Spaceborne gravimetry and gravity field recovery
Notice bibliographique
Résumé
As an integrated signal of mass transition and distribution, the Earth's gravity senses the inner and outer mass balance of the Earth. However, gravity cannot be measured directly in space but can be derived from other measurements obtained by space vehicles. The dedicated gravity field satellite missions CHAMP, GRACE, and GOCE serve as spaceborne gravimeters by utilizing satellite-to-satellite tracking (SST) and satellite gravity gradiometry (SGG) techniques. In this "decade of the geopotentials", these missions will serve different purposes with particular spatial and spectral resolutions. This paper introduces the usefulness of these missions, their impacts on the geosciences, the measurement principles, and their implementations. These space sensors will provide a significant number of observations during their mission lifespans. Therefore, global gravity field recovery is a computationally demanding task. Several approaches aimed at this goal are discussed, namely the brute-force approach, the space-wise approach, the time-wise approach, and the proposed torus-based semi-analytical approach. The paper addresses the characteristics of each approach and focuses mainly on the torus-based semi-analytical approach, which can be used to derive the gravity field from any geopotential functional. In this approach, the structure of the normal matrix becomes block-diagonal, which leads to a powerful and efficient recovery tool through the use of the fast Fourier transform (FFT). Important issues such as downward continuation, interpolation methods, and regularization approaches are also discussed. To demonstrate the feasibility and efficiency of the torus-based semi-analytical approach of gravity field determination in spaceborne gravimetry, disturbing potential data from CHAMP and GRACE and simulated GOCE gravity gradient tensor data are processed.
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 ».