitoramento disponíveis na base de dados integrada (CIGALA/CALIBRA, LISN e ICEA. . . . . . . . . . . . . . . . . . . . 125 Figura 46 – Comparativo de dados da estação SLMA (CIGALA/CALIBRA) e LSLZ (LISN). Dados obtidos para o satélite GPS 18 no dia 31 de Outubro de 2014. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 126 Figura 47 – (a) IPPs projetados em células de uma grade considerando uma única época t e exibindo um caso em que uma mesma célula contém IPPs provenientes de dois satélites diferentes (satélites A e B); (b) Detalha- mento para projeção dos IPPs dos satélites A e B considerando uma resolução temporal de cinco minutos (t1, t2, t3, t4 e t5). . . . . . . . . . 127 Figura 48 – Passos para a geração dos mapas observados: (a) valores de índice S4 projetados no IPP ao longo de cinco minutos; (b) representação aproximada (zoom) na região Nordeste para melhor visualização da etapa apresentada em (a); (c) cálculo da média dos valores acumulados em cada célula de resolução definida; (d) interpolação para obtenção da representação gráfica final e exibição das estações de origem dos dados. 129 Figura 49 – Comparação entre diferentes funções de agregação: (a) média; (b) má- ximo; (c) desvio-padrão. Mapas para a noite de 03 de Novembro de 2014, para às 20:30 (UT-3). . . . . . . . . . . . . . . . . . . . . . . . . 130 Figura 50 – Mapas de cintilação para a noite de 30 de outubro de 2014, para às 18:30 (a), 19:30 (b), 20:30 (c), 21:30 (d), 22:30 (e) e 23:30 (f), todos no tempo UT-3. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132 Figura 51 – Elemento básico de uma rede neural: neurônio. Baseado em Samara- singhe (2006, p.17). . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134 Figura 52 – Processamento em um neurônio. Baseada em Samarasinghe (2006, p.17). 134 Figura 53 – Modelo de rede neural Perceptron de Múltiplas Camadas (PMC). . . . 135 Figura 54 – Modelo de rede neural Perceptron de Múltiplas Camadas (PMC) com camada de viés. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137 Figura 55 – Funções de ativação comumente utilizadas no PMC para problemas não-lineares: (a) função logística; (b) função tangente hiperbólica. . . . 138 Figura 56 – Configuração de rede neural PMC utilizado no modelo preditivo. . . . 146 Figura 57 – Convergência da rede neural após iterações. . . . . . . . . . . . . . . . 148 Figura 58 – Etapas envolvidas no contexto da recuperação de dados da base de dados integrada. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149 Figura 59 – Representação gráfica de exemplos de dados de treinamento (com saídas conhecidas) para a noite de 02/11/2014 considerando t=19:30 e tp=21:30. (a) atributo de entrada e1; (b) atributo de entrada e2; (c) atributo de saída s1. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150 Figura 60 – Comparação entre mapas preditos (à esquerda) e observados (à direita): (a) Mapa predito para [20:30-20:35] com uma 1 hora de antecedência; (b) Mapa observado para [20:30-20:35]. (c) Mapa predito para [21:30-21:35] com 2 horas de antecedência; (d) Mapa observado para [21:30-21:35]; (e) Mapa predito para [22:30-22:35] com 3 horas de antecedência; (f) Mapa observado para [22:30-22:35]. . . . . . . . . . . . . . . . . . . . . 152 Figura 61 – Representação gráfica para a rede neural treinada baseada no método descrito em Özesmi e Özesmi (1999). Os pesos positivos são representa- dos por linhas pretas, e os pesos negativos são representados por linhas cinzas. A espessura das linhas indica a magnitude relativa dos pesos. . 153 Figura 62 – Comparação de diferentes intervalos de predição: (a) Mapa predito para [23:30-23:35] com 4 horas de antecedência; (b) Mapa predito para [23:30- 23:35] com 3 horas de antecedência; (c) Mapa predito para [23:30-23:35] com 2 horas de antecedência; (d) Mapa predito para [23:30-23:35] com 1 hora de antecedência; (e) Mapa observado para [23:30-23:35]. . . . . . 154 Figura 63 – Comparação de indicadores de erro para diferentes intervalos de predição.156 Figura 64 – Comparação entre mapa predito e mapa observado para às 22:30 do dia 24/11/2014, bem como mapa de resíduos: (a) Mapa predito para [23:30-23:35] com 1 hora de antecedência; (b) mapa observado para [22:30-22:35]; (c) mapa dos resíduos da predição. . . . . . . . . . . . . . 158 Figura 65 – Comparação entre mapa observado e mapas preditos para às 22:30 do dia 25/11/2014 com diferentes janelas de predição: (a) mapa observado; (b) predição com uma 1 hora de antecedência; (c) predição com 2 horas de antecedência; (d) predição com 3 horas de antecedência. . . . . . . . 159 Figura 66 – Comparação entre mapa observado e mapas preditos para às 22:30 do dia 18/11/2014 com diferentes janelas de predição: (a) mapa observado; (b) predição com uma 1 hora de antecedência; (c) predição com 2 horas de antecedência; (d) predição com 3 horas de antecedência. . . . . . . . 160 Figura 67 – Comparação entre mapa observado e mapas preditos para às 22:30 do dia 27/11/2014 com diferentes janelas de predição: (a) mapa observado; (b) predição com uma 1 hora de antecedência; (c) predição com 2 horas de antecedência; (d) predição com 3 horas de antecedência. . . . . . . . 161 Lista de Abreviaturas BISM Brazilian Ionospheric Scintillation Model C/A Coarse/acquisition C/N0 Carrier-to-noise ratio CALIBRA Countering GNSS high Accuracy applications Limitations due to Io- nospheric disturbances in BRAzil CAPES Coordenação de Aperfeiçoamento de Pessoal de Nível Superior CET Conteúdo Eletrônico Total CIGALA Concept for Ionospheric Scintillation Mitigation for Professional GNSS in Latin America CNPq Conselho Nacional de Desenvolvimento Científico e Tecnológico DLL Delay Locked Loop DOP Diluição de Precisão DOY Day of year (dia do ano) Dst Disturbance Storm-Time dTEC diferença de TEC ECMWF European Centre for Medium-Range Weather Forecasts EGNOS European Geostationary Navigation Overlay System ESF Equatorial Spread-F FAPESP Fundação de Amparo à Pesquisa do Estado de São Paulo FCT/UNESP Faculdade de Ciências e Tecnologia da Universidade Estadual Paulista Júlio de Mesquita Filho FTP File Transfer Protocol GAGAN GPS Aided Geo Augmentation Network GBAS Ground Based Augmentation System GBSC Ground Based Scintillation Climatology GEGE Grupo de Estudos em Geodésia Espacial GIB Grade Ionosférica Brasileira GISM Global Ionospheric Scintillation Propagation Model GLONASS GLObal’naya NAvigatsionnaya Sputnikkovaya Sistema GNSS Global Navigation Satellite System GPS Global Positioning System IAE Instituto de Aeronáutica e Espaço IBGE Instituto Brasileiro de Geografia e Estatística ICEA Instituto de Controle do Espaço Aéreo IFSP Instituto Federal de Educação, Ciência e Tecnologia de São Paulo IGRF International Geomagnetic Reference Field IGS International GNSS Service INCT Instituto Nacional de Ciência e Tecnologia INGV Instituto Nazionale di Geofisica e Vulcanologia INPE Instituto Nacional de Pesquisas Espaciais IONEX Ionosphere Map Exchange IPP Ionospheric Pierce Point ISMR Ionospheric Scintillation Monitor Receiver ITA Instituto Tecnológico de Aeronáutica LGE Laboratório de Geodésia Espacial LISN Low-Latitude Ionospheric Scintillation Network LPIM La Plata Ionospheric Model LT Local time (tempo local) MLP Multilayer Perceptron MVC Matriz de Variância e Covariância NASA National Aeronautics and Space Administration NOAA National Oceanic and Atmospheric Administration NRCAN Natural Resources Canada NWRA Northwest Research Associates, Incorporated (NWRA) PDSE Programa de Doutorado Sanduíche no Exterior PLL Phase Locked Loop PMC Perceptron de Múltiplas Camadas PPP Posicionamento por Ponto Preciso PRN Pseudorandom noise PSD Power Spectral Density PUC-Rio Pontifícia Universidade Católica do Rio de Janeiro QZSS Quasi-Zenith Satellite System RAIM Receiver Autonomous Integrity Monitoring RBMC Rede Brasileira de Monitoramento Contínuo dos Sistemas GNSS REMQ Raiz do erro-médio-quadrático RINEX Receiver Independent Exchange Format RNA Rede Neural Artificial RT Rayleigh-Taylor RTK Real Time Kinematic SBAS Space-Based Augmentation System SGL Sistema Geodésico Local SNR Signal-to-noise ratio SVID space vehicle identifier TEC Total Electron Content TECU TEC unit TOW time of week UNOESTE Universidade do Oeste Paulista UT Universal Time (tempo universal) VMF Vienna Mapping Function vTEC TEC vertical WAAS Wide-Area Augmentation System WBMOD Wideband Ionospheric Scintillation Model Lista de Quadros 2.1 Diferentes tipos de dados e principais características. . . . . . . . . . . . . . . 37 2.2 Subconjunto extraído de arquivo bruto coletado a 50 Hz pelo receptor Septentrio PolaRxS PRO. Dados da estação PRU2 para o satélite GPS 12, observados no dia 03/11/2014. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39 4.1 Quantidade de variâncias faltantes pelos modelos de Conker e α-µ. Dados da estação SJCU do período de 1 a 10 de Novembro de 2014, período das 19:00 às 21:00 (UT-3). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83 4.2 Resultados numéricos do processamento de dados da estação SJCU – Novem- bro/2014. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 4.3 Comparativo entre diferentes configurações de PPP no contexto de cintilação ionosférica. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 4.4 Resultados numéricos do processamento de dados da estação SJCU – Novem- bro/2014. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 4.5 Resultados numéricos do processamento de dados da Estação PRU2 – Novem- bro/2014. