Los sistemas globales de navegación por satélite se han vuelto omnipresentes en las sociedades basadas en la tecnología moderna y en los datos, y admiten muchas más aplicaciones más allá de las actividades de posicionamiento, navegación y cronometraje (PNT).

A medida que las señales GNSS viajan desde sus transmisores satelitales, principalmente en órbita media terrestre (MEO), hasta los receptores, ya sea en satélites de órbita baja terrestre (LEO) o en estaciones de seguimiento terrestres, experimentan diversos efectos atmosféricos. Los retrasos en las señales troposféricas se encuentran entre los factores más importantes que contribuyen a los errores de posicionamiento en GNSS, y ejercen una influencia crucial en la precisión una vez abordadas las incertidumbres orbitales y de los relojes del satélite y del receptor.

Cuando las señales GNSS viajan a través de la troposfera, aproximadamente los 15 km inferiores de la atmósfera, se encuentran con niveles variables de vapor de agua, temperatura y presión que ralentizan y distorsionan su trayectoria. Este efecto se suele descomponer en dos componentes: un retardo hidrostático relativamente estable, vinculado a la presión atmosférica, y un retardo húmedo muy variable, impulsado por el vapor de agua.

Las estrategias avanzadas de procesamiento GNSS se basan en funciones cartográficas para proyectar estos retrasos experimentados en la línea de visión entre el receptor y el satélite en retrasos cenitales, mientras que los modelos estocásticos estiman las fluctuaciones del retraso húmedo y los gradientes horizontales. Al separar estos términos y ajustar cuidadosamente las restricciones de recorrido aleatorio o similares, los análisis GNSS pueden capturar cambios tanto graduales como rápidos del vapor de agua en la atmósfera.

Dado que el vapor de agua atmosférico es el gas de efecto invernadero natural dominante, es un parámetro clave para el estudio de los cambios climáticos, pero como también es un factor determinante para el tiempo, en particular la precipitación, las estimaciones de vapor de agua del GNSS desempeñan un papel fundamental en la predicción meteorológica moderna. Los productos atmosféricos derivados del GNSS, como el Retardo Total Céntico o las estimaciones de Vapor de Agua Precipitable, ayudan a determinar el momento y la ubicación de la precipitación cuando se asimilan a los modelos de predicción numérica del tiempo (PNT). Esto permite a los meteorólogos anticipar mejor las tormentas, el comportamiento de los ciclones tropicales o las fuertes lluvias y, en última instancia, refinar las alertas de clima severo. Dado que el vapor de agua desempeña un papel directo en los procesos de precipitación, los productos atmosféricos oportunos derivados del GNSS a menudo conducen a predicciones de lluvia, pronósticos de viento local y tiempos de tormenta más precisos. Además, con redes GNSS densamente distribuidas, es posible habilitar métodos similares a la tomografía, produciendo reconstrucciones tridimensionales de los campos de vapor de agua. Estos son particularmente interesantes para estudiar algunos de los procesos físicos en las tormentas.

Más allá de la meteorología operativa, los Sistemas Globales de Navegación por Satélite (GNSS) desempeñan un papel cada vez más importante en la investigación climática. Los registros a largo plazo de los retrasos troposféricos proporcionan conjuntos de datos de alta resolución que capturan cambios graduales en la distribución de la humedad, lo que fundamenta estudios de precipitaciones extremas, cambios en la nubosidad, temperatura y retroalimentación de la humedad. Estos registros son especialmente valiosos, ya que ofrecen observaciones continuas las 24 horas del día, complementando otros sistemas de observación, como las radiosondas o la teledetección por satélite, que pueden no ser tan frecuentes ni espacialmente densos. Reconociendo la necesidad de este seguimiento a largo plazo, el Grupo Intergubernamental de Expertos sobre el Cambio Climático (IPCC) destaca la importancia de las observaciones consistentes del vapor de agua atmosférico para comprender la variabilidad y el cambio climáticos.

