ESTUDIO DE LOS EFECTOS TROPOSFÉRICOS EN LA PRECISIÓN DE

MEDICIONES GPS EN EL SUROCCIDENTE COLOMBIANO

LINA MARCELA ESPINAL ZAPATA

UNIVERSIDAD DEL VALLE

FACULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA CIVIL Y GEOMATICA
INGENIERÍA TOPOGRÁFICA
SANTIAGO DE CALI
2012
ESTUDIO DE LOS EFECTOS TROPOSFÉRICOS EN LA PRECISIÓN DE
MEDICIONES GPS EN EL SUROCCIDENTE COLOMBIANO

LINA MARCELA ESPINAL ZAPATA

Trabajo de grado para optar el titulo de

Ingeniera Topográfica

DIRECTORA DE TRABAJO DE GRADO

OLGA LUCIA BAQUERO
Msc. GEOFÍSICA

UNIVERSIDAD DEL VALLE

FACULTAD DE INGENIERÍA
ESCUELA DE INGENIERÍA CIVIL Y GEOMATICA
INGENIERÍA TOPOGRÁFICA
SANTIAGO DE CALI
2012
 NOTA DE APROBACIÓN

El trabajo de grado titulado “ESTUDIO DE LOS EFECTOS

TROPOSFÉRICOS EN LA PRECISIÓN DE MEDICIONES GPS EN EL
SUROCCIDENTE COLOMBIANO”, presentado por la estudiante Lina
Marcela Espinal Zapata como requisito parcial para optar el título de
Ingeniera Topográfica, fue aprobado por:

________________________
Jurado 1.

________________________
Jurado 2.

Santiago de Cali, Enero de 2012.

 Dedico este trabajo a:

Mi familia,
Que se son el motor de mi vida y me enseñaron con su ejemplo
que en todo hay que perseverar y hacerlo con amor,

Mis hermanos,
Que llenaron de alegrías, optimismo y preocupaciones cada
una de estas páginas,

Jefferson, mi novio,
Mi gran compañero de vivencias en esta vocación de mi vida.
 AGRADECIMIENTOS

En primer lugar deseo expresar mi más sincero agradecimiento a la profesora

Olga Lucia Baquero y al profesor Jhon Jairo Barona, quienes me brindaron total
acompañamiento durante el tiempo que demandó esta tarea con su excelencia
profesional y calidad humana.

A mi familia que en todo momento creyó en mí, y con su unidad y amor me

llenaron de paciencia y optimismo para cada día continuar con la elaboración de
este trabajo.

A mis hermanos Carlos Mario y Jorge Luis, que siempre estuvieron dispuestos a
colaborarme con su conocimiento en el desarrollo del proyecto.

Finalmente agradezco a Jefferson, mi novio, por su apoyo constante y su

paciencia la cual me fortaleció en el desarrollo del proyecto.

¡Muchas Gracias!
 TABLA DE CONTENIDO

Pág.

INTRODUCCIÓN 12

1. DEFINICIÓN DEL PROBLEMA 13

2. OBJETIVOS 13

2.1 GENERAL 13

2.2 ESPECIFICOS 13

3. ANTECEDENTES Y JUSTIFICACIÓN DEL PROYECTO 14

4. MARCO TEÓRICO 16

4.1 EL SISTEMA GPS 16

4.1.1 Arquitectura del sistema GPS 16

4.1.2 Principios de funcionamiento del sistema GPS 16

4.2 Trayectoria de la Señal GPS 18

4.3 La Señal Electromagnética GPS 21

4.4 Desviaciones ("biases") 21

4.5 La Troposfera: Fuente de Desviación en la Señal GPS 23

4.6 Modelos Troposféricos para el modelamiento de las desviaciones de la

Señal GPS 24

4.6.2 Retardo Troposférico 24

4.6.2.1 Modelo de Hopfield 27

4.6.2.2 Modelo de Saastamoinen 29

5. DESARROLLO DEL PROYECTO 32

5.2 Procesamiento de Datos GPS 33

5.3 Adquisición y Obtención De Los Datos Meteorológicos 34

5.3.1 Temperatura 34

5.3.1.1 Modelo de Parton y Logan 35

5.3.2 Presión Atmosférica 37

5.3.3 Humedad Relativa 37

6. RESULTADOS 41

6.1 Sin Corrección Troposférica 41

6.1 Corrección Troposférica realizada con los valores en los modelos que el
software trae 46

6.2 Corrección Troposférica realizada con datos ingresados por el usuario en los
modelos 53

7. CONCLUSIONES 72

8. RECOMENDACIONES 74

9. BIBLIOGRAFÍA 74

GLOSARIO 76

ANEXOS 76
 ÍNDICE DE FIGURAS

Pág.

Figura 1. Posicionamiento de un observador en tierra mediante GPS 16

Figura 2. Capas de la atmosfera. 18

Figura 3. Estructura de la ionosfera. 19

Figura 4. Modelo politrópico de la atmosfera. 27

Figura 5. Esquema del modelo de Saastamoinen, capas esféricas de la troposfera

y estratosfera de la atmosfera seca. 29

Figura 6. Coeficiente Ω para el modelo de Saastamoinen Versus Altura. 30

Figura 7.Ubicación geográfica estaciones Magna Eco CALI y BUEN. 33

Figura 8. Variación Total vs Día GPS. BUEN_CALI. Sin Modelo. 42

Figura 9. Variación Total vs Día GPS. CAL_ BUEN. Sin Modelo. 42

Figura 10. Variación Promedios vs Día GPS. BUEN_CALI. Sin Modelo. 42

Figura 11. Variación Promedios vs Día GPS. CALI_BUEN Sin Modelo 42

Figura 12 - 17. Error Posicional vs Intervalos de tiempo. BUEN_CALI. Sin Modelo.

43

Figura 18 - 23. Error Posicional vs Intervalos de tiempo. Sin Modelo. 44

Figura 24 - 29. Error Posicional vs Intervalos de tiempo. Sin Modelo. 45

Figura 30. Variación Total vs Día GPS, valores sin calibrar. BUEN_CALI.
Saastamoinen. 47

Figura 31. Variación Total vs Día GPS, valores sin calibrar. BUEN_CALI. Hopfield.
47
Figura 32. Variación Total vs Día GPS, valores sin calibrar. CALI_ BUEN.
Saastamoinen 47

Figura 33. Variación Total vs Día GPS, valores sin calibrar. CALI_ BUEN. Hopfield.
47

Figura 34 - 35. Error Posicional vs Intervalos de tiempo, valores sin calibrar.

BUEN_CALI. Hopfield.(día 172) 47

Figura 36 - 41. Error Posicional vs Intervalos de tiempo, valores sin calibrar.

Hopfield. 48

Figura 42 - 47. Error Posicional vs Intervalos de tiempo, valores sin calibrar.

Hopfield. 49

Figura 48 - 53. Error Posicional vs Intervalos de tiempo, valores sin calibrar.

Hopfield. 50

Figura 54 - 59. Error Posicional vs Intervalos de tiempo, valores sin calibrar.

Saastamoinen. 51

Figura 60 - 65. Error Posicional vs Intervalos de tiempo, valores sin calibrar.

Saastamoinen. 52

Figura 66 - 69. Error Posicional vs Intervalos de tiempo, Presión. Hopfield. 53

Figura 70-75. Error Posicional vs Intervalos de tiempo, Presión. Hopfield. 54

Figura 76 - 81. Error Posicional vs Intervalos de tiempo, Presión.Hopfield. 55

Figura 82 - 87. Error Posicional vs Intervalos de tiempo, Presión. Saastamoinen. 56

Figura 88 – 93 . Error Posicional vs Intervalos de tiempo, Presión.Saastamoinen.

57

Figura 94 - 97. Error Posicional vs Intervalos de tiempo, Presión. Saastamoinen.

58

Figura 98. Variación Total vs Día GPS.BUEN_CALI. Saastamoinen- Hopfield. 59

Figura 99. Variación Total vs Día GPS. CALI_BUEN. Saastamoinen- Hopfield. 59

Figura 100. Error Posicional vs Día GPS, BUEN_CALI. Hopfield 59

Figura 101. Error Posicional vs Día GPS, BUEN_CALI. Saaastamoinen. 59

Figura 102. Error Posicional vs Día GPS, CALI_ BUEN. Hopfield 59

Figura 103. Error Posicional vs Día GPS, CALI_ BUEN. Saastamoinen. 59

Figura 104 107- . Error Posicional vs Intervalos de tiempo, Humedad. Hopfield. 60

Figura 108 - 113. Error Posicional vs Intervalos de tiempo, Humedad. Hopfield. 61

Figura 114 - 119. Error Posicional vs Intervalos de tiempo, Humedad. Hopfield. 62

Figura 120 - 125. Error Posicional vs Intervalos de tiempo, Humedad.

Saastamoinen. 63

Figura 126 - 131. Error Posicional vs Intervalos de tiempo,

Humedad.Saastamoinen. 64

Figura 132 - 135. Error Posicional vs Intervalos de tiempo, Humedad.

Saastamoinen. 65

Figura 136 - 141. Error Posicional vs Intervalos de tiempo, Temperatura. Hopfield.

66

Figura 142 - 147. Error Posicional vs Intervalos de tiempo, Temperatura. Hopfield.

67

Figura 148 - 153. Error Posicional vs Intervalos de tiempo, Temperatura. Hopfield.

68

Figura 154 - 159. Error Posicional vs Intervalos de tiempo, Temperatura.

Saastamoinen. 69

Figura 160- 165. Error Posicional vs Intervalos de tiempo, Temperatura.

BUEN_CALI. Saastamoinen.(día 176) 70

Figura 166. Error Posicional vs Intervalos de tiempo, Temperatura. BUEN_CALI.

Saastamoinen.(día 195) 71

Figura 167 - 169. Error Posicional vs Intervalos de tiempo, Temperatura.

Saastamoinen. 71
 ÍNDICE DE TABLAS

Pág.

Tabla 1. Rangos desviados por tipo de desviación. 22

Tabla 2. Uso frecuente de las constantes de refractividad. 26

Tabla 3. Procesamientos de datos GPS. 32

Tabla 4. Cálculo de temperaturas (ºC) para la estación UNIVALLE en Cali. 36

Tabla 5.Cálculo de temperaturas (ºC) para la estación La Misión en Buenaventura

36
 INTRODUCCIÓN

En este trabajo se presentan los resultados de la investigación orientada en el

área de la geodesia satelital, dentro del procesamiento de datos GPS, teniendo
como tema el efecto troposférico en la señal GPS, con el objetivo de determinar el
comportamiento de las precisiones obtenidas en el procesamiento de datos con
software comercial, asociadas a los efectos troposféricos y a los modelos de
corrección Saastamoinen y Hopfield.

Las técnicas de posicionamiento preciso GPS se han convertido en una

herramienta tecnológica moderna en investigaciones con amplios campos de
aplicación. En Colombia se hace el uso cada vez más de esta técnica, pero la
inexistencia de estándares y la falta de información para el procesamiento de
datos GPS, particularmente en el error inducido por parte de la troposfera en el
posicionamiento, hace que pierda importancia para los usuarios a la hora de
realizar el trabajo y obtener los resultados.

El efecto de la troposfera es muy local y puede llegar a causar errores entre 1,9 –
2.5 m en la dirección cenital y se incrementa cuando decrece el ángulo, llegando a
ser de 20 – 28 m a unos 5°. Además, como no depende de la frecuencia para la
banda del espectro electromagnético en que se encuentran las portadoras, el
efecto debe ser siempre modelado.

En el proyecto se contó con datos de estaciones permanentes GPS de la red

MAGNA ECO del Instituto Geográfico Agustín Codazzi (IGAC), y se procesaron
con los programas Leica Geo-office de la casa LeicaGeosystems y Trimble Total
Control (TTC) de la casa Trimble. Los modelos troposféricos empleados fueron
Saastamoinen y Hopfield. Con cada modelo se realizó el procesamiento de 3
maneras diferentes: Sin modelo troposférico, con LeicaGeoffice V. 4.0, con
modelos troposféricos Saastamoinen y Hopfield con los valores de los modelos
por defecto, con Trimble Total control V. 2.73. y con los modelos troposféricos
Saastamoinen y Hopfield con datos de campo ingresados por el usuario, con
Trimble Total control V. 2.73.

Se utilizaron datos del mes de junio y julio del 2007de las estaciones de Cali y
Buenaventura; se registraron en cada estación las desviaciones DX, DY, DZ
respecto a las coordenadas X, Y, Z, para diferentes intervalos de tiempo durante el
día y así obtener el error debido a las variaciones temporales de la troposfera.

12
1. DEFINICIÓN DEL PROBLEMA

Dadas las implicaciones de los efectos troposféricos en la señal GPS y los errores
en las posiciones obtenidas a través de las mismas, los usuarios comunes de
esta tecnología, carecen de criterios para la selección de modelos de ajuste
troposférico que dependen de la latitud de trabajo y de las condiciones
atmosféricas que se presentan en ésta.

2. OBJETIVOS

2.1 GENERAL

Determinar el comportamiento de las precisiones obtenidas en el procesamiento

de datos GPS con software comercial, asociadas a los efectos troposféricos y a
los diferentes modelos de corrección de los mismos.

2.2 ESPECIFICOS

 Desarrollar una metodología de procesamiento y análisis de datos GPS con

software comercial, que permita fijar la calidad del posicionamiento analizando
los errores debido a la troposfera.

 Cuantificar los efectos de la troposfera en la señal GPS en una zona de

estudio, reflejados en la precisión de las redes geodésicas GPS.

 Realizar un análisis comparativo entre los modelos de corrección troposférica,

con el fin de determinar la tendencia de la variabilidad en las precisiones.

 Definir para la zona de las observaciones GPS utilizadas, una configuración

adecuada de procesamiento y de modelos troposféricos recomendados.

13
3. ANTECEDENTES Y JUSTIFICACIÓN DEL PROYECTO

Según la investigación realizada, relacionada con la selección de modelos

troposféricos acordes con las características geográficas de Colombia, se ve
reflejado el escaso interés por parte de entidades oficiales en regular el
posicionamiento GPS en el país, por lo menos a nivel de aplicaciones de
ingeniería, pues los principales esfuerzos en la regulación de procesos se dan a
nivel de aplicaciones científicas; haciendo que las empresas realicen
procesamientos, mecánicos siguiendo únicamente las instrucciones de los
vendedores y las estructuras rígidas de los software comerciales, sumado a la
falta de inversión y realmente poco interés en realizar experimentación para
validar los resultados de mediciones con equipos de alta tecnología.

La mayoría de los Software comerciales vienen con modelos de ajuste

troposféricos configurados por defecto y no se sabe qué modelos aplican y
tampoco si son los más adecuados para estas latitudes.