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 5.1 Conjuntos de treinamento e testes considerando dados de séries temporais. Baseado em Weiss e Indurkhya (1998). . . . . . . . . . . . . . . . . . . . . . . 143 5.2 Pesos finais (após o treinamento). . . . . . . . . . . . . . . . . . . . . . . . . . 153 5.3 Pesos iniciais (definidos aleatoriamente). . . . . . . . . . . . . . . . . . . . . . 153 Sumário 1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 1.1 Objetivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27 1.2 Justificativas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 1.3 Organização do Documento . . . . . . . . . . . . . . . . . . . . . . . 29 2 IONOSFERA E CINTILAÇÃO NO CONTEXTO DO GNSS . . . . . 30 2.1 Introdução à Ionosfera . . . . . . . . . . . . . . . . . . . . . . . . . . . 30 2.1.1 Refração Ionosférica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32 2.2 Cintilação Ionosférica . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 2.2.1 Monitoramento por GNSS e Principais Índices . . . . . . . . . . . . . . . . 36 2.3 Aspectos da climatologia da cintilação sob a perspectiva do moni- toramento pela Rede CIGALA/CALIBRA . . . . . . . . . . . . . . . . 47 2.3.1 Influência dos Ciclos de Atividade Solar e Variações Sazonais . . . . . . . . 47 2.3.2 Influência do Horário Local e Variabilidade Diária . . . . . . . . . . . . . . 51 2.3.3 Influência da Localização Geográfica . . . . . . . . . . . . . . . . . . . . . 52 2.3.4 Influência da Atividade Magnética . . . . . . . . . . . . . . . . . . . . . . 53 2.4 Propagação de sinais em alinhamento com as irregularidades na ionosfera . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 3 EFEITO DA CINTILAÇÃO NO GNSS . . . . . . . . . . . . . . . . . 61 3.1 Efeitos nas observáveis e no posicionamento . . . . . . . . . . . . . . 61 3.2 Modelos para a Variância do Erro de Rastreamento . . . . . . . . . . 65 3.2.1 Exemplos de variância estimada pelos modelos . . . . . . . . . . . . . . . 70 3.3 Discussão e comentários . . . . . . . . . . . . . . . . . . . . . . . . . . 73 4 MITIGAÇÃO DOS EFEITOS DA CINTILAÇÃO IONOSFÉRICA NO PPP . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 4.1 Modelo funcional e estocástico no PPP . . . . . . . . . . . . . . . . . 76 4.1.1 Modelo funcional no PPP padrão . . . . . . . . . . . . . . . . . . . . . . 76 4.1.2 Modelo estocástico no PPP padrão . . . . . . . . . . . . . . . . . . . . . 78 4.1.3 Modelo estocástico no PPP em abordagens de mitigação existentes . . . . 79 4.1.4 Aplicação dos modelos Conker e α-µ no PPP com mitigação . . . . . . . . 81 4.2 Método de mitigação proposto . . . . . . . . . . . . . . . . . . . . . . 89 4.2.1 Modelo funcional proposto . . . . . . . . . . . . . . . . . . . . . . . . . . 89 4.2.2 Modelo estocástico proposto . . . . . . . . . . . . . . . . . . . . . . . . . 92 4.2.3 Estratégia para minimizar os efeitos de perdas de sincronismo . . . . . . . 94 4.3 Resultados do método proposto . . . . . . . . . . . . . . . . . . . . . 95 4.3.1 Dados coletados em São José dos Campos/SP . . . . . . . . . . . . . . . 96 4.3.2 Dados coletados em Presidente Prudente/SP . . . . . . . . . . . . . . . . 106 4.4 Discussão e Conclusões . . . . . . . . . . . . . . . . . . . . . . . . . . 112 4.5 Recomendações para Trabalhos Futuros . . . . . . . . . . . . . . . . 113 5 PREDIÇÃO DE CINTILAÇÃO IONOSFÉRICA . . . . . . . . . . . . 116 5.1 Modelos Existentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117 5.2 Abordagem Proposta . . . . . . . . . . . . . . . . . . . . . . . . . . . 123 5.2.1 Integração de Bases de Dados de Monitoramento de Cintilação por GNSS e disponibilização via software ISMR Query Tool . . . . . . . . . . . . . . . 124 5.2.2 Mapas de Cintilação Observados . . . . . . . . . . . . . . . . . . . . . . 126 5.2.3 Modelo Preditivo e Mapas de Cintilação Preditos . . . . . . . . . . . . . . 133 5.2.3.1 Rede Neural Artificial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 133 5.2.3.2 Validação cruzada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141 5.2.3.3 Atributos de entrada e saída do modelo preditivo . . . . . . . . . . . . . . . . . . 143 5.2.3.4 Treinamento, Teste e Validação da Rede Neural . . . . . . . . . . . . . . . . . . 146 5.2.4 Resultados do modelo preditivo . . . . . . . . . . . . . . . . . . . . . . . 150 5.3 Discussão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162 5.4 Recomendações para Trabalhos Futuros . . . . . . . . . . . . . . . . 164 6 CONCLUSÕES E CONSIDERAÇÕES FINAIS . . . . . . . . . . . . 166 REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169 APÊNDICES 181 APÊNDICE A – ALGORITMO PARA CÁLCULO DOS ÂNGULOS γ E β . . . . . . . . . . . . . . . . . . . . . . . . . 182 24 1 Introdução Os Sistemas Globais de Navegação por Satélite (Global Navigation Satellite System – GNSS) são constituídos por constelações de satélites que proporcionam – por meio da transmissão de sinais de rádio em frequências específicas – a obtenção de medidas de distância satélite-receptor com as quais se pode determinar a posição de um objeto na Terra (ou próximo a ela). Este tipo de tecnologia é atualmente empregada em diversos segmentos, como a navegação, agricultura de precisão, topografia, aeronomia, dentre outros. Atualmente, destacam-se o sistema norte-americano Global Positioning System (GPS), o russo GLObal’naya NAvigatsionnaya Sputnikkovaya Sistema (GLONASS), o europeu Galileo e o chinês BeiDou-Compass. Além dos sistemas mencionados, segmentos de complemento também compõem o GNSS. Neste segmento, destacam-se os sistemas baseados em redes de estações terrestres e satélites geoestacionários (denominados Space- Based Augmentation System – SBAS), como o norte-americano Wide-Area Augmentation System (WAAS), o indiano GPS Aided Geo Augmentation Network (GAGAN), o japonês Quasi-Zenith Satellite System (QZSS), o europeu European Geostationary Navigation Overlay System (EGNOS), dentre outros. Destacam-se também os sistemas baseados em redes locais de estações terrestres (Ground-Based Augmentation System – GBAS) – os quais são comumente empregados em aeroportos para suporte à operações na aviação (HOFFMAN-WELLENHOF; LICHTENEGGER; WASLE, 2008; MONICO, 2008). Diferentes métodos de se obter posição com GNSS podem ser utilizados, tanto em aplicações em tempo real como no modo de pós-processamento de dados. Novas abordagens surgem acompanhando a evolução dos satélites, avanços no hardware de receptores e a possibilidade de transmissão de dados em tempo real pela internet. Dentre os métodos de posicionamento, destaca-se o Posicionamento por Ponto Preciso (PPP) – um método de posicionamento absoluto (pressupõe a utilização de apenas um receptor GNSS) (ZUMBERGE et al., 1997). No PPP, busca-se corrigir todos os efeitos sistemáticos que figuram no cenário satélite-receptor, permitindo assim alcançar acurácia centimétrica. Destaca-se que, em pesquisas anteriores realizadas no contexto da Faculdade de Ciências e Tecnologia da Universidade Estadual Paulista Júlio de Mesquita Filho (FCT/UNESP), um software científico para PPP foi desenvolvido, denominado RT-PPP (MARQUES, 2012; MARQUES et al., 2014). Para o desenvolvimento e avaliação de diferentes métodos de posicionamento – bem como para a realização de pesquisas em outras áreas envolvendo dados GNSS – pesquisadores podem recorrer a dados oriundos de redes de monitoramento contínuo. Um exemplo é a rede do International GNSS Service (IGS), a qual conta com receptores distribuídos por todo o mundo. Outro exemplo é a Rede Brasileira de Monitoramento Capítulo 1. Introdução 25 Contínuo dos Sistemas GNSS (RBMC), atualmente administrada pelo Instituto Brasileiro de Geografia e Estatística (IBGE). As antenas dos receptores GNSS destas redes são normalmente instaladas sobre marcos geodésicos e permanecem estáticas coletando dados de maneira ininterrupta; usualmente, esta infraestrutura (marco, antena, receptor e periféricos) é denominada estação GNSS. Para disponibilização dos dados destas redes visando garantir a interoperabilidade entre diferentes sistemas GNSS e diferentes fabricantes de receptores, recorre-se usualmente a formatos padrão de arquivos. Dentre estes padrões, destaca-se o Receiver Independent Exchange Format (RINEX), um padrão estabelecido desde 1989 que abrange formatos específicos para disponibilização de arquivos com as observáveis GNSS (RINEX de observação) e arquivos de efemérides transmitidas pelos satélites (RINEX de navegação) (GURTNER; ESTEY, 2007). Dentre os inúmeros efeitos que ocorrem no sinal transmitido pelo satélite em seu percurso até chegar à antena do receptor, destacam-se aqueles causados durante a propagação do sinal pela atmosfera terrestre. Na atmosfera, sobretudo em uma região localizada aproximadamente entre 50 até 1000 km de altitude em relação à superfície terrestre (compreendendo a ionosfera), estão presentes os efeitos mais significativos. A ionosfera é uma camada caracterizada pela presença de íons e elétrons livres. Alguns fenômenos físico-químicos fazem com que haja constante interação entre ambos. Estes fenômenos estão relacionados a diversos fatores, como atividade solar, horário local, sazonalidade e localização geográfica. No contexto do GNSS, esta interação é a causa de efeitos como a refração ionosférica e as cintilações ionosféricas (McNAMARA, 1991; SEEBER, 2003). Os efeitos causados pela refração ionosférica nos sinais GNSS são bem modelados com estratégias consolidadas na literatura, tais como o uso de receptores multi- frequência, modelos de ionosfera ou algoritmos. No entanto, as cintilações ionosféricas ainda