GNSS-IR data for "Real-time water levels using GNSS-IR: a potential tool for flood monitoring"
Notice bibliographique
Résumé
Organised SNR data used for GNSS-IR analysis in the article "Real-time water levels using GNSS-IR: a potential tool for flood monitoring" by David Purnell, Natalya Gomez, William Minarik and Gregory Langston. Data is organised by sites:<br> 'rv3x' is Trois-Rivières<br> 'sjrx' is Saint-Joseph-de-la-Rive<br> The 'x' at the end signifies that there is data from multiple co-located antennas at these sites (see details about naming format below**) SNR data is given as text files in the format specified here:<br> https://gnssrefl.readthedocs.io/en/latest/pages/file_structure.html#the-snr-data-format<br> Each line is coded in Python using:<br> "{0:3.0f} {1:10.4f} {2:10.4f} {3:10.0f} {4:7.2f} {5:7.2f} {6:7.2f} {7:7.2f} {8:7.2f} \n".format(sat, elv, azi, sod, 0, 0, snr, 0, 0)<br> where 'sat' is the satellite PRN identifier, with an offset such that GLONASS satellites are between 100-200 and Galileo are between 200-300<br> elv is satellite elevation (degrees)<br> azi is satellite azimuth (degrees)<br> sod is seconds of day<br> snr is L1 SNR The key difference from the gnssrefl snr data format is the naming of the files.<br> Each file is of the format:<br> sssxYYMMDDHH.snr<br> **where sssx is the station ID ('sjr' or 'rv3') + the letter a, b, c or d to indicate the four co-located antennas<br> For example,<br> 'rv3a20090917.snr' comprises of data from antenna 'a' at Trois-Rivières on 9th September 2020 at 17h (UTC)<br> 'sjrd21111302.snr' comprises of data from antenna 'd' at Saint-Joseph-de-la-Rive on 13th November 2021 at 02h (UTC)<br> Each file contains one hour of data (as opposed to 24 hours in the gnssrefl format).
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 | 0,002 | 0,001 |
| 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 | 0,003 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,006 | 0,013 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,024 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».