Casas fabricantes como Topcon, con su software Topcon Tools, Trimble en

algunas aplicaciones como Pathfinder Office, muy utilizado en proyectos y
empresas de ingeniería y otras ramas profesionales, igualmente la casa
ThalesNavigatións (GNS Solutions), ASTECH Solutions y un sin número de casas
fabricantes y aplicaciones, se comportan prácticamente como “cajas negras” en el
sentido de no permitir la selección de los modelos de ajuste troposférico o siquiera
saber qué modelo está utilizando en el proceso. Es más, muchos usuarios no
saben que su software está usando un modelo de ajuste troposférico. Algunas
aplicaciones más elaboradas como LeicaGeoffice, de la Casa fabricante
LeicaGEosystems permiten la selección de estos modelos, sin embargo es una
herramienta supremamente costosa. Otras de características similares exigen que
el usuario tenga un criterio efectivo a la hora de definir sus modelos de ajuste y de
procesar la información, pero la inexistencia de estándares y la falta de
información (particularmente en esta temática) para el procesamiento de datos
GPS en Colombia, hace que esto pierda importancia para los usuarios a la hora de
realizar el trabajo y obtener los resultados.

El efecto de la troposfera se considera como una de las principales fuentes de

error que limita la calidad de posicionamiento GPS, se han realizado diferentes
tipo de investigaciones en el mundo entre ellas: “Evaluación de tres modelos de
corrección del retraso troposférico” (Q. Wei-jing, et al., 2008), “ Impacto de
diferentes modelos troposféricos en la exactitud de líneas base: Caso de estudio
Tailandia” (C. Satirapod, et al., 2005),y en Colombia el instituto Agustín Codazzi
realizó el proyecto “ Cálculo de los modelos troposféricos en Colombia” (I. Herrera,

14
et al., 2009), donde se presenta una distribución espacial de los valores de
temperatura y humedad que se deberían introducir parea las correcciones
troposféricas.

Sin embargo, de acuerdo con las crecientes necesidades tecnológicas y la

apremiante carrera competitiva ante un escenario globalizado, se hace necesario
realizar cada día proyectos encaminados al conocimiento de nuestros recursos
espaciales.

Las técnicas de posicionamiento preciso GPS se han convertido en una

herramienta tecnológica moderna en investigaciones con amplios campos de
aplicación, como la navegación aérea y marítima, la localización de objetos o de
fenómenos, levantamientos geodésicos y aéreos, actividades al aire libre,
investigaciones relacionadas con la dinámica de la corteza terrestre, etc., y
aunque en Colombia se hace el uso cada vez más de esta técnica, el
desconocimiento y la falta de información acerca de las implicaciones de los
efectos troposféricos en la señal GPS y los errores en las posiciones obtenidas
a través de las mismas, limita la calidad del posicionamiento, ocasionando
imposibilidad de generar aplicaciones de precisión confiables a la ingeniería,
limitando pues, la calidad en el posicionamiento; es por eso que se hace necesario
contar con criterios para la selección de modelos de ajuste troposférico en las
respectivas latitudes de trabajo.

La importancia del desarrollo de estudios que permitan identificar las

características de la atmósfera alta y baja en cada país o región, radica en que
sólo la caracterización particular de las mismas permitirá una correcta
identificación y reducción de los errores asociados a estos factores, uno de los
aspectos que hace que la navegación aérea no pueda delegar la responsabilidad
del posicionamiento a la tecnología GPS, es la autonomía del sistema y los
diferentes errores presentes en cualquier posicionamiento que resulta fatal a la
hora de una maniobra de un vuelo comercial, por ejemplo si se presenta un
problema de localización en la navegación de la topografía o conformación del
terreno que se sobrevuela, siendo esto lo que más influencia los vientos, genera
desvíos obligando a realizar aterrizajes imprevistos, cambio de rumbo o invasión
de cielo.

15
4. MARCO TEÓRICO

4.1 EL SISTEMA GPS

4.1.1 Arquitectura del sistema GPS

El sistema GPS se compone de tres segmentos básicos: segmento espacio,

formado por 24 satélites GPS con una órbita de 26560 Km. de radio y un periodo
de 12 h.; segmento control, que consta de cinco estaciones monitoras encargadas
de mantener en órbita los satélites y supervisar su correcto funcionamiento, tres
antenas terrestres que envían a los satélites las señales que deben transmitir y
una estación experta de supervisión de todas las operaciones; y segmento
usuario, formado por las antenas y los receptores pasivos situados en tierra, con
los cuales, a partir de los mensajes que provienen de cada satélite visible, calculan
distancias y proporcionan una estimación de posición y tiempo.

4.1.2 Principios de funcionamiento del sistema GPS

Figura 1. Posicionamiento de un observador en tierra mediante GPS

16
El sistema GPS tiene por objetivo calcular la posición de un punto en un espacio
de coordenadas terrestres (x,y,z), partiendo del cálculo de las distancias del punto
a un mínimo de tres satélites cuya localización es conocida. La distancia entre el
usuario (receptor GPS) y un satélite se mide multiplicando el tiempo de vuelo de la
señal emitida desde el satélite por su velocidad de propagación. Para medir el
tiempo de vuelo de la señal de radio es necesario que los relojes de los satélites y
de los receptores estén sincronizados, pues deben generar simultáneamente el
mismo código. Sin embargo, mientras en los satélites se encuentran cuatro relojes
atómicos (dos de cesio y dos de rubidio) que son controlados por la Estación de
Control, no es posible equipar a los receptores con relojes de tan alta tecnología.
Por esta razón los relojes de los receptores pueden estar afectados de errores
intolerables. Debido a ello la distancia determinada satélite – receptor por el
sincronismo se denomina pseudodistancia y es necesario añadir una incógnita
más que hace utilizar un mínimo de cuatro satélites para estimar correctamente
las posiciones.

En el cálculo de las pseudodistancias hay que tener en cuenta que las señales
GPS son muy débiles y se hallan inmersas en el ruido de fondo inherente al
planeta en la banda de radio. Este ruido natural está formado por una serie de
pulsos aleatorios, lo que motiva la generación de un código pseudo-aleatorio
artificial por los receptores GPS como patrón de fluctuaciones. En cada instante un
satélite transmite una señal con el mismo patrón que la serie pseudo-aleatoria
generada por el receptor. En base a esta sincronización, el receptor calcula la
distancia realizando un desplazamiento temporal de su código pseudo-aleatorio
hasta lograr la coincidencia con el código recibido; este desplazamiento
corresponde al tiempo de vuelo de la señal . Este proceso se realiza de forma
automática, continua e instantánea en cada receptor. Medida de la distancia a los
satélites La utilización de estos códigos pseudo-aleatorios permite el control de
acceso al sistema de satélites, de forma que en situaciones conflictivas se podría
cambiar el código, obligando a todos los satélites a utilizar una banda de
frecuencia única sin interferencias pues cada satélite posee un código GPS propio.

Aunque la velocidad de los satélites es elevada (4 Km/s), la posición instantánea

de los mismos puede estimarse con un error inferior a varios metros con base a
una predicción sobre las posiciones anteriores en un período de 24 a 48 horas.
Las estaciones terrestres revisan periódicamente los relojes atómicos de los
satélites, dos de cesio y dos de rubidio, enviando las efemérides y las
correcciones de los relojes, ya que la precisión de los relojes y la estabilidad de la
trayectoria de los satélites son claves en el funcionamiento del sistema GPS.

17
4.2 Trayectoria de la Señal GPS

La señal GPS que transmiten los satélites por medio de señales de radio, portan
información sobre la medición del tiempo para calcular la distancia sabiendo que la
velocidad de la señal (luz) es constante sea cual sea la frecuencia de la onda. La
onda electromagnética emitida por el satélite deberá atravesar tres zonas
caracterizadas físicamente: el vacío, la ionosfera y la troposfera, antes de
alcanzar un receptor estacionado sobre la superficie terrestre. Se define entonces
el retardo como el incremento del tiempo de propagación de una señal
electromagnética entre dos puntos cuando se propaga en un medio material,
comparado con el tiempo de propagación en el vacío, ya que la velocidad de
propagación en el primero es menor y la trayectoria aumenta su longitud al
curvarse debido a la refracción.

Para calcular los tiempos de llegada de la señal GPS, en un medio material, la

atmósfera de la tierra se divide en capas según sean los cambios en temperatura
y propiedades eléctricas en:

 Clasificación por temperatura

Figura 2. Capas de la atmosfera.

Fuente: Elements of GPS Precise Point Positioning, 2002.

Troposfera:Es la capa inferior, en contacto con la superficie terrestre y contiene

casi el 90% de toda la masa atmosférica. Su límite superior es la tropopausa, cuya
altura varia entre los sobre el Ecuador y los 8 km sobre las regiones polares. En la
tropósfera la temperatura decrece en función de la altura (aproximadamente -
6,5°C cada 1000 metros de ascenso). En esta región se desarrollan los
fenómenos meteorológicos que influyen en los seres vivos, como los vientos, la

18
lluvia y los huracanes. Además, concentra la mayor parte del oxígeno y del vapor
de agua.

Estratosfera: Se extiende desde la tropopausa hasta una altura aproximada de 50

km. Aquí el aire se halla tan enrarecido que no refracta ni difunde la luz del sol, la
temperatura aumenta ligeramente hasta alcanzar el límite superior o estratopausa
en la cual hay presencia de rayos cósmicos.

Mesosfera: Es la capa atmosférica comprendida entre 50 y 85 km y se caracteriza

por un elevado contenido de ozono; inicialmente se observa un gradiente positivo
de temperatura hasta unos 60 km, donde se alcanza un máximo de 30º C (debido
a la absorción de los rayos ultravioletas por el ozono); de los 60 a los 85 km se
observa una disminución de la temperatura con la altura, alcanzando el mínimo en
la mesopausa (80- 85 km).

Termosfera: A partir de los 85 km, la temperatura vuelve a crecer con la altitud,

llegando a los 90º C a unos 120 km. En el comienzo de la termopausa la
temperatura crece rápidamente, seguido de una larga constante de expansión
(longstretchconstant) o un ligero incremento de temperatura. El límite superior es
impreciso, pudiendo únicamente decir que se encuentra por encima de los 400
km.

Exosfera: Última capa de la atmósfera en la que la temperatura decrece con la

altura, aunque existen diversas relaciones numéricas para determinar esta
relación basada en modelos teóricos o experimentales.

 Clasificación por propiedades eléctricas

Ionosfera:Es el conjunto de capas gaseosas ubicadas sobre la superficie terrestre

entre la altura comprendida de los 50 a 650 km. Los componentes de estos
estratos son altamente reactivos a la radiación ultravioleta proveniente del Sol,
generando la ionización.

Figura 3. Estructura de la ionosfera.

19
En la ionosfera es posible distinguir varias capas:

 Capa D: Es la inferior y se halla entre 50 y 90 km de altura (entre 55 y 65 km

para otros autores) y únicamente existe durante el día. Se caracteriza por su
baja densidad electrónica; en esta región se reflejan las ondas comprendidas
entre 3 y 300 KHz que se propagan entre el suelo y esta capa, en sucesivas
reflexiones, a semejanza de un guía de ondas, dejando pasar las frecuencias
más altas y es la que genera varios tipos de perturbaciones en las
retransmisiones de radio y TV por producir el fenómeno llamado “fading” .

 Capa E: Llamada de Kennelly-Heaviside, se halla entre 90 y 140 km de altura

(95 y 130 km). Caracterizada por una alta densidad de electrones y la
ionización es generada por rayos ultravioleta y rayos X procedentes del Sol. Es
causante de la reflexión de las ondas de radio comprendidas entre 3 y 30 MHz
de día, provocando de noche la reflexión de las ondas de menor frecuencia 30
a 3000 KHz. En el interior de esta capa se presenta una capa denominada Es
(de esporádica) y su densidad electrónica es tan alta que es capaz de reflejar
ondas de hasta 150 MHz; aparece esporádicamente y por diversos motivos (en
los polos se presenta generalmente de noche causada por perturbaciones
magnéticas).

 Capa F1: Llamada de Appleton, se sitúa entre 180 y 230 km (160 y 275 km).
Posee una ionización muy alta generada fundamentalmente por el Sol,
despareciendo prácticamente en las horas nocturnas.

 Capa F2: O de Van Allen, se halla entre 230 y 400 km, durante la noche
alcanza 320 Km y de día puede llegar a los 400 km. Posee una densidad
electrónica alta, que depende de la actividad solar de la posición geográfica, de
la hora del día, de la estación del año, etc. Esta capa es la que garantiza
plenamente las comunicaciones, tanto en onda corta como en media, de día
como de noche.

 Capa G: Se encuentra a una altura mayor de 500 km .

Magnetosfera: Esta capa se sitúa por encima de los 1500 km. En esta región que
es la más exterior de la atmósfera, se da el movimiento de partículas controlado
por el campo magnético terrestre.

20
4.3 La Señal Electromagnética GPS

La señal GPS como señal electromagnética puede reflejarse, refractarse,

difractarse y atenuarse (Fading en GPS) y las subcapas atmosféricas de interés
en la evaluación de los retardos de la señal GPS son la troposfera y la ionósfera.

 Fading. Se define como la atenuación (debilitamiento) de la señal recibida. Es

difícil predecirla al estar influenciado por numerosas variables: la hora, el día, la
estación, el viento, la temperatura, la humedad, composición de las masas de
aire, alturas entre otros.

Se debe principalmente a:

 la atenuación variable de la señal debido a las variaciones temporales de las

características del medio de propagación. Son variaciones relativamente
lentas, por ejemplo, la atenuación debida a la absorción de energía por parte
del medio puede variar de una hora a la siguiente.

 la atenuación debido a la interferencia entre las ondas que llegan al receptor

siguiendo recorridos diferentes (Multipath). Se trata de variaciones más rápidas
que influyen en las características no sólo de amplitud, sino también de
frecuencia de la señal.

 Ruido. Es una interferencia en la señal GPS generada por descargas

eléctricas en la atmósfera o por fuentes cósmicas.

4.4 Desviaciones ("biases")

Los sesgos "biases" en las medidas GPS se consideran dentro de tres categorías:
debido a los satélites, a las estaciones y dependientes de la observación.

 Desviaciones debido a los satélites: Se deben a las variaciones en las

efemérides de los satélites y sesgos en la información enviada en el mensaje
sobre los relojes de los satélites por no estar sincronizados con la hora GPS.
Estas desviaciones no están correlacionadas entre los satélites y afecta de la
misma manera las medidas de código y de fase portadora, y dependen del
número de estaciones de control en tierra que proveen los datos para
determinar las orbitas en el modelo de fuerzas para el cálculo de las orbitas y
la geometría satelital.

 Desviaciones debido a las estaciones: Son las desviaciones generadas por el

reloj del receptor.

21
 Desviaciones dependientes de la observación: Están asociados con la
propagación de la señal y con el tipo de observación, por ejemplo cuando se
fijan ambigüedades con observaciones de doble frecuencia.

Los efectos de las desviaciones pueden removerse o por lo menos reducirse si

éstas se modelan, ya que se asume que éstas tienen relaciones funcionales con el
tiempo, la posición, la temperatura, la humedad, etc.