impõem limitações significativas à tecnologia GNSS, razão que motivou o desenvolvimento desta tese. As cintilações ionosféricas são caracterizadas por rápidas variações na amplitude e/ou fase de um sinal de rádio ao se propagar por irregularidades na densidade de elétrons na ionosfera (CONKER et al., 2003). A dimensão espacial destas irregularidades que causam as cintilações é normalmente inferior ao comprimento da 1a zona de Fresnel, definido por (λhi)0,5, onde hi é a altitude considerada da ionosfera (tipicamente definida entre 350 e 400 km) e λ é o comprimento de onda do sinal (ALFONSI et al., 2011; MUELLA; de PAULA; MONTEIRO, 2013). Considerando a altitude de base hi=350 km, resulta em irregularidades de aproximadamente 275, 312 e 319 m para as frequências utilizadas pelo GPS L1, L2 e L5, respectivamente. As irregularidades de pequena escala podem estar embutidas em irregularidades de escalas maiores, as quais também são conhecidas como bolhas ionosféricas. As bolhas podem variar significativamente em extensão. Rezende et al. (2007) apresenta estimativas da dimensão das bolhas na região equatorial brasileira, as quais podem chegar a cerca de 480 km na direção leste-oeste e cerca de 1400 km na Capítulo 1. Introdução 26 direção norte-sul. As medidas de distância obtidas pelos receptores GNSS (observáveis de pseudodis- tância e fase) podem ser degradadas de maneira única conforme o sinal se propaga por tais irregularidades (AQUINO et al., 2009). Além da degradação das medidas, perdas de ciclo e perda de sincronismo1 também podem ocorrer. Num caso extremo, se não houver um número mínimo de satélites sendo rastreado com sucesso, ocorre a perda do serviço de posicionamento (CONKER et al., 2003; DATTA-BARUA et al., 2003). Efeitos como as cintilações ionosféricas impedem que o GNSS seja a única tecnologia para se determinar posição em aplicações onde a confiabilidade deste serviço é essencial (PRASAD; RUGGIERI, 2005). Um exemplo é visto na navegação aérea, que requer determi- nados níveis de acurácia, integridade, disponibilidade e continuidade (INTERNATIONAL CIVIL AVIATION ORGANIZATION (ICAO), 2013). Outro exemplo pertinente são as aplicações offshore, como a extração de petróleo (TIWARI; STRANGEWAYS; SKONE, 2013). A ausência do serviço de posicionamento pode ocasionar a interrupção do serviço de extração de petróleo, causando prejuízos financeiros significativos. De maneira similar, prejuízos também são causados na agricultura de precisão, uma vez que aplicações como a navegação autônoma por GNSS podem ser interrompidas devido à incidência de cintilação (MENDONÇA; MONICO; MOTOKI, 2012). Receptores GNSS específicos podem ser utilizados no monitoramento de cintilação ionosférica, os quais são denominados Ionospheric Scintillation Monitor Receivers (ISMR). Este tipo de receptor provê estimativas de parâmetros de cintilação ionosférica para cada satélite rastreado. Dentre os parâmetros estimados, destacam-se os índices S4 e Sigma-phi, os quais representam medidas práticas acerca das cintilações de amplitude e de fase, respectivamente (DIERENDONCK; KLOBUCHAR; HUA, 1993; AQUINO et al., 2009). No contexto da FCT/UNESP, estações de monitoramento de cintilação ionosférica foram implantadas no território brasileiro a partir de Fevereiro de 2011 com suporte dos Projetos CIGALA (Concept for Ionospheric Scintillation Mitigation for Professio- nal GNSS in Latin America), CALIBRA (Countering GNSS high Accuracy applications Limitations due to Ionospheric disturbances in BRAzil) e Projeto GNSS-SP (Processo FAPESP 06/04008-2), constituindo uma base rica para realização de pesquisas relacionadas à ionosfera e os efeitos da cintilação. Os projetos CIGALA e CALIBRA – que foram financiados pela Comunidade Européia e FAPESP – envolveram diversas instituições do Brasil e da Europa, dentre as quais esteve inserida FCT/UNESP. Atualmente, as estações de monitoramento constituem a rede denominada CIGALA/CALIBRA, a qual vem sendo mantida pela FCT/UNESP com o apoio de parceiros. Além da infraestrutura de monitoramento atualmente disponível, uma infraestrutura 1 Uma perda de sincronismo é caracterizada pela interrupção do rastreamento do sinal. Na literatura também comparece a denominação perda de lock. Capítulo 1. Introdução 27 de análise foi implantada, a qual compreende o pré-processamento automatizado dos dados e aplicação de distintas técnicas de mineração e visualização de dados para suporte à análise dos mesmos. Estes recursos estão disponíveis no software desenvolvido – denominado ISMR Query Tool2 (VANI, 2014; VANI; SHIMABUKURO; MONICO, 2017). Nesta pesquisa, propõe-se a realização de investigações sobre modelagem, mitigação e predição de cintilação ionosférica aplicados à região brasileira, explorando-se a infra- estrutura de monitoramento e análise atualmente disponíveis na FCT/UNESP e dando continuidade a trabalhos anteriores recentemente realizados no contexto do Grupo de Estudos em Geodésia Espacial (GEGE) da FCT/UNESP. 1.1 Objetivos Esta pesquisa tem por objetivo geral a realização de investigações sobre modelagem, mitigação e predição de cintilação ionosférica aplicados à região brasileira. Os objetivos específicos compreendem: • avaliação dos efeitos da cintilação nas observáveis GNSS, sobretudo na pseudodis- tância e na fase da onda portadora; • investigações sobre abordagens existentes para mitigação dos efeitos da cintilação ionosférica no posicionamento GNSS; • investigações para a adaptação e/ou desenvolvimento de novas abordagens para mitigação de cintilação ionosférica no PPP (com o suporte do software científico RT-PPP); • desenvolvimento de melhorias na infraestrutura de análise atualmente disponível na FCT/UNESP centrada no software ISMR Query Tool; • aplicação de técnicas de mineração de dados preditiva aplicadas à predição de cintilação ionosférica; • desenvolvimento de metodologias para o desenvolvimento de mapas e/ou visualizações interativas acerca da atividade ionosférica no território brasileiro, os quais possuem potencial de disponibilização à comunidade pela internet para suporte a diferentes aplicações baseadas na tecnologia GNSS. 2 O software ISMR Query Tool pode ser acessado pela internet, disponível em . http://is-cigala-calibra.fct.unesp.br/ http://is-cigala-calibra.fct.unesp.br/ Capítulo 1. Introdução 28 1.2 Justificativas Os efeitos causados pela cintilação ionosférica podem interferir negativamente no GNSS, acarretando principalmente em redução da acurácia do posicionamento. Como o uso deste tipo de sistema tem se tornado essencial para algumas atividades, como agricultura de precisão e aplicações offshore, a contribuição no contexto da mitigação de cintilação ionosférica é uma maneira de colaborar indiretamente com estas áreas de aplicação. Em complemento, a predição de eventos de cintilação ionosférica pode permitir aos usuários o planejamento de estratégias com antecedência. Por exemplo, em aplicações onde a segurança é essencial, pode-se optar pelo uso de tecnologias alternativas ao GNSS durante os períodos esperados de deteriorações causadas por cintilações fortes. Logo, a realização deste projeto representa contribuição para o desenvolvimento científico e tecnológico brasileiros, além do desenvolvimento econômico, uma vez que os resultados almejados têm potencial de aplicação em diversos segmentos que utilizam a tecnologia de posicionamento GNSS. As melhorias no software ISMR Query Tool possuem potencial de promoção do ensino, formação e aprendizado, uma vez que agregam novos recursos à infraestrutura de monitoramento e análise atualmente disponíveis. Tais recursos proporcionam, atualmente, suporte à realização de diversos projetos de pesquisa, trabalhos científicos, dissertações e teses em instituições do Brasil e do mundo (por exemplo, em Mendonça, Monico e Motoki (2012), Mendonça (2013), Marques (2013), Vani et al. (2014), Pereira (2015), Park et al. (2016), Pereira e Camargo (2017), Park et al. (2017), Rocha et al. (2017), Moraes et al. (2017), Brassarote, Souza e Monico (2018), Moraes et al. (2018), dentre outros). Destaca-se a caracterização de um cenário adequado para a realização de pesquisas associadas à GNSS e cintilação, já que se dispõe de uma rede de monitoramento com razoável cobertura e receptores multi-frequência coletando dados desde a ascensão de um ciclo solar, compreendendo também seu pico e seu declínio. Esta pesquisa também representa continuidade ou está relacionada a diversas pesquisas recentes de Mestrado e Doutorado realizadas no âmbito do Grupo de Estudos em Geodésia Espacial da FCT/UNESP. Além da pesquisa de mestrado do presente autor (VANI, 2014), destacam-se ainda outros trabalhos, como Marques (2012), que contempla o desenvolvimento de um software científico para PPP; Mendonça (2013), que aborda os efeitos da cintilação ionosférica no posicionamento GNSS incluindo experimentos na agricultura de precisão; Marques (2013), que apresenta investigações sobre modelos de mitigação de cintilação ionosférica; Silva (2014), que investiga os efeitos da cintilação no posicionamento relativo com a técnica Real Time Kinematic (RTK); Pereira (2015), que aborda o monitoramento de irregularidades na ionosfera e cintilações por meio de diferentes indicadores; Prol (2015), que aborda a utilização de métodos para a reconstrução tomográfica da ionosfera na região brasileira; Lima (2015), que dentre suas investigações Capítulo 1. Introdução 29 inclui a análise de diferentes configurações de PPP em períodos de cintilação; Arana (2016), que investiga o uso de redes neurais para a modelagem de superfícies de distorção de modelos geoidais e Jerez (2017), que investiga a utilização conjunta de GPS e GLONASS sob efeito de cintilação ionosférica em diferentes métodos de posicionamento. Por fim, destaca-se ainda a inserção deste projeto no Instituto Nacional de Ciência e Tecnologia (INCT) “Tecnologia GNSS no Suporte à Navegação Aérea (GNSS - NavAer)”. Tal projeto está inserido no monitoramento da atmosfera, incluindo aspectos relacionados aos efeitos da cintilação ionosférica no sinal GNSS, com ênfase em aplicações na navegação aérea com confiabilidade e segurança dentro do território brasileiro. Além da FCT/UNESP, participam do projeto outras instituições, como o Instituto Nacional de Pesquisas Espaciais (INPE), Instituto de Aeronáutica e Espaço (IAE), Instituto Tecnológico de Aeronáutica (ITA) e Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio). Tal projeto, que é financiado pelo CNPq, CAPES e FAPESP (processo CNPq 465648/2014-2), visa dar suporte à implantação do sistema GBAS no Brasil. 