Você está na página 1de 12

SOBRE A ESTIMAO E MODELAGEM DE FUNES

COVARINCIAS NA COLOCAO POR MNIMOS QUADRADOS


On estimationa and modelling of the covariance functions in least squares
collocation
Sergio Florencio de Souza1
Nelsi Cgo de S2
1

Universidade Federal do Rio Grande do Sul

Instituto de Geocincias Departamento de Geodsia


Av. Bento Gonalves, 9500 - Porto Alegre - RS - Brasil
CEP: 91501-970 / Caixa Postal: 15001
e-mail: sergio.florencio@ufrgs.br
2

Universidade de So Paulo

Instituto de Astronomia, Geofsica e Cincias Atmosfricas


Rua do Mato, 1226 Cidade Universitria So Paulo SP - Brasil
e-mail. nelsi@iag.usp.br

RESUMO
Nestas ltimas dcadas tem aumentado o interesse na determinao de geides gravimtricos, um dos principais
motivos, a sua utilizao na determinao de altitudes ortomtricas a partir das altitudes geomtricas, obtidas no
posicionamento por satlite (GPS). Vrios so os mtodos utilizados para a determinao do geide, como a integral de
Stokes e suas variantes, colocao por mnimos quadrado, colocao rpida (fast collocation), entre outros. A colocao
por mnimos quadrados permite a estimao eficiente do campo de gravidade, mediante a utilizao das caractersticas
estatsticas de dados heterogneos sobre a forma de funes covarincias. Portanto, a interpretao estatstica da
colocao, baseada no pressuposto de que as observaes do campo de gravidade so uma realizao de um processo
estocstico e que, quer as observaes, ou os sinais a serem estimados, so variveis centradas. A funo covarincia
o elemento central desse processo, toda a informao relativa ao comportamento do campo de gravidade, sua
variabilidade, distancia de correlao e anisotropias, bem como a relao funcional entre os vrios elementos do campo
esto condicionados a eficincia na sua determinao. O presente trabalho tem por objetivo a discusso da modelagem
das funes covarincias, a partir da utilizao de dados com distribuio regular e irregular. A distribuio dos dados
tem implicaes diretas com a estimao dos parmetros da funo covarincia. Sendo assim, sero vistos os
fundamentos tericos dos mtodos de estimao das funes covarincias, seguida da aplicao.
Palavras chaves: Colocao por mnimos quadrados, Funes covarincias, Geide.

ABSTRACT
In the last decades there has been an increase of interest in the gravimetrics geoids determination. One of the main
reasons for this is its use in the determination of ortometrics altitudes from the geometric altitudes, obtained through the
Global Positioning System (GPS). There are several methods for the geoid determination, such as the Stokes' integral
and its variations, least square collocation, fast collocation, and others. The least square collocation allows efficient
estimation of the gravitational field, under the utilization of heterogeneous data's statistic characteristics on covariance
functions forms. Therefore, the statistic interpretation of the collocation is based on the conjecture that the gravity field
observations are the realization of a stochastic process and that both the observations and the signals to be estimated are
centered variants. The covariance function is the central element of this process. All information related to the behavior
of the gravitational field, its variability, correlation distance and anisotropies, as well as the functional relation between
the many elements of the field are conditioned to efficiency in its determination. This work aims the discussion of the
covariances functions tracing, from data utilization with regular and irregular distribution. Data distribution has straight
Revista Brasileira de Cartografia No 60/01, Abril 2008. (ISSN 1808-0936)

99

implications on the estimation of the covariance function parameters. Therefore it will be seen the theoretical
fundamentals of the covariance function estimation methods, followed by application.
Keywords: Least Square Collocation, Covariance function, Geoid.
1. INTRODUO
A colocao por mnimos quadrados (C.M.Q)
envolve as covarincias de todos os elementos do
campo de gravidade que so utilizados na aproximao.
Isto decorre da interpretao do campo de gravidade
anmalo como um processo estocstico estacionrio. Do
ponto de vista estatstico, a funo covarincia
caracteriza a correlao estatstica de duas quantidades
do campo de gravidade em dois pontos distintos, ou
seja, a tendncia que apresentam em ter a mesma
magnitude e o mesmo sinal. A determinao da funo
covarincia sempre necessria como indicador do
comportamento do campo gravfico numa determinada
regio, seja o caso em que se pretende estimar novos
valores para a anomalia gravimtrica ou no clculo do
geide. A funo covarincia representa a estrutura de
campo de gravidade anmalo na CMQ. Isto introduz
dois requisitos desejveis nos modelos adotados; o de
reproduzir as propriedades estatsticas contidas nos
dados e de admitir uma representao analtica simples.
No primeiro caso, pode ser verificado atravs de
comparaes entre os resultados obtidos na
aproximao e na observao de alguns elementos. O
segundo possvel para covarincias homogneas e
isotrpicas. Na prtica, o fator dominante na escolha de
um modelo a quantidade e a distribuio geogrfica
dos dados. Mesmo nos dias de hoje, com milhes de
dados gravimtricos, as informaes estatsticas sobre
alguns parmetros ainda so precrias. Isto significa que
ainda necessrio distinguir-se os modelos globais dos
locais. Nos modelos globais, as covarincias so obtidas
de valores mdios representativos de blocos cujas
dimenses indicam a resoluo do campo e das
varincias de baixo grau que resultam do rastreio de
satlites artificiais. Nos modelos locais, as covarincias
so obtidas de dados pontuais e da varincia de seus
gradientes. Neste trabalho, sero utilizadas na
modelagem de covarincias amostrais, as anomalias
gravimtricas, que ainda so em maior nmero no
Brasil. O objetivo principal estudar o comportamento
das funes covarincias, numa pequena regio da
Terra, a partir de dados distribudos regularmente e
irregular
2. COLOCAO POR MNIMOS QUADRADOS
DOS
A C.M.Q uma tcnica matemtica que permite
a determinao do campo de gravidade pela combinao
de dados diferentes em tipo e preciso. Dado o potencial
anmalo (T ) e um conjunto de observaes
relacionadas com o campo de gravidade da Terra ( l ),
pode-se expressar atravs de um funcional linear (L),
tais observaes como:

l = L(T )