Además de las desviaciones (biases), la exactitud de las posiciones GPS es

dependiente de la configuración geométrica de los satélites observados, los
errores inherentes a las medidas, más el remanente de las desviaciones después
que se han modelado.

El rango es la distancia geométrica entre el satélite y el observador y al rango

observado antes de removerle las desviaciones se le llama rango desviado (
"biased range"), y dependiendo del tipo de posicionamiento GPS, las desviaciones
pueden considerarse totalmente como errores o pueden modelarse para
minimizarlas.

El rango observado se puede modelar y cuantificar dependiendo el tipo de medida

y en la información que se tiene de ésta. Las contribuciones individuales de las
desviaciones pueden tener los siguientes valores máximos:

Tabla 1. Rangos desviados por tipo de desviación.

RANGO DESVIADO
TIPO DE DESVIACIÓN MÉTODO DE REDUCCIÓN
(m)

Desviación del Reloj del Se reduce a 10 m, si se hace una

300.000
Satélite corrección del mensaje del satélite.

Se reduce a 10 m, si se hace uso de

Desviación Orbital 80
efemérides precisas

Desviación del Reloj del

10 a 100 Depende del tipo de oscilador del receptor
Receptor

Desviación del retardo

150 al horizonte Disminuye a 50 en el zenit
Ionosférico

Decrece a 1,9 - 2,5 m en el zenit.

Desviación del retardo 20 - 28 a 5º sobre el
Troposférico horizonte – Se utilizan modelos atmosféricos
simplificados Saastamoinen, Hopfield.

22
 RANGO DESVIADO
TIPO DE DESVIACIÓN MÉTODO DE REDUCCIÓN
(m)

Desviación de pulso de fase

Cualquier valor
de la portadora

Fuente: Location systems: an introduction to the technology behind location awareness, 2008.

4.5 La Troposfera: Fuente de Desviación en la Señal GPS

La troposfera es la capa más baja de la atmósfera, es la zona donde se producen

todos los fenómenos del clima, contiene el 75 % de la masa total de la atmósfera
(a pesar de su pequeño espesor), su temperatura es máxima junto a la superficie
terrestre y desciende con la altura a razón de 6,5 ºC cada kilómetro por término
medio.

El espesor de la troposfera viene determinado por la tropopausa (límite inferior

de la estratosfera), y después de la tropopausa hay una inversión del gradiente de
temperatura y por ello se bloquea los movimientos verticales de aire, motivo por el
cual todo el vapor de agua, aerosoles, nubes y fenómenos meteorológicos se
encuentran y desarrollan en la troposfera. La temperatura media de la troposfera
es de -45ºC.

La altura de la tropopausa es variable globalmente, desde los 16 Km en el

Ecuador a los 8 Km en los polos, además varía localmente con la temperatura y
presión en superficie, aumenta cuanto más baja es la presión y/o alta en la
temperatura en la superficie.

El efecto de la troposfera es más pequeño y mucho más local que el de la

ionosfera. Como no depende de la frecuencia para la banda del espectro
electromagnético en que se encuentran las portadoras, debe ser siempre
modelado. En el posicionamiento diferencial, la correlación espacial del efecto y el
empleo de modelos sencillos permiten mantener sus consecuencias por debajo de
las tolerancias para prácticamente todas las aplicaciones en el caso de vectores
de unos pocos kilómetros. Cuando se miden vectores largos, el retardo
troposférico diferencial puede introducir errores en la determinación de la altura de
varios centímetros por lo que debe ser modelado cuidadosamente si se requieren
resultados de la máxima exactitud.

La troposfera induce un retraso en cualquier señal electromagnética que la

atraviesa debido a dos componentes, uno es el retraso hidrostático debido a los
gases inertes presentes en la atmósfera, que es el causante de un 90% del total
del retardo. El retraso hidrostático es muy estable, fácil de modelar y tiene
fundamentalmente que ver con la presión atmosférica y por tanto depende de la

23
altura sobre el nivel del mar a la que se toman las medidas. El segundo
componente del retraso troposférico es el contenido de vapor de agua en la
atmósfera, el cual es difícil de modelar, ya que el vapor de agua en la atmósfera
puede cambiar rápidamente debido a las condiciones atmosféricas locales. El
contenido de vapor de agua en la atmósfera es muy importante en el estudio del
clima y en la predicción del tiempo pero también es fundamental en la claridad y
calidad del aire, ya que generalmente una atmósfera más seca permite mejor
visibilidad (Romero Trujillo, 2008).

El retardo troposférico causa una desviación de 1,9 – 2,5 m ( ver tabla 1) en la

dirección cenital y se incrementa cuando decrece el ángulo de elevación, llegando
a ser de 20 – 28 m a unos 5°. Lo que se realiza para mejorarlo es utilizar modelos
atmosféricos simplificados: Saastamoinen, Hopfieeld, Goad y Goodman, entre
otros.

4.6 Modelos Troposféricos para el modelamiento de las desviaciones de la

Señal GPS

4.6.2 Retardo Troposférico

El recorrido del retardo troposférico puede ser definido como (Janes et al., 1991;
Mendes, 1994):

 
TKP   n(r )  1 csc (r )dr    csc (r )dr   csc  (r )dr 
path  path path 
[1]

Donde

TKP =retraso troposférico, del satélite P al receptor K.

r= radio geocéntrico
n= índice de refracción
 =ángulo aparente (refractado) de elevación del satélite
 =ángulo de elevación geométrico o verdadero del satélite
El índice de refracción en la atmosfera cercana a la tierra es muy pequeño, y por
eso se utiliza la refractividad de la troposfera, NTrop
N Trop  (n  1).106

24
 [2]
Donde n= Índice de refracción.

La ecuación [1] es válida para una atmósfera esférica, y n varia a lo largo del
recorrido de la señal como una función del radio geocéntrico. El primer término de
esta ecuación es la desviación de la trayectoria electromagnética S, respecto a la
longitud geométrica de la transmisión refractada y el término entre corchetes es el
retardo geométrico considerado para un camino curvo (refractado), el cual es la
diferencia en la longitud geométrica del recorrido electromagnético y rectilíneo
desde el satélite hasta la estación de observación (Janes et al., 1991); el efecto de
curvatura es significativo para ángulos de elevación del satélite de 10-20 grados.;
En la práctica, el término entre corchetes es frecuentemente omitido. Para las
señales de los satélites se obtiene el retardo troposférico en función de la
trayectoria como:

TKP  106 
path
N Trop ds

[3]

Teniendo en cuenta las componentes seca y húmeda, el retardo troposférico

puede reescribirse como:

TKP  106 
path
( N d Trop N wTrop )ds

 106 
path
N d Trop ds  106 
path
N wTrop ds

[4]

Trop Trop
N d Nw
Donde y corresponde a la refractividad troposférica de las
componentes seca y húmeda. En 1974, Thayer expresó la refractividad, NT, en
términos de la temperatura absoluta y las presiones parciales de los gases secos,
Pd y del vapor de agua, e0 en milibares:

Pd 1  e0 e 
NT  K1 Z d   K 2  K3 02  Z w1
T0  T0 T0 
[5]

25
Donde

Los coeficientes K1, K2, K3se determinan empíricamente.

T0= temperatura absoluta en la estación de seguimiento en grados Kelvin.
Zd= compresibilidad para vapor de aire seco
Zw=compresibilidad para vapor de agua,

El primer término al lado derecho de la ecuación [9] se refiere a la refractividad de

la componente seca,
N d Trop , mientras que el término entre corchetes se refiere a la

refractividad de la componente húmeda, w .

N Trop

En la Tabla 2 se muestra las constantes de refractividad de uso frecuente.

Tabla 2. Uso frecuente de las constantes de refractividad.

Smith y Weintraub Thayer
Coeficientes de refractividad
(1953) (1974)
K1(K/mb) 77.61±0.01 77.604±0.014
K2(K/mb) 72±9 64.79±0.08
K3(K/mb) (3.75±0.03).105 (3.776±0.004).105
Fuente: Elements of GPS Precise Point Positioning, 2002.

Normalmente las refracciones verticales húmedas que dependen del vapor del
agua y secas están relacionadas con la refracción de un ángulo de elevación por
la función de mapeo1.

La presión de vapor de agua, e0, puede calcularse a partir de la humedad y

temperatura en la estación de seguimiento. La presión de vapor de agua en
milibares recomendada en los convenios del IERS2 (1996) es:

7.5(T0  273.15)
237.3T0  273.15
e0  0.0611 RH10

[6]

1
La función de mapeo, describe la dependencia del ángulo de elevación del retraso de la señal, que viaja a
través de la atmósfera neutra. (Niell, 1996).
2
International EarthRotation& Reference SystemsService.

26
Donde RH= humedad relativa (%) de la estación de observación.

Debido a la importancia de los efectos de la troposfera sobre el tiempo de

propagación de la señal GPS, se han realizado varios modelos troposféricos, entre
los se destacan Hopfield (1972) y Saastamoinen (1973) por su amplia difusión en
los softwares de procesamiento GPS.

4.6.2.1 Modelo de Hopfield

En 1969 Hopfield desarrolló un modelo troposférico empírico usando datos de todo

el mundo. En el modelo de Hopfield, se aplica el modelo politrópico a una
atmosfera, que va desde la superficie de la tierra hasta una altura de 11 Km que
representa la capa húmeda y una altura desde la superficie de la tierra hasta 40
Km para la capa seca (Hopfield, 1969; Janes et al. 1991; Hofmann-Wellenhof et
al., 1997), ver Figura 4.

Figura 4. Modelo politrópico de la atmosfera.

Fuente: Elements of GPS Precise Point Positioning, 2002.

El modelo de Hopfield muestra la refractividad de las componentes seca y húmeda

como una función de la altura, h, de la estación de seguimiento y está dada por:


 Hd  h 
N Trop
d N Trop
d ,0  
 Hd 


 Hw  h 
N Trop
w N Trop
w,0  
 Hw 
[7]

27
Donde

4 Empíricamente determinado para relacionar la

altura.

H d  40136  148.72(T  273.16) Espesor politrópico para la parte seca (m), T es

la temperatura.

H w  11000
Espesor politrópico para la parte húmeda (m).

P0
N dTrop  K1
T0 Refractividad de la tropósfera seca en función de
la presión (mb) y temperatura (Kelvin) en la
estación.
e0 e
N wTrop  K 2  K3 02 Refractividad de la tropósfera húmeda en función
T0 T0
de la presión de vapor de agua y temperatura en
la estación.

Insertando la ecuación 7 en la ecuación 4, e integrando cada elemento con los

respectivos rangos de integración a lo largo de la dirección vertical (ejemplo de
h=0 a h=Hd y de h=0 a h=Hw para la componente seca y húmeda), se obtiene el
retraso troposférico en el Zenith, en metros:

106 Trop
TkP   N d ,0 H d  N wTrop 
,0 H w 
5
[8]

Los valores del espesor politrópico en la componente húmeda y seca, H d y Hw,

están en el rango de 40-45 Km y 10-13 Km, respectivamente (Hofmann-Wellenhof
et al., 1997). La ecuación del retraso troposférico en el Zenith de Hopfield
(Ecuación 8), puede emplearse junto con una función de mapeo para obtener el
retraso troposférico en un ángulo de elevación del satélite específico P.

28
4.6.2.2 Modelo de Saastamoinen

Saastamoinen (1971) aplicó la ley de Gladstone y Dale; que dice que la altura

integral 
(n  1)dr
de la refractividad atmosférica para microondas de radio
tomadas desde el nivel del suelo hasta la cima de la estratosfera es, en una
atmósfera seca, directamente proporcional a la presión del suelo. La derivación del
modelo de Saastamoinen, implica pensar en la atmósfera como una mezcla de
dos gases ideales, el aire seco y el vapor de agua. La ley de los gases son
aplicados luego para derivar la refractividad. La temperatura en la troposfera
desde el nivel del mar a unos 10 Km decrece con la altura aun rango bastante
uniforme, el cual varía ligeramente con la latitud y estación, aunque en las
regiones polares hay una inversión permanente en la troposfera baja, donde la
temperatura actual inicialmente incrementa con la altura.

Saastamoinen dividió la atmósfera seca en dos capas: Una troposfera politrópica,

extendida desde la superficie hasta una latitud de aproximadamente 11-12 Km, y
una estratosfera isoterma continua desde la troposfera hasta aproximadamente 50
Km, como se muestra en la figura 5. El vapor de agua atmosférico se limita sólo a
la troposfera.

Figura 5. Esquema del modelo de Saastamoinen, capas esféricas de la troposfera y estratosfera de la

atmosfera seca.
Fuente: Elements of GPS Precise Point Positioning, 2002.

Para las condiciones normales y en latitudes medias, el modelo de retardo

troposferico está dado como:

29
   1255  
Tkp  0.002277sec z  P0    0.05  e0   tan 2 z 
  T0  
[9]
Donde z es la verdadera distancia Zenital, P0 es la presión observada en la
estación en milibares, y el coeficiente

0 0  ( R / g ) p T
R  PT 0 0

  
rg  1  R / g 
[10]
Donde

R= constante del gas

r= radio de la tierra
T0= temperatura en la estación
p0=presión en la parte inferior de la estratosfera
T0= temperatura en la parte inferior de la estratosfera
β= gradiente vertical de temperatura (dT/dh).

La figura 6 muestra la gráfica de la variabilidad del coeficiente Ω con la altura de la

estación sobre el nivel del mar.

Figura 6. Coeficiente Ω para el modelo de Saastamoinen Versus Altura.

Fuente: Elements of GPS Precise Point Positioning, 2002.

Para una estación a nivel del mar, Ω es aproximadamente 1,16. Para la señal en
dirección zenital, z, el último término la ecuación [9] se hace cero y esta puede
reescribirse como:

30
   1255  
Tkp  0.002277  P0    0.05  e0 
  T0  
[11]
Donde el primer término es en función de la presión en la superficie para la
componente seca y el segundo termino corresponde a la componente húmeda.
Saastamoinen estima la exactitud de las componentes seca y húmeda con un
RMS de 2-3 mm y 3-5 mm, respectivamente.

31
5. DESARROLLO DEL PROYECTO

Según lo que se expresa en el numeral 4.4, hay tres tipos de desviaciones

(retardos) en la señal GPS: las que dependen del satélite, las que dependen del
receptor y las que dependen de las observaciones. En el proyecto se analizaron
gráficamente las desviaciones DX , DY, DZ respecto a las coordenadas X, Y, Z
debido a los retardos de la señal por su paso por la troposfera (retardo
troposférico), y para ello se procesaron las observaciones con software comercial:

 Sin modelo troposférico, con LeicaGeoffice V. 4.0.

 Con modelos troposféricos Saastamoinen y Hopfield con los valores de los

modelos por defecto, con Trimble Total control V. 2.73.

 Con modelos troposféricos Saastamoinen y Hopfield con datos de campo

ingresados por el usuario, con Trimble Total control V. 2.73.

Tabla 3. Procesamientos de datos GPS.

