Depth modernization by integrating mean sea surface model, ocean tide model, and precise ship positioning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract This paper presents a study on depth modernization, paralleling height modernization for land elevations. Depth modernization integrates mean sea surface (MSS) models, ocean tide models, and precise ship positioning to achieve accurate seafloor depth measurements. Conventional methods rely on tidal corrections and chart datum from temporary tide gauges, which can be challenging in regions with complex tidal patterns and inconsistent chart datums. For depth modernization, we developed (1) a hybrid MSS model using satellite altimeter data, tide gauge records, and a regional geoid model, and (2) a hydrodynamic-driven ocean model with 26 tidal constituents to determine separations between the hybrid MSS and five tidal surfaces, resulting in five ellipsoid-based surfaces analogous to a geoid model for height modernization. Precise ship positioning is demonstrated using GNSS data collected by the Legend research ship in the Pacific Ocean east of Taiwan and the Canadian spatial reference system precise point positioning toolbox. We used measurements in the Taiwan Strait to show how modern depth is implemented. Comparisons of depths in four regions from the conventional and modern methods show small (a few cm) to moderate (a few dm) differences with some variability depending on the region and equipment. Discontinuities in depths from the conventional method are analyzed. Depth modernization has significantly benefited rapid and accurate bathymetric mapping for electronic navigation charts. Future work in MSS and ocean tide models and the availability of PPP tools for depth modernization are discussed. For mapping agencies worldwide, depth modernization should be prioritized alongside height modernization to ensure rapid and accurate depth data provision.
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.
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 | 0,000 | 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 découle