(1)

Sendo que as observaes podem ser


representadas por um modelo matemtico da forma
(Moritz, 1980)
l = AX + s + n

(2)

onde l o vetor das observaes, X o vetor dos


parmetros
que
representam
a
componente
determinstica, s o vetor dos sinais do campo anmalo
expresso por funcionais aplicados ao potencial anmalo
e n o vetor dos erros observacionais.
O problema da representao do campo de
gravidade, a partir de dados heterogneos, expresso em
(2), solucionado atravs da condio de unicidade,
dada por

T,T + nT D 1 n = mnimo

(3)

que tem soluo analtica igual a (Moritz, 1980)

1
1
1
X = AT (C + D) A AT (C + D) I (4)

T
1
T = ( BK ) ( C + D ) (I AX )

(5)

onde e so parmetros numricos, K o ncleo


do espao de Hilbert, C e D so matrizes simtricas
definidas positivas. Dependendo do que se adota para os
parmetros, o ncleo e as matrizes, a soluo geral
assume particulares e admite interpretaes distintas. A
colocao por mnimos quadrados constitui o caso
particular em que T considerado um processo
estocstico. Isto proporciona interpretaes estatsticas
para as normas do potencial anmalo e do erro
observacional.
A C.M.Q aquela que minimiza as varincias
dos parmetros x2 e do potencial anmalo T2 , isto ,
(S, 1988)

X2 = mnimo

(6)

T2 = mnimo

(7)

Estas condies de mnimo so satisfeitas por


(4) e (5) atravs de (2) e (3) se (Moritz, 1980):
- os parmetros forem unitrios

Revista Brasileira de Cartografia No 60/01, Abril 2008. (ISSN 1808-0936)

100

= =1

(8)

considerando f como sendo a quantidade total de dados


utilizados, tem-se

- a funo que representa o ncleo igual funo


varincia do sinal
K (P, Q ) = C (TP , TQ ) = C tt

(9)

- a matriz peso igual a matriz das covarincias do


rudo
C (n P , n Q ) = C nn

(10)

s = C st C 1 (l )

lembrando que, C = C tt + C nn
e
s = ( P )

(19)

onde a expresso (19) representa a anomalia de altitude


no ponto P, o vetor das observaes (l) dado por

Assim, com (9) e (10) pode-se escrever


C (TP , TQ ) + C (n P , n Q ) = C tt + C nn = C

(11)

BK = C st

(12)

t = BT

(13)

t
s
u

(14)

g1

l= M
g f

Admitindo que se conheam os erros dos


dados gravimtricos e que todas as observaes so nocorrelacionadas, tem-se a matriz covarincia do rudo
C nn igual a,

C nn

onde t e u representam os vetores dos sinais


conhecidos e desconhecidos, respectivamente. Nestas
condies, o modelo matemtico da colocao por
mnimos quadrados tem forma geral

(20)

2g

2
g f

(21)

a matriz covarincia cruzada e a matriz covarincia do


sinal so dadas por,

(15)

C st = C Pg

L C Pg

Como a componente determinstica ( AX ) ,


neste caso, representada pelo modelo EGM96, a
expresso (15) se reduz ao modelo no paramtrico
( X = 0 ) , expresso por

C g g

C tt = M
C
g g

L C g g

M
L C g g

l = AX + s + n

l = s+n

(16)

As solues para o vetor dos sinais e a


respectiva varincia so dadas por (Moritz, 1980)
s = C st C 1 (l )

(17)

s2 = C ss C st C 1 C ts

(18)

onde as matrizes covarincias so obtidas atravs de


funes ajustadas s covarincias amostrais.
Para ilustrar a aplicao destas expresses, fazse aqui um exemplo terico da aplicao do mtodo de
colocao por mnimos quadrados. Supondo que se
deseja determinar anomalias de altitude ( ) a partir de
anomalias gravimtricas ( g ), e que os dados estejam
referidos ao geide. Dada a expresso (17), e

(22)

(23)

As matrizes Ctt e Cst so modeladas a partir de funes


covarincias, e os procedimentos envolvidos na sua
determinao esto descritos no item seguinte
3. FUNES DE COVARINCIAS
A C.M.Q requer as covarincias de todos os
dados envolvidos na aproximao. Em geral, a funo
covarincia caracteriza a correlao reflete o
comportamento do campo gravfico descrevendo a
magnitude da sua variao e da rugosidade. Do ponto de
vista estatstico, a funo covarincia caracteriza a
correlao estatstica de duas quantidades do campo de
gravidade. Teoricamente, qualquer tipo de dado do
campo de gravidade pode ser usado para a obteno das
covarincias. Mas, como a quantidade e distribuio
geogrfica dos dados so importantes nos processos de
amostragem, as anomalias gravimtricas so geralmente
usadas por constiturem a maior populao e a
distribuio mais homognea dos dados atualmente
disponveis.

