已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Responses of GNSS ZTD Variations to ENSO Events and Prediction Model Based on FFT-LSTME

气候学 全球导航卫星系统应用 环境科学 异常(物理) 多元ENSO指数 对流层 降水 季风 天顶 气象学 拉尼娜现象 地质学 卫星 厄尔尼诺南方涛动 大地测量学 地理 物理 凝聚态物理 工程类 航空航天工程
作者
Tengli Yu,Ershen Wang,Shuanggen Jin,Yong Wang,Jing Huang,Xiao Liu,Zehong Wei
出处
期刊:IEEE Transactions on Geoscience and Remote Sensing [Institute of Electrical and Electronics Engineers]
卷期号:61: 1-17 被引量:1
标识
DOI:10.1109/tgrs.2023.3251375
摘要

The El Niño-Southern Oscillation (ENSO) event often causes natural disasters in mainland China. Existing quantitative analysis of ENSO events effects on climate change in mainland China is insufficient. The monthly scale prediction effectiveness of ENSO events is still low. Global Navigation Satellite System (GNSS) can estimate zenith tropospheric delay (ZTD) with high accuracy, which can study ZTD responses to ENSO and improve the prediction accuracy of ENSO events. This study quantitatively analyzed the response patterns of GNSS ZTD time-frequency variation to ENSO events in mainland China. The monthly multivariate ENSO index (MEI) thresholds for GNSS ZTD anomaly response to ENSO events are (-1.12,1.92) for the tropical monsoon zone, (-1.12,1.61) for the subtropical monsoon zone, (-1.19,1.62) for the temperate monsoon zone, (-1.26,1.64) for the temperate continental zone, and (-1.22,1.72) for the mountain plateau zone. The ENSO event causes the amplitude of the 9-month variation period to decrease and the amplitude of the 0.8–3-month period to increase for the GNSS ZTD in mainland China. Furthermore, a forecasting model is proposed with integrating fast Fourier transform and long short-term memory extended (FFT-LSTME). The model uses monthly MEI as the primary input and the GNSS ZTD reconstruction sequence that responds to ENSO as the auxiliary input. It can predict ENSO events in the next 24 months with an index of agreement (IA) of 91.56% and a root mean square error (RMSE) of 0.25. The RMSE is optimized by 70.48%, 43.95%, and 11.6% when compared with radial basis function (RBF), LSTM, and FFT-LSTM.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
七草肃完成签到,获得积分10
2秒前
研友_n0kjPL完成签到,获得积分0
4秒前
一二三发布了新的文献求助10
6秒前
文章发的多多的完成签到,获得积分10
6秒前
6秒前
汉堡包应助oldblack采纳,获得10
7秒前
sddd完成签到,获得积分10
7秒前
香蕉觅云应助研友_LjDyNZ采纳,获得20
8秒前
yuxihu完成签到,获得积分10
8秒前
暮桉完成签到,获得积分10
9秒前
居居子完成签到,获得积分10
10秒前
11秒前
胖虎宝宝发布了新的文献求助10
12秒前
17秒前
一二三完成签到,获得积分10
17秒前
代宇完成签到,获得积分10
17秒前
小蘑菇应助xiaoyan采纳,获得10
19秒前
楼北完成签到,获得积分10
22秒前
二十又澪发布了新的文献求助10
23秒前
希望天下0贩的0应助白蓝采纳,获得10
23秒前
kid1912应助胖虎宝宝采纳,获得10
27秒前
Aoka完成签到 ,获得积分10
32秒前
王博士完成签到,获得积分10
33秒前
33秒前
Maggie完成签到 ,获得积分10
34秒前
泡泡完成签到 ,获得积分10
36秒前
37秒前
吴兰田完成签到,获得积分10
40秒前
笙璃完成签到 ,获得积分10
40秒前
白蓝发布了新的文献求助10
42秒前
林狗完成签到 ,获得积分10
43秒前
43秒前
冒险寻羊完成签到,获得积分10
45秒前
overThat完成签到,获得积分10
46秒前
完美的一斩完成签到,获得积分10
48秒前
oldblack发布了新的文献求助10
48秒前
不问归期的风完成签到,获得积分0
49秒前
这个郭我背了完成签到,获得积分10
51秒前
ccc完成签到 ,获得积分10
51秒前
52秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3192376
求助须知:如何正确求助?哪些是违规求助? 2841591
关于积分的说明 8034031
捐赠科研通 2505200
什么是DOI,文献DOI怎么找? 1338425
科研通“疑难数据库(出版商)”最低求助积分说明 638336
邀请新用户注册赠送积分活动 606881