No. Procesamiento Modelo Troposférico Variable a cambiar Software
P1 Hopfield No cambio TTC
P2 Hopfield Humedad TTC
P3 Hopfield Temperatura TTC
P4 Hopfield Presión TTC
P5 Saastamoinen No cambio TTC
P6 Saastamoinen Humedad TTC
P7 Saastamoinen Temperatura TTC
P8 Saastamoinen Presión TTC
P9 Sin modelo ----- Leica

El retardo troposférico se puede modelar de 4 maneras diferente: mediante datos

de la superficie, perfiles con radio sonda, radiometría de vapor de agua y
estimación de parámetros troposféricos a partir de modelos estándar. Los modelos
Hopfield y Saastamooinen encontrados que utiliza el software considera datos
tomados de temperatura, T0, humedad relativa, eo presión, p y altitud, h, en
superficie.

La troposfera se divide en la componente seca y la componente húmeda, donde la

primera contribuye con el 90% del retardo y dado que esta en equilibrio
hidrostático, es fácil de modelar basándose en la ley de los gases ideales. La
componerte húmeda es difícil de predecir debido a la distribución irregular

32
horizontal vertical del agua liquida y vapor de agua, pero solo contribuye con el
10% real del retardo.

Los dos modelos asumen la atmosfera seca y húmeda que dependen de la

temperatura en superficie, la presión y el vapor de agua y que al sintetizarlos
terminan siendo una función de mapeo, donde el retardo troposférico va a
depender de la posición zenital del satélite, lo que puede expresarse como:

T= FM (E) x (retardoseco + retardohumedo)

[12]
Donde

T= Retardo troposférico

FM (E) = Función de Mapeo

5.2 Procesamiento de Datos GPS

Los datos GPS corresponden a las estaciones CALI y BUEN de la red MAGNA
ECO de funcionamiento continuo del mes de junio y julio de 2007, adquiridos
mediante el convenio de la Universidad del Valle y el Instituto Agustin Codazzi,
IGAC. Estas estaciones se encuentran respectivamente en los municipios de Cali,
con coordenadas Sirgas Lat: 3.375787 y Long: -76,532565, y Buenaventura con
coordenadas Sirgas Lat: 3.882023 y Long: -77. 01042. Los procesamientos se
llevaron a cabo en los programas Leica Geo-office de la casa LeicaGeosystems y
Trimble Total Control (TTC) de la casa Trimble (Licencia DEMO).

Figura 7.Ubicación geográfica estaciones Magna Eco CALI y BUEN.

Fuente: Mapas de Colombia, geoportal. IGAC

33
Dado que el valor del retraso troposférico se integra sobre un tiempo más o menos
largo (una o dos horas), ya que está directamente correlacionado con la
estimación del retraso del reloj de la estación y la altura de la estación (Romero
Trujillo, 2008), se fraccionan los archivos RINEX de 24 horas de observación en
archivos de 2 horas con la herramienta TEQC desarrollada por UNAVCO.

El tipo de posicionamiento GPS que se utilizó fue el estático y el procesamiento se

realizó por líneas base, donde la línea base BUEN-CALI, tiene las coordenadas
conocidas de BUEN y se calcula las coordenadas de CALI y la línea base CALI-
BUEN, tiene las coordenadas conocidas de CALI y se calcula las coordenadas de
BUEN.

En las configuraciones del procesamiento se toman los satélites que tienen una
elevación mayor a 10º, ya que como se mencionó anteriormente el retardo
troposférico se incrementa cuando el ángulo de elevación decrece. Se utilizaron
efemérides precisas del IGS, y las soluciones se restringen a flotante y fija Lc,
porque es la combinación de fase portadora libre de efectos ionosféricos. Al punto
de control se le ingresan las coordenadas, las variables de humedad, presión,
temperatura y se activa la opción de utilizar la altitud del punto.

5.3 Adquisición y Obtención De Los Datos Meteorológicos

Como se presentó anteriormente los modelos troposféricos dependen de la altitud,

humedad relativa, presión atmosférica y temperatura. La información de
temperatura, presión y humedad relativa se solicitó de forma horaria al Instituto de
Hidrología, Meteorología y Estudios Ambientales (IDEAM), para las estaciones
meteorológicas de UNIVALLE en Cali y LA MISIÓN en Buenaventura, pero
llegaron datos diarios y datos de las 7, 13 y 19 horas de temperatura y humedad,
sin embargo la base de datos no contaba con información de presión. Como
inicialmente se quería saber la corrección del retardo troposférico cada dos horas
fue necesario recurrir a otros medios para obtener las variables a la hora que se
necesitaban para el desarrollo del proyecto.

5.3.1 Temperatura

Se cuenta con datos de temperatura máxima y mínima por día, temperatura con
termómetro seco a las 7, 13 y 19 horas y temperatura con termómetro húmedo a
las 7, 13 y 19 horas.

Como es necesario contar con los datos de temperatura a la misma hora que los
archivos Rinex, con la temperatura mínima y máxima, se evaluaron tres modelos
empíricos: Modelo Snyder (1985), Modelo De Wit et al., (1978) y el Modelo de Parton

34
y Logan (1981) (Colegio Postgraduados, 2010). Al comparar las temperaturas
calculadas con las temperaturas del IDEAM a las 7, 13 y 19 horas, el modelo de
Parton y Logan proporcionó los menores errores.

5.3.1.1 Modelo de Parton y Logan

Para HSS ≤H ≤ HPS

 ( H  HSSi ) 
Th=( Maxi  Mini )  Sen    Mini
 Fotoi  2a 

Para H<HSS

  24  HPSi 1  H 
Th=Min i  (THPSi 1  Mini )  EXP  b  
  (24  Fotoi 1 ) 

Para H > HPS

  H  HPSi  
Th=Min i 1  (THPSi  Mini 1 )  EXP  b  
  (24  Fotoi )  

Donde:

H = Hora

Fotoperíodo= Foto= 2 x HS/15

Hora salida del sol

HSS = 12 - (HS/15)

Hora puesta del sol

HPS = 12 + (HS/15)

HS= Ángulo Horario

HS = arccos [-TAN(Decli) • TAN(lat)]

Th = temperatura a la hora h

Maxi = temperatura máxima del día actual.

35
Mini = temperatura mínima del día actual.

HSSi = hora de la salida del sol del día actual.

Fotoi= fotoperíodo en el día actual.

a = Coeficiente de retraso para la temperatura máxima

a =(MAXi - 12)/FOTOi).

THPSi-1 = temperatura a la hora de la puesta del sol del día anterior.

b = coeficiente para la disminución de la temperatura nocturna.

b=2.2

HPS = hora de la puesta del sol

Fotoi=Fotoperíodo del día anterior.

THPSi = temperatura a la hora de la puesta del sol día actual.

Tabla 4. Cálculo de temperaturas (ºC) para la estación UNIVALLE en Cali.

Día
172 173 175 176 177 180 195 200
Hora
19 28.1 28.1 28.5 28.0 25.4 26.2 26.6 27.5
21 26.6 26.6 26.9 26.7 24.4 25.2 25.5 26.0
23 29.0 29.0 29.3 28.7 26.0 26.8 27.2 28.4
1 25.6 23.4 25.9 25.8 23.6 24.4 24.7 25.0
3 26.6 24.3 26.9 26.7 24.4 25.2 25.5 26.0
5 23.1 23.2 22.1 23.4 23.7 23.0 22.6 22.9
7 23.7 23.6 22.8 23.9 24.0 23.4 23.1 23.5
9 24.3 24.0 23.5 24.4 24.3 23.9 23.6 24.1
11 24.9 24.3 24.2 25.0 24.5 24.3 24.0 24.6
13 25.5 24.7 24.9 25.5 24.8 24.7 24.5 25.2
15 26.0 25.0 25.5 26.0 25.1 25.1 25.0 25.7
17 26.6 25.4 26.2 26.5 25.4 25.4 25.4 26.2

Tabla 5.Cálculo de temperaturas (ºC) para la estación La Misión en Buenaventura

36
 Día
Hora 172 173 175 176 177 180 195 200
19 27.9 26.0 27.3 27.9 27.9 27.5 26.5 26.2
21 25.9 24.0 25.2 25.2 25.2 24.9 24.6 24.0
23 29.0 27.2 28.5 29.4 29.4 29.1 27.7 27.5
1 23.3 24.6 23.8 22.7 23.4 23.0 23.3 22.5
3 24.8 25.9 25.2 24.5 25.2 24.9 24.6 24.0
5 18.1 20.3 18.6 18.6 16.8 18.8 18.5 16.6
7 22.3 23.2 22.6 23.0 21.2 22.7 22.2 21.0
9 26.2 25.8 26.2 27.0 25.1 26.2 25.5 24.9
11 29.0 27.8 28.8 29.9 27.9 28.8 27.9 27.7
13 30.3 28.6 30.0 31.3 29.2 30.0 29.0 29.0
15 29.9 28.2 29.5 31.0 28.6 29.5 28.5 28.4
17 27.8 26.6 27.5 28.9 26.4 27.6 26.6 26.2

5.3.2 Presión Atmosférica

Para el desarrollo del proyecto se asumió la presión atmosférica promedio de cada

ciudad. La presión atmosférica tomada como promedio para Cali se obtuvo
mediante datos de la estación de la Corporación Autónoma Regional Del Valle del
Cauca, CVC, correspondiente a datos de presión atmosférica horaria durante
cuatro meses. La presión atmosférica para Buenaventura fue tomada de acuerdo
a la clasificación por zonas, presentada en el libro régimen de la presión
atmosférica en Colombia (Eslava Ramírez, 1995).

5.3.3 Humedad Relativa

Los datos de humedad relativa igual que los de temperatura, se tienen a las 7, 13
y 19 horas. Se recurrió a las formulas de la termodinámica, para estimar la
humedad relativa horaria. El primer inconveniente fue obtener la temperatura
bulbo húmedo de forma horaria, ya que los modelos hasta el momento
encontrados eran para calcular la temperatura real, es decir la tomada con bulbo
seco, y en las formulas de la termodinámica es necesario contar con ambas
temperaturas.

A modo de prueba, se realizaron cálculos para estimar la humedad relativa con las
temperaturas de bulbo seco y húmedo que se tenía (a las 7, 13 y 19 horas),
tomando como datos para validar los resultados, las humedades relativas del
IDEAM.

Para realizar el cálculo teórico de las humedades relativas, se tomaron las

variables de: Capacidad calorífica del aire seco (Cp), la cual es constante para el
aire seco en el intervalo de temperatura de -10°C a 50°C con un error despreciable

37
de 0.2%, humedad absoluta de salida (w2, relacionada con la temperatura de
bulbo húmedo), humedad absoluta de entrada (w1, relacionada con la temperatura
de bulbo seco) , entalpía evaporación de vapor saturado (hfg2), entalpía vapor
saturado a la temperatura de bulbo seco (hg1), entalpía evaporación a la
temperatura de bulbo húmedo (hf2), presión de saturación a la temperatura de
bulbo húmedo (Pg2) y la presión del ambiente (P2). Todas las variables se
encuentran tabuladas para el vapor de agua en el manual de referencia de
Keenan y Keyes (1936).

Las presiones llevan asociadas sus respectivas temperaturas de saturación, en

caso de no encontrarlas exactamente, se realiza una interpolación asumiendo que
se comportan de manera lineal. Así, sólo con las temperaturas de bulbo seco y
húmedo y con la ayuda de las tablas del manual, se puede llegar a la humedad
relativa.

Temperatura bulbo seco = 20.2 °C

Temperatura bulbo húmedo = 19.2 °C

P2= 101.325 KPa

Pg2= 2.228 KPa

0.622 Pg 2
w2 
P2  Pg 2
[18]
0.622 (2.228 KPa)
w2 
(101.325  2.228 KPa) KPa

w2  0.01398 Kg H 2O / Kg aire sec o

Entalpía evaporación de vapor saturado:

2453.3  2456.6 hfg 2  1456.6


20.4  19 19.2  19

hfg 2  2456.13 KJ / Kg

38
 [19]
Entalpía evaporación a la temperatura de bulbo húmedo:

83.9  75.5 hf 2  75.5


20  18 19.2  18

hf 2  80.54 KJ / Kg
[20]

Ahora:

Cp(T2  T1 )  w2 hfg 2
w1 
hg1  hf 2

(1.005 KJ / Kg C9(19.2  20.2)C  (80.01398)(2456.13) KJ / Kg

w1 
2547.3  80.54 KJ / Kg

[21]

Presión de saturación a la temperatura de bulbo seco:

0.0264  0.0234 Pg1  0.0234


22  20 20.2  20

Pg1  0.0237 bar  2.37 KPa

[22]

Humedad relativa

w1P2

(0.622  w1 ) Pg1
[23]
(0.013512)(101.325 KPa)

(0.622  0.013512)(2.37 KPa)

  0.909  90.9%

39
El valor de la humedad relativa el 1 de Junio de 2007 a las 7 AM, en la estación
meteorológica UNIVALLE es 91%, el valor teórico calculado es 90.9%, la
diferencia es muy poca, si se aproxima el resultado a dos cifras significativa el
resultado queda igual.

Lo anterior muestra que la falta de contar con los datos de temperatura horaria de
bulbo húmedo, impidió realizar el cálculo de la humedad relativa horaria. Para el
proyecto se tomó la humedad relativa promedio del día adquirida en el IDEAM.

40
6. RESULTADOS

Se analizaron gráficamente las desviaciones DX, DY, DZ, las cuales fueron
adquiridas restando las coordenadas cartesianas X, Y, Z que se obtuvieron de
cada procesamiento realizado, con las coordenadas reales de cada estación
(BUEN o CALI), obtenidas en la pagina del Sistema de Referencia Geócentrico
para las Americas –SIRGAS.

6.1 Sin Corrección Troposférica

El método de posicionamiento empleado permite reducir las desviaciones debido a

los satélites, a los receptores y a la ionosfera. En las gráficas se representan las
desviaciones debidas a la tropósfera, las cuales no contienen la corrección del
retardo troposférico ni de los errores aleatorios contenidos en las desviaciones.

El procesamiento de datos sin modelo troposférico se realizó durante ocho días,

haciendo observaciones cada dos horas. Luego se tomaron 20 días continuos,
realizando observaciones para cada día, en general.

Se observa que la variación total (COMP) toma valores entre 10.5 m y 12.75 m,
como se muestra en las figuras 8 y 9. Las gráficas son idénticas como era de
esperarse, con promedios totales muy cercanos entre sí, alrededor de 11.500 m,
lo cual se deduce del conjunto de datos de los promedios totales. La máxima
variación se observa en el día 177, y la mínima en el día 195. Los mayores
incrementos se presentaron entre los días 175 y 177 y luego se observa una
disminución progresiva entre los días 177 y 195. Las variaciones máxima y mínima
pueden explicarse por las condiciones meteorológicas (lluvias, nubosidad,
tormentas eléctricas, etc.) y por la posición de los satélites en los días respectivos.
Las pendientes de las rectas indican las variaciones bruscas o moderadas entre
las observaciones diarias; por ejemplo, entre los días 175 y 177 se presentó un
aumento significativo en la variación total.

