Baixe o app para aproveitar ainda mais
Prévia do material em texto
UNIVERSIDADE EDUARDO MONDLANE FACULDADE DE CIÊNCIAS DEPARTAMENTO DE MATEMÁTICA E INFORMÁTICA CURSO DE LICENCIATURA EM CIÊNCIAS DE INFORMAÇÃO GEOGRÁFICA TRABALHO DE LICENCIATURA APLICAÇÃO DO MÉTODO DOS MÍNIMOS QUADRADOS NO AJUSTAMENTO DE DADOS OBSERVACIONAIS (ÂNGULOS E DISTÂNCIAS) DUMA POLIGONAL FECHADA “CASO DO ESTUDO POSTO ADMINISTRATIVO DE MAGUDE” Autor: Francesse Mauro Bacião Maputo, Novembro de 2016 Francesse Mauro Bacião TEMA: APLICAÇÃO DO MÉTODO DOS MÍNIMOS QUADRADOS NO AJUSTAMENTO DE DADOS OBSERVACIONAIS (ÂNGULOS E DISTÂNCIAS) DUMA POLIGONAL FECHADA Supervisor: António Alfredo Assane (PhD) Maputo, Novembro de 2016 I DECLARAÇÃO DE HONRA Eu Francesse Mauro Bacião, declaro por minha honra que o presente trabalho é resultado da minha investigação, e das orientações do meu supervisor Antônio Alfredo Assane e que o mesmo foi realizado para ser submetido à Faculdade de Ciências apenas para a obtenção do grau de Licenciatura em Ciências de Informação Geográfica na Universidade Eduardo Mondlane e nunca foi publicado e apresentado. Maputo, Novembro de 2016 _______________________________________________ (Francesse Mauro Bacião) II DEDICATÓRIA Este trabalho em primeiro lugar é dedicado a Deus, por ter sido e continuar a ser primordial e essencial na minha vida e em especial na vida acadêmica, pois acredito na existência de algo maior que me acompanha e guarda no meu dia a dia. E dedico ainda, as pessoas que incondicionalmente com muito amor e sacrifício deram o seu apoio nesta caminhada, aos meus pais Mauricio Adolfo Bacião e Angélica Francisco Gemo, aos meus irmãos Osvaldo, Agnesse, Evódia, Lemos, Alexandrino e Delfia. Aos meus tios Jorge e Cândida. III AGRADECIMENTOS O autor deseja externar os seus agradecimentos aos seguintes: A Deus por me ter dado saúde e força para superar as dificuldades da vida. Aos meus pais Mauricio Adolfo Bacião e Angélica Francisco Gemo, por terem lutado e doado as suas vidas e tudo terem feito para que este que é um sonho nosso, se torna-se realidade, incentivando nas horas difíceis, de desânimo e cansaço. Aos meus irmãos Osvaldo, Agnesse, Evódia, Lemos, Alexandrino e Delfia por me fortalecerem. Aos meus tios Cândida e António e as minhas sobrinhas Vania e Gência pela contribuição valiosa. Ao meu supervisor Dr. Antônio Alfredo Assane, pela orientação, apoio e confiança com vista a tornar possível a realização do presente trabalho. E ao Msc. Márcio Fernando Mathe pelo impulso e preocupação no que concerne ao termino do presente trabalho. Aos professores por me proporcionar o conhecimento não apenas racional, mas a manifestação do carecter e afectividade no processo de formação. Meus agradecimentos a todos os colegas no curso de Ciências de Informação Geográfica, pois com os mesmos aprendi à diferentes níveis, a cooperar, ajudar a sacrificar, dizer que do vosso lado a cada contacto, a cada conversa, eu sofria um processo de transformação intelectual, racional e moral. Em especial os meus agradecimentos vão para colegas como: Manuel, Pascoalino, Sansão, Herman, Azarias, Ruben, Sidónio, Helder, Edna, Constância e Florinda. A minha amiga e companheira de todos os tempos e momentos Stela Raquel, aos meus amigos que sempre estiveram e estão presentes na minha vida nomeadamente: Décio da Costa, Dionísio Carlito, Edito Cofe, Daniel Mondlane, Delço Nancuala e Estergio. A todos que directa ou indirectamente contribuíram para que eu fosse o que sou hoje. IV RESUMO Em diversas áreas de estudo como a Geodesia, Topografia dentre outras, devido a sua aplicabilidade onde apresentam um conjunto de dados de uma variável medida, e deseja-se descobrir uma tendência para estes valores ou até mesmo uma função que melhor represente este conjunto de dados. Dentre os diversos métodos existentes, tem-se o Método dos Mínimos Quadrados (MMQ), como um dos métodos para a determinação da melhor aproximação para estes conjuntos de pontos discretizados. Em levantamentos topográficos planimétricos, de acordo com a sua finalidade conhecer a qualidade das coordenadas estimadas é fundamental. Para este estudo dentro do Ajustamento das Observações pelo Método dos Mínimos Quadrados, é retratado o Ajustamento pelo Modelo das Equações de Observações ou Modelo Paramétrico. A aplicação prática deste modelo foi dada por uma poligonal fechada levantada no Posto Administrativo de Magude no Distrito de Magude na Província de Maputo. A poligonal é constituída por 10 vértices com um perímetro de 1024.91m e uma área de 0.057km2. O processamento dos dados deu-se mediante a utilização de 3 programas computacionais (Excel, Jupyter Notebook e ArcGis) onde o Excel e o Jupyter Notebook permitiram fazer o ajustamento pelo Método dos Mínimos Quadrados, no Jupyter foi compilado o código em linguagem de programação Python. No ArcGis foram criados shapefiles, fez-se a edição bem como o layout da planta topográfica da poligonal com os dados ajustados. Feito o ajustamento havia necessidade de se fazer o teste de qualidade do mesmo, para este estudo o teste escolhido foi o Teste Bilateral. Como resultado teve-se os dados observacionais e os parâmetros ajustados em 3 iterações bem como a planta topográfica e a área da poligonal com os dados ajustados. A área da poligonal foi calculada pelo Método Analítico de Gauss. V ÍNDICE DECLARAÇÃO DE HONRA ................................................................................................................ I DEDICATÓRIA ..................................................................................................................................... II AGRADECIMENTOS ......................................................................................................................... III RESUMO ............................................................................................................................................... IV LISTA DE FIGURAS ........................................................................................................................... IX LISTA DE TABELAS ............................................................................................................................ X LISTA DE ABREVIATURAS ............................................................................................................. XI LISTA DE UNIDADES DE MEDIDAS ............................................................................................. XI LISTA DE SÍMBOLOS ...................................................................................................................... XII LISTA DE ANEXOS ......................................................................................................................... XIII ESTRUTURA DO TRABALHO ........................................................................................................ XV CAPITULO I: INTRODUÇÃO ............................................................................................................. 1 1.1. INTRODUÇÃO .............................................................................................................................. 1 1.2. DEFINIÇÃO DO PROBLEMA .......................................................................................................... 3 1.3. JUSTIFICATIVA ............................................................................................................................ 3 1.4. OBJECTIVOS ........................................................................................................................... 4 1.4.1. Geral ...................................................................................................................................... 4 1.4.2. Específicos .............................................................................................................................4 CAPITULO II: REVISÃO BIBLIOGRÁFICA ................................................................................... 5 2.1. TOPOGRAFIA ............................................................................................................................... 5 2.1.1. Levantamento Topográfico.................................................................................................... 6 VI 2.1.2. Poligonação ........................................................................................................................... 6 2.2. DESVIO PADRÃO ......................................................................................................................... 9 2.3. TEORIA DOS ERROS .................................................................................................................... 9 2.3.1. Tipo de Erros ....................................................................................................................... 10 2.3.1.1. Erros Grosseiros (Equivoco) ....................................................................................... 11 2.3.1.2. Erros Sistemáticos ou Acumulativos ........................................................................... 11 2.3.1.3. Erros Acidentais ou Aleatórios .................................................................................... 12 2.4. AJUSTAMENTO NAS OBSERVAÇÕES .......................................................................................... 