Comparison of shadow models and their impact on precise orbit determination of BeiDou satellites during eclipsing phases
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 Solar radiation pressure (SRP) is an extremely critical perturbative force that affects the GNSS satellites’ precise orbit determination (POD). Its imperfect modelling is one of the main error sources of POD, whose magnitude is even to10−9 m/s2. The shadow factor (i.e., eclipse factor) is one crucial parameter of SRP, generally estimated by the cylindrical model, the conical model, or shadow models considering the Earth’s oblateness and the atmospheric effect, such as the Perspective Projection Method atmosphere (PPMatm) model and Solar radiation pressure with Oblateness and Lower Atmospheric Absorption, Refraction, and Scattering Curve Fit (SOLAARS-CF) model. This paper applies the former four shadow models to determine the corresponding precise orbit using BeiDou satellites’ ground-based observation, and then compared and assessed the orbit accuracy through Satellite Laser Ranging (SLR) validation and Inter-Satellite Link (ISL) check. The results show that the PPMatm model’s accuracy is equivalent to the SOLAARS-CF model. Compared with the conical shadow model, SLR validations show the orbit accuracy from the PPMatm and SOLAARS-CF model can be generally improved by 2–10 mm; ISL range check shows that the Root Mean Square (RMS) can be decreased by 2–7 mm. These results show that the shadow model in GNSS POD should fully consider the Earth’s oblateness and the atmospheric effect, especially for the perturbative acceleration higher than 10–10 m/s2. 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.
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 | 0,001 | 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) | 0,001 | 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