Revista Brasileira de Cartografia No 60/01, Abril 2008. (ISSN 1808-0936)

101

Assim, representando a anomalia observada


(g ) atravs das componentes determinstica (g d ) e
estocsticas ( g r ) , tem-se:
g = g d + g r

(24)

A componente determinstica representada


pelo modelo geopotencial, a componente estocstica, na
realidade, a combinao do sinal ( g s ) e do rudo
( g n ) resultante dos erros observacionais e dos erros
de aproximao das correes adotadas as observaes
g r = g s + g n

(25)

Figura 1 Parmetros essenciais da funo covarincia


(adaptada de Fernandes (1999))

Para distribuies geogrficas apropriadas, as


covarincias amostrais podem ser calculadas pelo
mtodo direto. Assim, as covarincias entre n elementos
amostrais da componente estocstica

A varincia C0 o valor da funo covarincia


C( ) para o argumento = 0 .

g = {g , g , L , g
r

r
1

r
2

r
n

C0 = C(0)
(26)

A distncia de correlao o valor do argumento


para o qual a covarincia igual a metade da varincia.

so dadas pelo operador mdia

C ( k ) = cov(g ir , g rj ) = M {g ir g rj }

(27)

e obtidas numericamente por

C ( k ) =

1
nk

i =1

j =1

C ( 1 ) =

C0
2

(31)

O parmetro de curvatura relacionado com a


curvatura da funo em =0 e dado por
r
i

g rj

(28)

= 12

onde k o ndice de classificao segundo as distncias.


Assim, C ( k ) representa a mdia dos produtos dos
elementos existentes em pontos que esto distncia
i , j tal que

(30)

i, j k +
2
2

(29)

onde o intervalo de distncia das classes.


A expresso (28) proporciona covarincias em
funo apenas da distncia relativa , o que significa
covarincias isotrpicas. Na prtica, estas so a de
maior interesse devido simplicidade de clculo. As
funes covarincias so caracterizadas por trs
parmetros (Figura 1): a varincia (C0), a distancia de
correlao (1) e o parmetro de curvatura (). A
varincia o valor que a funo covarincia assume
para 0 (Moritz, 1980)

G0
C0

(32)

onde G 0 a varincia do gradiente horizontal da


anomalia gravimtrica. Estes parmetros so chamados
de essenciais.
3.1 Covarincias esfricas
Dados dois pontos P ( , ) e Q( , ) no
espao, e o potencial perturbador T (P ) e T (Q) nesses
pontos, define-se a funo covarincia do potencial
perturbador K ( P, Q) como
K ( P, Q) = M {T ( P )T (Q)}

(33)

onde M {} representando o estimador da mdia do sinal


do campo de gravidade anmalo. Admitindo-se a
inexistncia o termo de ordem zero no potencial
anmalo, tem-se
M {T } = 0

(34)

caracterstica que implica na anulao dos harmnicos


de ordens zero e um do potencial perturbador. Sobre a
esfera, o operador M {} considerado homogneo
Revista Brasileira de Cartografia No 60/01, Abril 2008. (ISSN 1808-0936)

102

(independe de translao) e isotrpico (independe de


direo). Deste modo, a funo depender somente da
distncia esfrica ( ). De fato:

K(P, Q) = K( ) = M{T (P)T (Q)} =


=

1 2 2
T ( , )T ( ' , ')sen d d d
8 2 =0 =0 =0

(35)

onde a distncia esfrica pode ser expressa como


cos = cos cos ' + sen sen ' cos( ' ) (36)

Considerando uma esfera de raio unitrio e o


fato da funo ser harmnica sobre a esfera, justifica-se
a sua representao em harmnicos esfricos a srie

K ( P, Q) = anm cos m + bnm sin m Pnm (cos )


n = 2 m=0

(37)
sendo a nm ,bnm , coeficientes dos harmnicos esfricos
associados funo covarincia. Com o carter
isotrpico da funo covarincia a expresso (37) se
reduz a:

emprica global. Nesse estudo, os dados esto


distribudos numa pequena regio, pelo qual devera ser
introduzida alguma simplificao na determinao da
funo covarincia, designando-se neste caso por
funo covarincia local. A funo covarincia local foi
definida por Goad et al.(1984) apud Fernandes (1999),
que introduziu esta noo como um caso especial da
funo covarincia global em que a informao de
comprimento de onda superior extenso da rea local
removida e assumido que a informao no exterior,
mas junto rea, tem uma variao similar no seu
interior. Estes sugerem que os modelos de Tscherning
and Rapp (1974) devem ser utilizados de modo a
ajustarem uma expresso aos valores empricos, da
mesma forma que no caso global.
As covarincias associadas a qualquer elemento
do campo de gravidade podem ser expressas em funo
de K (P, Q ) . Representando a covarincia de um
elemento qualquer do campo anmalo por
C ij = cov (l i , l j ) = M {l i , l j }

(41)

Mas, os elementos de l podem ser representados


por funcionais lineares de T. Assim, nos pontos P e Q,
tem-se as expresses
l i = LPi T (P )

(42)

K ( ) = k n Pn (cos )

(38)

N =2

onde Pn (cos ) so os polinmios de Legendre. Dado


que k n so obtidos por (Heiskanen & Moritz, 1967):
n

k n = a nm + bnm
m =0

(39)

onde a nm ,bnm coeficientes plenamente normalizados,


relacionados ao potencial perturbador.
Para o exterior da esfera, a funo covarincia
do potencial anmalo entre os pontos P e Q, situados a
uma distncia ( ), ser
R 2
K ( P, Q ) = k n B
r r
n=2
P Q

n +1

Pn (cos )

l j = LQjT ( P )
que substituindo em (35), proporcionam

Cij = M {LPiT ( P) LQjT (Q)} = LPi LQj {T ( P)T (Q)} (44)


resultando, assim, a expresso que representa a
propagao das covarincias
R 2
C ij = L L K (P, Q ) = c n B
r r
n=2
P Q
2
(n 1)
com c n = k n
rP rQ

P
i

Q
j

RB o raio da esfera de Bjerhammar, respectivamente.