13 2.4.1. Ajustamento de Observações pelo Método dos Mínimos Quadrados ................................. 13 2.4.1.1. Princípio do Método dos Mínimos Quadrados ............................................................ 14 2.4.1.2. Problema dos Mínimos Quadrados.............................................................................. 15 2.4.2. Atribuição dos Pesos nas Observações ................................................................................ 17 2.4.3. Matriz Variância-covariância .............................................................................................. 18 2.4.4. Factor de Variância .............................................................................................................. 18 2.4.5. Modelo Matemático ............................................................................................................. 19 2.4.5.1. Modelo Funcional ........................................................................................................ 19 2.4.5.2. Modelo Estocástico ..................................................................................................... 22 2.4.6. Modelo de Ajustamento com Equações de Observação (Método Paramétrico) ................. 22 2.4.7. Qualidade do Ajustamento das Observações....................................................................... 24 3.1.1.1. Teste Bilateral .............................................................................................................. 25 2.4.8. Matriz Variância-Covariância dos Parâmetros Ajustados ................................................... 27 CAPITULO III: CARACTERIZAÇÃO DA ÁREA DE ESTUDO .................................................. 28 3.1. LOCALIZAÇÃO GEOGRÁFICA DO POSTO ADMINISTRATIVO DE MAGUDE .................................. 28 3.2. SOLOS E RELEVO ...................................................................................................................... 30 3.3. CLIMA ...................................................................................................................................... 30 3.4. HIDROGRAFIA ........................................................................................................................... 31 VII CAPITULO IV: IMPLEMENTAÇÃO PRÁTICA DOS MATERIAIS E METODOLOGIA USADAS NA REALIZAÇÃO DO ESTUDO ...................................................................................... 31 4.1. INSTRUMENTOS E EQUIPAMENTOS USADOS: ............................................................................. 31 4.1.1. No Trabalho de Campo........................................................................................................ 32 4.1.2. No Gabinete ......................................................................................................................... 32 4.1.3. Programas Computacionais Usados e Processamento dos Dados ....................................... 33 4.1.3.1. Microsoft Excel 2013 .................................................................................................. 33 4.1.3.2. Jupyter Notebook ......................................................................................................... 34 4.1.3.3. ArcGIS ......................................................................................................................... 36 4.2. MÉTODOS USADOS: .................................................................................................................. 37 4.2.1. Revisão Bibliográfica .......................................................................................................... 37 4.2.2. Método Cartográfico............................................................................................................ 37 4.2.3. Observações Directas .......................................................................................................... 37 4.2.3.1. Reconhecimento da Área ............................................................................................. 38 4.2.3.2. Implantação da Base .................................................................................................... 38 4.2.3.3. Medições de Ângulos e Distâncias Horizontais .......................................................... 39 4.2.4. Cálculo dos Desvios Padrões ............................................................................................... 41 4.2.5. Determinação do Número de Observações e de Equações do Problema ............................ 42 4.2.6. Formulação das Equações dos Elementos Envolvidos no Problema .................................. 42 4.2.7. Composição da Matriz Pesos ............................................................................................... 50 4.2.8. Teste de Qualidade de Ajustamento .................................................................................... 53 4.2.9. Cálculo da Matriz Variância-Covariância (MVC) dos Parâmetros Ajustado ..................... 55 4.2.10. Cálculo da Área da Poligonal pelo Método de Gauss ..................................................... 56 4.3. RESUMO DA IMPLEMENTAÇÃO PRÁTICA DOS MATERIAIS E METODOLOGIAS ........................... 57 CAPITULO V: CONCLUSÕES E RECOMENDAÇÕES ................................................................ 58 5.1. CONCLUSÃO ............................................................................................................................. 58 5.2. RECOMENDAÇÕES .................................................................................................................... 59 VIII 6. REFERÊNCIAS BIBLIOGRÁFICAS ........................................................................................ 60 7. ANEXOS ........................................................................................................................................ 63 IX LISTA DE FIGURAS Figura 1. Poligonal aberta (Adaptado pelo Autor) .................................................................................... 8 Figura 2. Poligonal fechada com orientação interna (Adaptado pelo Autor) ............................................ 8 Figura 3. Poligonal fechada com orientação externa (Adaptado pelo Autor) ........................................... 8 Figura 4. Regiões de aceitação e rejeição do teste bilateral (Amorim, 2007) .........................................27 Figura 5. Mapa de Localização Geográfica da Área de Estudo (Adaptado pelo Autor) ........................ 29 Figura 18. Fluxograma metodológico ..................................................................................................... 57 X LISTA DE TABELAS Tabela 1. Coordenadas da base e cumprimento da linha da mesma........................................................ 39 Tabela 2. Ângulos e distâncias observados ............................................................................................. 40 Tabela 3. Ângulos e distancias com os seus respectivos desvios ............................................................ 41 Tabela 4. Tabela das coordenadas aproximadas (parâmetros) em UTM ................................................ 46 Tabela 5. Coordenadas da base e os azimutes (Directo e Inverso) .......................................................... 46 Tabela 6. Resíduos e observações ajustadas (3ª iteração) ....................................................................... 53 Tabela 7. Parâmetros de correção e coordenadas ajustadas (3ª iteração) ................................................ 53 Tabela 8. Resultado do Teste de Qualidade Bilateral (3ª iteração) ......................................................... 54 XI LISTA DE ABREVIATURAS Abreviatura Significado 1 ac Antes de cristo 2 CAD Desenho Assistido por Computador 3 CIG Ciências de Informação Geográfica 4 GPS Sistema de Posicionamento Global 5 GPS Sistema de Posicionamento Global 6 MMQ Método dos Mínimos Quadrados 7 PMA Pluviosidade Média Anual 8 RAS República da África do Sul 9 SIG Sistemas de Informação Geográfica 10 TMA Temperatura Média Anual 11 UTM Projeção Universal Transversal de Mercator LISTA DE UNIDADES DE MEDIDAS Símbolo Unidade de Medida 1 ºC Graus celsos 2 ha Hectares 3 m Metro (unidade de medida) 4 m2 Metro quadrado XII LISTA DE SÍMBOLOS Símbolo Significado 1 v Vector dos resíduos associados às observações 2 ln Vector das observações 3 pi Peso da observação i 4 σ02 Variância de referência 5 �̂�0 2 Variância a posterior 6 σi2 Variância da observação i 7 l̂ Observações ajustadas 8 Lb, l Observações brutas 9 r Grau de liberdade 10 diag Matriz diagonal 11 I Matriz identidade 12 ∆ Vector de correção dos parâmetros aproximados 13 𝑋2 Qui-quadrado 14 B Matriz design 15 d Comprimento do lado da poligonal 16 𝛼 Ângulos horizontais 17 c Número de equações 18 u Parâmetros 19 n0 Número de observações necessárias 20 Az Azimute 21 ∑ Somatório XIII LISTA DE ANEXOS Anexo 1. Matriz B (1ª iteração) ............................................................................................................... 64 Anexo 2. Vector f (1ª iteração) ................................................................................................................ 65 Anexo 3. Parâmetros de Correção e Coordenadas Ajustadas (1ª iteração) ............................................. 65 Anexo 4. Resíduos e Ângulos e Distâncias Ajustadas (1ª iteração) ........................................................ 