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
xxxxxxh发布了新的文献求助10
刚刚
4秒前
blossoms完成签到 ,获得积分10
6秒前
Zhang完成签到,获得积分10
6秒前
大个应助xxxxxxh采纳,获得10
7秒前
李爱国应助Water103采纳,获得10
9秒前
迷路筝完成签到,获得积分10
10秒前
keyanzhang发布了新的文献求助10
11秒前
NexusExplorer应助sdkabdrxt采纳,获得20
12秒前
13秒前
13秒前
z1jioyeah完成签到 ,获得积分10
14秒前
Quanquan完成签到 ,获得积分10
16秒前
Water103完成签到,获得积分10
17秒前
Water103发布了新的文献求助10
19秒前
22秒前
骆凤灵完成签到 ,获得积分10
22秒前
蓼花完成签到 ,获得积分10
23秒前
xxxxxxh完成签到,获得积分10
24秒前
赘婿应助sdkabdrxt采纳,获得20
25秒前
Bearbiscuit发布了新的文献求助10
25秒前
Dai JZ完成签到 ,获得积分10
27秒前
调皮的蓝天完成签到 ,获得积分10
27秒前
29秒前
宇文远锋应助sdkabdrxt采纳,获得20
30秒前
30秒前
酷波er应助科研通管家采纳,获得10
31秒前
31秒前
32秒前
keyanzhang发布了新的文献求助10
32秒前
好好先生发布了新的文献求助10
35秒前
陈橙橙发布了新的文献求助10
37秒前
43秒前
keyanzhang发布了新的文献求助10
47秒前
东海虞明完成签到,获得积分10
48秒前
好好先生完成签到,获得积分10
49秒前
无私的朝雪完成签到 ,获得积分10
50秒前
贝贝发布了新的文献求助10
50秒前
51秒前
不安的嘉懿完成签到 ,获得积分10
54秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
Idoxuridine 260
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 3196567
求助须知:如何正确求助?哪些是违规求助? 2845266
关于积分的说明 8053827
捐赠科研通 2509906
什么是DOI,文献DOI怎么找? 1342121
科研通“疑难数据库(出版商)”最低求助积分说明 639304
邀请新用户注册赠送积分活动 608608