1.3 Organização do Documento Além dos aspectos introdutórios já apresentados, este documento está organizado em mais 5 capítulos. No Capítulo 2, características da ionosfera e das cintilações ionosféricas são apresentadas. São descritos os principais índices de cintilação utilizados e aspectos gerais sobre a climatologia das cintilações conforme observada nos dados de monitoramento gerenciados pela FCT/UNESP nos últimos anos. Também são apresentadas investigações sobre métricas alternativas (recentemente definidas na literatura) que podem auxiliar na descrição da cintilação ionosférica. No Capítulo 3, são apresentados aspectos sobre os efeitos da cintilação nas observáveis GNSS, além de modelos que descrevem o erro de rastreamento esperado em um sinal GNSS sob incidência de cintilação. No Capítulo 4, a mitigação dos efeitos da cintilação no posicionamento GNSS é o assunto principal. São apresentadas abordagens de mitigação existentes, bem como a nova abordagem proposta. Os resultados obtidos pela aplicação da abordagem proposta são apresentados, cujos dados foram processados com o suporte do software científico RT-PPP (MARQUES, 2012; MARQUES et al., 2014). No Capítulo 5, a predição de cintilação ionosférica é discutida. Também são apresentados modelos existentes e o modelo preditivo proposto. Por fim, conclusões e considerações finais são apresentados no Capítulo 6. 30 2 Ionosfera e Cintilação no Contexto do GNSS 2.1 Introdução à Ionosfera A ionosfera é uma camada com altitude que se estende aproximadamente entre 50 a 1000 km em relação à superfície terrestre. Tal camada é caracterizada pela presença de íons e elétrons livres e a constante interação entre ambos é suficiente para afetar a propagação de ondas de rádio (DAVIES, 1990). A presença de íons e elétrons é proporcional à intensidade de radiação solar e à densidade de gases da atmosfera. A distribuição espacial dos íons e elétrons é determinada principalmente por processos fotoquímicos e processos de transporte. Os processos fotoquímicos estão relacionados à intensidade de radiação solar, a qual implica em diferentes taxas de produção e perda de partículas ionizadas. Já os processos de transporte causam o movimento de camadas ionizadas (SEEBER, 2003). A influência da densidade de elétrons na propagação de um sinal GNSS é dependente do conteúdo total de elétrons presente na trajetória satélite-receptor. Este conteúdo é denominado TEC (Total Electron Content), ou, em Português, CET (Conteúdo Eletrônico Total). O TEC é definido na Equação 2.1 e representa o número total de elétrons presentes em uma coluna com área seccional de 1 m2 abrangendo a trajetória s do sinal, do satélite S até o receptor R. O TEC é normalmente expresso em TECU (TEC unit); 1 TECU equivale à 1 · 1016 elétrons/m2 (SEEBER, 2003). TEC = ∫ R S ne(s)ds (2.1) O TEC varia no tempo – apresentando variações diárias, sazonais e em ciclos de longo período de acordo com o ciclo solar – e no espaço – apresentando variações de acordo com a localização geográfica (MONICO, 2008). Combinações lineares de observáveis de pseudodistância ou fase obtidas em dupla-frequência podem ser utilizadas para obter uma estimativa do TEC na trajetória do sinal de um satélite S ao receptor R (MATSUOKA; CAMARGO, 2004). Nestas combinações, considera-se a trajetória inclinada do sinal, ou seja, sua trajetória real. Para efeitos de comparações, modelagens ou simplificações, pode-se definir o TEC na vertical (vTEC). Neste caso, trajetórias verticais e inclinadas são relacionadas por meio de uma função de mapeamento. As funções de mapeamento podem levar em consideração um ângulo zenital z′ de acordo com o esquema apresentado na Figura 1. Neste esquema, define- se uma camada com certa altitude hi na ionosfera (normalmente admite-se hi ≈ 350 km). Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 31 Obtém-se então z′ – um ângulo formado entre a trajetória do sinal, partindo-se do satélite S ao receptor R, e um plano de altitude média hi. Na Figura 1, identifica-se ainda o raio da Terra (Rt), o ponto sub-ionosférico, o ponto ionosférico – normalmente denominado IPP (Ionospheric Pierce Point) –, o ângulo zenital (z) e o ângulo de elevação do satélite (E). Esta representação é comumente denominada modelo de camada simples da ionosfera (SEEBER, 2003). Destaca-se que, além da representação de camada simples, outras também são descritas na literatura, tais como abordagens multi-camadas, assimilação de dados e reconstrução tomográfica da ionosfera (PROL, 2015; PROL; CAMARGO; MUELLA, 2017b; PROL; CAMARGO; MUELLA, 2017a). Figura 1 – Representação gráfica para o modelo de camada simples da ionosfera. Baseado em Hofmann-Wellenhof, Lichtenegger e Collins (2001) e Seeber (2003). Um exemplo de função de mapeamento utilizada para relacionar valores de vTEC a direções inclinadas é apresentado na Equação 2.2. Nesta relação, considera-se o ângulo z′ para estabelecer a relação: vTEC = cos(z′) · TEC (2.2) Ao se propagar pela ionosfera, os sinais GNSS podem sofrer efeitos de refração (atraso ou avanço aparente do sinal) e flutuações (variações de amplitude e/ou fase, as quais denominamos cintilações). Embora estes efeitos sejam comumente descritos na literatura como refração ionosférica e cintilação ionosférica, respectivamente, é importante deixar claro que se trata, na verdade, da refração (ou da cintilação) dos sinais GNSS ao se propagarem pela ionosfera, e não da ionosfera em si. Modelar os efeitos da refração ou da cintilação ionosférica no contexto do posicio- namento GNSS requer abordagens distintas, uma vez que as consequências destes efeitos Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 32 nas observáveis GNSS são diferentes. A subseção 2.1.1 apresenta alguns aspectos relacionados à refração. Embora este projeto tenha como finalidade investigações acerca das cintilações, é necessário destacar alguns aspectos das refrações que posteriormente podem ser relacionados às cintilações. Na sequência, na seção 2.2, são introduzidos aspectos sobre a cintilação. 2.1.1 Refração Ionosférica A refração ionosférica pode ser definida como o atraso (ou o avanço) aparente do sinal devido à ionosfera. Considerando o contexto do GNSS, a ionosfera é um meio dispersivo, ou seja, a velocidade de propagação varia de acordo com a frequência do sinal. Este efeito dispersivo é causado por interações eletromagnéticas entre o meio de propagação (neste caso, a ionosfera, caracterizada por sua densidade eletrônica) e o sinal. Em um meio dispersivo, é possível notar que a velocidade de propagação de uma onda senoidal (vf) e a velocidade de propagação de um grupo de ondas senoidais (vg) são diferentes: vf pode superar a velocidade de propagação de uma onda eletromagnética no vácuo (c = 299792458 m/s), enquanto vg não pode superar c (SEEBER, 2003). Neste contexto, caracteriza-se o efeito da refração ionosférica como um avanço, para o caso da observável de fase, ou como um atraso, no caso de observável baseada em um grupo de ondas (caso da pseudodistância). Ambos são relacionados à frequência do sinal f . Nas observáveis GNSS, o erro devido à refração ionosférica (em metros), com relação à suposição v = c, é determinado em função do TEC. Esta determinação é apresentada nas Equações 2.3 e 2.4 para as observáveis de fase (Isr (Φ)) e de pseudodistância (Isr (PD)), respectivamente (ambas também expressas em metros). Observa-se que para a fase, tem-se o sinal negativo, representando o avanço da fase. Para a pseudodistância, tem-se o sinal positivo, representando o atraso na propagação de um grupo de ondas (SEEBER, 2003; MONICO, 2008). ISR(Φ) = −40, 3 · TEC f 2 (2.3) ISR(PD) = 40, 3 · TEC f 2 (2.4) Destaca-se que em um meio não dispersivo, tal qual a troposfera, tem-se que vg = vf . Este detalhe faz com que normalmente os efeitos da ionosfera e da troposfera no contexto do GNSS sejam modelados separadamente (SEEBER, 2003). Para receptores GNSS de simples frequência, uma alternativa para modelar o efeito da refração ionosférica é a utilização de modelos globais cujos coeficientes são transmitidos Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 33 pelos satélites em tempo real. Para o caso do GPS, tem-se o Modelo de Klobuchar – um algoritmo que proporciona uma atenuação de aproximadamente 50% do efeito do atraso ionosférico no sinal (KLOBUCHAR, 1987). Para o caso do Galileo, tem-se o modelo NeQuick (EUROPEAN COMISSION, 2016). Outra possibilidade para receptores de simples frequência é a utilização