66 Anexo 5. Teste de qualidade de ajustamento (1ª iteração) ...................................................................... 66 Anexo 6. Matriz Variância-Covariância (MVC) dos Parâmetros Ajustado (1ª iteração) ....................... 67 Anexo 7. Matriz B (2ª iteração) ............................................................................................................... 68 Anexo 8. Vector f (2ª iteração) ................................................................................................................ 69 Anexo 9. Parâmetros de correção e coordenadas ajustadas (2ª iteração) ................................................ 69 Anexo 10. Resíduos e Ângulos e Distâncias Ajustadas (2ª iteração) ...................................................... 70 Anexo 11. Teste de qualidade de ajustamento (2ª iteração) .................................................................... 70 Anexo 12. Matriz Variância-Covariância (MVC) dos Parâmetros Ajustado (2ª iteração) .................... 71 Anexo 13. Planta Topográfica da Poligonal com dados Ajustados pelo MMQ ...................................... 72 Anexo 14. Área da poligonal calculada pelo Método de Gauss com as coordenadas ajustadas ............. 73 Anexo 15. Importando os pacotes de leitura de ficheiros em xlsx, tratamento de vectores e operações com matrizes ............................................................................................................................................ 74 Anexo 16. Código de leitura de ficheiros no formato xlsx ...................................................................... 74 Anexo 17. Código para o armazenamento dos dados no formato xlsx, num vector ............................... 74 Anexo 18. Código de definição duma função para o cálculo duma matriz transposta............................ 74 Anexo 19. Código de definição duma função para a multiplicação de matrizes..................................... 74 Anexo 20. Código de definição duma função para o cálculo duma matriz inversa ................................ 74 Anexo 21. Código para o cálculo do vector de correção dos parâmetros e vector dos resíduos ............. 75 Anexo 22. Código para o cálculo da variância a posterior, qui-quadrado e MVC dos Parâmetros Ajustados ................................................................................................................................................. 75 Anexo 23. Código para avaliação da qualidade do ajustamento (Hipótese Nula e Teste Bilateral) ....... 75 Anexo 24. Código de impressão da variância a posteriori, valor do qui-quadrado e MVC dos Parâmetros Ajustados ................................................................................................................................................. 75 XIV Anexo 25. Código para a gravação no formato xlsx. dos resultados do ajustamento ............................. 76 Anexo 26. Gravando os ficheiros ............................................................................................................ 76 Anexo 27. Planta Topográfica da Poligonal com dados Ajustados pelo MMQ ...................................... 77 XV ESTRUTURA DO TRABALHO O presente trabalho divide-se em cinco (V) capítulos, dos quais o I° capitulo é composto pela parte introdutória envolvendo a introdução, definição do problema, justificativa e objectivos. O II° capitulo é composto pela revisão bibliográfica, onde é descrito o tema no âmbito geral bem como no âmbito especifico. O III° capitulo descreve a caracterização da área de estudo. O IV° capitulo descreve os matérias e métodos usados no decorrer do estudo onde, nos métodos usados em simultâneo são apresentados os resultados dos mesmos. O V° capitulo envolve a conclusão, recomendações, referências bibliográficas que serviram de suporte para a composição teórica do trabalho e os anexos 1 CAPITULO I: INTRODUÇÃO 1.1. Introdução A combinação de observações feitas necessariamente com erros, para estimação de parâmetros de posição de corpos celestes é um dos maiores problemas com que sempre os astrônomos se debateram. Este problema terá sido notado pelos primeiros a introduzir medidas na Astronomia, pois repararam que as suas medidas eram falíveis e variavam ligeiramente de momento para momento e de observador para observador (Carvalho, 2007). Porém, Crato (2001) acrescenta que esses astrónomos aceitavam uma medida aproximada, que lhes parecia mais rigorosa, e não se preocupavam com os problemas estatísticos das suas mensurações ou, pelo menos, não escreveram sobre esses problemas. Os processos experimentais de medidas para a recolha de dados (observações) são necessários para as demaisciências, sendo uma delas a Topografia, devido à presença de erros nesses processos experimentais de medições, são necessários critérios e métodos para o ajustamento das mesmas. Basicamente, os erros que influenciam as observações topográficas são classificados em aleatórios (acidentais) sistemáticos e grosseiros (Gemael, 1994). Segundo Bisognin (1997) o ajustamento surge na necessidade de calcular os parâmetros das órbitas dos planetas, e para tal efeito, aplicou-se o Método dos Mínimos Quadrados (MMQ). Visto que para calcular os parâmetros das órbitas dos cometas fazia-se necessário medidas pontuais, efectuadas em diferentes momentos. Tem sido costume encarar como um axioma a hipótese de que, se uma quantidade foi determinada por várias observações directas, nas mesmas condições ou seja medições de igual precisão, então a média aritmética dos valores observados fornece o valor mais provável, se não rigorosamente, pelo menos com grande aproximação (Farebrother, 1999 citado por Bisognin, 2006). 2 Dentre os métodos para o ajustamento dos dados onde o número de observações é superabundante e o sistema de equações é inconsistente, devido à presença de erros no processo experimental de medições, o Método dos Mínimos Quadrados é um dos mais utilizado (Kavouras, 1982 citado por Santos, 2006). Quando apenas erros de natureza aleatória contaminam as observações, o Método dos Mínimos Quadrados é dito como sendo um estimador imparcial (Gemael, 1994). Além disso, quando a ponderação das observações é tomada em função de variâncias e covariâncias, correctamente determinadas, o MMQ é dito o melhor estimador linear imparcial, bem como quando os erros aleatórios seguem distribuição normal multivariada, a solução pelo MMQ coincide com a solução de máxima verossimilhança (Teunissen, 2003 citado por Klein, 2011). 3 1.2. Definição do Problema De acordo com Amorim (2005) na medição de uma determinada grandeza, a limitação humana, imperfeição instrumental e instabilidade da natureza, são factores que impedem a exactidão absoluta das medidas. Os resultados de uma mesma medida, repetida várias vezes por um mesmo operador, provavelmente não serão idênticas, por maior que seja o cuidado empregue nas observações. Deste modo, pode-se afirmar que, de uma forma ou de outra, todas as medidas contêm erros. No âmbito do presente estudo verificou-se que, os erros ocorrem devido a diversos factores tais como condições climáticas, erros de leitura no instrumento, desgastes que os parafusos dos instrumentos sofrem e erros grosseiros que podem vir a surgir no momento de transcrever ou digitar o resultado duma dada observação (Bisognin, 2006). E uma vez reconhecida a impossibilidade de tornar as medidas isentas de erros, visto que os métodos de levantamento em geral são superabundantes e sujeitos a flutuações probabilísticas as observações devem então ser ajustadas com o objectivo de proporcionar coordenadas únicas e confiáveis dos pontos de interesse (Monico, 1988). Assim sendo, torna-se imprescindível estabelecer um método seguro e conveniente de modo que através dele se possa estabelecer o valor mais aceitável de uma grandeza. 1.3. Justificativa Apesar do MMQ ser bem dominado no meio acadêmico nota-se uma grande dificuldade em encontrar exemplos e relatos claros da aplicação deste no âmbito topográfico. Desta feita faz-se necessário apresentar uma revisão teórica e aplicação deste método, com finalidade de inverter e contribuir no âmbito acadêmico actual com um melhor entendimento prático do mesmo. A escolha deste tema, bem como a utilização das observações resultante do estágio realizado no Distrito de Magude na Província de Maputo, visa mostrar que nesse tipo de actividade (estágio), para além dos objectivos que o mesmo tem, quer-se aqui contribuir com mais um componente no que concerne ao tratamento dos dados. Mostrando como as repetições que são feitas nas medições com intuito de 4 aperfeiçoamento podem ser usadas para garantir maior precisão nos resultados esperados. Porém, viu-se também no tema a possibilidade que o mesmo da, de poder trazer um produto resultante de uma fusão e interligação das diversas disciplinas lecionadas no curso de Ciências de Informação Geográfica (CIG) disciplinas como: Introdução as Tecnologias de Comunicação, Matemática (Álgebra Linear, Análise e Estatística) Programação e Topografia. 1.4. OBJECTIVOS 1.4.1. Geral O presente trabalho tem como objectivo geral, apresentar a aplicação do Método dos Mínimos Quadrados (MMQ) no Ajustamento de Observações topográficas. 