清晨好,您是今天最早来到科研通的研友!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,伴您科研之路漫漫前行!

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
32秒前
CodeCraft应助稳重的静丹采纳,获得10
43秒前
科研通AI2S应助安静的初阳采纳,获得10
51秒前
妖哥完成签到,获得积分10
59秒前
vbnn完成签到 ,获得积分10
1分钟前
通科研完成签到 ,获得积分10
1分钟前
1分钟前
早睡早起完成签到 ,获得积分10
1分钟前
wpj发布了新的文献求助10
1分钟前
共享精神应助wpj采纳,获得10
2分钟前
xun完成签到,获得积分10
2分钟前
hwen1998完成签到 ,获得积分10
2分钟前
HS完成签到,获得积分10
3分钟前
斯文败类应助Gab_bb采纳,获得10
3分钟前
4分钟前
Gab_bb发布了新的文献求助10
5分钟前
科研通AI2S应助wpj采纳,获得10
5分钟前
imi完成签到 ,获得积分0
6分钟前
123完成签到 ,获得积分10
6分钟前
oscar发布了新的文献求助10
6分钟前
天天快乐应助稳重的静丹采纳,获得10
6分钟前
poki完成签到 ,获得积分10
6分钟前
无产阶级科学者完成签到,获得积分10
6分钟前
6分钟前
7分钟前
7分钟前
wpj发布了新的文献求助10
7分钟前
李健的小迷弟应助skier采纳,获得10
7分钟前
冬去春来完成签到 ,获得积分10
8分钟前
jasmine完成签到 ,获得积分10
9分钟前
孤独夜阑完成签到,获得积分10
9分钟前
widesky777完成签到 ,获得积分0
9分钟前
浚稚完成签到 ,获得积分10
10分钟前
ww完成签到,获得积分10
11分钟前
11分钟前
fev123完成签到,获得积分10
12分钟前
奥丁蒂法完成签到,获得积分20
12分钟前
莫西莫西完成签到 ,获得积分10
13分钟前
muriel完成签到,获得积分10
13分钟前
水豚完成签到,获得积分20
14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 3192671
求助须知:如何正确求助?哪些是违规求助? 2841700
关于积分的说明 8034537
捐赠科研通 2505399
什么是DOI,文献DOI怎么找? 1338545
科研通“疑难数据库(出版商)”最低求助积分说明 638361
邀请新用户注册赠送积分活动 606923