de mapas de vTEC, os quais são normalmente disponibilizados no formato padrão IONEX (Ionosphere Map Exchange) por centros especializados como o IGS. Tais produtos podem ser derivados por modelos regionais ou globais da ionosfera, e são gerados principalmente a partir de observações de redes de estações GNSS de referência. Dentre os modelos regionais, pode-se destacar o modelo para a região brasileira denominado Mod_Ion – desenvolvido no Departamento de Cartografia da FCT/UNESP (CAMARGO, 1999), e o modelo Grade Ionosférica Brasileira (GIB) (AGUIAR; KOZELINSKI, 2015). Para a região da América do Sul, destaca-se o La Plata Ionospheric Model (LPIM) (BRUNINI et al., 2008) Os mapas de vTEC contém valores absolutos (em TECU) em cada célula de uma grade considerando uma época t de referência. Uma vez determinadas as coordenadas aproximadas do usuário, pode-se realizar interpolações entre as vizinhanças temporal e espacial dos valores da grade para a determinação do valor do vTEC na região desejada. Outra possibilidade (menos recomendada) é adotar o valor mais próximo no tempo e no espaço para a escolha do valor de vTEC nesta grade (SCHAER; GURTNER; FELTENS, 1998; AGUIAR; CAMARGO, 2012). Em seguida, tal valor pode ser mapeado para as direções dos satélites (ângulo z′) para a determinação do atraso ionosférico considerando a trajetória inclinada do sinal. Para o caso de receptores multi-frequência e exemplificando-se para o caso do GPS – no qual os sinais são transmitidos originalmente em duas frequências L1 (1575,42 MHz) e L2 (1227,60 MHz) –, os usuários podem realizar uma combinação linear para eliminar mais de 99% dos efeitos da refração ionosférica. Esta combinação é denominada ion-free (KLOBUCHAR, 1987; MONICO, 2008). Atualmente, destaca-se que a terceira portadora L5 (1176,45 MHz) está disponível nos satélites GPS mais modernos, permitindo também a realização de combinações lineares com esta portadora. 2.2 Cintilação Ionosférica A cintilação ionosférica é caracterizada por rápidas variações na amplitude e/ou fase de um sinal de rádio ao se propagar por irregularidades na densidade de elétrons na ionosfera (CONKER et al., 2003). Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 34 Considerando as regiões equatoriais1 e de baixas latitudes, as cintilações figuram como uma das manifestações das irregularidades de camada F espalhada (na literatura comparece o termo em inglês Equatorial Spread-F (ESF)). Este fenômeno, o qual pode ser observado por diversos instrumentos, tais como sondas digitais (ionossondas) e radares, é caracterizado por situações em que a camada mais alta da ionosfera (denominada camada F) apresenta irregularidades na densidade de elétrons com extensão de diferentes ordens de magnitude (variando de centenas de quilômetros a poucos centímetros) (RODRIGUES, 2003; BAGIYA et al., 2014). Na região equatorial (por exemplo, na região brasileira), as irregularidades de camada F espalhada começam a se desenvolver após o pôr-do-sol como parte de processos de instabilidade Rayleigh-Taylor (RT) do plasma ionosférico que aparecem com o terminador do dia para a noite. Estes processos são caracterizados pela subida de plasma de menor densidade para as regiões mais altas da ionosfera onde o plasma é mais denso. Após a subida até altitudes mais elevadas da ionosfera, o plasma inicia um processo de decida na direção das linhas de campo magnético da Terra. Este aspecto (subida e posterior decida do plasma ionosférico) caracteriza o efeito fonte, conforme esquema ilustrativo apresentado na Figura 2. Destaca-se que o movimento de decida do plasma está associado principalmente à ação da gravidade e de gradientes de pressão (RODRIGUES, 2003; RICH et al., 2004; de PAULA et al., 2007). Conforme destacado em Rodrigues (2003), demais características e aspectos teóricos que descrevem a dinâmica (surgimento e evolução) destas irregularidades no plasma ionos- férico estão associadas à teoria do dínamo atmosférico. Tal teoria relaciona princípios que descrevem o movimento de gases neutros na atmosfera através das linhas de campo magné- tico terrestre e suas respectivas derivas eletromagnéticas (E×B). Em síntese, observa-se que após o pôr-do-sol, ocorre um aumento na deriva vertical E×B do plasma ionosférico, evento também denominado pico de pré-reversão da deriva vertical do plasma. Posteriormente, este aumento leva à formação de estruturas de depleções do plasma (também denominadas bolhas ionosféricas) que podem se estender até regiões de baixas latitudes. Como as bolhas tendem a evoluir na direção das linhas do campo magnético da Terra, as mesmas podem apresentar a forma aparente de um tubo alongado que pode se estender até as regiões da anomalia equatorial, compreendida aproximadamente 20◦ ao Norte e ao Sul do Equador Magnético (RODRIGUES, 2003; RICH et al., 2004; STEENBURGH; SMITHTRO; GROVES, 2008; SHUME et al., 2013; MORAES et al., 1 Nesta tese, as regiões equatoriais são referidas em relação ao equador magnético (também denominado dip equator na literatura em inglês). O equador magnético é caracterizado pelas regiões em que a inclinação do campo magnético terrestre é nula, ou seja, regiões em que as linhas de campo magnético são paralelas à superfície terrestre (BEACH, 1998). Na literatura, por vezes, comparece também o termo equador geomagnético (bem como latitude/longitude geomagnética). Nesta tese, adotou-se a terminologia de equador/latitude/longitude magnético(a) ou de “dip”, conforme sugerido em Laundal e Richmond (2017). Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 35 2017). No contexto do tempo, de Paula et al. (2007) (e referências destacadas) exemplificam que o período decorrido para que a bolha (gerada na região do equador magnético) evolua até atingir a região de São José dos Campos, no pico da anomalia equatorial, é de cerca de 1 hora e 30 minutos. Ademais, como estes eventos ocorrem após o pôr-do-sol, tem-se que a dinâmica evolutiva das irregularidades predomine aproximadamente na faixa de horário entre 18:00 e 24:00 (no tempo local). Figura 2 – Representação gráfica da dinâmica da ionosfera na região equatorial: em cinza claro são representadas as linhas de campo magnético da Terra em diferentes altitudes (100, 300, 600 e 900 km); as linhas pontilhadas em preto representam as direções da evolução das irregularidades no plasma ionosférico após o pôr- do-sol, caracterizando o efeito fonte. Fonte: adaptado de Rich et al. (2004). Uma das maneiras de se observar e monitorar a ocorrência de cintilação ionosférica (bem como contextualizar sua ocorrência com aspectos teóricos que descrevem as irregula- ridades na ionosfera) é por meio da utilização de receptores GNSS com recursos específicos de monitoramento (ISMRs), os quais permitem estimar os principais índices de cintilação. Na subseção 2.2.1, são apresentados aspectos do monitoramento de cintilação por GNSS. Uma descrição da rede CIGALA/CALIBRA é apresentada. Esta rede vem sendo gerenciada pela FCT/UNESP (com o apoio de parceiros) desde 2011 e continua em operação atualmente. São apresentados os principais índices que descrevem as cintilações no contexto do GNSS e como eles podem ser calculados a partir de dados provenientes de receptores tais como os utilizados na rede CIGALA/CALIBRA. Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 36 Na seção 2.3, aspectos que descrevem a climatologia das cintilações são apresentados sob a perspectiva do monitoramento da rede CIGALA/CALIBRA. Na seção 2.4, são apresentados aspectos acerca da direção de propagação dos sinais GNSS em alinhamento com a direção de propagação das irregularidades que causam as cintilações (linhas de campo magnético terrestre). São apresentadas métricas definidas recentemente na literatura para caracterizar as cintilações associadas à esta geometria de propagação. 2.2.1 Monitoramento por GNSS e Principais Índices Uma rede de monitoramento de cintilação ionosférica para o território brasileiro iniciou sua operação em 2011, sendo gerenciada na FCT/UNESP com o apoio de parceiros. A rede foi constituída pela integração dos projetos CIGALA, CALIBRA e Projeto GNSS- SP, sendo denominada atualmente “Rede CIGALA/CALIBRA”. O projeto CIGALA, cujo nome é derivado de Concept for Ionospheric Scintillation Mitigation for Professional GNSS in Latin America, foi concluído em fevereiro de 2012, e teve a duração de dois anos. Tal projeto visou desenvolver e testar abordagens para mitigação da cintilação ionosférica para serem implementadas em receptores GNSS. Foi formada uma equipe com diversas instituições da Europa e do Brasil, dentre as quais esteve inserida a FCT/UNESP e a fabricante de receptores Septentrio. No contexto do projeto CIGALA, teve início a implantação da rede de monitoramento, cujas primeiras estações foram estabelecidas em Março de 2011 em Presidente Prudente/SP, nas dependências da FCT/UNESP. Dando continuidade ao projeto CIGALA, o projeto CALIBRA, cujo nome é derivado de Countering GNSS high Accuracy applications Limitations due to Ionospheric disturbances in BRAzil, envolveu também a cooperação de diversas instituições da Europa e do Brasil, incluindo a FCT/UNESP. Tal Projeto teve início em Novembro de 2012 e teve a duração aproximada de dois anos. O Projeto CALIBRA teve por objetivos principais o desenvolvimento de novas técnicas para mitigação dos efeitos da cintilação ionosférica. Dentre as suas atividades, destacou-se a expansão da rede de monitoramento com a instalação de mais três estações de monitoramento. Por fim, o Projeto GNSS-SP (GNSS: investigações e aplicações no posicionamento geodésico, em estudos relacionados com a atmosfera e na agricultura de precisão – Processo FAPESP 06/04008-2), que teve duração de mais de quatro anos e propiciou a aquisição de quatro receptores de monitoramento de cintilação. Ao término destes projetos, a rede de monitoramento CIGALA/CALIBRA contava com um total de 12 estações de monitoramento contínuo disponíveis nas cinco regiões do Brasil, conforme apresentado na Figura 3. Todas as estações de monitoramento possuem receptores GNSS Septentrio PolaRxS-PRO, os quais coletam dados com alta taxa de amostragem (50 Hz até 100 Hz) e calculam parâmetros específicos da ionosfera a cada minuto. Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 37 Figura 3 – Distribuição das estações da Rede CIGALA/CALIBRA. O Quadro 2.1 apresenta os principais tipos de dados registrados pelos receptores da rede CIGALA/CALIBRA e que foram utilizados neste projeto. Em resumo, tem-se os dados de intensidade e fase em alta taxa de amostragem (50 Hz), também denominados dados brutos, os dados de observação (arquivos RINEX com taxas de observação a partir de 1 Hz) e os dados ISMR (estimados a cada 60 segundos). Ressalta-se que os dados brutos estão disponíveis apenas para os códigos civis dos sistemas GNSS, disponibilizados livremente ao público. Exemplificando-se para o GPS, os dados 50 Hz estão disponíveis para os códigos L1(C/A – coarse/acquisition), L2C e L5. Para os códigos protegidos, como o código L2/P(Y), não há dados 50 Hz disponíveis. Tipo de Dado Taxa de Amostragem Descrição Bruto 50 Hz Dados de intensidade e de fase (apenas para códigos civis) RINEX 1 Hz Observáveis GNSS (pseudodistância, fase, razão sinal-ruído, doppler) para códigos civis ou protegidos ISMR A cada 60 segundos Principais índices de cintilação, TEC e variações, informações adicionais (azimute, elevação, etc.) Quadro 2.1 – Diferentes tipos de dados e principais características. O principal índice utilizado para descrever as cintilações de amplitude é o índice S4 – uma medida da severidade das flutuações de amplitude do sinal (DIERENDONCK; KLOBUCHAR; HUA, 1993). O índice S4 pode ser obtido a partir de observações da intensidade do sinal em altas taxas de amostragem de acordo com a Equação 2.5: Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 38 S4 = √√√√〈I2〉 − 〈I〉2 〈I〉2 (2.5) Na Equação 2.5, tem-se que: • I é a intensidade do sinal amostrada a uma alta taxa (por exemplo, 50 Hz); • S4 é o índice “S4 total”, o qual inclui as flutuações de amplitude de qualquer causa, ou seja, pode incluir possíveis ruídos locais de ambiente e/ou efeitos de multicaminho; • o operador 〈x〉 indica o valor esperado (ou a média) para x; nos dados ISMR, a média é calculada no intervalo de um minuto. Observa-se que a Equação 2.5 representa o desvio-padrão da intensidade do si- nal normalizada pela sua média. Uma outra forma de reescrevê-la é a apresentada na Equação 2.6: S4 = desvio-padrão(I) média(I) (2.6) A sequência a seguir detalha algumas etapas do cálculo do índice S4 para o receptor PolaRxS PRO, da Septentrio. Foram utilizados dados da estação PRU2 coletados no dia 03/11/2014 no período de um minuto (entre 20:22:00 e 20:23:00 no tempo local). O receptor coleta os dados a uma taxa de 50 Hz, ou seja, são realizadas 50 observações por segundo. Todas as informações coletadas são gravadas em um arquivo bruto. Observações de interesse podem ser extraídas posteriormente utilizando-se o software utilitário do fabricante denominado sbf2ismr, o qual permite extrair as observações coletadas a 50 Hz ou obter um arquivo no formato “.ismr” contendo, dentre outros parâmetros, o índice S4 já calculado a cada minuto. O Quadro 2.2 representa o subconjunto de dados de observação coletados a 50 Hz. São exibidos dados apenas do satélite GPS identificado pelo número do código pseudoaleatório (pseudorandom noise – PRN) n◦ 12, coletados na frequência L1 no mencionado intervalo. Observa-se que são 3000 amostras (uma a cada 0,02 segundos). Para cada instante de observação, o receptor registra o tempo – expresso em TOW (time of week – segundos da semana GPS) –, um identificador para o satélite (space vehicle identifier (SVID), que correponde ao PRN dos satélites, para o caso do GPS), um identificador (flag) para o sinal rastreado (no exemplo, o identificador 0 corresponde ao código C/A na frequência L1 do GPS), a fase do sinal (em ciclos), e dois componentes de quadratura Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 39 do sinal, aqui denominados2 Icorr e Qcorr (SEPTENTRIO SATELLITE NAVIGATION, 2015). # TOW SVID Flag Fase (ciclos) Icorr Qcorr 1 170520.00 12 0 110111704.048 556 -9 2 170520.02 12 0 110111719.345 559 -6 3 170520.04 12 0 110111734.642 576 -9 4 170520.06 12 0 110111749.939 572 -3 5 170520.08 12 0 110111765.235 574 5 6 170520.10 12 0 110111780.53 -573 -23 7 170520.12 12 0 110111795.825 600 9 … … … … … … … … … … … … … … 2998 170579.94 12 0 110158402.48 491 29 2999 170579.96 12 0 110158418.351 -484 6 3000 170579.98 12 0 110158434.223 -494 -9 Quadro 2.2 – Subconjunto extraído de arquivo bruto coletado a 50 Hz pelo receptor Septentrio PolaRxS PRO. Dados da estação PRU2 para o satélite GPS 12, observados no dia 03/11/2014. Os componentes de quadratura do sinal são obtidos pela correlação entre o sinal recebido na antena do receptor e uma réplica interna gerada pelo receptor. Uma repre- sentação gráfica destes componentes é apresentada na Figura 4, na qual o sinal recebido em um instante t é representado em um plano cartesiano no qual os eixos descrevem os componentes de fase e de quadratura do mesmo; a amplitude r do sinal também é representada. Figura 4 – Representação gráfica dos componentes do sinal em uma época t representados sobre um plano cartesiano. Conforme esquema apresentado na Figura 4, as seguintes relações podem ser descritas: 2 Na literatura, comparece também a denominação de componentes “I/Q”, referindo-se a componentes “in-phase” e “quadrature-phase”. Nesta tese, utilizou-se a denominação Icorr e Qcorr, uma vez que a letra “I” também é comumente utilizada para designar a intensidade do sinal. Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 40 Icorr = r(t) cos(Θ) (2.7) Qcorr = r(t) sen(Θ) (2.8) E, pela aplicação do Teorema de Pitágoras, obtém-se a amplitude r do sinal: r = √ Icorr2 +Qcorr2 (2.9) De maneira similar, uma vez obtidos Icorr e Qcorr em cada época, pode-se então calcular a intensidade do sinal I, a qual corresponde à potência do sinal recebido em cada instante de observação (YACOUB, 1993): I = Icorr2 +Qcorr2 (2.10) Observa-se que I = r2. Uma normalização sobre os valores de intensidade I pode ser aplicada para obter valores em uma escala mais adequada para avaliar suas variações e realizar comparações numéricas. Um exemplo de normalização consiste na divisão de cada valor de intensidade I (Equação 2.10, obtidos ao longo de um minuto) pela média de I no referido minuto: Normalização(I) = I 〈I〉 (2.11) A Figura 5 apresenta um exemplo de intensidade normalizada do sinal (Equa- ção 2.11) obtida no minuto representado no Quadro 2.2. Por convenção, é comum apresen- tar a intensidade em escala logarítmica e em unidades de decibéis (dB). Observa-se que a variabilidade no valor da intensidade normalizada indica a incidência de cintilação sobre o sinal no referido minuto. É possível observar desvanecimentos (também denominados atenuações ou fadings) severos na intensidade, os quais chegaram a quase -40 dB. Como resultado da aplicação da Equação 2.5, obteve-se o valor S4 = 0, 818 no referido minuto. Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 41 170520 170530 170540 170550 170560 170570 170580 − 5 0 − 3 0 − 1 0 0 1 0 Intensidade Normalizada (50 Hz) S4=0.818 Tempo (GPS) 1 0 lo g (I ) (d B ) Figura 5 – Intensidade I (normalizada pela média) de um sinal sob efeito de cintilação observada no período de um minuto (amostrada a 50 Hz). Dados da estação PRU2 para o satélite GPS 12, observados no dia 03/11/2014. Um processo de detecção de ruídos locais pode ainda ser empregado para a obtenção do índice S4 corrigido (S4c). Este processo visa remover a influência de ruídos de ambiente no valor do S4 total, por exemplo, a influência da temperatura física do receptor. Se aplicado, para o caso do receptor Septentrio PolaRxS PRO, tem-se que (SEPTENTRIO SATELLITE NAVIGATION, 2015): S4c =  √ S42 T − S42 N , se S42 T − S42 N > 0 0, se S42 T − S42 N ≤ 0 (2.12) Na Equação 2.12, S4N é a proporção de índice S4 devido a ruídos de ambiente. O processo de detecção de ruídos locais pode variar de receptor para receptor; uma metodologia para esta estimativa pode ser encontrada em Dierendonck, Klobuchar e Hua (1993). Em síntese, uma estimativa do S4 devido a ruídos é obtida pela média da densidade sinal-ruído ao longo do intervalo de um minuto. Esta estimativa pode ser realizada considerando um canal desocupado do receptor, visando absorver apenas os ruídos de ambiente. Este valor pode ser então retirado de S4 conforme apresentado na Equação 2.12. Como resultado da remoção de ruídos, tem-se que a estimativa do S4c é inferior ao S4 total. Neste trabalho, optou-se pela utilização do índice S4 total, uma vez que tem-se o interesse de investigar as características do sinal recebido sem descartar quaisquer influências sobre o índice S4. Destaca-se também que os efeitos de multicaminho podem causar aumento na estimativa do S4, sendo conveniente a utilização de alguma abordagem para o controle deste efeito, por exemplo, a realização de uma filtragem ou aplicação de máscara