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
huanfid完成签到 ,获得积分10
3秒前
33秒前
yu发布了新的文献求助10
40秒前
44秒前
CATH完成签到 ,获得积分10
49秒前
seayoa发布了新的文献求助10
50秒前
VDC发布了新的文献求助10
1分钟前
领导范儿应助王撑撑采纳,获得10
1分钟前
所所应助seayoa采纳,获得10
1分钟前
lcs完成签到,获得积分10
2分钟前
一朵棉花糖完成签到 ,获得积分10
2分钟前
李爱国应助yu采纳,获得10
2分钟前
李健飞完成签到 ,获得积分10
3分钟前
Ren大奔完成签到 ,获得积分10
3分钟前
3分钟前
yu发布了新的文献求助10
3分钟前
3分钟前
归tu发布了新的文献求助10
3分钟前
归tu完成签到,获得积分20
3分钟前
科研通AI2S应助归tu采纳,获得10
3分钟前
斯文败类应助归tu采纳,获得10
3分钟前
Eric800824完成签到 ,获得积分10
4分钟前
CodeCraft应助yu采纳,获得10
4分钟前
C9完成签到 ,获得积分10
4分钟前
立邦芝士完成签到,获得积分10
4分钟前
4分钟前
4分钟前
奋斗的宛白完成签到 ,获得积分10
5分钟前
dangdang601发布了新的文献求助10
5分钟前
Andy_2024完成签到,获得积分10
6分钟前
6分钟前
Ikyrn发布了新的文献求助10
6分钟前
明亮的冰香完成签到 ,获得积分10
6分钟前
现代青枫应助科研通管家采纳,获得10
6分钟前
6分钟前
现代青枫应助科研通管家采纳,获得10
6分钟前
yu发布了新的文献求助10
6分钟前
7分钟前
加湿器给加湿器的求助进行了留言
7分钟前
赘婿应助科研通管家采纳,获得10
8分钟前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
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
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 3186712
求助须知:如何正确求助?哪些是违规求助? 2836908
关于积分的说明 8011882
捐赠科研通 2499310
什么是DOI,文献DOI怎么找? 1334286
科研通“疑难数据库(出版商)”最低求助积分说明 637154
邀请新用户注册赠送积分活动 605032