On Downward Continuing Airborne Gravity Data for Local Geoid Modeling
Notice bibliographique
Résumé
<p>The theories of downward continuation (DC) have been extensively studied for many decades, during which many different approaches were developed. In real applications, however, researchers often just use one method, probably due to resource limitations or to finish their work, without a rigorous head-to-head comparison with other alternatives. Considering that different methods perform quite differently under various conditions, comparing results from different methods can help a lot for identifying potential problems when dramatic differences occur, and for confirming the correctness of the solutions when results converge together, which is extremely important for real applications such as building official national vertical datums. This paper gives exactly such a case study by recording the collective wisdom recently developed within  the IAG’s study group SC2.4.1. A total of six normally used DC methods, which are SHA (NGS), LSC (DTU Space), Poisson and ADC (NRCan), RBF (DU Delft), and RLSC (TUM), are applied to both simulated data (in the combination of two sampling strategies with three noise levels) and real data in a Colorado-area test bed. The data are downward continued to both surface points and to the reference ellipsoid surface. The surface points are directly evaluated with the observed gravity data on the topography. The ellipsoid points are then transformed into geoid heights according to NRCan’s Stokes-Helmert’s scheme and eventually evaluated at the GNSS/Leveling benchmarks. In this presentation, we will summarize the work done and results obtained by the aforementioned workgroup.</p>
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 | 0,001 | 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 ».