Proposição de um Estimador Pontual para Incerteza Vertical de Levantamentos Hidrográficos

Ter o conhecimento da morfologia submersa dos ambientes aquáticos sempre foi um desafio, justamente pelas dificuldades inerentes em caracterizar e explorar as ocorrências não aparentes dessas superfícies. A descrição das características dos oceanos, rios, lagos e outros corpos d'água possibilitam a obtenção de informações batimétricas úteis a diversas áreas, como para a navegação marítima ou fluvial, obras civis, prospecção de recursos minerais, etc. Α partir das informações de profundidade pode-se ter o estabelecimento de práticas voltadas para o planejamento e execução de inúmeras atividades de hidrografia. Os levantamentos hidrográficos, empregados atualmente, são realizados por sistemas acústicos como ecobatímetros monofeixe, multifeixe e sonares interferométricos. Contudo, independente da tecnologia utilizada, os dados coletados sempre conterão incertezas, podendo ser de natureza grosseira, sistemática ou aleatória. Se os dados estiverem eivados de incertezas não aceitáveis a uma dada tolerância definida por norma, tais informações podem não ser acuradas para determinados propósitos. Um dos estimadores geralmente utilizados, o RMSE (Root Mean Square Error) é altamente influenciado pela presença de outliers nas amostras, podendo não ser adequado para descrever a qualidade estatística do conjunto de observações. Desta forma, o objetivo dessa pesquisa é a proposição de um estimador pontual visando quantificar a incerteza vertical de levantamentos batimétricos, denominado Incerteza Robusta, que diferentemente dos estimadores utilizados na maioria das vezes, é resistente a outliers e independe da distribuição de probabilidades da amostra. Para o estabelecimento do intervalo de confiança deste estimador foi usada a técnica Bootstrap. Foram realizados experimentos com dados simulados, bem como o uso de dados reais, referentes a duas áreas de estudo. Α partir dos resultados obtidos, pôde-se verificar o desempenho do estimador proposto, que nitidamente mostrou-se resistente aos possíveis outliers presentes no conjunto de dados. Pôde-se perceber também, que a presença dos outliers nas bases de dados teve pouca influência nas estimativas pontuais de incerteza, mostrando sua eficiência e robustez.