Assessment of Hydrographic Data Uncertainty for Seamless Reference Surface
Notice bibliographique
Résumé
The development of a seamless vertical reference surface is accompanied by a number of challenges pertinent to the availability, volume and uncertainty of bathymetric and topographic data. Data uncertainty, which is by far the most difficult to deal with, is attributed to various sources of errors including those of geodetic and hydrographic origin. The uncertainties in the geodetic measurements originate mainly from the limitations in the geodetic technique employed, i.e. terrestrial or space. Old nautical charts and topographic maps were based on terrestrial techniques, which are far less accurate than modern space techniques. In addition, the distribution of the positioning uncertainty is not expected to follow a consistent pattern across the chart (map). This is mainly due to the inconsistent datum distortion as well as the discrepancies in the measuring techniques in the subsequent chart (map) versions. The existing paper (and digitized) charts in many areas of the world were also based on old hydrographic surveying methods, for example the lead-line, which are far less accurate than modern techniques such as multibeam echo-sounding surveys. This creates inconsistent depth uncertainty across the chart. As uncertainties are propagated into the estimated transformation parameters, estimated positions and their covariance matrix, it is of utmost importance that they are properly modelled. This paper addresses the issue of uncertainty in hydrographic data and suggests ways to account for it.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».