Em principio a funo covarincia expressa em (40)
por definio uma funo covarincia global. A sua
determinao feita com recurso ao calculo de infinitos
coeficientes com base em observaes distribudas por
toda a Terra. Tscherning and Rapp (1974)
desenvolveram alguns modelos da funo covarincia
determinando uma expresso para a funo covarincia

n +1

Pn (cos )

(45)

(40)

sendo que rP , rQ so os raios vetores dos pontos P e Q,

(43)

Os coeficientes cn designam-se varincias de


grau e uma analise harmnica de um conjunto de
valores estimados, permitir determinar as primeiras n
varincias de grau, em que n depende do intervalo de
amostragem.
Desta forma, pode-se obter as expresses para as
covarincias entre os elementos do campo de gravidade
a partir de K(P,Q).
cov (TP , TQ ) = K (P, Q )

Revista Brasileira de Cartografia No 60/01, Abril 2008. (ISSN 1808-0936)

(46)

103

cov(gP , gQ ) = C(P, Q) =
+

2
2
K(P, Q) +
K(P, Q)
rP rQ
rPrQ

2
4
K(P, Q) +
K(P, Q)
rQ rP
rP rQ

(47)
cov(g P , Q ) =
cov( P , Q ) =

1
2
K (P, Q) + K (P, Q) (48)

P rP
rP

K (P , Q )

(49)

P Q

3.2. Ajuste da funo covarincia (Mtodo de


Knudsen)
A funo covarincia ajustada determinada
com base na covarincia emprica local em que os
parmetros R B , A e N so estimados por ajuste aos
dados empricos. Os critrios para o ajuste consistem
em igualar valores dos parmetros essenciais das duas
funes covarincia, ou seja, determinar valores para
R B , A e N de modo que a funo covarincia modelo
tenha os mesmos valores da varincia C (0) , a
correlao (1) e o parmetro de curvatura (), que
representam a funo covarincia local. Para o ajuste da
covarincia emprica covarincia ajustada, definida
pela expresso (50), Knudsen (1987) apresentou um
mtodo baseado na inverso por mnimos quadrados. O
ajuste do modelo nessa expresso conseguido por
ajuste dos parmetros R B e A . Adicionalmente,
introduzido um terceiro parmetro , com este
parmetro, as varincias de grau dos erros dos
coeficientes do potencial so escalonadas, de modo que
estes representem a qualidade da aproximao dos
coeficientes do potencial na regio de estudo e o sistema
de referencia.
N
R2
C ( ) = n B
n=2
rP rQ

n+ 2

Pn (cos ) +

A(n 1) R
+

n= N +1 (n 2 )(n + B ) rP rQ

2
B

(50)

n+ 2

(N=180). A varivel B, que descreve a estrutura da


varincia de grau, no pode ser obtida a partir de dados
locais. Assim, geralmente usa-se o valor numrico
(B=24), determinado por Tscherning & Rapp (1974), a
partir de dados globais.
A determinao dos parmetros para cada
interao pode ser expressa (Knudsen, 1987)
x x 0 = (AT C y1 A + C x1 ) AT C y1 ( y y 0 ) (51)
1

onde x o vetor de parmetros ajustados a partir dos


valores aproximados do vetor x0; y contm as
covarincias amostrais; y0 contm os valores gerados
pelo modelo para x=x0; A a matriz Jacobiana contendo
y i
os valores de
; Cy a matriz dos erros de y, e Cx a
x j
matriz varincia de (x-x0). Adotando os valores iniciais
x 0 para o modelo, aplica-se a expresso (51) e
iterativamente determina-se o conjunto de parmetros.
A no linearidade da relao entre o modelo e RB
conduz implementao de um processo iterativo, no
qual, em cada iterao, o ajuste dos parmetros x
calculado pela expresso (51).
O valor de N, relativo ordem do modelo do
geopotencial, selecionado por ajuste do primeiro zero
da funo covarincia emprica, uma vez que quanto
maior for a ordem mais perto da origem esta o primeiro
zero ( 0 ) , local onde a funo covarincia nula
(Fernandes, 1999). A ordem de N determinada pela
90 0
relao N =
. O valor R B , ou mais exatamente,

( R B R E (raio terrestre mdio )) ,


dever
ser
relativamente pequeno, procurando que o rudo
(diferena entre a varincia emprica e ajustada) seja
positivo. O raio da esfera de Bjehammar substitudo
pela distancia a essa esfera ( R B R E ) , de modo que se
consiga obter uma maior preciso no ajuste deste valor
face ao seu pequeno valor e o coeficiente A um termo
livre com unidades de mGal2.
A preciso do ajuste dada pela expresso

Q2 =

Pn (cos )

onde n representa a varincia de grau do erro contido


no modelo do geopotencial, adotado na representao da
componente determinstica. O segundo termo da
expresso (50), representa o modelo de funo
covarincia proposto por Tscherning & Rapp (1974).
Onde A (uma constante em unidades de (m/s)4) e R B
(raio da esfera de Bjehammar) so determinados atravs
de um ajustamento no linear (Knudsen, 1987). O
nmero N um valor fixo, que igual ao grau de
truncamento do modelo geopotencial, neste caso

1
( y y 0 )T C y1 ( y y 0 )
( n m)

(52)

Em que n o numero de dados e m o numero


de parmetros (m=3).
Para aumentar a preciso e reduzir o tempo
computacional no clculo das covarincias, so usadas
as frmulas finitas (S, 1988), equivalentes a (50). A
tcnica utilizada para obter as expresses finitas
bastante simples e passa pela separao das expresses
(40) e (45) em componentes, que multiplicadas por
constantes apropriadas nos reconstruam a funo
covarincia. Estas componentes so

