Comparative Evaluation of GNSS Positioning Accuracy Using RTK Techniques and CORS-Based Post-Processing Solutions
Notice bibliographique
Résumé
Global Navigation Satellite System (GNSS) applications in Osun State, Nigeria, are limited by poor positional accuracy, particularly in vertical measurements. With the recent establishment of a Continuously Operating Reference Station (CORS) by private surveyors, it is important to assess the performance of real-time and post-processed GNSS solutions for local survey practice. This study compared two real-time kinematic (RTK) connection methods: radio frequency (RF) and network RTK via internet (NRTK) with static precise positioning using Canadian Spatial Reference System Precise Point Positioning (CSRS-PPP) and Osun CORS RINEX data processed in South Geomatics Office software. Field data were collected on three control stations with a Tersus Oscar GNSS receiver, and accuracy was evaluated using root mean square error (RMSE) against published control coordinates. Results show that CSRS-PPP (0.11 m easting, 0.17 m northing, 3.78 m height) and Osun CORS (0.09 m easting, 0.11 m northing, 3.76 m height) achieved horizontal accuracies within the allowable 0.05-0.50 m limit, but vertical errors exceeded the 0.10 m tolerance. NRTK (0.06 m easting, 0.03 m northing) performed better than RF-RTK (0.53 m easting, 1.29 m northing) for horizontal positioning, yet both produced unacceptable vertical errors of 24.14 m and 8.54 m, respectively. The findings confirm that online PPP and internet-based RTK provide reliable horizontal accuracy in Osun State, but vertical accuracy remains inadequate and requires further methodological improvement.
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 | 0,001 | 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 | 0,001 | 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 ».