PPP Yönteminde GPS ve GLONASS Uydularının Kullanımının Nokta Konum Doğruluğuna Etkisinin Araştırılması
Notice bibliographique
Résumé
Rusya Federasyonu tarafindan gelistirilmis bir kuresel uydu konum belirleme sistemi olan GLONASS’in (GLObalnaya NAvigatsionnaya Sputnikovaya Sistema veya GLObal NAvigation Satellite System) tamamlanmasi ve GPS’ den sonra ikinci calisir halde ve tum dunyayi kapsayacak sekilde hizmet vermesi ile uydu tabanli jeodezik calismalar, GPS ve GLONASS sistemlerinin birlikte kullanilmasina yonelmistir. Ozellikle uydu sayisinin yeterli olmadigi veya sinyal kalitesinin zayif oldugu ormanlik alanlar, yuksek katli binalarin bulundugu bolgeler, acik maden isletmeleri, vadi vb. ortamlarda daha fazla uydudan veri alinmasi sayesinde yuksek dogruluk ve guvenirlikle konum belirlemek mumkun olabilmektedir. Gunumuzde uydu teknolojisindeki gelismeler ile, veri isleme ve analizindeki bas dondurucu ilerlemeler sonucunda tek bir alici ile cm-dm arasinda degisen dogruluklarla konum belirlemek artik mumkun hale gelmistir. Hassas Nokta Konumlama (Precise Point Positioning - PPP) yontemi adi verilen ve her gecen gun yogun bir kullanim alani bulan yontem ile basta hassas yorunge urunleri kullanilarak ve diger bazi duzeltmeler yapilarak, tek bir GNSS alicisi ile toplanan veriden baska hicbir veriye gereksinim duymaksizin statik veya kinematik olarak yuksek dogrulukta konum belirlenebilmektedir. Yakin bir zamana kadar sadece bilimsel GNSS degerlendirme yazilimlari ile PPP koordinatlari elde edilebilirken, gunumuzde universite veya enstitulerin kodladiklari programlarla veya ticari GNSS degerlendirme yazilimlari ile de sonuc almak mumkun hale gelmistir. Ancak tum bu programlar belirli bir duzeyde GNSS bilgisi gerektirmekte olup, cogunlukla da lisanslama ucreti gerektirmektedir. Son zamanlarda bu dezavantajlari ortadan kaldiran ve oldukca pratik kullanima sahip olan pek cok on-line PPP degerlendirme servisleri hizmete girmistir. Bu servislerden biri olan CSRS-PPP (Canadian Spatial Reference System-Precise Point Positioning) servisi sagladigi dogruluk ve kolay kullanimi ile dikkat cekmektedir. Bu calismada, Corum ilinde olabildigince sehir merkezinde, yogun yerlesimin oldugu bolgelerde secilmis jeodezik noktalarda GPS ve GLONASS uydu sistemlerinden veri toplayabilen alicilarla statik olcmeler yapilmistir. Toplanan veriler Kanada tarafindan isletilen CSRS-PPP servisiyle yalnizca GPS ve GPS+GLONASS verileri kullanilarak ayri ayri degerlendirilmistir. Elde edilen koordinatlar noktalarin statik olcmelerle toplanan verilerin diferansiyel yontemle elde edilen ve dogru olarak kabul edilen koordinatlariyla karsilastirilmistir. Farkli surelerde elde edilen Hizli (Rapid) ve Nihai (Final) hassas yorunge ve saat bilgilerinin sonuca etkisini incelemek icin de veriler, olcmeler bittikten hemen sonra ve final yorunge bilgisinin elde edildigi birkac hafta sonrasinda tekrar sisteme yuklenmis ve elde edilen sonuclar ayri ayri karsilastirilmistir. Yayinda, bu kapsamda yapilan calismalar verilmis, elde edilen sonuclar yorumlanmistir. Anahtar Kelimeler: GPS, GLONASS, Hassas Nokta Konumlama, CSRS-PPP, on-line PPP.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».