Al emplear las observaciones de múltiples constelaciones GNSS: GPS, GLONASS, Galileo, BeiDou, QZSS e IRNSS, los analistas logran una mejor cobertura espacial y un muestreo más frecuente, lo que mejora la resolución de las estimaciones atmosféricas. Esta información ayuda a identificar fenómenos localizados, como células convectivas o frentes de brisa marina, que de otro modo podrían pasar desapercibidos con las observaciones meteorológicas convencionales. Además, en zonas con redes de estaciones meteorológicas dispersas, los Sistemas Globales de Navegación por Satélite (GNSS) aportan un complemento crucial y de bajo costo, que mejora nuestra comprensión de los fenómenos meteorológicos extremos de corta duración y las variaciones climáticas a largo plazo.

A pesar de estos avances, la modelización troposférica sigue siendo compleja debido a la naturaleza dinámica del transporte de humedad y la rápida aparición de eventos convectivos. Las restricciones estocásticas, como los modelos de ruido de caminata aleatoria para el retraso húmedo, pueden no siempre ajustarse a la variabilidad atmosférica real, lo que provoca un subajuste durante picos repentinos de humedad o un sobreajuste en condiciones más estables. La investigación en curso explora restricciones adaptativas que cambian según indicadores meteorológicos casi en tiempo real, capturando así gradientes abruptos con mayor fidelidad.

En general, los retrasos troposféricos siguen siendo fundamentales para la precisión del GNSS y sirven como puerta de entrada a aplicaciones atmosféricas más amplias. Las mejoras continuas en la modelización de estos retrasos, el empleo de datos multiconstelación y la adaptación a pronósticos casi en tiempo real han impulsado importantes avances en la investigación meteorológica y climática. Los productos de alta frecuencia benefician a los usuarios que requieren ubicaciones rápidas y precisas, como en aviación, respuesta a desastres y asimilación de datos en modelos meteorológicos numéricos. Por otro lado, los registros a largo plazo rastrean la evolución de los patrones de vapor de agua a lo largo de estaciones, años y décadas. A medida que los métodos siguen perfeccionando la parametrización de la variabilidad troposférica, el GNSS está preparado para mejorar tanto la navegación en tiempo real como la monitorización a largo plazo del cambio climático terrestre.

El GGE cuenta con una capacidad establecida en el procesamiento de observaciones GNSS para la recuperación de vapor de agua atmosférico para su asimilación operativa en modelos NWP, estudios especiales de fenómenos meteorológicos severos y monitoreo a largo plazo.

Para aplicaciones en tiempo casi real (NRT), es decir, de asimilación operativa, el procesamiento se realiza en cuestión de minutos a horas tras la captura de datos, priorizando la puntualidad y la fiabilidad. Los datos GNSS pueden recopilarse desde redes de estaciones regionales hasta globales en minutos y luego procesarse, proporcionando soluciones actualizadas cada 30 o 60 minutos, con estimaciones de retraso de entre cinco y quince minutos.

En escenarios de rápida evolución, como la navegación para vehículos terrestres o aéreos, y también el seguimiento de tormentas, los productos atmosféricos derivados del GNSS pueden actualizarse con alta frecuencia en tiempo real, es decir, desde segundos hasta minutos. Estas actualizaciones frecuentes, utilizadas a menudo en la predicción meteorológica inmediata, son esenciales porque la distribución del vapor de agua, los perfiles de temperatura y los patrones meteorológicos locales pueden cambiar drásticamente, especialmente durante el desarrollo de tormentas convectivas.

Para aplicaciones de monitoreo a largo plazo, la consistencia y homogeneidad de los marcos de referencia de coordenadas, los productos satelitales y de sesgo GNSS, así como la estrategia de procesamiento y el modelado de mitigación de errores, son de suma importancia, ya que cualquier cambio en estos puede hacer que el registro climático derivado sea poco fiable. Para evitar interpretaciones erróneas, es necesaria una cuidadosa homogeneización de estos registros, como ocurre con la mayoría de los demás datos climatológicos.