1.4.2. Específicos Os objectivos específicos são: Implantar no terreno uma base, usando um receptor GPS e uma trena; Traçar e levantar uma poligonal fechada (ângulos e distâncias), com recurso a um teodolito completo e uma trena respectivamente; Aplicar o Método dos Mínimos Quadrados (MMQ), para ajustar os dados levantados usando Excel e linguagem de programação Python corrida no Jupyter Notebook; Fazer o Teste de Qualidade do Ajustamento (Teste Bilateral) e calcular a Matriz Variância- Covariância (MVC) dos Parâmetros Ajustados Calcular a área da poligonal pelo Método Analítico de Gauss e elaborar a planta topográfica da mesma no ArcMap 10.1. 5 CAPITULO II: REVISÃO BIBLIOGRÁFICA Antes de tratar concretamente do ajustamento de observações pelo MMQ propriamente dito, visto que para o presente estudo, o Ajustamento das Observações é direcionado para a área topográfica, faz-se necessário primeiro, apresentar a definição da Topografia bem como alguns conceitos da mesma que serão bastante usuais no decorrer do presente estudo. 2.1. Topografia De acordo com Antunes (1995) a Topografia é uma disciplina da Geodesia que na sua concepção clássica dedica-se na representação local de uma parcela da superfície terrestre, onde o efeito da curvatura da terra é considerado desprezível, ou seja, ela tem a superfície terrestre como um plano. Por outro lado Brandalize (1987) define a Topografia como descrição exacta e minuciosa de um lugar, que tem como finalidade determinar o contorno, dimensão e posição relactiva de numa porção limitada da superfície terrestre, do fundo dos mares ou do interior de minas, desconsiderando a curvatura resultante da esfericidade da terra. Por outro lado a Topografia tem como objectivo, o estudo dos instrumentos e métodos utilizados para se obter a representação gráfica de um lugar (Augusto et al. 2012). Para Wolf (1977) citado por Veiga et al. (2012) o trabalho prático de Topografia pode ser dividido em cinco (5) etapas a saber: Tomada de decisão – são relacionados os métodos de levantamento, equipamento, posição ou pontos a serem levantados; Trabalho de campo ou aquisição de dados – são efectuadas medições bem como a gravação de dados; Cálculo ou processamento – baseando-se nas medidas obtidas elaboram-se os cálculos afim de determinar as coordenadas, volumes dentre outros; Representação ou mapeamento – a partir dos dados medidos são produzidas as cartas ou mapas; e 6 Locação – neste processo é feita a implantação. 2.1.1. Levantamento Topográfico Segundo Fonte (1996) o levantamento topográfico é a operação de recolha de informação necessária para a elaboração de uma planta ou carta topográfica de uma região. Porém, Antunes (1995) acrescenta que para a coordenação dos pontos, as distâncias bem como os ângulos (coordenadas polares) são medições estritamente necessárias para o levantamento topográfico. Os levantamentos topográficos são, em geral apoiados num conjunto de pontos de coordenadas geodésicas conhecidas, cuja determinação pertence à Geodesia (Fonte, 2004). Veiga et al. (2012) acrescenta que às operações efectuadas em campo tem como objectivo final a representação gráfica do fenômeno no papel. Os levantamentos topográficos podem ser realizados utilizandoos seguintes métodos (Fonte, 1996): Métodos topográficos clássicos – estes métodos têm como base fundamental a medição de ângulos e distâncias recorrendo a instrumentos tais como teodolitos, níveis e distanciometros; Método fotogramétrico - neste método a informação é obtida por via de fotografias aéreas métricas, ou imagens numéricas multiespectrais recolhidas por sensores instalados em satélites artificiais da terra; e O Sistema de Posicionamento Global (GPS) – este método utiliza receptores dos sinais emitidos pelos satélites da constelação GPS, permitindo a determinação precisa das coordenadas dos locais onde as antenas dos receptores são colocadas. 2.1.2. Poligonação Consiste em estabelecer no terreno polígonos irregulares do qual são medidos os ângulos entre alinhamentos consecutivos e as distâncias entre os vértices vizinhos, para se determinar as coordenadas 7 rectangulares de seus vértices (Silva et al. 2006). Antunes (1995) afirma que as poligonais são formadas por um número finito de lados, interligando em dois ou mais pontos de coordenadas conhecidas, designados de pontos de apoio, nos quais previamente também se conhece a orientação (Azimute). De acordo com Espartel (1987) citado por Brandalize (2002) o método de poligonação é utilizado no levantamento de superfícies relactivamente extensas e com relevo acidentado, este oferece maior confiabilidade no que diz respeito aos resultados. Brandalize (2002) acrescenta que o processamento dos dados neste método, inclui o fechamento dos ângulos horizontais, o transporte dos azimutes, o fechamento das distâncias horizontais, o transporte das coordenadas e o cálculo da área. As poligonais são divididas em 3 tipos a saber (Antunes, 1995): Poligonal aberta – este tipo de poligonal apoia-se em dois pontos coordenados e distintos ou seja, é uma poligonal com n pontos estacionados, apoiada nos seus extremos com orientação para pontos exteriores; Poligonal fechada com orientação interna – é uma poligonal com um único ponto de apoio ou seja, a mesma tem n pontos observados começa e termina no mesmo ponto onde o rumo de orientação é dado pela direcção de visada atrás no ponto de apoio; e Poligonal fechada com orientação externa – é uma poligonal com n-1 pontos, considerando n estações ou seja o primeiro ponto (de partida e de chegada) é estacionado no início e no fim da observação da poligonal. A orientação da poligonal é dada por uma direcção externa, assim sendo o rumo inicial e final de orientação da poligonal é o mesmo. Na fase do levantamento da poligonal, no sentido horário, medindo-se ângulos e distâncias horizontais percorre-se as estações da poligonal, uma a uma anotando os valores das observações dos pontos em cadernetas de campo apropriadas ou registadas na memória do próprio aparelho (Brandalize, 1987). Em seguida são ilustradas em forma de figuras os 3 tipos de poligonais: 8 Figura 1. Poligonal aberta (Adaptado pelo Autor) Figura 2. Poligonal fechada com orientação interna (Adaptado pelo Autor) Figura 3. Poligonal fechada com orientação externa (Adaptado pelo Autor) Az Az Az Az 9 2.2. Desvio Padrão O desvio padrão é uma medida que leva em consideração a totalidade dos valores da variável em estudo e não apenas os valores externos, como a amplitude total (Crespo, 2002). Esta medida de dispersão é a mais utilizada, isto porque, a mesma aponta de forma mais precisa a dispersão dos valores em relação à média aritmética (Nazareth, 2003). Segundo Lopes (2003) o desvio padrão mede bem a dispersão de um conjunto de dados e o desvio padrão de uma série será sempre um valor positivo e quanto maior esse valor, maior será a dispersão entre os elementos. O desvio padrão é dado pela seguinte expressão: S = √ ∑(xi− x̂ n−1 (1.0) De acordo com o mesmo autor, quando o desvio padrão é em relação à média que são as diferenças entre cada elemento da distribuição de valores e a média destes valores, calcula-se pela seguinte expressão: Sm = S √n (1.1) Sendo: 𝑥𝑖 - cada elemento do conjunto de dados; 𝑥 é media do conjunto; e n é o número de elementos do conjunto. 2.3. Teoria Dos Erros Sob ponto de vista de que, na sua maioria se não mesmo todas as observações topográficas resumirem- se em medição de ângulos bem como de distâncias verticais e horizontais, por influência de diversos factores dentre eles atmosféricos, instrumentais bem como humanos (observador) é de se esperar que as 10 observações estejam contaminadas por erros (Klein, 2011). Assim sendo as observações, o registo, manuseamento das observações e a imperfeição dos métodos levam-nos a valores contaminados por erros, isto é, o processo de observação está sempre sujeito a influência de variadíssimas fontes de erros (Antunes, 1995). Segundo Carvalho et al. (2007) os erros de observação não permitem que haja um fechamento geométrico adequado da poligonal e, portanto, é necessário que se faça um controle da qualidade dos erros nas observações de ângulos e distâncias. Para Antunes (1995) as causas dos erros podem ser de origem: Ambientais - tem como causa as variações das condições ambientais, como vento, temperatura dentre outras; Instrumentais - tem como causa a imperfeição na construção do equipamento ou ajuste do mesmo, sendo que na sua maioria podem ser reduzidos adoptando técnicas de verificação, calibração e classificação, além de técnicas particulares de observação; e Pessoais - tem como causa falhas humanas, tais como falta de atenção ao executar uma medição, cansaço, distração dentre outras. A teoria dos erros tem como finalidade o estabelecimento dum método seguro e conveniente, método este que possibilita estabelecer permanentemente o valor mais aceitável de uma grandeza, visto que é impossível tornar as medidas isentas de erros (Corrêa, 2012). 2.3.1. Tipo de Erros Amorim (2005) classifica os erros em 3 tipos a saber: Erros Grosseiros (Equivoco); Erros Sistemáticos ou acumulativo; e Erros Acidentais ou aleatórios. 11 Para além da classificação dos erros supracitadas, (Antunes, 1995) avança um quarto tipo de erro designado por erros periódicos. Este tipo de erro são de caracter determinísticos, visto que a cada um corresponde um outro mais ou menos igual porém, de sinal contrário. Dependendo do tipo de observação a sua grandeza varia. 