Troposphere Modeling in a Regional GPS Network
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract. By using a regional network of Global Positioning System (GPS) reference stations, it is possible to recover estimates of the slant wet delay (SWD) to all GPS satellites in view. SWD observations can then be used to model the vertical and horizontal structure of water vapor over a local area, using a tomographic approach. The University of Calgary currently operates a regional GPS real-time network of 14 sites in southern Alberta. This network provides an excellent opportunity to study severe weather conditions (e.g. thunderstorms, hail, and tornados) which develop in the foothills of the Rockies near Calgary. In this paper, a 4-D tomographic water vapor model is tested using the regional GPS network. A field campaign was conducted during July 2003 to derive an extensive set of truth data from radiosonde soundings. Accuracies of tomographic water vapor retrieval techniques are evaluated for 1) using only ground-based GPS input, and 2) using a ground-based GPS solution augmented with vertical wet refractivity profiles derived from radiosondes released within the GPS network. Zenith wet delays (ZWD) are computed for both cases, by integrating through the 4-D tomography predictions, and these values are compared with truth ZWD derived from independent radiosonde measurements. Results indicate that ZWD may be modeled with accuracies at the sub-centimeter level using a ground-based GPS network augmented with vertical profile information. This represents an improvement over the GPS-only approach.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle