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
风起枫落完成签到 ,获得积分10
8秒前
laoli2022完成签到,获得积分10
8秒前
枯叶蝶完成签到 ,获得积分10
9秒前
danli完成签到 ,获得积分10
11秒前
科研废物完成签到 ,获得积分10
13秒前
斯文败类应助永远的Tmac采纳,获得10
13秒前
drjj完成签到 ,获得积分10
15秒前
Behappy完成签到 ,获得积分10
16秒前
zhilianghui0807完成签到 ,获得积分10
18秒前
千秋完成签到 ,获得积分10
26秒前
宛宛完成签到,获得积分10
35秒前
Owen应助站在巨人的肩膀上采纳,获得10
37秒前
结实的涵柏完成签到 ,获得积分10
41秒前
没用的三轮完成签到,获得积分10
42秒前
怡心亭完成签到 ,获得积分10
47秒前
49秒前
52秒前
xu发布了新的文献求助10
52秒前
闪闪的谷梦完成签到 ,获得积分10
1分钟前
木木杨完成签到,获得积分10
1分钟前
背书强完成签到 ,获得积分10
1分钟前
Chasing完成签到 ,获得积分10
1分钟前
apollo3232完成签到,获得积分10
1分钟前
Eid完成签到,获得积分10
1分钟前
研友_Z119gZ完成签到 ,获得积分10
1分钟前
mit完成签到 ,获得积分0
1分钟前
许xx完成签到 ,获得积分10
1分钟前
鸿鹄在天涯完成签到 ,获得积分10
1分钟前
快乐太英完成签到 ,获得积分10
1分钟前
叶远望完成签到 ,获得积分10
1分钟前
1111chen完成签到 ,获得积分20
1分钟前
xu发布了新的文献求助10
1分钟前
xu完成签到,获得积分10
1分钟前
croissante完成签到 ,获得积分10
2分钟前
橙汁摇一摇完成签到 ,获得积分10
2分钟前
duxiao完成签到 ,获得积分10
2分钟前
温如军完成签到 ,获得积分10
2分钟前
稳重傲晴完成签到 ,获得积分10
2分钟前
HR112完成签到 ,获得积分10
2分钟前
HXL完成签到 ,获得积分10
2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 3196852
求助须知:如何正确求助?哪些是违规求助? 2845520
关于积分的说明 8054339
捐赠科研通 2510132
什么是DOI,文献DOI怎么找? 1342314
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