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
恰恰发布了新的文献求助30
2秒前
天天好心覃完成签到 ,获得积分10
3秒前
不爱吃香菜完成签到 ,获得积分10
3秒前
Rich_WH发布了新的文献求助10
3秒前
4秒前
abc完成签到 ,获得积分10
5秒前
bosslin完成签到,获得积分10
6秒前
7秒前
miles完成签到,获得积分10
9秒前
9秒前
勤劳影子发布了新的文献求助10
9秒前
敞敞亮亮完成签到 ,获得积分10
10秒前
锦如发布了新的文献求助10
10秒前
FFFFF完成签到 ,获得积分0
12秒前
13秒前
勤劳影子完成签到,获得积分10
16秒前
Rich_WH完成签到,获得积分10
19秒前
21秒前
Duke完成签到,获得积分10
21秒前
22秒前
鲤鱼安青完成签到 ,获得积分10
23秒前
24秒前
小人物的坚持完成签到 ,获得积分10
24秒前
25秒前
chenyan完成签到,获得积分10
27秒前
qian发布了新的文献求助10
28秒前
小人物的坚持关注了科研通微信公众号
28秒前
28秒前
邓力发布了新的文献求助10
29秒前
嘟嘟雯发布了新的文献求助10
29秒前
追寻咖啡豆完成签到 ,获得积分10
29秒前
顺利寄文完成签到 ,获得积分10
34秒前
不打扰完成签到 ,获得积分10
38秒前
39秒前
41秒前
43秒前
orixero应助嚯嚯李采纳,获得10
45秒前
大个应助lu采纳,获得10
46秒前
醉倒天瓢完成签到 ,获得积分10
47秒前
雪白一刀发布了新的文献求助10
49秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mixed-anion Compounds 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
2024 Medicinal Chemistry Reviews 400
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 3200574
求助须知:如何正确求助?哪些是违规求助? 2850386
关于积分的说明 8071853
捐赠科研通 2514153
什么是DOI,文献DOI怎么找? 1346899
科研通“疑难数据库(出版商)”最低求助积分说明 640268
邀请新用户注册赠送积分活动 610407