A Robust Estimation Method for Correcting Dynamic Draft Error in PPK GPS Elevation Using ADCP Tilt Data
Notice bibliographique
Résumé
Abstract Measuring temporal and spatial variations in water level with high resolution and accuracy can provide fundamental insights into the hydrodynamics of marine and riverine systems. Real-time kinematic global positioning systems (RTK GPS), and by extension postprocessed kinematic (PPK) positioning, have provided the opportunity to achieve this goal, by allowing fast and straightforward measurements with subdecimeter accuracy. However, boat-mounted GPS are subject to movements of the water surface (e.g., waves, long-period heaves) as well as to the effects of dynamic draft. The latter contaminate the records and need to be separated and removed from the data. A method is proposed to postcorrect the elevation data using tilt information measured by an attitude sensor—in this case, an acoustic Doppler current profiler (ADCP) equipped with internal pitch and roll sensors. The technique uses iteratively reweighted least squares (IRLS) regressions to determine the position of the center of rotation (COR) of the boat that leads to optimal corrections. The COR is also allowed to change in time by performing the IRLS analyses on data subsamples, thus accounting for changes in weight distribution, for example, due to personnel movements. An example of application is presented using data collected in the Saint Lawrence fluvial estuary. The corrections exhibit significant reductions associated with the boat motion while keeping subtle variations in water levels likely related to local hydrodynamics.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».