41
 13.0 13.0

12.5
12.5

12.0
12.0
VAriacion Total

Variacion Total
11.5

11.5
11.0

11.0
10.5

10.5 10.0

170 175 180 185 190 195 200 170 175 180 185 190 195 200
Dia GPS Dia GPS

Figura 8. Variación Total vs Día GPS. BUEN_CALI. Sin Modelo. Figura 9. Variación Total vs Día GPS. CAL_ BUEN. Sin Modelo.

En las figuras 10 y 11, se muestran las desviaciones promedio de las

componentes X, Y, Z y de la variación total para cada día. En la línea BUEN_CALI
se observa que la mayor variabilidad promedio ocurre en la dirección Y, mientras
que en las direcciones X y Z las variabilidades son mínimas. En contraste, en la
línea CALI_BUEN se dan condiciones contrarias: la variabilidad en la dirección Y
es mínima, mientras que aumentan las variabilidades en las direcciones X y Z. En
ambos casos, la variabilidad total es mayor, como era de esperarse.

1.2
1.2 1.0

0.8
1.0
0.6

0.8 0.4
Variacion Promedios

Variacion Promedios

0.2
0.6
0.0
PromDX -0.2
0.4 PromDX
PromDY
-0.4 PromDY
PromDZ
0.2 PromDZ
PromCOMP -0.6
PromCOMP
-0.8
0.0
-1.0

-0.2 -1.2
170 175 180 185 190 195 200 170 175 180 185 190 195 200
Dia GPS Dia GPS

Figura 10. Variación Promedios vs Día GPS. BUEN_CALI. Sin Figura 11. Variación Promedios vs Día GPS. CALI_BUEN Sin
Modelo. Modelo

42
 3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
2 4 6 8 10 12 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 12. Error Posicional vs Intervalos de tiempo. BUEN_CALI. Figura 13. Error Posicional vs Intervalos de tiempo. CALI_ BUEN.
Sin Modelo.(día 172) Sin Modelo.(día 172)

3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 15. Error Posicional vs Intervalos de tiempo. CALI_ BUEN.

Sin Modelo.(día 173)
Figura 14. Error Posicional vs Intervalos de tiempo. BUEN_CALI. Sin
Modelo.(día 173)

3 3

2 2

1 1
Error (m)

Error (m)

0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
2 4 6 8 10 12 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 16. Error Posicional vs Intervalos de tiempo. BUEN_CALI. Sin Figura 17. Error Posicional vs Intervalos de tiempo. CALI_ BUEN.
Modelo.(día 175) Sin Modelo.(día 175)

43
 3 3

2 2

1
1
Error (m)

Error (m)
0

-1
-1

-2
DX
DY -2
DX
DZ
DY
COMP
-3 DZ
COMP
0 2 4 6 8 10 12 -3
Tiempo (Hrs) 0 2 4 6 8 10 12
Tiempo (Hrs)

Figura 18. Error Posicional vs Intervalos de tiempo. BUEN_CALI. Sin

Modelo.(día 176) Figura 19. Error Posicional vs Intervalos de tiempo. CALI_ BUEN.
Sin Modelo.(día 176)

3.0 3

2.5

2.0 2

1.5

1.0 1

0.5
Error (m)

Error (m)
0.0 0

-0.5

-1.0 -1

-1.5

-2.0 -2 DX
DX
DY
DY
-2.5 DZ
DZ
COMP
COMP
-3.0 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 20. Error Posicional vs Intervalos de tiempo. BUEN_CALI. Sin

Modelo.(día 177)
Figura 21. Error Posicional vs Intervalos de tiempo. CALI_ BUEN.
Sin Modelo.(día 177)

3.0 3.0

2.5 2.5

2.0 2.0

1.5 1.5

1.0 1.0

0.5 0.5
Error (m)

Error (m)

0.0 0.0

-0.5 -0.5

-1.0 -1.0

-1.5 -1.5

-2.0 DX
-2.0
DX
DY DY
-2.5 DZ -2.5 DZ
COMP COMP
-3.0 -3.0
2 4 6 8 10 12 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 22. Error Posicional vs Intervalos de tiempo. BUEN_CALI. Sin Figura 23. Error Posicional vs Intervalos de tiempo. CALI_ BUEN.
Modelo.(día 180) Sin Modelo.(día 180)

44
 3 3

2 2

Error (m) 1 1

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
2 4 6 8 10 12 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 24. Error Posicional vs Intervalos de tiempo. BUEN_CALI. Sin

Modelo.(día 195)
Figura 25. Error Posicional vs Intervalos de tiempo. CALI_ BUEN.
Sin Modelo.(día 1952)

3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
2 4 6 8 10 12 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 26. Error Posicional vs Intervalos de tiempo. BUEN_CALI. Sin

Modelo.(día 200)
Figura 27. Error Posicional vs Intervalos de tiempo. CALI_ BUEN.
Sin Modelo.(día 200)

3.0 3

2.5

2.0 2

1.5
1
1.0

0.5
Error (m)
Error (m)

0
0.0

-0.5
-1
-1.0

-1.5 DX DX
-2 DY
-2.0
DY
DZ
DZ COMP
-2.5 COMP -3
-3.0 170 175 180 185 190 195
170 175 180 185 190 195 Dia GPS
Dias GPS
Figura 29. Error Posicional vs Dia GPS. CALI_BUEN. Sin Modelo.
Figura 28. Error Posicional vs Dia GPS. BUEN_CALI. Sin Modelo.

45
6.1 Corrección Troposférica realizada con los valores en los modelos que el
software trae

El software considera para los modelos Hopfield y Saastamoinen los valores

adoptados en la atmósfera estándar, con humedad relativa del 50%, presión
atmosférica de 1013 hPa y temperatura de 293 Kelvin. Se procesaron las líneas
base CALI_BUEN, BUEN_CALI durante 8 días cada dos horas. Los errores que se
representan en las gráficas corresponden a los errores aleatorios y al remanente
de las desviaciones debido a los satélites, estaciones y observaciones después de
que se han modelado.

Se observa que la variación total (COMP) para la línea base BUEN_CALI, con el
modelo Saastamoinen toma valores entre 1.840 m y 4.668 m, y con el modelo
Hopfield toma valores entre 2.049 m y 4.850 m, como se muestra en las figuras
30 y 31. La máxima variación se observa en ambos modelos el día 173, y la
mínima el día 175 y 195, con los modelos de Saastamoinen y Hopfield,
respectivamente. Los mayores incrementos con el modelo Saastamoinen se
presentaron entre los días 175 y 176, y con Hopfield entre los días 172 y 173. Los
promedios totales para la línea base BUEN_CALI con ambos modelos son muy
cercanos entre sí, alrededor de 3.500 m.

En la línea base CALI_BUEN la variación total con el modelo Saastamoinen toma

valores entre 0.489 m y 1.453 m, y con el modelo Hopfield toma valores entre
0.543 m y 1.579 m, como se muestra en las figuras 32 y 33. La máxima variación
se observa el día 200 con el modelo Saastamoinen, y el día 175 con Hopfield. Los
mayores incrementos se presentaron, con ambos modelos, entre los días 173 y
175, y luego se observa una disminución progresiva entre los días 175 y 180. Los
promedios totales para la línea base CALI_BUEN con ambos modelos son muy
cercanos entre sí, alrededor de 95 cm.

Al procesar con los valores de presión, humedad relativa y temperatura en los

modelos que el software trae, por defecto, la precisión obtenida es muy alta,
siendo mayor para la línea base CALI_BUEN.

46
 5.0
5.0
4.5
4.5
4.0

Variacion Total (m)

Variacion Total 4.0
3.5
3.5
3.0
3.0
2.5
2.5
2.0
2.0
1.5
170 175 180 185 190 195 200 170 175 180 185 190 195 200
Dia GPS Dia GPS
.
Figura 30. Variación Total vs Día GPS, valores sin calibrar. Figura 31. Variación Total vs Día GPS, valores sin calibrar.
BUEN_CALI. Saastamoinen. BUEN_CALI. Hopfield.

1.6

1.6
1.4

1.4

1.2

Variacion Total (m)

Variacion Total

1.2

1.0
1.0

0.8
0.8

0.6
0.6

0.4
170 175 180 185 190 195 200 0.4
Dia GPS 170 175 180 185 190 195 200
Dia GPS

Figura 32. Variación Total vs Día GPS, valores sin calibrar. CALI_
BUEN. Saastamoinen Figura 33. Variación Total vs Día GPS, valores sin calibrar. CALI_
BUEN. Hopfield.

3 3

2 2

1
1
Error (m)

0
Error (m)

-1
-1

-2
DX
DY -2
DZ DX
COMP DY
-3 DZ
COMP
0 2 4 6 8 10 12 -3
Tiempo (hrs) 0 2 4 6 8 10 12
Tiempo (Hrs)

Figura 34. Error Posicional vs Intervalos de tiempo, valores sin

calibrar. BUEN_CALI. Hopfield.(día 172) Figura 35. Error Posicional vs Intervalos de tiempo, valores sin
calibrar. CALI_BUEN. Hopfield.(día 172)

47
 3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 36. Error Posicional vs Intervalos de tiempo, valores sin

Figura 37. Error Posicional vs Intervalos de tiempo, valores sin
calibrar. BUEN_CALI. Hopfield.(día 173)
calibrar. CALI_ BUEN. Hopfield.(día 173)

3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 38. Error Posicional vs Intervalos de tiempo, valores sin

calibrar. BUEN_CALI. Hopfield.(día 175)
Figura 39. Error Posicional vs Intervalos de tiempo, valores sin
calibrar. CALI_ BUEN. Hopfield.(día 175)

3 3

2 2

1
1
Error (m)

0
Error (m)

-1
-1

-2
DX
-2 DY
DX
DY DZ
DZ COMP
COMP
-3
-3 0 2 4 6 8 10 12
0 2 4 6 8 10 12 Tiempo (Hrs)
Tiempo (Hrs)

Figura 40. Error Posicional vs Intervalos de tiempo, valores sin

calibrar. BUEN_CALI. Hopfield.(día 176) Figura 41. Error Posicional vs Intervalos de tiempo, valores sin
calibrar. CALI _BUEN. Hopfield.(día 176)

48
 3 3

2 2

1 1

Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 42. Error Posicional vs Intervalos de tiempo, valores sin Figura 43. Error Posicional vs Intervalos de tiempo, valores sin
calibrar. BUEN_CALI. Hopfield.(día 177) calibrar. CALI_ BUEN. Hopfield.(día 177)

3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 44. Error Posicional vs Intervalos de tiempo, valores sin Figura 45. Error Posicional vs Intervalos de tiempo, valores sin
calibrar. BUEN_CALI. Hopfield.(día 180) calibrar. CALI_ BUEN. Hopfield.(día 180)

3 3

2 2

1 1
Error (m)

Error (m)

0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 46. Error Posicional vs Intervalos de tiempo, valores sin

calibrar. BUEN_CALI. Hopfield.(día 195)
Figura 47. Error Posicional vs Intervalos de tiempo, valores sin
calibrar. CALI_ BUEN. Hopfield.(día 195)

49
 3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 48. Error Posicional vs Intervalos de tiempo, valores sin Figura 49. Error Posicional vs Intervalos de tiempo, valores sin
calibrar. BUEN_CALI. Hopfield.(día 200) calibrar. CALI_ BUEN. Hopfield.(día 200)

3 3

2 2

1
1
Error (m)

Error (m)
0

-1
-1

-2
DX
DY -2
DZ
DX
COMP DY
-3 DZ
COMP
0 2 4 6 8 10 12 -3
Tiempo (Hrs) 0 2 4 6 8 10 12
Tiempo (Hrs)

Figura 50. Error Posicional vs Intervalos de tiempo, valores sin

calibrar. BUEN_CALI. Saastamoinen.(día 172)
Figura 51. Error Posicional vs Intervalos de tiempo, valores sin
calibrar. CALI_ BUEN. Saastamoinen.(día 172)

3 3

2 2

1
1
Error (m)

0
Error (m)

-1
-1

-2
DX
-2 DY
DX
DY DZ
COMP
DZ
-3
COMP
-3 0 2 4 6 8 10 12
0 2 4 6 8 10 12 Tiempo (Hrs)
Tiempo (Hrs)

Figura 52. Error Posicional vs Intervalos de tiempo, valores sin

calibrar. BUEN_CALI. Saastamoinen.(día 173) Figura 53. Error Posicional vs Intervalos de tiempo, valores sin
calibrar. CALI_ BUEN. Saastamoinen.(día 173)

50
 3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 54. Error Posicional vs Intervalos de tiempo, valores sin

calibrar. BUEN_CALI. Saastamoinen.(día 175)
Figura 55. Error Posicional vs Intervalos de tiempo, valores sin
calibrar. CALI_ BUEN. Saastamoinen.(día 175)

3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 56. Error Posicional vs Intervalos de tiempo, valores sin Figura 57. Error Posicional vs Intervalos de tiempo, valores sin
calibrar. BUEN_CALI. Saastamoinen.(día 176) calibrar. CALI_ BUEN. Saastamoinen.(día 176)

3 3

2 2

1 1
Error (m)

Error (m)

0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

DX
DY
DZ
COMP

Figura 58. Error Posicional vs Intervalos de tiempo, valores sin Figura 59. Error Posicional vs Intervalos de tiempo, valores sin
calibrar. BUEN_CALI. Saastamoinen.(día 177) calibrar. CALI_ BUEN. Saastamoinen.(día 177)

51
 3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 60. Error Posicional vs Intervalos de tiempo, valores sin Figura 61. Error Posicional vs Intervalos de tiempo, valores sin
calibrar. BUEN_CALI. Saastamoinen.(día 180) calibrar. CALI_ BUEN. Saastamoinen.(día 180)

3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 62. Error Posicional vs Intervalos de tiempo, valores sin Figura 63. Error Posicional vs Intervalos de tiempo, valores sin
calibrar. BUEN_CALI. Saastamoinen.(día 195) calibrar. CALI_ BUEN. Saastamoinen.(día 1195)

3 3

2 2

1
1
Error (m)

0
Error (m)

-1
-1

-2
DX
-2 DY
DX
DY DZ
COMP
DZ -3
COMP
-3 0 2 4 6 8 10 12
0 2 4 6 8 10 12 Tiempo (Hrs)
Tiempo (Hrs)

Figura 65. Error Posicional vs Intervalos de tiempo, valores sin

Figura 64. Error Posicional vs Intervalos de tiempo, valores sin calibrar. CALI_ BUEN. Saastamoinen.(día 200)
calibrar. BUEN_CALI. Saastamoinen.(día 200)

52
6.2 Corrección Troposférica realizada con datos ingresados por el usuario en
los modelos

Con los modelos Hopfield y Saastamoinen se realizaron procesamientos

cambiando ya sea la humedad relativa, presión atmosférica o temperatura, con el
fin de apreciar el cambio en las precisiones y observar cuál variable meteorológica
afecta más los modelos.