Revista Brasileira de Cartografia No 60/01, Abril 2008. (ISSN 1808-0936)

104

n =0

n =0

F = s n +1 Pn (t ) = s s n Pn (t ) =

Fi =
n =0

Fi =
n =0

s
1 2 st + s 2
(53)

1 n +1
s Pn (t )
n+i

para

i>0

(54)

1 n +1
s Pn (t )
n+i

para

i0

(55)

O denominador da expresso (53) uma das


quantidades bsicas nos prximos desenvolvimentos
pelo que foi utilizada a seguinte simplificao:

L = 1 2st + s 2 M = 1 L st
N = 1 + M st

e
t = cos

(63)

As funes so funes auxiliares que


dependem de s e t (S, 1988), a relao entre para os
elementos do campo de gravidade envolvidos nesta
pesquisa, podem ser expressas (S, 1988)

ARB2
+
(

)(
)
+
+
B
2
B
1

1
cov( P , Q ) =
(B +1)F2 (B + 2)(F1 s 3 P(t ))
P Q

3
2
+

s s t s P2 (t )

B B +1 B + 2

(64)
(56)
para a anomalias de altitude, e

Com estas simplificaes, os


elementos das funes Fi, so dados por

primeiros

3ts + 1 2
2 1 t 2
(57)
F2 = s M
+ s P2 (t ) ln +
N
4

F1 = s M + ts ln
N

F0 = s ln

2
N

2s

F1 = ln1 +

1 s + L

(58)

(59)

Assim a varincia de grau pode ser escrita


como

cn =

1
1
B +1 B + 2

+
(60)

(B + 2)(B + 1) n 2 n 1 n + B

Desta forma, a expresso da funo


covarincia do potencial anmalo, que tambm depende
desses parmetros, tem a forma

K ( ) =

ARB2
( B + 2)( B + 1)

B + 2 n+1
1
B + 1 n+1

n +1
n 2 s Pn (t ) n 1 s Pn (t ) + n + B s Pn (t )
=
=
=
n
n
n
3
3
3

ARB2
=
+
(B + 2)(B + 1)

s 3 P2 (t )
s
s 2t
+ (B + 1)F2 (B + 2)(F1 s 3 P(t ))

B B + 1 B + 2

(61)
onde

R2
s= B
r r
P q

(62)

ARB2

cov g p , Q =
+
P
rP P (B + 2 )

s 3 P2 (t )
s
s 2t
+ F2 FB

B B + 1 B + 2

(65)

para as covarincias entre a anomalia ar-livre e a


anomalia de altitude, onde a gravidade terica no
ponto, geralmente substituda pelo valor da acelerao
de gravidade mdia na superfcie.
H, ainda, a possibilidade de estudar a
representao das covarincias amostrais, como funes
covarincias planas, neste caso, poder ser utilizado o
modelo logartmico desenvolvido por Forsberg (1987).
S (2005) calculou o geide gravimtrico para a
Amrica do Sul utilizando-se desse modelo, e comparou
com outros modelos anteriormente determinados para
Amrica do Sul (Barzaghi et a., 2002 apud S, 2005),
demonstrando que a metodologia utilizada eficiente
para a determinao de modelos geoidais de alta
resoluo espacial e alta preciso. Neste trabalho, ser
analisada apenas a modelagem de funes covarincias
esfricas.
Outros modelos matemticos podem ser
usados na representao de covarincias planas, como
por exemplo, o modelo Markov de segunda ordem.
Normalmente, esses modelos so utilizados na
interpolao de dados, porque no seu sentido mais
amplo, a colocao por mnimos quadrados combina
ajustamento, filtragem e interpolao.
4. APLICAO A DADOS REAIS
Os mtodos de aquisio de dados podem ser:
por pontos amostrados com espaamento irregular e
regular. A distribuio irregular implica que os dados
esto disponibilizados da mesma forma que so
coletados no campo, na regular so igualmente
espaados formando uma malha.

Revista Brasileira de Cartografia No 60/01, Abril 2008. (ISSN 1808-0936)

105

Os dados gravimtricos, que foram utilizados


neste trabalho, so resultado da integrao de trs tipos
de informaes: terrestres, ocenicas e de altimetria por
satlite. As informaes terrestres foram obtidas em
levantamentos realizados por vrias instituies (Souza,
2002), com objetivos diversos; as ocenicas foram
coletadas
por
instituies
internacionais
nos
levantamentos de Geofsica marinha, processadas e
fornecidas pelo U. S. National Geophysical Data Center
(NGDC); as de altimetria por satlite so aquelas que
resultaram das misses GEOSAT e ERS-1, convertidas
em anomalias ar-livre na forma digital (Andersen &
Knudsen, 1998). As medidas terrestres foram referidas a
International Gravity Standardization Net 1971
(IGSN71) atravs da Rede Gravimtrica Fundamental
Brasileira (RGFB), implantada a partir de 1975. Os
dados gravimtricos terrestres foram acrescidos com os
de levantamentos recentes realizados por diversas
instituies. Com a juno de todos os dados
gravimtricos existentes (terrestres e ocenicos),
obtendo um arquivo com 31000 registros (Figura 2).
Com esses dados foi gerado um modelo digital, e as
observaes foram reduzidas para 10285 pontos, e

