Gradient field determination based on gravity measurements using spherical radial basis functions

Resumo Técnico: Determinação de Campo de Gradiente Baseada em Medições de Gravidade Utilizando Funções de Base Radial Esféricas

Definição do Problema
Os gradientes de gravidade são críticos para a geodésia e a geofísica, mas a medição direta via balanças de torção é limitada em termos de cobertura espacial. Embora os modelos de geopotencial global (GPMs) forneçam uma base, eles são insuficientes para detectar anomalias de gradiente de pequena escala devido às suas limitações de grau máximo (tipicamente até o grau 2190, ex: EIGEN-6C4). Por outro lado, confiar exclusivamente em medições de gravidade terrestre de alta resolução para reconstruir gradientes é desafiador devido à natureza mal posta do problema inverso e ao risco de amplificação de ruído. O estudo aborda o desafio de reconstruir campos de gradiente de gravidade regionais apenas a partir de dados de gravidade terrestre na ausência de medições diretas de gradiente, investigando especificamente como equilibrar a recuperação de sinal contra a amplificação de ruído através da seleção do domínio espectral.

Metodologia
Os autores empregaram uma abordagem de modelagem regional utilizando Funções de Base Radial Esféricas (SRBFs) combinadas com uma estratégia de "remover–restaurar" (remove–restore).

1. Área de Estudo e Dados: A investigação concentrou-se em uma área de aproximadamente 800 km² no centro da Hungria. O conjunto de dados incluiu 1.195 medições de gravidade terrestre brutas e 248 pontos de medição independentes de balança de torção (fornecendo gradientes horizontais e de curvatura) para validação.
2. Definição do Domínio Espectral:
   • Remoção de baixa frequência: Componentes abaixo do grau $N_{min} = 1600$ foram removidos das anomalias de gravidade usando o modelo de geopotencial global EIGEN-6C4. Este limite inferior foi determinado pelo tamanho da área do modelo ($w \approx 25,1$ km).
   • Modelagem de alta frequência: As anomalias de gravidade residuais foram modeladas usando SRBFs. O limite superior teórico ($N_{max}$) foi calculado com base no espaçamento dos pontos de dados, gerando uma estimativa inicial de $N_{max} \approx 13.900$.
   • Filtragem: Um kernel de Shannon foi aplicado como um filtro passa-faixa, onde os coeficientes de Legendre ($b_n$) foram definidos como 1 entre $N_{min}$ e $N_{max}$ e 0 fora desse intervalo.
3. Inversão e Regularização: Os coeficientes SRBF foram determinados via inversão de mínimos quadrados. Para lidar com a natureza mal condicionada do sistema e a distribuição desigual dos dados, a regularização de Tikhonov foi aplicada. A Estimativa de Componente de Variância (VCE) foi utilizada iterativamente para determinar os pesos ótimos para diferentes tipos de dados (gravidade medida vs. dados de grade interpolados).
4. Síntese e Validação: Após a determinação dos coeficientes SRBF, os gradientes de gravidade foram sintetizados. Os componentes de baixo grau ($<1600$) foram restaurados usando o GPM. Os gradientes resultantes foram validados contra as medições independentes de balança de torção (que foram excluídas do processo de inversão).

Principais Resultados
O estudo analisou sistematicamente o impacto do grau de expansão máximo ($N_{max}$) na precisão da solução:

• Faixa Espectral Ótima: Embora o $N_{max}$ teórico baseado no espaçamento dos dados fosse 13.900, testes empíricos revelaram que expandir além de um intervalo específico levava a uma significativa amplificação de ruído. A faixa ótima foi identificada entre $N_{max} = 6.500$ e $7.500$.
• Métricas de Desempenho: Em $N_{max} = 6.500$, os gradientes derivados de SRBF mostraram a melhor concordância com os dados independentes de balança de torção:
  • Coeficientes de Correlação: Alcançaram aproximadamente 0,796 para o gradiente $T_{xz}$ e 0,747 para $T_{yz}$.
  • Coeficiente de Determinação ($R^2$): Melhorou para 0,628 para $T_{xz}$ e 0,551 para $T_{yz}$.
  • Comparação com Modelos Globais: Soluções derivadas exclusivamente do modelo EIGEN-6C4 (até o grau 2190) produziram correlações significativamente menores (aprox. 0,36–0,45).
  • Comparação com SRBF Sobre-expandido: O uso do $N_{max}$ teórico de 13.900 resultou em correlações baixas (aprox. 0,32) e valores de $R^2$ baixos, indicando que a inversão estava modelando primordialmente o ruído em vez do sinal.
• Resolução Espacial: A solução SRBF em $N_{max} = 6.500$ reproduziu com sucesso tendências regionais e características de pequena escala observadas nos dados da balança de torção, as quais estavam ausentes na síntese do modelo global.

Significância e Alegações
O artigo afirma que os gradientes de gravidade podem ser reconstruídos de forma confiável a partir de anomalias de gravidade isoladamente, desde que sejam aplicadas restrições espectrais apropriadas. A principal contribuição é a demonstração de que a regularização no domínio da frequência é crítica na inversão baseada em SRBF.

• Equilíbrio entre Sinal e Ruído: O estudo destaca que simplesmente aumentar o grau de expansão para corresponder à densidade dos dados não melhora a precisão; em vez disso, existe um "ponto ideal" (sweet spot) onde o conteúdo de sinal é maximizado sem amplificar o ruído.
• Independência de Dados de Gradiente: A metodologia confirma que campos de gradiente de alta resolução podem ser gerados em áreas carentes de medições diretas de gradiente, utilizando apenas dados de gravidade terrestre e um modelo de geopotencial global.
• Validação: O uso de medições independentes de balança de torção como um conjunto de validação (em vez de entrada) fornece evidência robusta de que a inversão SRBF captura o conteúdo físico do sinal em vez de ajustar o ruído.

Os autores concluem que, embora os modelos globais forneçam uma base necessária para os componentes de comprimento de onda longa, a inversão SRBF com um grau máximo cuidadosamente selecionado oferece uma abordagem robusta e eficaz para aumentar a resolução espacial dos campos de gradiente de gravidade regional.