亲爱的研友该休息了!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!身体可是革命的本钱,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
科目三应助科研通管家采纳,获得10
12秒前
momo完成签到,获得积分20
35秒前
shinysparrow应助稳重的篮球采纳,获得200
45秒前
852应助123采纳,获得10
50秒前
52秒前
Wingshuohuo发布了新的文献求助10
56秒前
马文杰完成签到 ,获得积分10
56秒前
1分钟前
研友_VZG7GZ应助Wingshuohuo采纳,获得10
1分钟前
1分钟前
1分钟前
1分钟前
Wingshuohuo发布了新的文献求助10
1分钟前
LC完成签到 ,获得积分10
1分钟前
沉默白猫完成签到 ,获得积分10
1分钟前
Wingshuohuo发布了新的文献求助30
1分钟前
彬彬完成签到,获得积分10
2分钟前
归海梦岚完成签到,获得积分0
2分钟前
Orange应助科研通管家采纳,获得10
2分钟前
Wingshuohuo发布了新的文献求助10
2分钟前
Wingshuohuo发布了新的文献求助10
2分钟前
香蕉觅云应助博弈春秋采纳,获得10
2分钟前
汉堡包应助Honahlee采纳,获得10
2分钟前
水晶鞋完成签到 ,获得积分10
2分钟前
2分钟前
Wingshuohuo发布了新的文献求助10
2分钟前
满座完成签到 ,获得积分10
2分钟前
2分钟前
CodeCraft应助满意非笑采纳,获得10
2分钟前
方可发布了新的文献求助10
2分钟前
orixero应助Wingshuohuo采纳,获得10
3分钟前
3分钟前
3分钟前
CipherSage应助欣慰的乌冬面采纳,获得50
3分钟前
方可完成签到,获得积分10
3分钟前
罗珊发布了新的文献求助10
3分钟前
端庄大白完成签到 ,获得积分10
3分钟前
哈哈发布了新的文献求助10
3分钟前
3分钟前
3分钟前
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 3192615
求助须知:如何正确求助?哪些是违规求助? 2841635
关于积分的说明 8034343
捐赠科研通 2505352
什么是DOI,文献DOI怎么找? 1338474
科研通“疑难数据库(出版商)”最低求助积分说明 638351
邀请新用户注册赠送积分活动 606905