de elevação para satélites mais baixos (exclusão de observações inferiores a certo ângulo de elevação, como 20◦) (DIERENDONCK; KLOBUCHAR; HUA, 1993; DATTA-BARUA et al., 2003; BRASSAROTE; SOUZA; MONICO, 2018). Na implantação de estações de monitoramento Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 42 de cintilação por GNSS, busca-se obter um ambiente ideal para o monitoramento, longes de obstáculos como prédios ou árvores e livres de superfícies refletoras abaixo da antena. O índice S4 é adimensional, e seu limite inferior 0 indica ausência de cintilação. A normalização pela média aplicada sobre a intensidade do sinal no cálculo do índice S4 (Equação 2.6) leva à condição E{I} = 1, ou seja, ao realizar a normalização da intensidade pela sua média no período de um minuto, tem-se que a média da intensidade normalizada neste minuto é igual a 1. Observa-se que esta normalização não limita o valor superior do índice S4, o que pode acarretar em valores de S4 superiores a 1. No entanto, conforme será visto adiante, desvanecimentos severos na intensidade do sinal podem causar perdas de sincronismo, fazendo com que ocorra a interrupção total do rastreamento do satélite, o que limita valores muito altos de S4. Logo, o valor superior do índice S4 varia de acordo com relação entre a severidade dos desvanecimentos observados ao longo intervalo de observação e a manutenção do sincronismo. É comum adotar rótulos classificadores para a severidade das cintilações de acordo com o valor do índice S4. Em International Telecommunication Union (2012), a seguinte classificação é apresentada: • Cintilação fraca: S4 < 0, 3; • Cintilação moderada: 0, 3 ≤ S4 ≤ 0, 6; • Cintilação forte: S4 > 0, 6. Outras classificações (ou rótulos) para o nível de cintilação de acordo com o valor do índice S4 podem ser encontradas na literatura, tais como em Tiwari et al. (2011) e Hegarty et al. (2001). Enquanto o índice S4 quantifica as cintilações de amplitude, outro índice é utilizado para caracterizar as cintilações de fase – o Sigma-phi. Tal índice consiste no desvio-padrão da fase filtrada do sinal. A fase é filtrada para remoção de tendências e identificação da ocorrência de cintilações (na literatura, comparece o termo detrended phase). Tipicamente, o processo de filtragem da fase consiste na aplicação de um filtro Butterworth de 6a ordem, aplicando-se uma frequência de corte de 0,1 Hz (DIERENDONCK; KLOBUCHAR; HUA, 1993). Desta forma, elimina-se o efeito da geometria orbital do satélite e do erro do relógio do receptor ao longo do tempo. A Figura 6 apresenta um exemplo de estimativa do Sigma-phi para o mesmo período de um minuto apresentado na demonstração do cálculo do índice S4 (Figura 5). Na Fig. 6a, a fase do sinal (em ciclos) amostrada a 50 Hz é apresentada – trata-se da mesma observável que é apresentada no arquivo RINEX de observação (φL1(C/A)). Observa-se que é difícil detectar flutuações na fase por esta representação, sendo possível notar apenas a mudança de geometria satélite-receptor ao longo do tempo (pelo aumento do número de Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 43 ciclos). Na Fig. 6b, a tripla-diferença3 da fase em relação ao tempo é apresentada. Esta representação pode ser adotada pra remover o efeito da geometria do satélite e do relógio do receptor, permitindo representar a variabilidade da fase. Observa-se que é possível notar flutuações, indicando a ocorrência de cintilações de fase. Por fim, na Fig. 6c, a fase filtrada do sinal (pelo filtro Butterworth de 6a ordem) é apresentada; sobre esta saída é calculado o desvio-padrão e obtido o valor do índice Sigma-phi para o minuto. Nesta representação, também é possível notar a presença de cintilações (valor estimado de Sigma-phi=0,49 rad ou 0,08 ciclos). Observa-se também que as flutuações mais severas na fase ocorreram simultaneamente aos desvanecimentos severos na intensidade, conforme foi apresentado na Figura 5. Este aspecto será discutido adiante, no Capítulo 3. 170520 170530 170540 170550 170560 170570 1705801 1 0 1 1 0 0 0 0 1 1 0 1 3 0 0 0 0 1 1 0 1 5 0 0 0 0 Fase (50 Hz) Tempo (GPS) c ic lo s (a) 170520 170530 170540 170550 170560 170570 170580 − 0 .0 5 0 .0 0 0 .0 5 Tripla−Diferença da Fase (50 Hz) Tempo (GPS) c ic lo s (b) 170520 170530 170540 170550 170560 170570 170580 − 0 .3 − 0 .1 0 .1 0 .3 Fase Filtrada (50 Hz) Sigma−phi=0.08 ciclos (0.49 rad) Tempo (GPS) c ic lo s (c) Figura 6 – Dados de fase de um sinal sob efeito de cintilação observada no período de um minuto: (a) fase original; (b) tripla-diferença da fase em relação ao tempo; (c) fase filtrada pelo Butterworth de 6a ordem. Dados da estação PRU2 para o satélite GPS 12, observados no dia 03/11/2014. Devido ao processo de filtragem da fase, o índice Sigma-phi é sensível a perdas 3 Simples-diferenças são obtidas pela diferença entre duas observações consecutivas de fase (φ(t2)−φ(t1)), do mesmo satélite, observadas nas épocas t1 e t2, respectivamente. De maneira similar, as duplas- diferenças são obtidas pela diferença entre duas simples-diferenças consecutivas. E triplas-diferenças são obtidas pela diferença entre duas duplas-diferenças consecutivas (LOGSDON, 1992; HOFFMAN- WELLENHOF; LICHTENEGGER; WASLE, 2008). Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 44 de sincronismo. Este aspecto se deve ao efeito de borda causado pela aplicação do filtro Butterworth, o qual requer o acúmulo de observações ao longo de janelas de tempo. Considerando os dados coletados a uma taxa de 50 Hz, o tempo requerido para eliminar o efeito de borda do filtro pode chegar a aproximadamente 4 minutos. Se o rastreamento segue sem interrupção, não há prejuízo na estimativa do Sigma-phi. No entanto, se ocorrerem perdas de sincronismo satélite-receptor, a disponibilidade do índice Sigma-phi é afetada e o índice não pode ser calculado. A escala do Sigma-phi varia aproximadamente entre 0 e 1 (radianos). De maneira similar ao índice S4, algumas classificações para o nível de cintilação de acordo com o valor do Sigma-phi são encontradas na literatura, tais como em Tiwari et al. (2011) e Hegarty et al. (2001). Tanto o S4, quanto o Sigma-phi são analisados, na maioria das vezes, nas frequências primárias dos GNSS (por exemplo, na frequência L1 para o caso do GPS). Contudo, os mesmos também podem ser observados nas outras frequências disponíveis em cada sistema de navegação. Algumas funções descritas na literatura permitem mapear os índices S4 e Sigma-phi da frequência L1 para obter um valor esperado nas frequências L2 e L5, como as definidas em Hegarty et al. (2001) e Peng et al. (2011). No entanto, as flutuações em cada sinal apresentam comportamentos distintos (JIAO et al., 2016; MORAES et al., 2017). A Figura 7 apresenta um exemplo comparativo entre a intensidade do sinal sob cintilação observada simultaneamente em diferentes frequências utilizadas pelo GPS (L1, L2 e L5). Os dados foram coletados pela estação SJCU, no dia 11/11/2014, entre 19:50 e 19:51 no tempo local (LT). Observa-se os diferentes padrões de desvanecimentos ao longo do minuto, os quais resultaram em diferentes valores de índice S4 obtido em cada frequência. Observa-se ainda que os padrões de desvanecimentos (e, consequentemente, os valores de índice S4) são mais similares entre si nas frequências L2 e L5 devido ao comprimento similar da 1a zona de Fresnel nestas frequências. Destaca-se também que os caminhos de propagação são distintos entre os sinais nas diferentes portadoras. Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 45 − 5 0 − 4 0 − 3 0 − 2 0 − 1 0 0 1 0 Intensidade Normalizada (50 Hz) Tempo (LT) 1 0 lo g (I ) (d B ) 19:50:00 19:50:10 19:50:20 19:50:30 19:50:40 19:50:50 19:51:00 L1 (S4=0.94) L2 (S4=0.87) L5 (S4=0.82) Figura 7 – Intensidade de um sinal sob efeito de cintilação observada simultaneamente em diferentes bandas. Dados da estação SJCU para o satélite GPS 24, observados no dia 11/11/2014 entre 19:50 e 19:51 (LT). Outros indicadores são comumente utilizados na descrição de sinais GNSS sob influência de cintilação. Dentre estes, destacam-se os parâmetros espectrais e a razão sinal-ruído. Dois parâmetros espectrais são comumente utilizados como descritores para a cintilação de fase. O parâmetro p, denominado declive espectral (spectral slope), é definido à partir da análise da densidade espectral (Power Spectral Density – PSD) da fase filtrada do sinal. Exemplificando para o caso de dados da fase filtrada a 50 Hz (mesmos dados apresentados na Fig. 6c), tem-se 3000 amostras de fase filtrada no período de um minuto. Sobre este conjunto de dados, pode-se aplicar a transformada de Fourier para obter a respectiva PSD. O parâmetro p pode ser então calculado ao ajustar uma reta aos valores de PSD (em escala logarítmica “log-log”) no intervalo de frequências de 0,1 a 25 Hz. Um exemplo é apresentado na Figura 8, no qual a reta ajustada sobre a PSD (da forma y = ax+ b) tem coeficiente angular a = −2, 90 e intercepto b = −2, 112. Logo, tem-se que o valor de p = 2, 90 (valor oposto ao coeficiente angular). Já o parâmetro T , comumente denominado força espectral (spectral strenght), pode ser determinado pelo valor da reta ajustada em 1 Hz, o que corresponde ao valor do intercepto do ajuste linear (SEPTENTRIO SATELLITE NAVIGATION, 2015). Convencionalmente, pode-se expressar T em unidades de rad2/Hz, obtendo-se, para este exemplo, o valor T = 10−2,112 = 0, 007 rad2/Hz. Por serem todos derivados da fase filtrada do sinal a 50 Hz, é possível estabelecer relações matemáticas entre os valores de p, T e do índice Sigma-phi, conforme destacado em Strangeways et al. (2011). Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 46 log(Frequência (Hz)) lo g (P S D ) 10 −0.5 10 0 10 0.5 10 1 1 0 − 6 1 0 − 5 1 0 − 4 1 0 − 3 1 0 − 2 1 0 − 1 1 0 0 1 0 1 PSD Ajuste Linear PSD da Fase Filtrada (50 Hz) p=2.90; T=0.0077 Figura 8 – PSD da fase filtrada do sinal em um período de 1 minuto para estimativa dos parâmetros espectrais p e T . Dados da estação PRU2 para o satélite GPS 12, observados no dia 03/11/2014. A razão sinal-ruído (também denominada (Signal-to-noise ratio (SNR) ou Carrier- to-noise radio (C/N0) na literatura) figura como uma das observáveis GNSS e proporciona uma medida de qualidade do sinal recebido. A medida de SNR é definida pela razão entre a potência do sinal e a potência de ruído do sinal. Observa-se que a medida de SNR deve ser calculada ao longo do tempo, já que ambas as potências podem variar de acordo com o comportamento do meio. Os sinais provenientes de satélites GNSS se propagam pela atmosfera terrestre até chegaram aos receptores terrestres, estando suscetíveis a diversos fatores que acarretam em um sinal recebido que difere do sinal transmitido. Forouzan (2006) destaca três fatores que causam prejuízo à transmissão de sinais, independentemente do meio utilizado: atenuação, distorção e ruído. A atenuação do sinal refere-se à perda de energia: ao se propagar por um meio, um sinal perde energia devido à resistência deste meio. Por esta razão, em muitos casos, recorre-se a um amplificador de sinal, o qual amplifica um sinal atenuado visando compensar esta perda. Usualmente, utiliza-se a grandeza de decibéis (dB) para medir a atenuação ou amplificação da potência de um sinal. Desta forma, pode-se medir a potência relativa de dois sinais (ou a potência relativa de um mesmo sinal em épocas diferentes). A distorção do sinal refere-se a alterações em sua forma, normalmente ocasionadas por sinais compostos de diferentes frequências. Já o ruído pode ser classificado em diversos tipos. Destaca-se o ruído térmico, caracterizado pelo movimento aleatório de elétrons em um meio, o qual pode descaracterizar o sinal transmitido. Variações na razão sinal-ruído podem indicar a ocorrência de cintilações. No entanto, a análise da intensidade do sinal (ou potência) normalizada é um indicador mais indicado para análise das cintilações do que a razão sinal-ruído, uma vez que é comum a utilização Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 47 de suavizações por janelas de média móvel em algoritmos para o cálculo da referida razão, os quais podem descaracterizar os desvanecimentos na intensidade (JIAO et al., 2016). Ressalta-se também que, além do S4 e Sigma-phi (medidas diretas que caracte- rizam as cintilações de amplitude e fase, respectivamente), algumas medidas indiretas podem caracterizar a presença de cintilação sobre os sinais GNSS. Um exemplo são as medidas de variações no TEC, as quais podem ser consideradas ao longo do tempo e do espaço (PEREIRA; CAMARGO, 2017). Para o caso do receptor Septentrio PolaRxS PRO, destacam-se as medidas de diferença de TEC (dTEC). Os valores de dTEC caracterizam a variação do TEC em intervalos de 15 segundos durante um minuto, os quais são baseados em observáveis de fase da onda portadora. Variações nos valores de dTEC podem ser utilizadas para caracterizar indiretamente a ocorrência de cintilações. Outros indicadores também podem ser utilizados para esta finalidade, tais como estatísticas sobre a razão sinal-ruído, indicadores de tempo de sincronismo satélite-receptor e estatísticas de diver- gência entre valores de pseudodistância e fase. Todos estes indicadores estão disponíveis em um arquivo “.ismr” padrão com taxas de amostragem de 60 segundos para o caso do receptor PolaRxS PRO. 2.3 Aspectos da climatologia da cintilação sob a perspectiva do monitoramento pela Rede CIGALA/CALIBRA Considerando a climatologia das cintilações em regiões equatoriais e especificamente na região brasileira, diversos trabalhos são destacados na literatura, tais como Basu, MacKenzie e Basu (1988), de Paula et al. (2003), Rezende et al. (2007), Spogli et al. (2013), Muella, de Paula e Monteiro (2013), Muella et al. (2017), Moraes et al. (2017), Moraes et al. (2018), dentre outros. Nesta seção, os principais aspectos relacionados a esta climatologia são apresentados por meio de exemplos característicos derivados a partir de dados da rede de monitoramento CIGALA/CALIBRA. É consenso na literatura que a frequência de ocorrência de cintilações e a severidade das mesmas variam principalmente conforme o ciclo de atividade solar – apresentando também variações sazonais (subseção 2.3.1); variações de acordo com o horário local (subseção 2.3.2); variações de acordo com a localização geográfica (subseção 2.3.3) e variações de acordo com a atividade magnética (subseção 2.3.4). 2.3.1 Influência dos Ciclos de Atividade Solar e Variações Sazonais A principal influência das interações entre íons e elétrons na ionosfera está relacio- nada à atividade do sol, que libera partículas pelo espaço interplanetário. Historicamente, em estudos específicos de observação do sol, pôde-se notar a presença de manchas escuras, as quais são denominadas sunspots. A observação destas manchas pode ser utilizada para Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 48 análise dos efeitos do sol na ionosfera. Como exemplo, pode-se mencionar os estudos acerca da refração e da cintilação ionosféricas, e, consequentemente, os respectivos efeitos no posicionamento GNSS. Por meio de observações das manchas solares, é possível observar um comportamento cíclico que se repete a cada 11 anos (aproximadamente), caracterizando-se os ciclos solares (McNAMARA, 1991; KIRCHHOFF, 1991). Logo, os efeitos causados pela ionosfera no posicionamento GNSS são mais intensos de acordo com a variação do ciclo solar. Alguns centros, como a National Oceanic and Atmospheric Administration (NOAA) e a National Aeronautics and Space Administration (NASA), catalogam as manchas solares, inclusive disponibilizando predições. A Figura 9a apresenta a progressão recente dos ciclos solares a partir do ano 2000, incluindo uma parte predita. Pode-se observar que, em 2018, o último ciclo solar (de número 24) está em seu declínio; pode-se inferir também que o ciclo solar 24 apresenta menos intensidade que o ciclo solar anterior (de número 23), conforme pode ser observado no pico do ciclo solar anterior aproximadamente entre os anos de 2000 e 2002. Outro indicador do nível de atividade solar é o fluxo de emissão de rádio por parte do Sol, observado em um comprimento de onda de 10,7 cm (2,8 GHz). Tal fluxo vem sendo observado desde 1947 por centros especializados, caracterizando-se como um importante indicador da atividade solar denominado “F10.7”. Suas observações indicam que o mesmo segue comportamento muito próximo ao número de manchas solares, tendo a característica de ser tecnicamente mais fácil de observar (McNAMARA, 1991; NATIONAL AERO- NAUTICS AND SPACE ADMINISTRATION (NASA), 2015). O F10.7 é apresentado na Figura 9b, compreendendo o mesmo intervalo apresentado na Fig. 9a; ele é representado em unidades de densidade de fluxo sfu (sendo que: 1 sfu=10-22 W/m2/Hz). Observa-se o comportamento similar entre o número de manchas solares e o F10.7. Um exemplo adicional para descrever a atividade solar é apresentado na Figura 10, na qual os valores médios mensais do F10.7 no período compreendido entre fevereiro de 1947 até março de 2018 são apresentados. Os dados foram históricos foram obtidos junto à base de dados de Clima Espacial do Natural Resources Canada (NRCAN) (NATURAL RESOURCES CANADA (NRCAN) - SPACE WEATHER, 2018). Em Muella et al. (2017), uma contextualização da ocorrência de cintilação e sua relação com valores médios mensais do F10.7 é apresentada. A análise é realizada com dados de índice S4 coletados em Cachoeira Paulista/SP no período de de 1997 a 2014, abrangendo, portanto, os ciclos solares de número 23 e 24. A representação gráfica é apresentada na Figura 11. É possível notar que a porcentagem de ocorrência de cintilação (representada em valores de porcentagem de S4 > 0.5 e S4 > 0.2) foi superior no ciclo solar n◦ 23 se comparada ao ciclo solar n◦ 24. A Figura 11 também permite identificar os horários mais afetados pela cintilação (compreendidos aproximadamente entre 23:00 e Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 49 04:00 no tempo universal (UT) ou entre 20:00 e 01:00 no tempo local (UT-3), aspecto que também será discutido adiante na subseção 2.3.2). (a) (b) Figura 9 – Progressão dos ciclos solares a partir do ano 2000: (a) número de manchas solares; (b) Fluxo solar (F10.7). Fonte: (NATIONAL OCEANIC AND ATMOSPHERIC ADMINISTRATION (NOAA) - SPACE WEATHER PREDICTION CENTER, 2018). 1950 1960 1970 1980 1990 2000 2010 2020 1 0 0 1 5 0 2 0 0 2 5 0 Ano F 1 0 .7 ( s fu ) Observado Suavizado Figura 10 – Valores médios mensais do F10.7 observados no período entre fevereiro de 1947 a março de 2018. Dados obtidos na base de dados de Clima Espacial do NRCAN (NATURAL RESOURCES CANADA (NRCAN) - SPACE WEATHER, 2018). Capítulo 2. Ionosfera e Cintilação no Contexto do GNSS 50 Figura 11 – Porcentagem de ocorrência de cintilação e índice F10.7: (a) Porcentagem de casos de S4 > 0.5; (b) porcentagem de ocorrência de casos de S4 > 0.2; (c) Valor médio do F10.7. Fonte: Adaptada de Muella et al. (2017). Considerando o domínio temporal de dados da Rede CIGALA/CALIBRA (a partir de 2011), também é possível observar a relação da ocorrência de c