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
我是老大应助q792309106采纳,获得10
10秒前
科研人完成签到 ,获得积分10
26秒前
q792309106发布了新的文献求助10
1分钟前
1分钟前
q792309106发布了新的文献求助10
2分钟前
情怀应助q792309106采纳,获得10
2分钟前
xu完成签到 ,获得积分10
3分钟前
3分钟前
陶醉的蜜蜂完成签到,获得积分10
3分钟前
爆米花应助激情的蜗牛采纳,获得200
3分钟前
q792309106发布了新的文献求助10
3分钟前
啊啊啊啊啊啊啊啊啊啊完成签到 ,获得积分10
3分钟前
aaa完成签到 ,获得积分10
4分钟前
sunshine完成签到 ,获得积分10
4分钟前
林利芳完成签到 ,获得积分10
4分钟前
赘婿应助科研通管家采纳,获得10
4分钟前
爱静静应助科研通管家采纳,获得10
4分钟前
爱静静应助科研通管家采纳,获得10
4分钟前
CipherSage应助科研通管家采纳,获得10
4分钟前
飞翔的企鹅完成签到,获得积分10
5分钟前
123456qqqq发布了新的文献求助10
5分钟前
爱静静应助科研通管家采纳,获得10
6分钟前
爱静静应助科研通管家采纳,获得10
6分钟前
爱静静应助科研通管家采纳,获得10
6分钟前
所所应助科研通管家采纳,获得10
6分钟前
7分钟前
zsmj23完成签到 ,获得积分0
7分钟前
柠檬精翠翠完成签到 ,获得积分10
8分钟前
爱静静应助科研通管家采纳,获得10
8分钟前
爱静静应助科研通管家采纳,获得10
8分钟前
爱静静应助科研通管家采纳,获得30
8分钟前
勺子爱西瓜完成签到,获得积分10
9分钟前
10分钟前
CodeCraft应助123456qqqq采纳,获得10
10分钟前
10分钟前
123456qqqq发布了新的文献求助10
10分钟前
爱静静应助科研通管家采纳,获得30
10分钟前
申木完成签到 ,获得积分10
10分钟前
11分钟前
12分钟前
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 3190002
求助须知:如何正确求助?哪些是违规求助? 2839338
关于积分的说明 8023377
捐赠科研通 2502172
什么是DOI,文献DOI怎么找? 1336379
科研通“疑难数据库(出版商)”最低求助积分说明 637836
邀请新用户注册赠送积分活动 605932