-43

-42
-17

-18

-19

-19

-19

-19

-19

-19

-20

-20

-20

-20

-21

-21

-21

-21

-22

-22

-22

-22

-22

-23
-56

-23

-50

-20

-21

-56
-21

-51

-55

-54

-53

-52

-51

-50

-55

-54

-53

-52

-51

-50
-21

-23
-52

-51

-52

-51

-50

-50

-49

-49

-48

-47

-48

-47

-46
-17

-44

-18

-52

-47

-45

-18

-53

-48

-46

-18

-54

-49

-47

-52
-17

-18

-55

-50

-48
-17

-17

-18

-56
-17

-51

delimitadas por uma rea com as seguintes coordenadas:


paralelos (-27o e -17o) e os meridianos (-56o e -42o) e
resoluo de 5, para maiores detalhes ver Souza (2002).
Nos clculos so utilizados os programas EMPCOV
(Tscherning, 1997) para a modelagem das covarincias
amostrais, e o COVFIT (Knudsen, 1987), para o ajuste
dos parmetros da funo covarincia esfrica. Para
melhor entender o comportamento das funes
covarincias, os dados gravimtricos foram divididos
em blocos com 6 o graus de amplitude em latitude e
longitude, tanto para os dados irregulares (Figura 2),
como para o modelo digital. Com isso, obteve-se 6
blocos quadrados (Figura 2), que foram diferenciados
pelas letras A, B, C, D, E e F. Este procedimento
ajudar na analise do comportamento das funes
covarincias obtidas de anomalias gravimtricas em
diferentes regies da rea estudada, a partir de dados
distribudos regularmente e irregularmente.
A pergunta principal porque no se pode
modelar uma nica funo covarincia para a regio de
estudo.

-23
-46

-46
-21

-23
-48

-48
-21

-20

-21

-22

-47

-47

-46

-45

-44

-43

-46

-45

-44

-43

-23
-42

-42
-21

-21.5
-22

-22

-23

-23

-22

-22

-22

-23

-23

-24

-24

-25

-25

-25

-26

-26

-22

-22.5

-24

-25

-23

-23.5
-24

-24

-24.5
-25

-25

-23

-24

-25.5
-26

-26

-26

-26

-26.5
-27
-56

-55

-54

-53

-52

-27
-50

-51

-52

-56
-17

-55

-54

-53

-52

-51

-50

-49

-48

-47

-46

-45

-51

-44

-43

-50

-18

-19

-19

-20

-20

-21

-21

-22

-22

-23

-23

-24

-24

-25

-25

-27
-56

-48

-47

-27
-46

-47

-46

-45

-44

-43

-27
-42

-42
-17

-18

-26

-49

-27
-48

-26

-55

-54

-53

-52

-51

-50

-49

-48

-47

-46

-45

-44

-43

-27
-42

Figura 2 - Diviso da rea em Blocos, Distribuio dos Dados Gravimtricos e Modelo Digital de Terreno
que devero ser suficientemente grandes para dispormos
de dados de observao que cumpram a condio do
A determinao da covarincia local ser
mtodo (mdia zero), mas por outro lado, devem
efetuada para cada Bloco, estimando os coeficientes de
respeitar a condio de que o campo de gravidade seja
um modelo paramtrico, por meio do ajuste aos dados
homogneo e isotrpico; respondendo a pergunta
empricos da funo covarincia. A primeira deciso
levantada no pargrafo anterior.
consiste na definio da dimenso dos blocos estudados,

Revista Brasileira de Cartografia No 60/01, Abril 2008. (ISSN 1808-0936)

106

5. EXPERIMENTOS
A distribuio e amostragem espacial dos dados
um fator importante para a modelagem das funes
covarincias. A amostragem compreende a aquisio de
um conjunto de amostras que geralmente representa um
determinado elemento do campo de gravidade. Ela no
pode ser insuficiente, nem tampouco redundante. A falta
de dados pode levar a modelagem de funes
covarincias pobres. A superabundncia, ou a excessiva
quantidade de dados, sobrecarrega o sistema com o uso
excessivo de memria computacional e pode prejudicar
os resultados de uma modelagem. Porque nenhuma
modelagem, por mais complexa ou sofisticada que seja,
pode compensar os efeitos de uma amostragem mal
feita.
A distribuio irregular de dados vantajosa
quando se quer evitar os erros provenientes da gerao
de modelos digitais. A determinao de modelos digitais
relativamente simples, pois existem vrios algoritmos
disponveis para isso. Entretanto, a escolha do
procedimento para a interpolao dos dados no uma
tarefa fcil. A modelagem de funes covarincias,
neste caso, diretamente afetada pela distribuio
espacial dos dados. A distribuio espacial dos dados no
processo de estimao da funo covarincia uma
condio importante na determinao dos parmetros,
podendo prejudicar os resultados obtidos. Para que um
efeito melhor deve-se considerar no somente a
quantidade, mas tambm o seu posicionamento em
relao aos demais. A principal dificuldade de utilizar
dados com distribuio irregular verificar a isotropia e
homogeneidade. Que na prtica so de interesse, devido
a simplicidade de clculo que proporcionam;
covarincias em funo apenas da distncia relativa
entre os pontos.
As covarincias amostrais foram determinadas
a partir da expresso (28), utilizando as anomalias

gravimtricas residuais distribudas de forma irregular, e


utilizando-se do programa EMPCOV. Os valores
obtidos servem de entrada para o programa COVFIT,
onde so modelados os parmetros da funo
covarincia esfrica, definidos na expresso (50). Neste
caso, no possvel a determinao de covarincias
bidimensionais, para a verificao de isotropia, porque
s possvel com os dados distribudos regularmente.
Os valores estimados, para as covarincias amostrais e
ajustadas, para os dados irregulares, so observados na
Tabela 1.
TABELA 1 - COVARINCIAS E PARMETROS
AJUSTADOS PARA OS BLOCOS COM DADOS
IRREGULARES
BLOCO

A
B
C
D
E
F

Covarincias
Amostrais
(mGal2)
138,2919
245,3668
480,2679
207,8470
410,2448
367,4591

Covarincias
Ajustada
(mGal2)
137,7401
243,5838
478,6879
207,5220
409,7262
367,2670

(km)
17
19
17
15
25
17

RB R
(km)
-3541,126
-3979,994
-3695,113
-2464,568
-4428,017
-3692,807

A Figura 3 ilustra graficamente o


comportamento das funes covarincias empricas e
ajustadas exemplificada para o Bloco A. Nota-se que o
modelo de funo covarincia esfrica, ajusta-se melhor
quando dos dados so distribudos regularmente, do que
com os irregulares. V-se com isso que a funo
covarincia, e ]consequentemente os seus parmetros,
so influenciados pela distribuio dos dados. Por isso,
para a regio de estudo, no seria conveniente a escolha
de uma nica funo, pois as covarincias estimadas
variam de maneira significativa de uma regio para
outra.

