O Efeito das Covariâncias entre os Componentes de Linha Base sobre a Confiabilidade de Redes GNSS: Resultados para uma Rede com Alta Redundância

A mais recente versão da teoria da confiabilidade tem sido utilizada para descrever a capacidade de um sistema de medição em detectar, identificar e remover outliers a um certo nível de probabilidade. Entretanto, as aplicações desta teoria têm sido direcionadas para redes simuladas de nivelamento. Aqui, por outro lado, aplicamos a teoria no contexto de redes baseadas nos sistemas de posicionamento por satélites GNSS (Global Navigation Satellite System), a partir de dados reais coletados em campo. Testamos se as covariâncias entre as componentes da linha base têm efeito sobre a confiabilidade. Verificamos que as covariâncias entre as componentes da linha base aumentam a taxa de sucesso na identificação de outlier e, portanto, aumentam a confiabilidade da rede. O menor outlier identificável – ao nível de 80% de correta identificação – teve uma redução média de ~30% para as componentes ΔX e ΔY, e ~14% para ΔZ em comparação ao cenário com covariâncias nulas. O aumento do nível de significância melhora a confiabilidade em ambos os cenários (covariâncias nulas e não-nulas) na mesma proporção. Porém, para altos níveis de significância (α > 0,1) e sistemas com boa redundância (ri > 0,5), a confiabilidade para um modelo estocástico com covariâncias nulas se aproxima do caso em que as covariâncias não são nulas. Na ausência de um modelo estocástico mais realista (covariâncias não-nulas) e para sistemas com boa redundância local (ri > 0,5), deve-optar por regiões críticas maiores ( k < 2,8).