2.3.1.1. Erros Grosseiros (Equivoco) A falha instrumental bem como a imperícia e descuido do operador, são as principais causas para o aparecimento dos erros grosseiros. Este é um tipo de erro que pode ser evitado tomando algumas precauções tais como cuidado e atenção, criando-se operações de controle, fazendo uma comparação dos valores obtidos com medidas já conhecidas, instruindo e treinando os operadores dos instrumentos e os responsáveis pelos registos (Amorim, 2005). Os erros grosseiros são todos aqueles, superiores a 3 vezes o desvio padrão. O estudo dos erros grosseiros vem ganhando grande importância devido a uma massiva utilização dos instrumentos eletrônicos, isto porque na sua maioria os dados são descarregados automaticamente e processados em computadores, onde o observador não tem a possibilidade de analisar estes mesmos dados (Dalmolin, 2002). Uma vez que no processo de descarga e processamento dos dados torna-se imperceptível pelo operador a existência de erros, faz-se necessário a introdução de metodologias automáticas que ajudem a detectar a existência desse tipo de erros para melhor tratar. Assim sendo existe uma parte do ajustamento que se dedica ao estudo deste tipo de casos e é denominada por Outliers (Klein, 2011). 2.3.1.2. Erros Sistemáticos ou Acumulativos Segundo Amorrim (2005) os erros sistemáticos têm tendênciasa ocorrer em um único sentido, conservando-se em medições sucessivas. Tem como causas a deficiência do instrumento, do observador, do método usado (modelo matemático) podem também ser provenientes de causas permanentes (conhecidas ou não) e seguem uma determinada lei. Sempre que uma determinada acção se repete nas mesmas circunstâncias, os erros sistemáticos repetem-se do mesmo modo e são erros que, quando conhecidos, podem sempre ser expressos através de uma formulação matemática. Quando se pretende 12 fazer um ajustamento das observações torna-se imprescindível que se tenha um conhecimento da fonte dos erros sistemáticos visto que antes de se efectuar o ajustamento faz-se necessário a eliminação deste tipo de erros (Fonte, 2005). Amorrim (2005) avança que os erros sistemáticos podem ser originados por 3 fontes diferentes a saber: Erros sistemáticos introduzidos pelo observador – quando por algum problema de visão do observador, as medidas têm discrepância sistemática em relação ao valor mais provável; Erros sistemáticos introduzidos pelo instrumento – uso de instrumentos em condições diferentes daquelas para as quais foram calibradas e instrumentos não calibrados; e Erros sistemáticos introduzidos pelo modelo matemático – utilização de modelos baseados em equações matemáticas não representativas do fenômeno. Porém, Gemael (1994) acrescenta que a correção dos erros sistemáticos pode ser feita comparando-se o instrumento utilizado com um instrumento padrão, ou ainda podem ser eliminados a posteriori mediante fórmulas fornecidas pela teoria. 2.3.1.3. Erros Acidentais ou Aleatórios Diferentemente dos erros sistemáticos os erros acidentais ou aleatórios não ocorrem em apenas um único sentido, assim sendo as suas causas são desconhecidas. Estes tipos de erros causam discrepâncias que a princípio se apresentam sem nenhuma conformidade matemática, ou seja não seguem nenhuma lei matemática. A sua influência sobre as observações é aleatória, sendo que qualquer tratamento deve ser baseado em teorias probabilísticas (Amorim, 2005). Para Fonte (2004) os Erros Acidentais são de pequena amplitude cuja origem é desconhecida e apresentam propriedades análogas às propriedades estatísticas de uma amostragem. A existência de erros aleatórios é uma característica inerente ao processo físico de medição, e é, uma propriedade das 13 observações. A teoria da distribuição dos erros acidentais é baseada em postulados sugeridos pela experiência prática. 2.4. Ajustamento nas Observações Uma vez feitas as observações de direcções e distancias em campo estas estão sujeitas a erros, é preciso que posteriormente seja feito um ajustamento dessas observações (Melo et al. 2012). O ajustamento é um ramo da Matemática Aplicada cujo o objectivo é adoptar solução única para problemas onde o número de observações é superabundante e o sistema de equações lineares é inconsistente. Tem ainda como objectivo a estimativa da qualidade da solução (Klein, 2011). Segundo Gemael (1994) o ajustamento de observações para além de ser um ramo da Matemática Aplicada, o mesmo usa-se da Estatística, para estimar valores únicos e mais prováveis para um conjunto de observações. O Ajustamento nas Observações é a ferramenta indicada para a análise na determinação da qualidade posicional dos vértices para se estimar a propagação de variância dos pontos a serem locados em obra (Segundo et al. 2015). 2.4.1. Ajustamento de Observações pelo Método dos Mínimos Quadrados De acordo com Gemael (1994) citado por Mendonça et al. (2010) o ajustamento de observações pelo Método dos Mínimos Quadrados surgiu independentemente com Gauss em 1795 sendo que Legendre em 1805 foi o primeiro a publicar o método, com maior difusão na Europa e nos Estados Unidos, somente em 1809 é que Gauss publicou suas conclusões. O ajustamento por MMQ permite verificar a precisão e variância das coordenadas e das observações como forma de identificar e separar erros de observação de reais deslocamentos. Quando se tem um conjunto de observações redundantes, que geram um conjunto de valores para um conjunto de parâmetros desconhecidos o MMQ permite por via dum modelo matemático obter um conjunto único de valores para este mesmo conjunto de parâmetros desconhecidos (Bisognin, 2006). No 14 ajustamento pelo MMQ somente as observações que contém erros acidentais podem ser tratadas. E no caso das observações estiverem contaminadas pelos erros grosseiros, essas devem ser eliminados e as contaminadas pelos erros sistemáticos essas devem ser corrigidas (Antunes, 1995). Krakiwsky (1975) citado por Bisognin (2006) divide o modelo de ajustamento pelo MMQ em: Modelo combinado com ponderação de parâmetros; Modelo combinado (ou implícito); Modelo paramétrico (ou de equações de observação); e Modelo dos correlatos (ou das equações de condição). As notações utilizadas nas equações matemáticas do presente estudo são baseadas em (Gemael, 1994). 2.4.1.1. Princípio do Método dos Mínimos Quadrados Segundo Fonte (1994) o MMQ é uma técnica geral, que se aplica para determinar parâmetros de uma relação funcional, entre duas ou mais grandezas de um fenômeno, ou o valor mais provável de uma única grandeza medida várias vezes. O critério do MMQ consiste em minimizar a função e tem como objectivo encontrar solução única para os parâmetros a serem estimados através da minimização da soma dos quadrados dos resíduos. Schaal (2006) acrescenta que o princípio dos MMQ estima o melhor valor para um parâmetro baseando-se numa série de observações ou medições e fornece parâmetros estimados com menores variâncias. O princípio fundamental do MMQ, é que a soma dos quadrados dos resíduos deve ser mínima (Gemael, 1994). ϕ = vtPv (2.0) Sabendo que: v é o vector dos resíduos associados às n observações l1,l2,...,ln, 15 vn,1 = [ v𝟏 v𝟐 ⋮ v𝐧 ] (2.1) A matriz dos pesos das observações é representada por P, é uma matriz quadrada de ordem n quando se trata de observações tidas como não correlacionadas ou independente a matriz P toma a seguinte forma: P = [ w𝟏 w𝟐 ⋱ w𝐧] = σ02 [ 1 σ12⁄ 1 σ12⁄ ⋱ 1 σn2⁄ ] (2.2) Nas observações não correlacionadas a matriz P é uma matriz diagonal, a função ϕ toma a seguinte forma: ϕ = ∑ (pivi 2)ni=l (2.3) No caso das observações para além de serem não correlacionadas são de precisão igual (pi = 1) tem-se: ϕ = ∑ (vi 2)ni=l (2.4) Deste modo as observações ajustadas serão os elementos do vector l̂ = l + v, onde l é o vector das observações e v o vector dos resíduos que tornam a função ϕ mínima. 2.4.1.2. Problema dos Mínimos Quadrados De acordo com Bisognin (2006) independentemente da distribuição dos resíduos, o valor médio aritmético (média aritmética) é uma medida de localização estimada pelo MMQ. 16 Considerando a amostra, x1,x2,...,xn, a mesma pode ser escrita do seguinte modo, x = [xi]nx1, e os respectivos desvios vl em relação à média: [ x̅ − x1 x̅ − x2 ⋮ x̅ xl ⋮ x̅ xn ] = [ v1 v2 ⋮ vl ⋮ vn] = 1∙x̅ – x = v (3.0) No princípio do MMQ a soma dos resíduos (desvios vl) tem de ser mínima e a sua notação vectorial é : vTv = mín (3.1) Verifica-se em problemas ligados a Topografia e Geodesias, que o número de observações (n) é superior ao número de incógnitas (u) deste modo a igualdade (n = u) não se faz necessário o usodo MMQ, visto que este problema é possível resolver socorrendo-se da álgebra linear (Bisognin, 1997). nAu ∙ ux1 =n l1 b+nv1; n > u (3.2) O problema da inconsistência da solução no sistema de equações, reside no facto de, as observações conterem sempre erros, assim sendo com a introdução dos resíduos possibilita a remoção da inconsistência (Fonte, 1994). O melhor estimador é tido como aquele que conduz a resíduos que satisfazem a seguinte condição: vTv = mín; isolando em nAu ∙ ux1 =n l1 b+nv1 tem-se: Φ = (ATx̂T - LbT)(Ax̂ - lb) = mín (3.3) Aplicando as propriedades matriciais e a derivação das formas quadráticas e bi lineares tem-se: 17 ATAx̂ - ATlb = 0 (3.4) Este sistema é de c equações normais a u incógnitas. Não havendo singularidade na matriz dos coeficientes das incógnitas, a solução do sistema é: x̂ = (ATA)−1 ATlb= 0 (3.5) 2.4.2. Atribuição dos Pesos nas Observações As precisões relactivas das observações vão estimar o peso de uma observação. Pode-se