智能手机GNSS精度在森林条件下接近制图级接收机能力，且使用外部天线可能实现亚米级精度

《Forest Science》：Smartphone GNSS Accuracy Approaches Mapping-Grade Receiver Capabilities in Forest Conditions, and Submeter Accuracy may be Possible using an External Antenna

　　

在美国佐治亚州雅典一处严格控制的森林GPS测试场地，研究人员评估了iPhone 13 Pro（iOS）与Google Pixel 6 Pro（Android）两台智能手机，以及一款高精度外部GNSS天线在不同森林条件与林分类型下的定位精度。研究聚焦于林业专业人员典型的外业采集方式（即单次静态定位、约腰部高度、采集前极短等待时间），发现两款手机的根均方误差（RMSE，单位m）总体存在统计显著差异，在落叶松（Pinus taeda）天然老林与落叶/展叶期的高地混交硬阔老林中，Google Pixel 6 Pro较iPhone 13 Pro优1至3 m。南方森林中使用智能手机，林业人员平均可预期2至6 m精度。若能追加投资，可与iOS及Android设备连接、价格相当于制图级（mapping-grade）GNSS接收机的高精度外部天线，在某些森林中无需实时动态（RTK）辅助即可稳定达到亚米级精度。将这些带不确定性的智能手机数据纳入高阶林业应用时，须充分认知其误差特征。

研究背景与问题提出

全球导航卫星系统（GNSS）是林业与自然资源管理中的常用工具，美国南部调查显示约70%从业人员使用智能手机或平板采集野外数据，期望精度多介于3至5 m。传统GNSS按精度与成本分为消费级（consumer-grade，5至10 m，<1000美元）、制图级（mapping-grade，1至5 m，1000至10000美元）与测量级（survey-grade，<1 m，>10000美元）。智能手机通常归为消费级，但芯片集持续进化（双频、原始GNSS数据、多星座），使其在森林中的水平精度引起重新评估需求。森林环境导致误差的因素包括冠层开度、林型、坡位、多路径（multipath）、大气交互与占星几何等；同时iOS不开放原始GNSS观测值而Android自2016年起通过API提供，使差分改正潜力不对称。既有文献对长期、跨林型、跨季节、模拟真实作业人员持机方式的研究仍有限。该文即在此背景下，于美国东南严格控制的Whitehall Forest测试场，评估两款主流手机与一款外接天线在天然火炬松林与高地混交硬阔林、展叶/落叶期的水平RMSE，并模拟林业者“短占时间、单次静态、腰高”的实用采集行为。论文发表于《Forest Science》。

主要技术方法概述

研究在佐治亚大学Warnell学院管理的Whitehall Forest内进行，该处设有37个控制点与3个OPUS Monument（由4 h静态观测确定，精度<2 cm，纳入NSRS）。仅取天然火炬松林（Stand 70，3点：28、31、32）与高地混交硬阔林（Stand 67，3点：1、3、6）及开阔地1点。设备为iPhone 13 Pro、Google Pixel 6 Pro与Juniper Geode GNS3S单频外部天线（蓝牙连iPhone，启用SBAS）。使用Esri Field Maps采集，关闭WiFi、开蜂窝A-GPS、关GPS平均、最小精度0；手机架于独角架顶、朝北、待2 min后取单次静态fix。2022年12月至2025年3月，分展叶上午（AM）、展叶下午（PM）、落叶AM、落叶PM四时段，每点每时段30次重复，同路线不同设备隔访互换，避免1 h内同设备复采。误差以RMSE（m）=√[Σ((x_i-x)²+(y_i-y)²)/n]计；分布非正态故用Mann–Whitney检验（p=0.05）；天气用Pearson r与哑变量回归辅助判断。

研究结果

Results部分显示：天然火炬松林展叶期iPhone 13 Pro平均RMSE 4.20至6.35 m，Pixel 6 Pro为2.39至3.13 m，Geode GNS3S全程<1 m；落叶期手机误差普遍下降（iPhone 3.30至4.47 m，Pixel 2.40至3.49 m），Geode最大平均误差仅1.24 m（落叶AM）。高地混交硬阔林展叶期iPhone 4.36至6.21 m，Pixel 2.92至3.60 m；落叶期iPhone 3.65至4.78 m，Pixel更低；Geode在该林型平均0.85至1.54 m。开阔地iPhone平均约2.34（AM）/1.84（PM）m，Pixel约2.56/2.37 m，Geode AM 0.57 m但PM因一42.41 m离群升至2.05 m（去离群则0.65 m）。Mann–Whitney表明三设备RMSE差异显著（p<0.05），拒绝三个零假设；两手机间在部分落叶早晨点位无差异，但整体Geode独立于手机且显著更优。天气因子与误差仅弱相关（iPhone与气温r=0.2856），哑变量回归无显著天气条件关系。

讨论与结论翻译

讨论指出，智能手机在南方森林平均2至6 m的水平精度已接近近期制图级接收机表现；Pixel 6 Pro较iPhone 13 Pro优约1至3 m，且Android可获原始数据供后处理进一步提升，iOS因封闭受限。林型与季相显著影响精度，展叶混交阔林最差，落叶期与松林略好。将手机GNSS直接用于样圆心、单木标记或精密林业IoT与AI分析时，须警惕“垃圾进垃圾出”风险。外部天线如Geode GNS3S在不依赖RTK/后处理下可稳定亚米，价格约3000美元，堪比制图级。

结论部分译文：依托美国南部严格控制森林GPS测试场，研究显示智能手机GNSS接收机以消费级价格近乎达到制图级水平；若追加约3000美元投资，天然火炬松与高地混交硬阔林中接外部天线可显著降至亚米级且免RTK。Android（Pixel 6 Pro）略优于iOS（iPhone 13 Pro）。林业人员须知晓手机定位不确定性，在高阶分析中谨慎使用；随新机引入更多频点与星座，持续评估必要。

（全文约1500汉字，所有数据、设备名、林分号、公式、统计量与结论均浓缩自上传文档原文，未做推测性延伸。）