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
成就幻波发布了新的文献求助10
刚刚
7秒前
wtt完成签到 ,获得积分10
8秒前
樱桃味的火苗完成签到,获得积分10
9秒前
ruuuu发布了新的文献求助10
9秒前
hhh发布了新的文献求助10
10秒前
11秒前
14秒前
李健的小迷弟应助皮代谷采纳,获得10
15秒前
只爱医学不爱你完成签到,获得积分10
15秒前
xiaozhao完成签到 ,获得积分10
16秒前
xqq发布了新的文献求助10
16秒前
SciGPT应助doctor2023采纳,获得10
17秒前
蒋蒋蒋发布了新的文献求助10
18秒前
任性大米完成签到 ,获得积分10
19秒前
hhh完成签到,获得积分10
21秒前
无花果应助xqq采纳,获得10
21秒前
元神完成签到 ,获得积分10
22秒前
王小小完成签到,获得积分10
24秒前
梦回唐朝完成签到 ,获得积分10
25秒前
张张完成签到 ,获得积分10
26秒前
钥匙完成签到,获得积分10
26秒前
linfordlu完成签到,获得积分0
27秒前
子平完成签到 ,获得积分10
28秒前
皮代谷完成签到,获得积分10
30秒前
sissiarno完成签到,获得积分0
30秒前
xiuxiuzhang完成签到 ,获得积分10
33秒前
annaanna完成签到,获得积分10
35秒前
你当像鸟飞往你的山完成签到 ,获得积分10
38秒前
陌生人完成签到 ,获得积分10
41秒前
41秒前
Setlla完成签到 ,获得积分10
42秒前
43秒前
苏78完成签到,获得积分20
43秒前
Harlotte完成签到 ,获得积分10
45秒前
娜娜发布了新的文献求助10
45秒前
xqq完成签到,获得积分10
46秒前
47秒前
ruuuu发布了新的文献求助10
48秒前
Diamond完成签到,获得积分10
48秒前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
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 3183597
求助须知:如何正确求助?哪些是违规求助? 2833535
关于积分的说明 7994874
捐赠科研通 2495851
什么是DOI,文献DOI怎么找? 1331689
科研通“疑难数据库(出版商)”最低求助积分说明 636409
邀请新用户注册赠送积分活动 603581