Al variar la presión atmosférica y dejar fijas la humedad relativa y la temperatura,

las precisiones obtenidas son muy altas, prácticamente del mismo orden de las
precisiones adquiridas con los procesamientos realizados con los valores de los
modelos que el software trae. La presión atmosférica ingresada al software para el
punto de Cali es 903.7 hPa y 1013.9 hPa para el punto de Buenventura. Como los
valores de presión son muy próximos al valor del software, no se generan
variaciones significativas, como se observa en las figuras 66-97, cuando se
cambia dicho valor.

3 3

2 2

1 1
Error (m)

Error (m)

0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 67. Error Posicional vs Intervalos de tiempo, Presión. CALI_

BUEN. Hopfield.(día 172)
Figura 66. Error Posicional vs Intervalos de tiempo, Presión.
BUEN_CALI. Hopfield.(día 172)

3 3

2 2

1
1
Error (m)

0
Error (m)

-1
-1

-2
DX
DY -2
DZ DX
COMP DY
-3 DZ
COMP
0 2 4 6 8 10 12 -3
Tiempo (Hrs) 0 2 4 6 8 10 12
Tiempo (Hrs)

Figura 69. Error Posicional vs Intervalos de tiempo, Presión. CALI_

Figura 68. Error Posicional vs Intervalos de tiempo, Presión. BUEN. Hopfield.(día 173)
BUEN_CALI. Hopfield.(día 173)

53
 3 3.0

2.5

2 2.0

1.5

1 1.0

0.5
Error (m)

Error (m)
0 0.0

-0.5

-1 -1.0

-1.5

-2 -2.0
DX DX
DY DY
DZ
-2.5 DZ
COMP COMP
-3 -3.0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 71. Error Posicional vs Intervalos de tiempo, Presión. CALI_

BUEN. Hopfield.(día 175)
Figura 70. Error Posicional vs Intervalos de tiempo, Presión.
BUEN_CALI. Hopfield.(día 175)

3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 73. Error Posicional vs Intervalos de tiempo, Presión. CALI_

BUEN. Hopfield.(día 176)
Figura 72. Error Posicional vs Intervalos de tiempo, Presión.
BUEN_CALI. Hopfield.(día 176)

3 3

2 2

1 1
Error (m)

Error (m)

0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 75. Error Posicional vs Intervalos de tiempo, Presión. CALI_

BUEN. Hopfield.(día 177)
Figura 74. Error Posicional vs Intervalos de tiempo, Presión.
BUEN_CALI. Hopfield.(día 177)

54
 3 3.0

2.5

2 2.0

1.5

1 1.0

0.5
Error (m)

Error (m)
0 0.0

-0.5

-1 -1.0

-1.5

-2 -2.0
DX DX
DY DY
DZ -2.5 DZ
COMP COMP
-3 -3.0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 77. Error Posicional vs Intervalos de tiempo, Presión. CALI_

BUEN. Hopfield.(día 180)
Figura 76. Error Posicional vs Intervalos de tiempo, Presión.
BUEN_CALI. Hopfield.(día 180)

3 3

2 2

1
1
Error (m)

Error (m)
0
0

-1
-1

-2
DX
DY -2
DX
DZ
DY
COMP
DZ
-3 COMP
0 2 4 6 8 10 12 -3
Tiempo (Hrs) 0 2 4 6 8 10 12
Tiempo (Hrs)

Figura 78. Error Posicional vs Intervalos de tiempo, Presión.

BUEN_CALI. Hopfield.(día 195) Figura 79. Error Posicional vs Intervalos de tiempo, Presión. CALI_
BUEN. Hopfield.(día 195)

3 3

2 2

1 1
Error (m)

Error (m)

0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 80. Error Posicional vs Intervalos de tiempo, Presión. Figura 81. Error Posicional vs Intervalos de tiempo, Presión. CALI_
BUEN_CALI. Hopfield.(día 200) BUEN. Hopfield.(día 200)

55
 3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 83. Error Posicional vs Intervalos de tiempo, Presión. CALI_

BUEN. Saastamoinen.(día 172)
Figura 82. Error Posicional vs Intervalos de tiempo, Presión.
BUEN_CALI. Saastamoinen.(día 172)

3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (m) Tiempo (Hrs)

Figura 85. Error Posicional vs Intervalos de tiempo, Presión. CALI_

BUEN. Saastamoinen.(día 173)
Figura 84. Error Posicional vs Intervalos de tiempo, Presión.
BUEN_CALI. Saastamoinen.(día 173)

3 3

2 2

1 1
Error (m)

Error (m)

0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 86. Error Posicional vs Intervalos de tiempo, Presión. Figura 87. Error Posicional vs Intervalos de tiempo, Presión. CALI_
BUEN_CALI. Saastamoinen.(día 175) BUEN. Saastamoinen.(día 175)

56
 3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 88. Error Posicional vs Intervalos de tiempo, Presión. Figura 89. Error Posicional vs Intervalos de tiempo, Presión. CALI_
BUEN_CALI. Saastamoinen.(día 176) BUEN. Saastamoinen.(día 176).

3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 91. Error Posicional vs Intervalos de tiempo, Presión. CALI_

BUEN. Saastamoinen.(día 177)
Figura 90. Error Posicional vs Intervalos de tiempo, Presión.
BUEN_CALI. Saastamoinen.(día 177)

3 3.0

2.5

2 2.0

1.5

1 1.0

0.5
Error (m)

Error (m)

0 0.0

-0.5

-1 -1.0

-1.5

-2 -2.0
DX DX
DY DY
DZ -2.5 DZ
COMP COMP
-3 -3.0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 92. Error Posicional vs Intervalos de tiempo, Presión. Figura 93. Error Posicional vs Intervalos de tiempo, Presión. CALI_
BUEN_CALI. Saastamoinen.(día 180) BUEN. Saastamoinen.(día 180)

57
 3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 94. Error Posicional vs Intervalos de tiempo, Presión. Figura 95. Error Posicional vs Intervalos de tiempo, Presión. CALI_
BUEN_CALI. Saastamoinen.(día 195) BUEN. Saastamoinen.(día 195)

3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 96. Error Posicional vs Intervalos de tiempo, Presión. Figura 97. Error Posicional vs Intervalos de tiempo, Presión. CALI_
BUEN_CALI. Saastamoinen.(día 200) BUEN. Saastamoinen.(día 200)

El valor de la humedad relativa se modificó durante 20 días por el valor

correspondiente al promedio del día. La variación total en la línea base
BUEN_CALI está entre 6 mm y 17 cm con el modelo Saastamoinen, y entre 6 mm
y 82 cm con el modelo Hopfield, como se muestra en la figura 98. El promedio
total para la línea base BUEN_ CALI, con el modelo Saasstamoinen es 3 cm, y
con el modelo de Hopfield es 11 cm. En la línea base CALI_BUEN la variación
total en con ambos modelos está entre 3 mm y 17 cm (figura 99).

58
 0.10 0.10
BuenCaliSaas CaliBuenSaas
BuenCaliHop CaliBuenHop
0.08 0.08

Variacion Total (m)

Variacion Total (m)

0.06 0.06

0.04 0.04

0.02 0.02

0.00 0.00
170 175 180 185 190 195 170 175 180 185 190 195
Dia GPS Dia GPS

Figura 98. Variación Total vs Día GPS.BUEN_CALI. Saastamoinen- Figura 99. Variación Total vs Día GPS. CALI_BUEN.
Hopfield. Saastamoinen- Hopfield.

Las figuras 100-103, muestran que las desviaciones de las componentes X, Y, Z y

la variación total para cada día son mínimas, con los modelos Saastamoinen y
Hopfield en cada línea base.

0.2 0.2
Error (m)

Error (m)

0.0 0.0

DX DX
DY DY
DZ DZ
COMP COMP
-0.2 -0.2
170 175 180 185 190 195 170 175 180 185 190 195
Dia GPS Dia GPS

Figura 100. Error Posicional vs Día GPS, BUEN_CALI. Hopfield Figura 101. Error Posicional vs Día GPS, BUEN_CALI.
Saaastamoinen.

0.20 0.20

0.15 0.15

0.10 0.10

0.05 0.05
Error (m)

Error (m)

0.00 0.00

-0.05 -0.05

-0.10 DX -0.10 DX
DY DY
-0.15 DZ -0.15 DZ
COMP COMP
-0.20 -0.20
170 175 180 185 190 195 170 175 180 185 190 195
Dia GPS Dias

Figura 102. Error Posicional vs Día GPS, CALI_ BUEN. Hopfield Figura 103. Error Posicional vs Día GPS, CALI_ BUEN.
Saastamoinen.

59
Cuando el procesamiento se realiza por horas, tomando durante cada hora el valor
promedio de humedad del día, se observa que la mayor variabilidad ocurre en la
dirección Y, mientras que en las direcciones X y Z las variabilidades son mínimas,
y la variabilidad total se debe fundamentalmente a la variación en la componente
Y. Con el modelo de Hopfield ambas líneas base se ven afectadas en la precisión,
y se puede deber a que el modelo depende más de la altura de la estación, y con
Saastamoinen se afecta mayormente la precisión en la línea base CALI_BUEN. Lo
anterior demuestra que el valor de la humedad no es el adecuado para las
estaciones de observación y genera mayor error al realizar el ajuste.

3.0 3

2.5

2.0 2

1.5
1
1.0

0.5

Error (m)
0
Error (m)

0.0

-0.5
-1
-1.0

-1.5
-2
DX
-2.0 DY
DX
DY DZ
-2.5 DZ COMP
COMP
-3
-3.0 0 2 4 6 8 10 12
0 2 4 6 8 10 12 Tiempo (Hrs)
Tiempo (Hrs)

Figura 104. Error Posicional vs Intervalos de tiempo, Humedad.

BUEN_CALI. Hopfield.(día 172) Figura 105. Error Posicional vs Intervalos de tiempo, Humedad.
CALI_BUEN. Hopfield.(día 172)

3 3

2 2

1 1
Error (m)

Error (m)

0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 106. Error Posicional vs Intervalos de tiempo, Humedad. Figura 107. Error Posicional vs Intervalos de tiempo, Humedad.
BUEN_CALI. Hopfield.(día 173) CALI_BUEN. Hopfield.(día 173)

60
 3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 108. Error Posicional vs Intervalos de tiempo, Humedad. Figura 109. Error Posicional vs Intervalos de tiempo, Humedad.
BUEN_CALI. Hopfield.(día 175) CALI_BUEN. Hopfield.(día 175)

3.0 3.0
DX
DY
2.5 2.5 DZ
COMP
2.0 2.0
1.5 1.5
1.0 1.0
0.5 0.5
Error (m)

Error (m)
0.0
0.0
-0.5
-0.5
-1.0
-1.0
-1.5
-1.5
-2.0
DX -2.0
DY
-2.5 DZ
COMP -2.5
-3.0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 110. Error Posicional vs Intervalos de tiempo, Humedad.

BUEN_CALI. Hopfield.(día 176)
Figura 111. Error Posicional vs Intervalos de tiempo, Humedad.
CALI_BUEN. Hopfield.(día 176)

3.0 3

2.5

2.0 2

1.5

1.0 1

0.5
Error (m)

Error (m)

0.0 0

-0.5

-1.0 -1

-1.5
DX
-2.0 -2 DY
DX
DY DZ
-2.5 DZ COMP
COMP
-3.0 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 112. Error Posicional vs Intervalos de tiempo, Humedad.

BUEN_CALI. Hopfield.(día 177)
Figura 113. Error Posicional vs Intervalos de tiempo, Humedad.
CALI_BUEN. Hopfield.(día 177)

61
 3.0 3.0

2.5 2.5

2.0 2.0

1.5 1.5

1.0 1.0

0.5 0.5
Error (m)

Error (m)
0.0 0.0

-0.5 -0.5

-1.0 -1.0

-1.5 -1.5

-2.0 DX -2.0
DX
DY
DY
-2.5 DZ -2.5 DZ
COMP
COMP
-3.0 -3.0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 114. Error Posicional vs Intervalos de tiempo, Humedad.

BUEN_CALI. Hopfield.(día 180) Figura 115. Error Posicional vs Intervalos de tiempo, Humedad.
CALI_BUEN. Hopfield.(día 180)

3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 116. Error Posicional vs Intervalos de tiempo, Humedad.

BUEN_CALI. Hopfield.(día 195)
Figura 117. Error Posicional vs Intervalos de tiempo, Humedad.
CALI_BUEN. Hopfield.(día 195)

3 3.0

2.5
2 2.0

1.5
1
1.0

0.5
Error (m)

Error (m)

0
0.0

-0.5
-1
-1.0

-1.5
-2
DX -2.0
DY DX
DZ
DY
COMP -2.5
-3 DZ
COMP
0 2 4 6 8 10 12 -3.0
Tiempo (Hrs) 0 2 4 6 8 10 12
Tiempo (Hrs)

Figura 118. Error Posicional vs Intervalos de tiempo, Humedad.

BUEN_CALI. Hopfield.(día 200) Figura 119. Error Posicional vs Intervalos de tiempo, Humedad.
CALI_BUEN. Hopfield.(día 200)

62
 3 3

2 2

Error (m) 1 1

Error (m)
0 0

-1 -1

-2 DX -2
DX
DY
DY
DZ
DZ
COMP
COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 120. Error Posicional vs Intervalos de tiempo, Humedad. Figura 121. Error Posicional vs Intervalos de tiempo, Humedad.
BUEN_CALI. Saastamoinen.(día 172) CALI_ BUEN. Saastamoinen.(día 172)

3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 DX -2
DY DX
DZ DY
COMP DZ
COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 122. Error Posicional vs Intervalos de tiempo, Humedad. Figura 123. Error Posicional vs Intervalos de tiempo, Humedad.
BUEN_CALI. Saastamoinen.(día 173) CALI_ BUEN. Saastamoinen.(día 173)

3 3
DX
DY
DZ
2 2 COMP

1 1
Error (m)

Error (m)

0 0

-1 -1

-2 DX -2
DY
DZ
COMP

-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 124. Error Posicional vs Intervalos de tiempo, Humedad.

BUEN_CALI. Saastamoinen.(día 175)
Figura 125. Error Posicional vs Intervalos de tiempo, Humedad.
CALI_ BUEN. Saastamoinen.(día 175)

63
 3 3.0

2.5

2 2.0

1.5

1.0
1
0.5

Error (m)
0.0
Error (m)

0
-0.5

-1.0
-1
-1.5

-2.0
DX
-2 DX
DY
DY -2.5
DZ
DZ
COMP
COMP -3.0
-3 0 2 4 6 8 10 12
0 2 4 6 8 10 12 Tiempo (Hrs)
Tiempo (Hrs)

Figura 127. Error Posicional vs Intervalos de tiempo, Humedad.

