Geoid determination using airborne gravity vectors
Notice bibliographique
Résumé
Abstract In traditional airborne gravimetry, the vertical component of the gravity vector is used as an approximation of the measured magnitude of the gravity vector, which enters the determination of the local geoid. In this study, a comprehensive computational scheme for determining the local geoid using three components of the airborne gravity vector is presented. Our approach extends the existing one-step method for local geoid modeling by incorporating the full gravity vector measured by airborne sensors as boundary values in the gravimetric boundary-value problem. We derive integral kernel functions along with far-zone contributions for the three components of the airborne gravity vector and apply deterministic modifications to them. To validate our derivations, we use a global geopotential model (GGM)-based airborne gravity vectors burdened with realistic colored noise at one of the most challenging test sites for geoid determination, the 1-cm geoid test area in Colorado (USA). Results of closed-loop tests confirm that applying all three components of the GGM-based airborne gravity vector improves the internal accuracy of the geoid by 50% compared to using only the vertical component. We further use real airborne gravity vectors observed at a test site in the same region and show that the STD of the estimated geoid heights evaluated against the reference geoidal heights along the Geoid Slope Validation Survey of 2017 (GSVS17) Line is 2.3 cm using the “traditional approach” and 1.3 cm including the horizontal components. This indicates a significant improvement in the external accuracy (~ 46%) of the geoid when the full gravity vector is used, without using other heterogeneous observations. Graphical Abstract
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 ».