MétaCan
Menu
Retour à la cohorte
Enregistrement W3034167134 · doi:10.15576/gll/2020.1.63

An assessment of seasonal variations in the cref cors at the University of Lagos

2020· article· en· W3034167134 sur OpenAlexfundaboutno aff
Emmanuel Ayodele, Chukwuma Okolie, Michael J. Orji, Mnguhenen Funmilayo Marve, Esther Abidemi Oyelade, Olagoke E. Daramola

Notice bibliographique

RevueGeomatics Landmanagement and Landscape · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueImpact of Light on Environment and Health
Établissements canadiensnon disponible
Organismes subventionnairesNatural Resources Canada
Mots-clésSeasonalityEnvironmental scienceTransport engineeringGeographyEngineeringStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Continuously Operating Reference Stations (CORS) are reference stations of the Global Navigation Satellite System (GNSS), providing fundamental positioning infrastructure that is accurate and reliable. As such, CORS are designed to meet the needs of a wide range of users requiring high three-dimensional (3D) positional accuracy. The Continuously Operating Reference Station at the Engineering Faculty (CREF), University of Lagos was set up in order to support research applications in Surveying, Mapping and Geodesy. This study evaluates the seasonal variations in the 3D coordinates of CREF using metrics such as coordinate differences, Standard Deviation (SD) and Standard Error (SE). The Canadian Spatial Reference System (CSRS), known as CSRS – Precise Point Positioning (CSRS-PPP) was used to compute the station’s daily coordinates over a three-year period from 2016 to 2018. In the analysis, the daily coordinates were divided into two seasons - the wet and the dry. The results obtained show that the dry and the wet seasons had SDs (5.4 mm, 3.9 mm, and 2.0 mm) and (5.2 mm, 18.6 mm and 14.4 mm) in the x, y and z-directions respectively. Generally, the dry season presents a better result than the wet season as revealed by the accuracy metrics. These results have led to an increased understanding of the seasonal variability inherent in the data acquired by GNSS CORS, and must be taken into consideration: in particular, for GNSS applications such as the weather prediction and water vapour estimation. This study concludes that more needs to be done regarding the maintenance of CREF to ensure data continuity and reliability for geodetic studies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,248
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGeomatics Landmanagement and LandscapeMême sujetImpact of Light on Environment and HealthTravaux en français237 207