duma certa forma dizer-se que, se uma observação é boa então tem um bom peso pois uma boa medição precisa apresentar pequenos valores no desvio padrão (Santos, 2006). Caso as observações não sejam de precisão igual, as mesmas mediante a multiplicação por pesos podem ser homogeneizadas. O peso será sempre maior quanto maior for a confiança que uma observação inspira, ou seja, quanto maior for o valor da variância amostral (σ̂2) maior será o peso (Bisognin, 2006). Santos (2006) sustenta que o processo de atribuição dos pesos deve ser feito duma forma muito cuidadosa, levando em consideração diferentes factores tais como: Tipo de instrumento; Operador; Condições atmosféricas para o instrumento utilizado; Horário de observações indicado; e Instalação no campo de cada instrumento; Quando as observações são independentes e de igual precisão, a matriz dos pesos bem como a matriz co- factora serão matrizes identidades (I) e quando as observações forem independentes e de precisão 18 diferente a matriz peso será representada por uma matriz diagonal formada pelo inverso de cada precisão (Santos 2006). Para montar a matriz dos pesos é necessário que se conheçam as precisões com que foram obtidas as observações (ângulos e distâncias). Caso não tenha sido feito medidas repetidas para obtenção das precisões das observações, pode-se considerar a precisão nominal do aparelho. Essa matriz será diagonal, devido a não consideração das correlações entre as observações (Salles et al. 2007) 2.4.3. Matriz Variância-covariância Na fase de pré-ajustamento bem como na fase de pós-ajustamento a matriz variância-covariância é de extrema importância, visto que é através da mesma que se obtém as precisões finais das observações ajustadas e dos erros marginais (Klein, 2011). É importante estimar a precisão das medidas efectuadas, antes do ajustamento para formar a matriz variância-covariância dos valores observados que juntamente com o factor de variância de peso a priori (σ0 2) determinará a matriz dos pesos (Amorim, 2005) P = σ0 2∑−1 lb (4.0) 2.4.4. Factor de Variância Os factores σ0 2 e σ̂0 2, são conhecidos como variância de unidade de peso a priori e variância a posteriori respectivamente, o primeiro factor é atribuído pelo calculista e geralmente o valor atribuído é um (1) enquanto que o segundo é obtido após o ajustamento em função dos resíduos e é representado pela seguinte equação (Santos, 2006): σ̂0 2 = VTPV r (4.1) Onde: r - que é a redundância é obtido pela diferença entre o número de observações (n) e o número de incógnitas (u). 19 Segundo Bisognin (2006), Hamilton (1964) mostrou que no caso a posterior (σ̂0 2 não conhecido) a região de confiança para os parâmetros ajustados é determinada pela distribuição de Fischer, e se for conhecida a região de confiança é descrita pela distribuição de qui-quadrado. 2.4.5. Modelo Matemático O Modelo Matemático é uma relação funcional entre as observações e parâmetros (incógnitas) (Monico, 1988). Para Fonte (1994) o Modelo Matemático é a representação abstrata dum fenômeno no mundo real, ou seja, é o modo pelo qual uma situação física é descrita. A formação dum modelo pode variar de um ponto de vista para o outro, pois um mesmo fenômeno físico pode ser descrito por mais de um modelo. O estabelecimento do Modelo Matemático a considerar deve ser feito e precisa ser especificado antes de iniciar a fase de aquisição dos dados num levantamento. Um certo número de variáveis bem como um conjunto de relações entre elas servirá de base para a construção do modelo, escolhendo desta feita as grandezas a observar, o número de observações que deverão ser feitas e a sua precisão. O estabelecimento do Modelo Matemático, nas investigações cientificas e tecnológicas, é uma das etapas iniciais e de maior importância, isto porque possibilita as interligações entre as variáveis conhecidas e as variáveis desconhecidas de um fenômeno em estudo, de maneira simplificada e que seja adequada aos cálculos (Santos, 2006). Os Modelos Matemáticos são frequentemente compostos pelos Modelos Funcionais e Estocástico (Mikhail e Ackermann, 1976 citado por Santos, 2006). Devido à importância da determinação do Modelo Matemático Teunissen (2003) considera que, a determinação de um Modelo Matemático apropriado pode ser considerada a “arte” da disciplina. 2.4.5.1. Modelo Funcional Este modelo é usado quando no problema se pretende descrever a geometria bem como as características físicas dum determinado problema ou seja o Modelo Funcional descreve as propriedades determinísticas do fenômeno físico ou considerações sobre o evento (Fonte, 1994). Segundo, Teunissen (2003) o Modelo 20 Funcional descreve duma maneira teórica, a realidade física do problema, e é, o grau de aproximação entre a realidade física do problema e do Modelo Funcional adoptado, intimamente ligado ao nível de incerteza considerado aceitável, evitando custos extras aos propósitos do ajustamento. O número de observações feitas é que ditará a necessidade de se fazer ou não um ajustamento, se as observações forem mais do que o número mínimo de variáveis independentes que permitem definir o modelo escolhido de uma forma única, será necessário ajustar as observações para que se tenha uma solução única (Fonte, 1994). Designando o número mínimo por n0, fazendo-se n observações, com n > n0, assim sendo a redundância r (número de graus de liberdade) é dada por: r = n - n0 (5.0) Se tivermos u parâmetros independentes no ajustamento o número de condições a escrever será: c = r + u (5.1) A este caso considera-se como sendo o caso geral dentro do grupo das técnicas contendo parâmetros independentes. Quando u = 0, o que implica c = r e quando u = n0, o que implica que c = n, estes casos são tidos como casos extremos. Só será possível que o número de condições exceda o número de observações (u > n0) no caso em que os parâmetros não sejam independentes assim sendo faz-se necessário verificar as seguintes desigualdades: r ≤ c ≤ n e 0 ≤ u ≤ n0 (5.2) Escolhidos os parâmetros a envolver no ajustamento, constrói-se as c equações de condição independentes, com os u parâmetros e as n observações. 21 Quando se trabalha com ajustamento de redes obtidas por triangulação,trilateração e poligonação as observações obtidas não são lineares, assim sendo faz-se necessário a linearização das mesmas utilizando a formula de Taylor. Esta linearização vai introduzir um erro de aproximação, erro este tanto menor quanto melhor forem os valores aproximados do vector (Dalmolin 2002, citado por Ivandro, 2011). A forma linearizada do modelo funcional do caso geral é a seguinte: Av + B∆ = f (5.3) sabendo que: V – vector dos resíduos, vn,1 = [ v1 v2 ⋮ vn ] (5.4) ∆ - vector das correcções dos parâmetros ∆u,1 = [ x1 x2 ⋮ xu ] (5.5) A – matriz Jacobiana jfl = ( δfi δli ) 0 , Ac,n = [ δf1 δl1 δf1 δl2 . . . δf1 δln δf2 δl1 δf2 δl2 . . . δf2 δln ⋮ δfc δl1 δfc δl2 . . . δfc δln] (5.6) B – matriz Jacobiana jfx = ( δfi δxi ) 0 , Bc,u = [ δf1 δx1 δf1 δx2 . . . δf1 δxu δf2 δx1 δf2 δx2 . . . δf2 δxu ⋮ δfc δx1 δfc δx2 . . . δfc δxu] (5.7) 22 L – vector coluna das observações, ln,1 = [ l1 l2 ⋮ ln ] (5.8) 2.4.5.2. Modelo Estocástico De acordo com Fonte (1996) o Modelo Estocástico descreve as propriedades não determinística ou estocásticas das variáveis, principalmente as variáveis que representam as observações. No modelo estocástico são descritas as propriedades estatísticas dos elementos que estão envolvidos no modelo funcional. Teunissen (2006) acrescenta que o modelo estocástico é de fundamental importância para a análise da qualidade e confiabilidade do ajustamento. Gemeal (1994) avança que o Modelo Matemático pode envolver observações directas, observações directas condicionadas ou observações indirectas. Observações directas – são observações tidas quando as incógnitas do problema a resolver são as próprias grandezas mensuradas; Observações directas condicionadas - estas observações também são directas mas se relacionam por via de equações de condição; e Observações indirectas – este tipo de observações ocorre quando os parâmetros do problema a resolver não são directamente as grandezas mensuradas, mas se relacionam com estas por via de um Modelo Matemático. 2.4.6. Modelo de Ajustamento com Equações de Observação (Método Paramétrico) Nesta técnica de ajustamento, também conhecida como Ajustamento de Observações Indirectas, as observações não se processam directamente sobre as grandezas procuradas ou sobre os parâmetros que se pretende conhecer. É através de Modelos Matemáticos que elas se vinculam aos parâmetros 23 desconhecidos, ou seja, necessita de formulação de equações, para que relacionem os parâmetros às observações e é por via das medições directas que geralmente estas grandezas são obtidas (Santos 2006). Segundo Fonte (1994) o Método Paramétrico caracteriza-se pelo facto de cada uma das equações que formam o Modelo Funcional contém apenas uma observação e essa observação tem coeficiente unitário assim sendo têm-se n observações e u parâmetros. Os parâmetros e as observações serão ajustados pelo Modelo Funcional Linearizado representado pelo sistema Av + B∆ = f. Este é um sistema com c equações lineares com n + u incógnitas, que são os elementos dos vectores v e ∆ (Idem). No caso geral obteve-se como forma linearizada do Modelo Funcional Av + B∆ = f sabendo que: A = ( δf δl )0 e B = ( δf δx )0 Uma vez que no Método das Equações de Observação cada função f contém apenas uma observação com coeficientes unitários, a matriz A reduz-se a matriz identidade e terem-se como Modelo Linearizado: v + B∆ = f (6.0) Pode-se ainda representar a forma linearizada do modelo paramétrico como sendo: f = d – l ⟺ 1 + v + B∆ = d com d = - f(l, x0) + l0 (6.1) De acordo com Fonte (1994) no caso especifico (Método Paramétrico) as expressões que permitem calcular as variáveis do problema (v e ∆) podem ser obtidas de forma análoga, a partir do caso geral, substituindo apenas a matriz A pela matriz identidade ficando: 24 v = f - B∆ (6.2) ∆ = N−1t (6.3) Sabendo que: N = BtPB e t = BtPf As observações ajustadas serão dadas pela expressão: l̂ = l + v (6.4) Segundo Amorim (2005) o processo de linearização do Modelo Matemático Funcional f, é realizada por meio de um processo iterativo, onde os parâmetros aproximados são actualizados a cada iteração e o processo converge quando o vector das correções se aproxima de zero ou quando for igual ou inferior a um valor de limiar pré-estabelecido. 