⚡ electrical engineering

Analysis of tropospheric noise at small spatial scales based on GNSS ZTD and Numerical Weather Prediction models

Este estudio cuantifica el ruido troposférico a pequeña escala en las observaciones de InSAR mediante la comparación de datos de GNSS y de Predicción Numérica del Tiempo (NWP) de ZTD, revelando que los errores residuales dependen primordialmente de la latitud y la elevación en lugar de la resolución del modelo NWP, y proponiendo un modelo funcional para incorporar estas incertidumbres de sub-rejilla en las estimaciones de error de InSAR.

Autores originales: Adeyinka Olaseinde, Jeremy Maurer

Publicado 2026-07-06

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Adeyinka Olaseinde, Jeremy Maurer

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

La visión general: Midiendo el "aliento" de la Tierra

Imagina que estás intentando tomar una foto superprecisa del suelo para ver si se está moviendo (como un volcán hinchándose o una mina hundiéndose). Los científicos utilizan una técnica llamada InSAR, que es como tomar una foto satelital de la superficie de la Tierra y compararla con una foto tomada meses después. Pueden detectar movimientos de apenas unos milímetros.

Sin embargo, hay un problema: el aire entre el satélite y el suelo no está vacío. Está lleno de la troposfera (la capa más baja de nuestra atmósfera). Esta capa actúa como una ventana empañada. Cuando las señales de radar pasan a través de ella, la "niebla" (específicamente el vapor de agua) ralentiza la señal, haciendo que el suelo parezca haberse movido cuando en realidad no fue así. Esto se llama ruido troposférico.

La solución actual: El mapa del "pronóstico del tiempo"

Para solucionar esto, los científicos utilizan modelos de Predicción Numérica del Tiempo (NWP). Piensa en estos modelos como gigantescos mapas climáticos digitales que predicen la temperatura, la presión y la humedad en todas partes de la Tierra. Intentan calcular cuánto ralentizó la señal la "niebla" para poder restar ese error de sus fotos.

El gran supuesto:
La mayoría de los científicos han asumido que, si miras un área muy pequeña (como un vecindario), la "niebla" es prácticamente la misma en todas partes. Pensaron: "Si corregimos el clima usando un mapa grande, los errores diminutos que queden en un vecindario pequeño serán tan pequeños que podremos ignorarlos".

Lo que hizo este estudio: La "prueba de los gemelos"

Los autores de este artículo quisieron probar ese supuesto. Se preguntaron: "¿Es el clima realmente el mismo en un vecindario pequeño, o todavía queda 'ruido' después de usar los mapas meteorológicos?"

Para averiguarlo, prepararon un experimento ingenioso:

Los gemelos: Encontraron grupos de estaciones GPS (que miden la atmósfera con mucha precisión) que estaban muy cerca unos de otros, algunos a solo unos pocos kilómetros de distancia.
La comparación: Compararon la atmósfera "real" medida por estas estaciones GPS frente a la atmósfera "predicha" por dos modelos meteorológicos diferentes:
- ERA5: Un modelo global con un tamaño de "rejilla" de unos 31 km (como mirar un mapa con cuadrados grandes y toscos).
- HRRR: Un modelo regional con un tamaño de "rejilla" de unos 3 km (como mirar un mapa con cuadrados mucho más pequeños y finos).

Si el supuesto fuera cierto, las estaciones GPS en el mismo vecindario pequeño deberían estar de acuerdo entre sí, y los modelos meteorológicos deberían coincidir perfectamente con ellas.

Los hallazgos sorprendentes

Los resultados fueron un poco impactantes para la comunidad científica:

1. La "niebla" sigue ahí, incluso en vecindarios pequeños.
Incluso aunque las estaciones GPS estaban cerca, no coincidían perfectamente. Todavía había una cantidad significativa de "ruido" (variabilidad) sobrante después de usar los modelos meteorológicos. Es como mirar a un grupo de gemelos en la misma habitación; esperarías que estuvieran vestidos idénticamente, pero en realidad llevaban atuendos ligeramente diferentes. La "niebla" en el aire estaba cambiando, de hecho, en distancias muy cortas.

2. Los mapas más grandes no siempre son mejores.
Los investigadores pensaron que el modelo HRRR (el que tiene los cuadritos diminutos de 3 km) haría un trabajo mucho mejor que el modelo ERA5 (el de los cuadrados de 31 km).