CALI_ BUEN. Saastamoinen.(día 176)
Figura 126. Error Posicional vs Intervalos de tiempo, Humedad.
BUEN_CALI. Saastamoinen.(día 176)

3 3

2 2

1
1
Error (m)

Error (m)
0
0

-1
-1

-2 DX
DY
-2 DX
DZ DY
COMP DZ
COMP
-3
0 2 4 6 8 10 12 -3
Tiempo (Hrs) 0 2 4 6 8 10 12
Tiempo (Hrs)

Figura 128. Error Posicional vs Intervalos de tiempo, Humedad.

BUEN_CALI. Saastamoinen.(día 177) Figura 129. Error Posicional vs Intervalos de tiempo, Humedad.
CALI_ BUEN. Saastamoinen.(día 177)

3 3.0

2.5

2 2.0

1.5

1 1.0

0.5
Error (m)

Error (m)

0 0.0

-0.5

-1 -1.0

-1.5

-2 DX -2.0
DY DX
DZ DY
COMP
-2.5
DZ
COMP
-3 -3.0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 130. Error Posicional vs Intervalos de tiempo, Humedad. Figura 131. Error Posicional vs Intervalos de tiempo, Humedad.
BUEN_CALI. Saastamoinen.(día 180) CALI_ BUEN. Saastamoinen.(día 180)

64
 3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 DX -2
DY DX
DZ DY
COMP DZ
COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 132. Error Posicional vs Intervalos de tiempo, Humedad. Figura 133. Error Posicional vs Intervalos de tiempo, Humedad.
BUEN_CALI. Saastamoinen.(día 195) CALI_ BUEN. Saastamoinen.(día 195)

3 3

2 2

1
1
Error (m)

Error (m)
0
0

-1
-1

-2 DX
DY
DZ
-2
DX
COMP DY
DZ
-3 COMP
0 2 4 6 8 10 12 -3
Tiempo (Hrs) 0 2 4 6 8 10 12
Tiempo (Hrs)

Figura 134. Error Posicional vs Intervalos de tiempo, Humedad.

BUEN_CALI. Saastamoinen.(día 200) Figura 135. Error Posicional vs Intervalos de tiempo, Humedad.
CALI_ BUEN. Saastamoinen.(día 200)

El procesamiento de datos variando la temperatura se realizó de dos maneras:

variando la temperatura cada dos horas, y dejando constante la temperatura
durante todas las horas. Con el primero, la variabilidad promedio total en la línea
base BUEN_CALI es de 2.500 m, y para la línea base CALI_BUEN es de 17.600
m, con ambos modelos. En el segundo procesamiento, la variabilidad promedio
total en la línea base BUEN_CALI es de 3.229 m, y en la línea base CALI_BUEN
es de 19.000 m.

Las precisiones adquiridas, en ambos procesamientos, hacen ver que no vale la

pena cambiar las temperaturas cada hora, ya que los errores están en un orden de
magnitud muy cercano, además el comportamiento de las variaciones en cada
componente son iguales, como se puede apreciar en las figuras 136-139.

65
 3 3.0

2.5

2 2.0

1.5

1 1.0

0.5
Error (m)

Error (m)
0 0.0

-0.5

-1 -1.0

-1.5

-2 -2.0
DX DX
DY DY
DZ -2.5
DZ
COMP COMP
-3 -3.0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 136. Error Posicional vs Intervalos de tiempo, Temperatura.

BUEN_CALI. Hopfield.(día 172)
Figura 137. Error Posicional vs Intervalos de tiempo, Temperatura.
CALI_ BUEN. Hopfield.(día 172)

3 3.0

2.5

2 2.0

1.5

1 1.0

0.5
Errores (m)

Error (m)
0 0.0

-0.5

-1 -1.0

DX -1.5
DY
-2 -2.0 DX
DZ DY
COMP -2.5 DZ
COMP
-3 -3.0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 138. Error Posicional vs Intervalos de tiempo, variando Figura 139. Error Posicional vs Intervalos de tiempo, variando
temperatura cada hora. BUEN_CALI. Hopfield.(día 172) temperatura cada hora. CALI_ BUEN. Hopfield.(día 172)

3 3

2 2

1 1
Error (m)

Error (m)

0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 140. Error Posicional vs Intervalos de tiempo, Temperatura. Figura 141. Error Posicional vs Intervalos de tiempo, Temperatura.
BUEN_CALI. Hopfield.(día 173) CALI_ BUEN. Hopfield.(día 173)

66
 3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 142. Error Posicional vs Intervalos de tiempo, Temperatura. Figura 143. Error Posicional vs Intervalos de tiempo, Temperatura.
BUEN_CALI. Hopfield.(día 175) CALI_ BUEN. Hopfield.(día 175)

3 3.0

2.5

2 2.0

1.5

1 1.0

0.5
Error (m)

Error (m)
0 0.0

-0.5

-1 -1.0

-1.5

-2 -2.0
DX DX
DY DY
DZ -2.5 DZ
COMP COMP
-3 -3.0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 144. Error Posicional vs Intervalos de tiempo, Temperatura. Figura 145. Error Posicional vs Intervalos de tiempo, Temperatura.
BUEN_CALI. Hopfield.(día 176) CALI_ BUEN. Hopfield.(día 176)

3 3.0

2.5

2 2.0

1.5

1 1.0

0.5
Error (m)

Error (m)

0 0.0

-0.5

-1 -1.0

-1.5

-2 -2.0
DX DX
DY DY
DZ -2.5 DZ
COMP COMP
-3 -3.0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 146. Error Posicional vs Intervalos de tiempo, Temperatura. Figura 147. Error Posicional vs Intervalos de tiempo, Temperatura.
BUEN_CALI. Hopfield.(día 177) CALI_ BUEN. Hopfield.(día 177)

67
 3 3

2 2

Error (m) 1 1

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 148. Error Posicional vs Intervalos de tiempo, Temperatura. Figura 149. Error Posicional vs Intervalos de tiempo, Temperatura.
BUEN_CALI. Hopfield.(día 180) CALI_ BUEN. Hopfield.(día 180)

3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 150. Error Posicional vs Intervalos de tiempo, Temperatura. Figura 151. Error Posicional vs Intervalos de tiempo, Temperatura.
BUEN_CALI. Hopfield.(día 195) CALI_ BUEN. Hopfield.(día 195)

3 3

2 2

1 1
Error (m)

Error (m)

0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 152. Error Posicional vs Intervalos de tiempo, Temperatura. Figura 153. Error Posicional vs Intervalos de tiempo, Temperatura.
BUEN_CALI. Hopfield.(día 200) CALI_ BUEN. Hopfield.(día 200)

68
 3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (m)

Figura 154. Error Posicional vs Intervalos de tiempo, Temperatura. Figura 155. Error Posicional vs Intervalos de tiempo, Temperatura.
BUEN_CALI. Saastamoinen.(día 172) CALI_ BUEN. Saastamoinen.(día 172)

3 3

2 2

1 1
Error (m)

Error (m)
0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 156. Error Posicional vs Intervalos de tiempo, Temperatura. Figura 157. Error Posicional vs Intervalos de tiempo, Temperatura.
BUEN_CALI. Saastamoinen.(día 173) CALI_ BUEN. Saastamoinen.(día 173)

3 3

2 2

1 1
Error (m)

Error (m)

0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 158. Error Posicional vs Intervalos de tiempo, Temperatura. Figura 159. Error Posicional vs Intervalos de tiempo, Temperatura.
BUEN_CALI. Saastamoinen.(día 175) CALI_ BUEN. Saastamoinen.(día 175)

69
 3 3.0

2.5

2 2.0

1.5

1 1.0

0.5
Error (m)

Error (m)
0 0.0

-0.5

-1 -1.0

-1.5

-2 -2.0 DX
DX
DY DY
DZ -2.5 DZ
COMP COMP
-3 -3.0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 160. Error Posicional vs Intervalos de tiempo, Temperatura.

BUEN_CALI. Saastamoinen.(día 176)
Figura 161. Error Posicional vs Intervalos de tiempo, Temperatura.
CALI_ BUEN. Saastamoinen.(día 176)

3 3.0

2.5

2 2.0

1.5

1 1.0

0.5
Error (m)

Error (m)
0 0.0

-0.5

-1 -1.0

-1.5

-2 -2.0
DX DX
DY DY
DZ -2.5 DZ
COMP COMP
-3 -3.0
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 162. Error Posicional vs Intervalos de tiempo, Temperatura. Figura 163. Error Posicional vs Intervalos de tiempo, Temperatura.
BUEN_CALI. Saastamoinen.(día 177) CALI_ BUEN. Saastamoinen.(día 177)

3 3

2 2

1 1
Error (m)

Error (m)

0 0

-1 -1

-2 -2
DX DX
DY DY
DZ DZ
COMP COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 164. Error Posicional vs Intervalos de tiempo, Temperatura.

BUEN_CALI. Saastamoinen.(día 180)
Figura 165. Error Posicional vs Intervalos de tiempo, Temperatura.
CALI_ BUEN. Saastamoinen.(día 180)

70
 3 3

2 2

Error (m) 1 1

Error (m)
0 0

-1 -1

-2 -2 DX
DX DY
DY DZ
DZ COMP
COMP
-3 -3
0 2 4 6 8 10 12 0 2 4 6 8 10 12
Tiempo (Hrs) Tiempo (Hrs)

Figura 166. Error Posicional vs Intervalos de tiempo, Temperatura. Figura 167. Error Posicional vs Intervalos de tiempo, Temperatura.
BUEN_CALI. Saastamoinen.(día 195) CALI_ BUEN. Saastamoinen.(día 195)

3 3

2 2

1
1

Error (m)
0
Error (m)

-1
-1

-2 DX
-2 DY
DX DZ
DY COMP
DZ -3
COMP
-3 0 2 4 6 8 10 12
0 2 4 6 8 10 12 Tiempo (Hrs)
Tiempo (Hrs)

Figura 168. Error Posicional vs Intervalos de tiempo, Temperatura.

BUEN_CALI. Saastamoinen.(día 200) Figura 169. Error Posicional vs Intervalos de tiempo, Temperatura.
CALI_ BUEN. Saastamoinen.(día 200)

71
7. CONCLUSIONES

 Para el procesamiento comercial de acuerdo con los resultados obtenidos, en

las observaciones menores a dos horas, donde la estación no cuenta con
datos de presión, humedad relativa y temperatura, se recomienda trabajar con
los valores que trae el software por defecto para cada modelo troposférico,
pero, si el método de observación es de modo estático (observaciones de todo
un día), es aconsejable utilizar variables meteorológicas promedio del día, sean
o no tomadas en la estación de observación, ya que la precisión no se ve
afectada.

 Aunque al procesar con el modelo de Hopfield y Saastamoinen no se aprecia

diferencias significativas en las precisiones obtenidas, se recomienda en lo
sucesivo al procesamiento con software comercial, utilizar el modelo
troposférico de Saastamoinen, pues además de arrojar precisiones mayores
que Hopfield, éste no depende tanto de la altura de la estación, lo que puede
permitir atenuar los errores, cuando no se cuente con valores de humedad
relativa, presión y temperatura en la estación de observación.

 El cambio en las precisiones obtenidas en cada línea base, variando los

valores de humedad relativa y temperatura, en cada modelo troposférico
evaluado, indica que una de las estaciones de observación cuenta con el valor
de la variable meteorológica adecuada, mientras que se carece de ésta en la
otra estación, ocasionando un mayor error al realizar el ajuste.

 La línea base CALI_BUEN presenta las mayores variaciones en las precisiones

obtenidas, lo cual se debe a que los valores ingresados para el cálculo de las
coordenadas de Buenaventura no son los adecuados, y a otros errores difíciles
de controlar por el observador (multipath, saltos de ciclos, etc).

 Las variaciones obtenidas cambiando la presión atmosférica, se encuentran en

el mismo orden que cuando se realiza el procesamiento con los valores que
trae el software, por defecto, ya que las presiones manejadas quedan cerca a
la presión atmosférica normalizada que maneja el software.

 Las mayores variaciones se presentan en la componente Y,

independientemente de la configuración que se haya tenido a la hora de
realizar el procesamiento. Lo anterior causa inquietud, pues la troposfera

72
 afecta principalmente la determinación de alturas (componente z, en
coordenadas cartesinas,WGS84), existe incluso “una regla general” donde dice
que 1 mm del sesgo troposférico diferencial causa un error en la altura cerca
de 3 mm. (Beutler el al 1989). De acuerdo con esto, los resultados obtenidos
impulsan a pensar que cuando se realiza el ajuste de las líneas base para el
cálculo de las coordenadas, al ingresar al punto de control las coordenadas
verdaderas (coordenadas MAGNA ECO), se está generando una restricción
para el ajuste, obligando a que todos los errores se distribuyan en función de
dicha restricción, generando un sesgo detectable al analizar de forma individual
cada posición, pero con respecto a la red presentan una posición adecuada,
así, si las coordenadas presentan un sesgo en alguna de las componentes,
igualmente el resultado del cálculo de las coordenadas presentará este sesgo.
En los resultados obtenidos al ser la componente Y la de mayor error, indica
que en esta componente se presenta un sesgo, haciendo que durante todo el
procesamiento los mayores errores se presenten en esa componente

 Para identificar el comportamiento que tiene cada una de las variables

meteorológicas en los modelos troposféricos Saastamoinen y Hopfield, se debe
trabajar con software científico, ya que con el software comercial no se sabe
con qué aproximación de los modelos se está trabajando.

 La falta de disponibilidad de datos con las características requeridas, afectó el

desarrollo del proyecto como se tenía previsto.

8. RECOMENDACIONES

 Se recomienda hacer otros estudios durante diferentes temporadas del año,

buscando que haya condiciones atmosféricas diferentes, para analizar cómo el
comportamiento de la troposfera afecta de acuerdo a la temporada, las
precisiones en el posicionamiento GPS.

 Para el posicionamiento de redes no geodésicas que requieren buena

precisión, los valores por defecto de humedad relativa, presión atmosférica y
temperatura, para los modelos troposféricos en el software Trimble Total
Control, son adecuados para realizar y obtener calidad en el procesamiento de
datos GPS.

73
9. BIBLIOGRAFÍA

A. J. Coster, et al., "Ionospheric and tropospheric path delay obtained from GPS
integrated phase, incoherent scatter and refractometer data and from IRI-86,"
Advances in Space Research, vol. 10, pp. 105-108, 1990.

A. Walpersdorf, et al., "Assessment of GPS data for meteorological applications

over Africa: Study of error sources and analysis of positioning accuracy," Journal of
Atmospheric and Solar-Terrestrial Physics, vol. 69, pp. 1312-1330, 2007

C. Satirapod and P. Chalermwattanachai, “Impact of Different Tropospheric Models

on GPS Baseline Accuracy: Case Study in Thailand”, Journal of Global Positioning
Systems, vol. 4, pp. 36-40, 2005.

J. Dousa, "Evaluation of tropospheric parameters estimated in various routine GPS

analysis," Physics and Chemistry of the Earth, Parts A/B/C, vol. 29, pp. 167-175,
2004.

J. Jack Wang, J Wang, “Tropospheric Delay Estimation for Pseudolite Positioning

”, Journal of Global Positioning Systems, vol. 4, pp. 106-112, 2005.