2.4.7. Qualidade do Ajustamento das Observações Feito o ajustamento, com vista a avaliar a qualidade do ajustamento um estudo comparativo entre a variância a priori e a variância a posteriori é realizado. Geralmente é no início do ajustamento que arbitrariamente se atribui um valor para a variância a priori, geralmente para este valor se adopta a unidade. Independentemente do valor atribuído a variância a priori, este valor não irá influenciar no vector solução do ajustamento, mas o mesmo ira fazer-se sentir na matriz dos coeficientes das equações normais (Santos, 2006). O teste estatístico é um dos mecanismos do qual o ajustamento das observações dispõe para o controle de qualidade no ajustamento. O método estatístico detecta e remove possíveis erros, basicamente os erros grosseiros e nos parâmetros desconhecidos este teste avalia os efeitos dos erros grosseiros não 25 detectáveis. A probabilidade de se detectar falhas neste tipo de teste será maior, quanto mais controláveis forem as observações (Amorim, 2005). Quando se pretende fazer uma inspeção ao Modelo Estocástico que se tenha usado, faz-se necessário calcular a estatística afim de detectar os erros grosseiros, sabendo que (n - u) é o número de graus de liberdade do ajustamento no Modelo Paramétrico, ou seja, o número de equações superabundantes do sistema de equações normais. Com a variância de peso unitário a posterior σ̂0 2, sob nível de significância α deve ser testada estatisticamente a variância de peso unitário a prior σ0 2 (Bisognin, 1997). 3.1.1.1. Teste Bilateral A comparação da variância da unidade peso a priori com a variância da unidade de peso a posteriori é efectuada mediante o teste qui-quadrado na forma quadrática dos resíduos (Bisognin, 1997). A forma quadrática (6.1) segue uma distribuição x2 (qui-quadrado) (Gemael, 1994): σ̂0 2 = VTPV r (7.0) Segundo Salles (2007) a esperança matemática da distribuição qui-quadrado e grau de liberdade (r) para o Teste Bilateral, somente poderá ser atendida se a relação entre a variância a posteriori e a variância a priori for igual a um (1). Segundo Mikhail (1976) e Gemael (1994) citados por Teixeira (2005) o Teste Global Bilateral é realizado mediante a formulação das hipóteses nula e alternativa: 𝐻0 : σ0 2 = σ̂0 2 𝐻1 : σ0 2 ≠ σ̂0 2 26 E sabendo que os valores teóricos do qui-quadrado podem ser calculados pela seguinte expressão: X𝑐 2 = VTPV σ0 2 = σ̂0 2 ∗ 𝑟 σ0 2 (7.1) Para onível de significância α, seguindo o princípio do Teste Bilateral, a hipótese nula não será rejeitada ao nível de significância 𝛼, se estiver dentro do intervalo (Amorim, 2005): 𝑥𝑟,α 2 < X𝑐 2 < 𝑥𝑟,1− α 2 (7.2) Onde: 𝑥𝑟,α 2 e 𝑥𝑟,1− α 2 são valores teóricos. Segundo Gemael (1994) citado por Teixeira (2005) no caso de rejeição da hipótese nula, o ajustamento apresenta problema que se pode atribuir a diferentes causas tais como: Erros grosseiros; Sistema mal condicionado; Modelo Matemático inadequado; Erros de cálculo; Ponderação errônea das observações; e Problema na linearização. Assim sendo, ao se constatar que o Teste Global Bilateral falhou, esforços devem ser empregues para em princípio examinar e, consequentemente, solucionar possíveis problemas dos itens acima descritos. Na sequência, um novo ajustamento é feito e, se o Teste Global falhar novamente, pode-se atribuir a presença de erros grosseiros. 27 Com auxílio de uma tabela de distribuição qui-quadrado, podem se calcular os valores. Bastando para isso, entrar com o número do grau de liberdade (r) e o nível de significância α. Figura 4. Regiões de aceitação e rejeição do teste bilateral (Amorim, 2007) 2.4.8. Matriz Variância-Covariância dos Parâmetros Ajustados A MVC dos parâmetros estimados dada pela equação 6.7, é uma matriz completa e simétrica, permite determinar a precisão com que os parâmetros foram estimados. Onde na diagonal principal encontram- se valores de variância e fora da diagonal, valores de covariância (Salles et al. 2007). O cálculo da MVC dos Parâmetros Ajustados tem como finalidade averiguar com que precisão os valores mais prováveis das grandezas pretendidas foram determinados (Fonte, 1994). A matriz Variância-Covariância dos Parâmetros Ajustados é dada pela seguinte expressão: ∑ =𝑥𝑦 σ̂0 2 (BtPB )−1 (6.7) Sabendo que: σ̂0 2 – é a variância a posteriori; B – é a matriz design; e P – é a matriz dos pesos. 28 CAPITULO III: CARACTERIZAÇÃO DA ÁREA DE ESTUDO 3.1. Localização Geográfica do Posto Administrativo de Magude O Posto Administrativo de Magude localiza-se no Distrito de Magude, Província de Maputo e faz limite com 2 Distritos da Província de Maputo (Manhiça e Moamba) e 1 da Província de Gaza (Bilene). Limitando-se à Norte no Distrito no qual faz parte pelos Postos Administrativos de Motaze e Mahele e a Noroeste pelo Posto Administrativo de Panjane, á Nordeste é limitado pelo Distrito de Bilene, á Este e Sudeste pelo Distrito de Manhiça e a Sul, Sueste e Oeste é limitado pelo Distrito de Moamba. O Posto Administrativo de Magude está localizado aproximadamente entre as coordenadas geográficas, 32⁰ 22ʹ 32ʺ e 32⁰ 56ʹ 37ʺ de longitude Este e entre os paralelos 24⁰ 41ʹ 57.4ʺ e 25⁰ 18ʹ 59ʺ de latitude Sul. E possui uma extensão territorial de 1.800 km2. 29 Figura 5. Mapa de Localização Geográfica da Área de Estudo (Adaptado pelo Autor) 30 Visto que a área em estudo encontra-se inserida no Distrito de Magude e não apresenta características físicas naturais diferentes das gerais do Distrito de Magude, usou-se das características gerais do Distrito de Magude para descrever as características físicas-geográficas da mesma. 3.2. Solos e Relevo Relactivamente aos solos o Distrito de Magude apresenta formações de solos argilosos vermelhos com boa fertilidade, em algumas zonas deste Distrito pode-se encontrar também solos francos-argilosos- arenosos acastanhados de fertilidade intermedia a boa. Neste Distrito há ainda existência de solos fluviais com um elevado índice de fertilidade, entretanto são de difícil lavoura, sendo que uma parte deste problema deve-se ao facto de que estes solos apresentarem excessos de água e salinidade. Há ainda existência de solos delgados pouco profundos, rochosos e não propícios à pratica da agricultura, estes tipos de solos, se verificam ao longo da fronteira com a República da África do Sul (RAS) (INE, 2005). Ainda de acordo com a mesma fonte, o Distrito de Magude possui formações extrusivas sedimentares que tem início na Suazilândia e é na fronteira com a República da África do Sul (RAS) onde se destacam os solos da era quaternárea (Basaltos, Riolitos e Tufos vulcânicos). No interior do Distrito de Magude predominam os conglomerados e calcários, com uma espessura que chega a atingir cerca de 20 metros e na bacia do Incomáte, verifica-se a existência de fosforites. Na zona do posto administrativo de Mapulanguene e numa faixa de Catusse passando pelos Montes Libombos há existência de ágatas. De acordo com o Perfil do Distrito de Magude (2005) no que concerne ao relevo, o Distrito de Magude apresenta em determinadas áreas cotas que não ultrapassam os 100 metros e em outras áreas cotas que oscilam entre 100 e 200 metros, ou seja o Distrito tem fundamentalmente áreas planas. 3.3. Clima De acordo com o INE (2005) o clima deste Distrito é classificado como subtropical seco, com uma Temperatura Média Anual (TMA) que varia de 22 a 24 ºC, o Distrito apresenta ainda uma Pluviosidade Média Anual (PMA) de 630 mm. Pode-se encontrar neste Distrito duas épocas distintas, de Outubro a 31 Março e de Abril a Setembro sendo que a primeira época é tida como quente e de pluviosidade elevada e é nesta época que se verifica 80% da precipitação anual, a segunda época é tida como a época fresca e seca. 3.4. Hidrografia Tal como os diversos rios, distribuídos ao longo do país, os rios do Distrito de Magude são de regime periódico, ou seja eles correm em determinados períodos, existindo períodos de muito baixo caudal principalmente na época seca (Abril a Setembro). O Distrito de Magude é atravessado pelo rio Incomáti e os seus afluentes Mazimuchopes, Massintonto e Uanétze. CAPITULO IV: IMPLEMENTAÇÃO PRÁTICA DOS MATERIAIS E METODOLOGIA USADAS NA REALIZAÇÃO DO ESTUDO Neste capitulo serão descritos os matérias e métodos usados na realização do estudo, no entanto para o levantamento bem como o processamento de dados serão apresentados em simultâneo os resultados dos mesmos. Porém, visto que o Ajustamento das Observações pelo MMQ pela sua natureza é de caracter iterativo como resultados serão apresentados somente os resultados da última iteração (terceira) as restantes duas iterações estão patentes nos anexos. 