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
包容绯完成签到,获得积分10
刚刚
张张完成签到 ,获得积分10
1秒前
Ye完成签到 ,获得积分10
4秒前
钥匙完成签到,获得积分10
6秒前
清脆的棒球完成签到 ,获得积分10
6秒前
dzx完成签到,获得积分20
7秒前
满城烟沙完成签到 ,获得积分10
10秒前
10秒前
11秒前
淡淡的向雁完成签到,获得积分10
11秒前
张张完成签到 ,获得积分10
12秒前
中中发布了新的文献求助10
12秒前
爆米花应助缥缈的机器猫采纳,获得10
13秒前
曾经听云发布了新的文献求助10
14秒前
15秒前
科研通AI2S应助坚定南霜采纳,获得10
16秒前
华仔应助钥匙采纳,获得10
17秒前
赘婿应助夭夭采纳,获得10
17秒前
18秒前
小马甲应助陶一二采纳,获得10
19秒前
老年外科发布了新的文献求助10
20秒前
精明紫雪发布了新的文献求助10
20秒前
SHD完成签到 ,获得积分10
24秒前
庆次完成签到 ,获得积分10
25秒前
曾经听云完成签到,获得积分10
26秒前
高兴寒梦完成签到 ,获得积分10
28秒前
兔子不秃头y完成签到 ,获得积分10
29秒前
徐佳乐完成签到 ,获得积分10
30秒前
31秒前
31秒前
33秒前
博文完成签到,获得积分20
34秒前
科研不算楠完成签到,获得积分10
34秒前
酷波er应助老年外科采纳,获得10
35秒前
简隋英完成签到,获得积分10
35秒前
一灯完成签到 ,获得积分10
37秒前
gusgusgus发布了新的文献求助10
37秒前
简隋英发布了新的文献求助10
38秒前
Mu发布了新的文献求助20
42秒前
任性静祝完成签到 ,获得积分10
42秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
A real-time energy management strategy based on fuzzy control and ECMS for PHEVs 400
Handbook on People's China (1957) 400
2024 Medicinal Chemistry Reviews 400
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 3189847
求助须知:如何正确求助?哪些是违规求助? 2839133
关于积分的说明 8023024
捐赠科研通 2502062
什么是DOI,文献DOI怎么找? 1336196
科研通“疑难数据库(出版商)”最低求助积分说明 637804
邀请新用户注册赠送积分活动 605852