K. Hocke and A. G. Pavelyev, "General aspect of GPS data use for atmospheric
science," Advances in Space Research, vol. 27, pp. 1313-1320, 2001.

O. Bock and E. Doerflinger, "Atmospheric modeling in GPS data analysis for high
accuracy positioning," Physics and Chemistry of the Earth, Part A: Solid Earth and
Geodesy, vol. 26, pp. 373-383, 2001.

O. Croitoru and M. Alexandru, “Propagation effects in GPS accuracy. The

precisionimprovement of positioning in real conditions ofPropagation”, Electronic
and Computers Department, “Transilvania” University of Braşov, 2004.

Q. Wei-jing, et al.,” Evaluation of the Precision of ThreeTropospheric Delay

Correction Models”, Chinese Astronomy and Astrophysics,vol 32, pp. 429-438,
2008.

M.V MackernOberti, “Materialización de un Sistema de Referencia Geocéntrico de

alta precisión mediante observaciones GPS”, San Fernando del Valle de
Catamarca, 2003, 246p, Tesis doctoral, Universidad Nacional de Catamarca,
Facultad de Tecnología y Ciencias Aplicadas.

74
B. Witchayangkoon, “ Elements of GPS precise pointpositioning”, Orono,
2000, Tesis doctoral, Universidad de Maine.
J.A Eslava Ramirez, “Regimen de la presión atmósferica en Colombia”, Academia
Colombiana de Ciencias Exactas, Físicas y Naturales, 149p,NOV 1995.

Colegio de Postgraduados, “Varios métodos de estimación de temperaturas

horarias” {En línea}. {14abril de 2010} disponible en:
http://www.cm.colpos.mx/meteoro/progde/agm/frio1.htm

75
GLOSARIO

Ambigüedad

Número entero de ciclos desconocidos de la fase portadora reconstruida,

presentes en una serie de mediciones continuas, de un solo paso de satélite en un
mismo receptor.

Ángulo Cenital

Ángulo vertical con un valor de 0° sobre el horizonte y 90° directamente sobre el

usuario.

Ángulo de Elevación

Ángulo de elevación mínima por debajo del cual el sensor no rastrea ningún
satélite GPS.

Efemérides

Lista de posiciones o ubicaciones de un objeto celeste en función del tiempo.

Entalpía

("calentar") es una magnitud termodinámica, cuya variación expresa una medida

de la cantidad de energía absorbida o cedida por un sistema termodinámico, es
decir, la cantidad de energía que un sistema puede intercambiar con su entorno.

GPS

Sistema de Posicionamiento Global

Línea Base

Longitud del vector tridimensional entre un par de estaciones en las que se han
registrado simultáneamente datos GPS y se procesan con técnicas diferenciales.

Proceso Politrópico

Se da cuando un fluido gaseoso se expande o comprime de manera tal que la

presión y el volumen cambian proporcionalmente de forma tal que PVn=C. Donde
C y n son constantes.

76
Rango

Término empleado en navegación para referirse a la longitud de la trayectoria

entre dos puntos. Normalmente, esta trayectoria es el círculo máximo o la línea de
rumbo.

RINEX

Siglas de Receiver INdependent Exchange format. Conjunto de definiciones y

formatos estándar para promover el libre intercambio de datos GPS.

Seudorango

Medición del tiempo de propagación de la señal aparente de un satélite a una

antena receptora, referido en distancia dividida entre la velocidad de la luz. El
tiempo de propagación aparente es la diferencia entre el momento de la recepción
de la señal (medido en el receptor) y el tiempo de emisión (medido por el satélite).
El seudorango difiere del intervalo actual por la influencia del reloj

77
ANEXOS

ANEXO A

EJEMPLO FORMATOS DE CONTROL

BUEN-CALI
MODELO TROPOSFERICO HOPFIELD- VARIANDO PRESIÓN PUNTO DE CONTROL

ESTACIÓN FIJA X SIRGAS Y SIRGAS Z SIRGAS DIA GPS FECHA

BUEN 1430383.860 -6200818.174 428934.002
Julio 19 de
EST CALCULADA X SIRGAS Y SIRGAS Z SIRGAS 200
2007
CALI 1483099.943 -6193060.194 373124.079

Intervalo de tiempo(Hrs) X GPS DX Y GPS DY Z GPS DZ COMPUESTO SOLUCIÓN

0-2 1483100.021 0.078 -6193060.297 -0.103 373124.1431 0.064 0.144 Dif. Doble / Fija / Lc
2-4 1483099.961 0.018 -6193060.181 0.013 373124.0903 0.012 0.025 Dif. Doble / Fija / Lc
4-6 1483099.937 -0.006 -6193060.193 0.001 373124.072 -0.007 0.009 Dif. Doble / Fija / Lc
6-8 1483099.953 0.010 -6193060.225 -0.031 373124.0692 -0.010 0.034 Dif. Doble / Fija / Lc
8-10 1483099.816 -0.127 -6193060.407 -0.214 373124.0691 -0.010 0.248 Dif. Doble / Fija / Lc
10-12 1483099.954 0.012 -6193060.221 -0.027 373124.0772 -0.002 0.030 Dif. Doble / Fija / Lc
12-14 1483099.949 0.006 -6193060.232 -0.038 373124.0839 0.005 0.038 Dif. Doble / Fija / Lc
14-16 1483099.921 -0.021 -6193060.395 -0.201 373124.0412 -0.038 0.206 Dif. Doble / Flotante / Lc
16-18 1483100.141 0.198 -6193060.205 -0.011 373124.0349 -0.044 0.203 Dif. Doble / Flotante / Lc
18-20 1483099.965 0.022 -6193060.221 -0.027 373124.069 -0.010 0.036 Dif. Doble / Fija / Lc
20-22 1483099.99 0.048 -6193060.218 -0.024 373124.0475 -0.031 0.062 Dif. Doble / Fija / Lc
SUMATORIA 0.238 -0.661 -0.069 1.036

CALI-BUEN
MODELO TROPOSFERICO HOPFIELD- VARIANDO PRESIÓN PUNTO DE CONTROL

EST CALCULADA X SIRGAS Y SIRGAS Z SIRGAS DIA GPS FECHA

BUEN 1430383.860 -6200818.174 428934.002
Julio 19 de
ESTACIÓN FIJA X SIRGAS Y SIRGAS Z SIRGAS 200
2007
CALI 1483099.943 -6193060.194 373124.079

Intervalo de tiempo(Hrs) X GPS DX Y GPS DY Z GPS DZ COMPUESTO SOLUCIÓN

0-2 1430384.172 0.312 -6200818.542 -0.367 428934.1202 0.118 0.496 Dif. Doble / Fija / Lc
2-4 1430383.891 0.030 -6200818.579 -0.405 428933.9437 -0.059 0.411 Dif. Doble / Fija / Lc
4-6 1430383.629 -0.232 -6200818.854 -0.680 428934.0786 0.076 0.722 Dif. Doble / Flotante / Lc
6-8 1430384.059 0.199 -6200818.772 -0.598 428934.0448 0.043 0.631 Dif. Doble / Fija / Lc
8-10 1430384.224 0.363 -6200818.792 -0.618 428934.1104 0.108 0.725 Dif. Doble / Flotante / Lc
10-12 1430383.937 0.076 -6200818.605 -0.431 428934.172 0.170 0.470 Dif. Doble / Fija / Lc
12-14 1430383.902 0.041 -6200818.451 -0.277 428934.0312 0.029 0.281 Dif. Doble / Fija / Lc
14-16 1430383.888 0.027 -6200818.617 -0.443 428934.0626 0.060 0.448 Dif. Doble / Fija / Lc
16-18 1430384.145 0.285 -6200818.647 -0.473 428934.024 0.022 0.552 Dif. Doble / Fija / Lc
18-20 1430384.004 0.143 -6200818.812 -0.637 428934.0621 0.060 0.656 Dif. Doble / Flotante / Lc
20-22 1430384.043 0.183 -6200818.62 -0.445 428933.956 -0.046 0.484 Dif. Doble / Fija / Lc
SUMATORIA 1.428 -5.374 0.581 5.876

BUEN-CALI
MODELO TROPOSFERICO SAASTAMOINEN - VARIANDO HUMEDAD PUNTO DE CONTROL

ESTACIÓN FIJA X SIRGAS Y SIRGAS Z SIRGAS DIA GPS FECHA

BUEN 1430383.860 -6200818.171 428934.001
EST CALCULADA X SIRGAS Y SIRGAS Z SIRGAS 176 Junio 25 de 2007
CALI 1483099.943 -6193060.194 373124.077

Intervalo de tiempo(Hrs) X GPS DX Y GPS DY Z GPS DZ COMPUESTO SOLUCIÓN

0-2 1483099.263 -0.680 -6193059.445 0.749 373124.1461 0.069 1.014 Dif. Doble / Flotante / Lc
2-4 1483099.631 -0.312 -6193059.471 0.723 373124.1237 0.047 0.789 Dif. Doble / Fija / Lc
4-6 1483099.976 0.033 -6193060.339 -0.145 373124.0431 -0.034 0.152 Dif. Doble / Fija / Lc
6-8 1483099.993 0.049 -6193060.415 -0.222 373124.1009 0.024 0.228 Dif. Doble / Fija / Lc
8-10 1483100.011 0.068 -6193060.417 -0.223 373124.0865 0.009 0.233 Dif. Doble / Fija / Lc
10-12 1483100.084 0.140 -6193060.827 -0.634 373124.1884 0.111 0.659 Dif. Doble / Flotante / Lc
12-14 1483099.969 0.026 -6193060.477 -0.284 373124.1598 0.083 0.297 Dif. Doble / Fija / Lc
14-16 1483100.044 0.101 -6193060.463 -0.269 373124.1521 0.075 0.297 Dif. Doble / Fija / Lc
16-18 1483100.127 0.183 -6193060.435 -0.241 373124.1448 0.068 0.311 Dif. Doble / Fija / Lc
18-20 1483099.963 0.020 -6193060.322 -0.128 373124.0785 0.001 0.129 Dif. Doble / Fija / Lc
20-22 1483099.888 -0.055 -6193060.407 -0.213 373124.0696 -0.007 0.220 Dif. Doble / Fija / Lc
SUMATORIA -0.427 -0.886 0.446 4.329

78
ANEXO B

PROTOCOLO EXPERIENTAL DISEÑADO

A continuación se presenta las configuraciones en las opciones de procesamiento

del software Trimble Total Control, realizadas para cada una de las líneas base.

1. Creación de un nuevo proyecto

Se selecciona la plantilla por defecto y se guarda el proyecto con el nombre

correspondiente a las estaciones que se están procesando, siendo la primera el
punto de control, seguido con el numero del inicio del intervalo de tiempo, ejemplo:
línea base BUEN-CALI, el nombre del proyecto seria buencali6, línea base BUEN-
CALI, intervalo de tiempo de 6 a 8 horas (ya que el intervalo de los archivos Rinex
es cada dos horas).

2. Selección del sistema de coordenadas

Se elige grupo de sistemas de coordenadas Colombia, zona oeste y modelo

geoidal EGM96 (Global).

3. Importación de datos

Se realiza la importación de los archivos Rinex ( *.O, *.N), en el cual se debe

introducir la referencia del equipo utilizado en la estación ( antena y receptor) y
verificar la altura de la antena, estos datos se comprueban con el archivo de
integridad del Rinex. También se importan las efemérides precisas.

4. Proceso/configuraciones

- Parámetro

Tipo de órbita preciso, ya que se utilizarán efemérides precisas, el resto se

deja por defecto.

- Procesador

Estático, el resto por defecto.

79
 - Tiempos
(Default), ya que el software toma como intervalo de tiempo las dos horas
que tiene el archivo Rinex.

- Sats. GPS, Sats. GNL

(Default)

- Filtrar

Utilizar las siguientes soluciones: Flot./Lc y Fijo./Lc. Se utiliza la combinación

Lc, porque es la combinación de fase portadora libre de efectos ionosféricos.

- Opciones de línea

(Default)
- Tropo/Meteo

Se elige como modelo meteorológico el Estándar US, y el modelo

troposférico va cambiando a medida que cada uno se va evaluando; nótese
que los valores de temperatura, presión y humedad por defecto que el
software presenta son 293 K, 1013.0 hPa y 50%, respectivamente.

- Avanzado

Lo único que se cambia es el valor del test Fisher, ya que la posibilidad de una
solución fija de ambigüedad es limitada por la razón mínima requerida de
varianzas del test. Cambiando este valor se aumenta la probabilidad que fije
las ambigüedades. El valor mínimo a utilizar es 1.

5. Asignación de coordenadas reales al punto de control

Se ingresa a las propiedades del punto que se requiere sea de control, y se

introducen sus coordenadas X, Y, Z reales, finalmente asignar. El software toma
las coordenadas empleadas para el procesamiento de la siguiente manera:

X
Coordenada WGS 84 X

E
Coordenada WGS 84 Y

80
Coordenada WGS 84 Z

Lo anterior se presenta con el fin de evitar confusiones a la hora de obtener y

analizar los resultados (rotaciones, errores no esperados en las componentes, etc)

6. Proceso/Generar Efemérides

7. Proceso/Procesar el proyecto

Tras procesar una línea-base, Trimble Total Control provee la calidad de la

estimación de línea-base GPS dentro de la traza del proyecto. Se emplea una
indicación basada en los colores del semáforo:

Verde:línea-base procesada con éxito, se han fijado ambigüedades;

Amarillo: línea-base procesada con éxito, no se han fijado ambigüedades,

desviación estándar menor de "x" milímetros;

Rojo: reducción de línea-base sin éxito: no se han fijado ambigüedades,

desviación estándar mayor de "x" milímetros. Esta línea-base precisa de un mayor
análisis.

"x" es el número dado como "Posición sigma máximo" en la ventana Opciones de

procesamiento, página Avanzado.

Las líneas-base rojas indican sólo que el error estándar computado para la línea-
base supera el sigma máximo de posición (por defecto: 20mm). Las líneas-base
de gran longitud se marcan a menudo de color rojo

Criterios de escrutinio

Se efectúa un escrutinio de las observaciones a fin de encontrar los mejores

intervalos para la resolución de ambigüedades. Los criterios son el número de
satélites observados, la longitud del intervalo y el valor PDOP.

 Restricciones de tiempo
- Eliminar siempre los inicios de la toma ( 5 minutos iniciales).
- Eliminar períodos en los cuales no exista cobertura de alguno de los dos
satélites.
- Eliminar periodos de observación que presenten frecuentes cortes por
periodos mayores a 10 minutos.

81
 Restricciones de satélites

- Eliminar satélites que tengan menos del 50% de cobertura.

- Eliminar satélites que no tengan datos.
- Eliminar satélites que tengan un porcentaje de ruido mayor al 50%.

Ajustar

Se realiza un ajuste 3D con tendencia, ya que este ajuste en el sistema WGS84,

es limitado por los puntos de control. Al efectuarse se guarda el informe.

82