A Novel Rapid GNSS Network Solution in Mountainous Region Monitoring considering the Tropospheric Delay at Ground Points
Notice bibliographique
Résumé
Due to the short peak observation time of global navigation satellite systems (GNSS), the accuracy of the tropospheric delay estimation and the positioning are poor. In this study, a rapid GNSS network solution for mountainous regions is presented. The high‐precision tropospheric delay at ground points is obtained from long‐term ground observation data and used as a priori constraint in the double‐difference equation of short‐time synchronous peak observations to realize rapid and high‐precision positioning. Chinese mountain survey networks with large elevation gradient (1000~2000 m) were selected for the experimental verification of the proposed method. The results show that the rapid peak positioning method weakened the effect of the residual tropospheric delay caused by the elevation difference, significantly improving the accuracy and reliability of the results. The positioning accuracy of the peak in upward direction was better than 1.1 cm, which meets the requirements of rapid short‐span (~1 h) high‐precision monitoring and achieves 24 h positioning accuracy. Compared with the traditional solution strategy, the precision of the method with respect to the north (N), east (E), upward (U), and zenith tropospheric delay (ZTD) significantly improved. The accuracy of U improved by more than 47%. Therefore, based on the high accuracy and reliability, information of ground stations can be fully utilized to significantly reduce the peak observation time and the operation costs of surveys in mountain regions.
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 | 0,000 | 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 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 ».