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
温不胜的破木吉他完成签到 ,获得积分10
13秒前
wujuan完成签到 ,获得积分10
19秒前
和谐板栗完成签到 ,获得积分10
21秒前
zxh656691发布了新的文献求助10
39秒前
40秒前
Antonio完成签到 ,获得积分10
44秒前
科研通AI2S应助zxh656691采纳,获得10
51秒前
nano完成签到 ,获得积分10
52秒前
oaoalaa完成签到 ,获得积分10
1分钟前
diguohu完成签到,获得积分10
1分钟前
neil_match完成签到,获得积分10
1分钟前
魁梧的鸿煊完成签到 ,获得积分10
1分钟前
浚稚完成签到 ,获得积分10
1分钟前
loulex完成签到,获得积分10
1分钟前
川藏客完成签到 ,获得积分10
2分钟前
毛毛弟完成签到 ,获得积分10
2分钟前
菠萝谷波完成签到 ,获得积分10
3分钟前
72发布了新的文献求助10
3分钟前
谭凯文完成签到 ,获得积分10
3分钟前
林利芳完成签到 ,获得积分10
3分钟前
Billy应助Afliea采纳,获得10
3分钟前
3分钟前
72完成签到,获得积分20
3分钟前
呆呆的猕猴桃完成签到 ,获得积分10
3分钟前
zuhangzhao完成签到 ,获得积分10
3分钟前
Tina完成签到 ,获得积分10
4分钟前
fogsea完成签到,获得积分0
4分钟前
善学以致用应助ybwei2008_163采纳,获得10
5分钟前
ybwei2008_163发布了新的文献求助10
5分钟前
huanghe完成签到,获得积分10
5分钟前
5分钟前
ybwei2008_163发布了新的文献求助10
5分钟前
乐乐应助ybwei2008_163采纳,获得10
6分钟前
6分钟前
slzhao发布了新的文献求助10
6分钟前
SciGPT应助ybwei2008_163采纳,获得10
6分钟前
木三亲完成签到 ,获得积分10
6分钟前
酷波er应助Omni采纳,获得10
6分钟前
在水一方应助slzhao采纳,获得10
6分钟前
6分钟前
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 3196835
求助须知:如何正确求助?哪些是违规求助? 2845494
关于积分的说明 8054319
捐赠科研通 2510132
什么是DOI,文献DOI怎么找? 1342278
科研通“疑难数据库(出版商)”最低求助积分说明 639355
邀请新用户注册赠送积分活动 608669