Revista Brasileira de Cartografia No 60/01, Abril 2008. (ISSN 1808-0936)

107

160

Covarincias Empricas
(dados Irregulares)
Covarincias Ajustadas
(dados Irregulares)

120
100

Covarincias Empricas
(dados Regulares)

80

Covarincias Ajustadas
(dados Regulares)

60
40

3.75

3.5

3.25

2.75

2.5

2.25

1.75

1.5

1.25

0.75

-20

0.5

0.25

20
0

Covarincias (mGal2)

140

-40
Distncias (Graus)
Figura 3 Representao das Funes Covarincias Empricas e Ajustadas para dados com distribuio Regular e
Irregular (Exemplo: Bloco A)
Para os dados regulares, os resultados obtidos
para as varincias empricas e ajustadas so vistos na
Tabela 2.
TABELA 2 - COVARINCIAS E PARMETROS
AJUSTADOS PARA OS BLOCOS COM DADOS
REGULARES
BLOCO

A
B
C
D
E
F

Covarincias
Amostrais
(mGal2)
105,4752
148,5823
301,4680
129,8566
281,2315
293,1245

Covarincias
Ajustada
(mGal2)
105,3492
148,0662
300,8120
128,8305
279,3523
292,1379

(km)

RB R

38
28
23
24
27
25

-6982,451
-7955,999
-6349,202
-8081,289
-5026,052
-8119,423

(km)

No caso de dados distribudos regularmente, a


determinao e modelagem de funes covarincias so
realizadas explorando a distribuio geogrfica dos
dados. Para isso, determinam-se as chamadas
covarincias bidimensionais (Figura 4), que fazem uso
dos modelos gravimtricos digitais residuais.

Figura 4 Ilustrao de Covarincias Bidimensionais


As
covarincias
bidimensionais
so
determinadas em funo de duas variveis r e s. O
procedimento de calculo uma simples extenso da
tcnica que se usa na obteno das unidimensionais,
para elementos com distribuio regular, expressa em
(28). Na prtica, a determinao de covarincias
isotrpicas, de maior interesse devido a sua
simplicidade de clculo. Contudo, necessrio verificar
at que distncia pode-se supor isotropia. Portanto, a
covarincia no ponto de coordenadas rk e sl com origem
no centro da rea, representada por (S, 1988).
C (r , s ) =
k

Revista Brasileira de Cartografia No 60/01, Abril 2008. (ISSN 1808-0936)

N k N l

(N k )(N l )
i =1

j =1

g g
rij

ri + k , j + l

(66)

108

C (r , s ) =
k

N k

i =1

j = l +1

(N k )(N l )

g g
rij

ri + k , j + l

(67)

tem-se, pela propriedade de simetria


C (r , s ) = C (r , s

(68)

C (r , s ) = C (r , s

(69)

e
k

que completam as expresses para a obteno de


covarincias nos quatro quadrantes.
As covarincias bidimensionais, calculadas
para as anomalias, indicam que a condio de isotropia
em geral valida para distncias inferiores ao triplo da
distancia de correlao.
6. CONCLUSES
Observando os resultados encontrados para os
dados irregulares, na Tabela 1; v-se que os blocos
apresentam valores distintos para as covarincias
amostrais, como era de se esperar. As causas esto
relacionadas a diversos fatores; primeiramente, a
representao da componente determinstica pelo
modelo do geopotencial, que pode ser eficiente em
algumas reas e deficiente em outras. deficiente
quando no possvel representar feies locais, a partir
dos dados existentes; ou nas reas onde os dados
existentes foram utilizados na determinao dos seus
coeficientes. A topografia outro aspecto que pode
influenciar na modelagem de funes covarincias,
visto que as anomalias gravimtricas so altamente
correlacionadas com a topografia. Como as anomalias
ar-livre so altamente correlacionadas com a topografia,
espera-se um comportamento semelhante, ou seja, nas
reas planas uma variao menor do que nos locais de
onde a topografia mais acidentada.
Pode-se notar a ocorrncia destes casos nos
blocos selecionados. Os blocos A e D apresentam as
menores varincias em relao aos demais blocos;
nestas regies a topografia plana, e os blocos
apresentam poucas observaes gravimtricas. Nos
blocos restantes, verifica-se que a topografia mais
elevada, e existe uma maior quantidade de dados
gravimtricos,
incluindo
os
levantamentos
gravimtricos mais recentes. provvel que os
coeficientes do modelo do geopotencial no
representem de maneira adequada o campo de gravidade
nestas regies, devido a variao topogrfica existente e
dos dados gravimtricos que no foram includos na
determinao dos coeficientes do modelo geopotencial.
Comparando os dados da Tabela 2, com a
mesma estimada para os dados irregulares, nota-se que
houve uma suavizao das covarincias ajustadas. Este
efeito causado na gerao de modelos digitais, quanto
maior a resoluo, mais suavizada ser a resposta
encontrada pelas funes covarincias. Uma completa