El resultado: Se equivocaron. El modelo de alta resolución no mejoró significativamente la precisión en estas escalas pequeñas.
La analogía: Imagina intentar pintar un cuadro detallado de un bosque. Podrías pensar que usar un pincel de punta fina (HRRR) sería mejor que usar un marcador grueso (ERA5). Pero si las hojas se mueven y cambian constantemente con el viento (vapor de agua), incluso el pincel más fino no puede capturar el movimiento exacto perfectamente. El problema no es el tamaño del pincel; es que las "hojas" (el vapor de agua) son demasiado caóticas para ser predichas perfectamente por el modelo.

3. La ubicación importa más que la altura.
El estudio encontró que dónde te encuentras en el mapa importa más que a qué altura estés.

Latitud: El "ruido" era mucho mayor cerca del ecuador y menor cerca de los polos. Esto tiene sentido porque el aire cerca del ecuador es más caliente y retiene más vapor de agua, lo cual es caótico y difícil de predecir. El aire cerca de los polos es más seco y estable.
Elevación: Sorprendentemente, cómo de alto era la estación (montaña vs. valle) no presentaba un patrón consistente. A veces los lugares altos tenían más ruido, otras veces los lugares bajos.

La conclusión: Una nueva regla general

Los autores concluyeron que no podemos simplemente asumir que el aire está "calmado" en áreas pequeñas. Incluso después de usar los mejores modelos meteorológicos, todavía hay un "punto de incertidumbre" restante.

Crearon una fórmula matemática sencilla (una receta) que los científicos pueden usar. Si le dices a la fórmula tu ubicación (latitud) y tu altura (elevación), te dará un número que representa cuánto "ruido" esperar.

Por qué esto es importante:
Cuando los científicos miden el movimiento del suelo, necesitan saber cuánto pueden confiar en sus números. Este estudio les da una forma de añadir un "margen de seguridad" a sus cálculos. En lugar de decir: "Estamos 100% seguros de que el suelo se movió 5 mm", ahora pueden decir: "Estamos seguros de que se movió 5 mm, más o menos esta cantidad específica de ruido meteorológico según donde estemos".

Resumen en una frase

Este artículo demuestra que, incluso con nuestros mejores mapas meteorológicos, el aire sigue siendo demasiado "oscilante" e impredecible en distancias diminutas como para ser ignorado, y necesitamos una nueva forma de contabilizar este desorden restante al medir la superficie de la Tierra.

Resumen Técnico: Análisis del Ruido Troposférico en Pequeñas Escalas Espaciales Basado en GNSS ZTD y Modelos de Predicción Numérica del Tiempo

Planteamiento del Problema
La Interferometría de Radar de Apertura Sintética (InSAR) es una herramienta principal para el monitoreo de desplazamientos de la superficie terrestre con precisión milimétrica. Sin embargo, los retrasos troposféricos representan una fuente significativa de error, alcanzando a menudo magnitudes de 15–20 cm, lo que puede exceder las señales de interés. Aunque se utilizan comúnmente modelos de Predicción Numérica del Tiempo (NWP) para corregir estos retrasos, la mayoría de los estudios asumen que la variabilidad troposférica es despreciable en pequeñas escalas espaciales (por ejemplo, dentro del área del "punto de referencia" de una serie temporal de InSAR). Existe una falta de cuantificación sistemática con respecto a la magnitud del ruido troposférico residual en estas pequeñas escalas de longitud tras la corrección basada en NWP. Además, sigue sin estar claro si los modelos NWP de mayor resolución mejoran la precisión de las correcciones en estas sub-escalas de malla.

Metodología
El estudio cuantifica los errores troposféricos de pequeña escala comparando el Retraso Total Zenital (ZTD) derivado de los modelos NWP frente al ZTD derivado de GNSS en grupos de estaciones estrechamente espaciadas (separación máxima $\lesssim$ 13 km, con la mayoría <7 km). El análisis se centra en la desviación estándar espacial de los residuos ( $\sigma_{sp}$ ) entre las estaciones dentro de un grupo en un tiempo dado, en lugar de solo la variabilidad temporal en una sola estación.

Se evaluaron dos modelos NWP que representan extremos de resolución espacial:

ERA5: Un modelo de reanálisis global de ECMWF con un espaciamiento de malla de ~31 km.
HRRR: Un modelo de reanálisis regional de NOAA con un espaciamiento de malla de ~3 km.