4.1. Instrumentos e Equipamentos Usados: Segundo Corrêa (2012) todas as observações topográficas se resumem na medição de uma distância, ângulo ou de uma diferença de nível, assim sendo as grandezas que nos interessam são medidas por intermédio dos nossos sentidos e com auxílio de instrumentos. Porém, Fonte (1996) avança que os instrumentos usados no método clássico, método que tem como base a medição de ângulos e distancias são instrumentos tais como teodolitos, níveis e distanciometros. 32 4.1.1. No Trabalho de Campo É necessário que a informação proveniente do campo para além do conjunto de coordenadas e designações dos pontos de pormenor, a mesma também deve conter informação de categorização e conexão dos elementos bem como croquis que representem o levantamento, de forma a poder ajudar na edição topográfica visto que este é um procedimento efectuado no gabinete. Assim sendo a informação que vem do campo e passa para o gabinete deve ser completa e sem causar nenhum tipo de ambiguidade ou omissão, pois normalmente quem edita não é quem executa o levantamento (Antunes, 1995). Deste modo a utilização de instrumentos e equipamentos adequados na realização dos trabalhos topográficos é imprescindível para a qualidade do produto final. Para a realização do trabalho de campo, fez-se necessário os seguintes instrumentos e equipamentos: Um receptor GPS (GARMIN eTrex 30X) com uma precisão de até 2m, com a capacidadede efectuar ligação a mais de 24 satélites quando estiver a utilizar os dois sistemas GPS e GLONASS; Um teodolito electrônico completo (STONEX) para a medição de ângulos com uma precisão de até 5ʺ; Uma trena de 100m para medição de distâncias horizontais; e Uma catana para cortar os arbustos que impediam a visibilidade entre os pontos bem como a passagem, um martelo para ajudar no processo de cravação de estacas e uma caderneta de campo onde foram registrados todos os elementos levantados no campo. 4.1.2. No Gabinete Quaisquer dos métodos topográficos requer, para além do trabalho de recolha de informação, denominado de trabalho de campo, a posterior execução de ajustamentos e cálculos necessários à obtenção das quantidades pretendidas, a que se chama usualmente trabalho de gabinete (Fonte, 1996). 33 Para a realização do trabalho de gabinete, fez-se necessário os seguintes materiais: Uma máquina calculadora (Cientifica) para efectuar os cálculos aritméticos; e Um computador (portátil), foi neste computador onde foram instalados todos os programas computacionais usados no processamento dos dados. 4.1.3. Programas Computacionais Usados e Processamento dos Dados A informática (tecnologias de informação) é meio auxiliar para se desenvolver as actividades em um processo, atingir os objectivos estabelecidos e se chegar a um determinado fim (Moran et al. 2000). As novas possibilidades de informação se bem utilizadas, poderão tornar os trabalhos mais eficiente. Falar de avanços tecnológicos no contexto da Topografia, é dizer que neste campo houve completa remodelação, tanto nos métodos e equipamentos de levantamentos, como nas ferramentas utilizadas para cálculos, desenhos e análises de dados geográficos (Alencar, 2004). O processamento dos dados levantados em campo associados as caracteristicas dos equipamentos utilizados bem como os métodos, técnicas e procedimentos usados nas medições é que vão garantir a precisão nos resultados finais dos levantamentos de dados topográficos (Orth, 2008). O processamento dos dados consistiu no cálculo de coordenadas e observações ajustadas, MVC dos Parâmetros Ajustados, elaboração da planta da poligonal e cálculo da área da mesma. Na realização do estudo teve-se como programas computacionais e o processamento pelos mesmos o seguinte: 4.1.3.1. Microsoft Excel 2013 O Excel 2013 faz parte do pacote de produtividade da Microsoft System de 2013 que sucede ao Office 2010 para além de ser uma base de dados, é também uma folha de cálculo automática, permiti a introdução de funções que facilitam até as mais complexas operações, bem como a simplificação de 34 repetição de operações. Em relação ao seu ante sucessor (Office 2010) este apresenta novas funcionalidades nas categorias de matemática e trigonometria, estatística, engenharia, data e hora, pesquisa e referências, logica e funções de texto. Em relação as funcionalidades anteriores ressaltar que para esta versão foram aprimoradas e algumas chegaram até a serem substituídas de modo a fornecer maior exactidão (Pinto, 2013) A utilização deste programa (Excel 2013) para o presente estudo consistiu em, modelar uma planilha, onde na mesma foram introduzidas formulas para o cálculo automático dos parâmetros aproximados, o vector dos valores independentes (f) a matriz design (B), ajuste dos parâmetros e observações e cálculo da área da poligonal. A modelação da planilha consistiu em: Introduzir formulas na planilha onde basta-se introduzir os dados observacionais e o azimute a mesma automaticamente calculava os parâmetros aproximados; Introduzir formulas na planilha que calculassem as 378 derivadas para a formação da matriz B, onde bastasse introduzir na planilha, os parâmetros aproximados, os azimutes e as observações (ângulos e distancia) a mesma procedia a formação da matriz B; Introduzir formulas na planilha para o cálculo do vector f, onde basta-se introduzir os parâmetros aproximados, os azimutes e as observações (ângulos e distancia) a mesma procedia a formação deste vector; e Introduzir formulas do Modelo Analítico de Gauss para o cálculo da área da poligonal, onde com a introdução dos parâmetros ajustados a mesma procedeu com o cálculo da área da poligonal. 4.1.3.2. Jupyter Notebook O Jupyter Notebook é um programa do projecto Ipython, que fornece um conjunto de ferramentas para a computação cientifica usando shells interactivos avançados que combinam a execução do código com a criação de um documento de computação activo. 35 Visto que o ajustamento pelo MMQ é baseado em operações com matrizes (Matriz inversa, transposta, multiplicação, adição e escalonamento) e neste caso as matrizes apresentavam dimensões que numa máquina calculadora convencional não seriam suportadas, e mesmo sendo suportadas levariam bastante tempo para que se tivesse os resultados destas operações, não obstante de que usando uma máquina calculadora convencional corria-se o risco de cometer-se erros grosseiros no processo de transcrição dos valores, viu-se no Jupyter Notebook a solução para estes problemas todos, isto porque, o mesmo permite a introdução de funções de leitura de ficheiros em variados formatos no caso Excel (formato que estão as matrizes B, f e P) permite operação com dados que estiverem nestes ficheiro e a posterior gravação dos resultados obtidos em diferentes formatos. Sem contar que o mesmo corre no PC assim sendo, a rapidez na execução das operações depende da capacidade de processamento que o PC oferece, quanto maior for a capacidade de processamento do PC maior será a rapidez na execução das operações. Em forma de Anexos são apresentados todos os códigos escritos em Python, desenvolvidos para a concretização do presente estudo os mesmos partem do anexo 15 até o anexo 26: 36 4.1.3.3. ArcGIS De acordo com Silva (2010) o ArcGIS é um produto da empresa americana ESRI (Enviromental Systems Research Institute) e é um conjunto integrado de programas de Sistemas de Informação Geográfica (SIG) que fornece ferramentas baseadas em padrões para a realização de analise espacial, armazenamento, manipulação, processamento de dados geográficos e mapeamento e o mesmo é constituído por: ArcCatalog; ArcMap; ArcToolBox; ArcScene; e ArcGlobe. A porção da superfície terrestre, levantada topograficamente, é representada através de uma Projeção Ortogonal Cotada e denomina-se Superfície Topográfica. Ou seja, não só os limites desta superfície, bem como todas as suas particularidades naturais ou artificiais, serão projectados sobre um plano considerado horizontal (Brandalize, 2002). A esta projeção ou imagem figurada do terreno dá-se o nome de Planta ou Plano Topográfico (Espartel, 1987). Actualmente a utilização dos CADʹs (Desenho Assistido por Computador) está generalizada na edição cartográfica, a edição topográfica ou mais genericamente, edição cartográfica é a componente dos CADʹs que elabora a carta ou planta em formato digital sempre convertida em formato analógico através da impressão em impressoras sofisticadas a jacto de tinta ou a laser (Antunes, 1995). Para o presente trabalho a representação gráfica no ArcGIS consistiu em: Importação das coordenadas ajustadas para o ArcMap; Atribuição do sistema de projecção; 37 Criação de um shapefile (forma de armazenamento de dados vectoriais da ESRI, armazena formato, posição e atributos de feições gráficas) no ArcCatalog; Com as ferramentas de edição (Editor) fez-se a edição dos dados (coordenadas ajustadas e o shapefile) introduzidos no ArcMap; e Elaborou-se o layout da planta topográfica da poligonal que pode ser vista no anexo 27. 4.2. Métodos Usados: 4.2.1. Revisão Bibliográfica No que concerne a revisão bibliográfica, para a realização do presente estudo foram revistas obras que duma forma
Compartilhar