interpretao do efeito da suavizao no possvel;


contudo, um tipo de suavizao bvia; a da utilizao
do modelo digital, que implica em uma estimativa
mdia. Como no caso anterior, os parmetros foram
estimados para cada um dos blocos, sendo novamente
diferentes, reforando mais uma vez a idia que estes
parmetros so modificados conforme a caracterstica e
a distribuio dos dados locais. As distncias de
correlao estimadas para estas funes covarincias
so maiores do que as determinadas para os dados
irregulares. A distribuio regular dos dados,
novamente, responsvel por este efeito. No trabalho de
Kotsakis (2007), proposta algumas alternativas para a
soluo do problema da suavizao da funo
covarincia quando so utilizados dados regulares.
O raio da esfera de Bjerhammar o parmetro
mais afetado no ajuste das funes covarincias. Por ser
um valor pequeno, na verdade o que se ajusta a
diferena (RB RE), quaisquer variaes nos outros
parmetros, por menor que seja, modifica o seu valor
bruscamente; conforme pode ser visto nas tabelas 1 e 2.
A exatido da estimativa muito baixa, sendo
impossvel garantir qualquer resultado que se obtenha
deste processo de ajuste. A mesma concluso pode ser
observada na tese de doutorado de Fernandes (1999).
Qualquer modelagem mal feita tem
implicaes diretas na determinao e estimativa do
erro do funcional calculado, como pode ser visto nas
expresses (17 e 18). Pode-se afirmar que para cada
bloco existe a possibilidade da determinao de
modelos geoidais diferentes, isto porque a distribuio
de dados na rea tem um papel fundamental na
modelagem de funes covarincias. Os problemas,
levantados neste trabalho, constitui uma estratgia para
ser aplicada na determinao do geide, na obteno de
um modelo de alta resoluo utilizando-se da CMQ. Isto
porque, essa metodologia vem sendo empregada na
determinao de geides (Genro e Quintas (2007);
Souza (2002); S (2005, 1988).
AGRADECIMENTOS
Os dados utilizados resultaram de vrios
projetos que contaram com auxlios da FAPESP,
PADCT/FINEP e CNPq. Agradecemos aos programas
colocados nossa disposio por C. C. Tscherning e P.
Knudsen.
REFERNCIAS BIBLIOGRFICAS
ANDERSEN,O.B. & KNUDSEN, P. 1998- Global
Marine gravity Field from the ERS-1 and GEOSAT
Geodetic Mission Altimeter, J. Geoph. Res. 102(C4),
8129-8137.
BARZAGHI, R.; BORGHI, A.; SANS, F.;
BLITZKOW, D.; LOBIANCO, M.C.; KENYON, S.C.;
BEALE, J. & FACTOR,J. 2002- Quasi-geoid

Revista Brasileira de Cartografia No 60/01, Abril 2008. (ISSN 1808-0936)

109

estimations in South America. Anais IAG


International Symposium, Berlin, Alemanha, 8 pp.

Lectures Notes of the 2nd. International School for


the Determination and Use of the Geoid.
International Geoid Service, Rio de Janeiro. 135-164.

FERNANDES, J. C.C. C. -1999- Modelao do Campo


Gravtico na Regio do Atlntico Oriental (AoresPortugal Continental). Tese de Doutorado. Lisboa, PT.
298p.
FORSBERG, R. -1987- A new covariance model for
inertial gravimetry and gradiometry. Journal of
Geophysical Research, 92(B2), 1305-1310.
GENRO, R.; QUINTAS, M.- 2007- Determinao de
um Geide Gravimtrico para o Estado do Paran
utilizando Colocao por Mnimos Quadrados. Boletim
de Cincias Geodsicas, Amrica do Sul, v. 13, n.1:
186-208p.
GOAD, C.C.; TSCHERNING, C.C.; CHIN, M.M 1984- Gravity empirical covariance values for the
continental United States. Journal of Geophysical
Research, 89(B9), 7962-7968.
HEISKANEN, W. & MORITZ, H. -1967- Physical
Geodesy. W.H. Freemann., N. York, 364 pp.
KNUDSEN, P. -1987- Estimation and modelling of the
local empirical covariance function using gravity and
satellite altimeter data, Bull. Godsique, 61: 145-160p.
KOTSAKIS C -2007- Least-squares collocation with
covariance-matching constraints. Journal of Geodesy
81:661677
MORITZ, H. -1980- Advanced Physical Geodesy.
Abacus Press, Wichmann, 500 pp.
S, N.C.de -1988- Modelos estatsticos e representao
integrada do campo de gravidade no Brasil. Tese de
Doutorado, IAG/USP, So Paulo, 240 pp.
S, N.C.de -2005- O Geide Gravimtrico na Amrica
do Sul obtido com uso da Colocao por Mnimos
Quadrados. In: XXII Congresso Brasileiro de
Cartografia. Maca, RJ. Anais. Maca-RJ: Sociedade
Brasileira de Cartografia, Geodsia, Fotogrametria e
Sensoriamento Remoto.
SOUZA, S. F. -2002- Contribuio do GPS para
Aprimoramento do Geide no Estado de So Paulo.
Tese de Doutorado, IAG/USP, So Paulo, 240 pp.
TSCHERNING, C.C. & RAPP, R.H. -1974- Closed
covariance expressions for gravity anomalies, geoid
undulations and deflections of the vertical implied by
anomaly degree-variance models, Ohio State
University. Report. No 208.
TSCHERNING, C.C. -1997- Geoid Determination by
Least-square Collocation Using GRAVSOFT. In:

Revista Brasileira de Cartografia No 60/01, Abril 2008. (ISSN 1808-0936)

110