Las fuentes de datos incluyeron:

GNSS ZTD: Obtenido del Nevada Geodetic Laboratory (NGL) para 11 sitios globales (incluyendo Australia, Japón, Alemania, Italia, Chile, Alaska y California) y datos de levantamiento estático recolectados manualmente de cuatro estaciones en Rolla, Missouri.
Procesamiento: Se utilizó el paquete de software RAiDER para descargar los datos de NWP, reformatearlos a una malla regular y realizar una interpolación 3D en las ubicaciones de las estaciones GNSS para calcular el ZTD.
Análisis Estadístico: El estudio calculó la media de la desviación estándar espacial de los residuos ( $\sigma_{sp}$ ) para cada sitio y ajustó un modelo funcional que relaciona $\sigma_{sp}$ con la latitud y la elevación.

Resultos Clave

Persistencia del Ruido de Pequeña Escala: Una variabilidad residual significativa persiste en escalas espaciales de $\leq$ 13 km incluso después de la corrección por NWP. La desviación estándar espacial ( $\sigma_{sp}$ ) es comparable en magnitud a las desviaciones estándar temporales globales por estación reportadas en estudios previos.
Dependencia de la Latitud: El ruido residual varía principalmente con la latitud. La variabilidad es generalmente mayor en latitudes bajas y medias (por ejemplo, Italia, California, Missouri) y menor en latitudes altas (por ejemplo, Alaska, Alemania). Un modelo de forma gaussiana de la latitud captura eficazmente esta tendencia.
Dependencia de la Elevación: La dependencia de la elevación es más débil y menos consistente. Aunque se observaron algunas tendencias, estas variaron entre modelos y conjuntos de datos, lo que sugiere que la elevación no es un control dominante en comparación con la latitud.
Impacto de la Resolución del Modelo: Contrario a la hipótesis de que una mayor resolución mejora el ajuste a pequeña escala, el modelo de mayor resolución HRRR (~~3 km) no mejoró el ajuste con el ZTD de GNSS en comparación con el modelo más grueso ERA5 (~~31 km).
- Sesgo: Ambos modelos exhibieron sesgos sistemáticos (ERA5 ~50.1 mm; HRRR ~49.5 mm).
- Variabilidad: El HRRR exhibió de hecho una variabilidad temporal ligeramente mayor ( $\sigma_t \approx 1.9$ cm) en comparación con el ERA5 ( $\sigma_t \approx 1.4$ cm).
Naturaleza de los Residuos: La dispersión inter-estación observada (1–2 cm) excede significativamente las incertidumbres típicas de GNSS ZTD (2–4 mm), lo que indica que los residuos representan una variabilidad troposférica real de pequeña escala (probablemente impulsada por el vapor de agua) que los modelos NWP no logran resolver, en lugar de un error de medición de GNSS.

Contribuciones Clave

Cuantificación del Error de Sub-Malla: El estudio proporciona la primera cuantificación sistemática del ruido troposférico a pequeñas escalas espaciales ( $\leq$ 13 km) tras la corrección por NWP, demostrando que este ruido no es despreciable.
Independencia de la Resolución: Desafía la suposición de que los modelos NWP de mayor resolución producen inherentemente mejores correcciones a pequeña escala, mostrando que ERA5 y HRRR se comportan de manera similar con respecto a la variabilidad espacial residual.
Modelo Funcional de Incertidumbre: Los autores proponen un modelo funcional simple (Ec. 6) para estimar la incertidumbre de pequeña escala ( $\hat{\sigma}_{sp}$ ) como una función de la latitud ( $\phi$ ) y la elevación ( $z$ ):
$\hat{\sigma}_{sp} \approx (az + b)e^{-\frac{\phi^2}{2c^2}}$
Este modelo permite a los profesionales pre-calcular una estimación de incertidumbre punto a punto para su región de estudio.

Significancia y Reivindicaciones
El artículo afirma que la variabilidad troposférica de pequeña escala identificada es una característica global persistente que permanece incluso dentro de redes GNSS estrechamente espaciadas y a la resolución de 3 km de HRRR. Los autores sostienen que esta variabilidad debe ser considerada en los presupuestos de incertidumbre de InSAR, particularmente para aplicaciones tectónicas donde se agregan píxeles o donde se asumen puntos de referencia "libres de ruido".

El modelo funcional propuesto ofrece una base cuantitativa para incorporar el error troposférico de sub-malla en las estimaciones de incertidumbre de InSAR. Los autores sugieren que, debido a que esta estructura residual no es resuelta por la física o la resolución actuales de los NWP, las mejoras futuras pueden requerir la combinación de correcciones NWP con métodos complementarios, como enfoques de aprendizaje automático, para resolver mejor la variabilidad atmosférica de fina escala. El estudio concluye que, si bien los modelos NWP son efectivos para correcciones de gran escala, es necesario un término de error "punto a punto" derivado de la latitud y la elevación para representar con precisión la incertidumbre restante a la escala del píxel.