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
一一完成签到,获得积分10
1秒前
张姣姣完成签到,获得积分10
1秒前
2秒前
轩然完成签到,获得积分10
2秒前
蛰伏的小宇宙完成签到,获得积分20
2秒前
学术狗完成签到,获得积分10
3秒前
乖乖完成签到,获得积分10
3秒前
调皮秋尽完成签到,获得积分10
3秒前
WeiSONG完成签到,获得积分10
4秒前
xuxiangjin应助橙子采纳,获得10
5秒前
小蘑菇应助zxd采纳,获得10
5秒前
JamesTYD发布了新的文献求助10
5秒前
晴空完成签到,获得积分10
5秒前
fengmy完成签到,获得积分10
6秒前
hazardatom完成签到 ,获得积分10
6秒前
吉吉完成签到,获得积分10
6秒前
陈冲完成签到,获得积分10
7秒前
酷波er应助hanhan采纳,获得10
8秒前
Feng完成签到,获得积分10
8秒前
8秒前
imica完成签到 ,获得积分10
9秒前
领导范儿应助诸嵩采纳,获得30
9秒前
CHZBH发布了新的文献求助10
9秒前
看风景的小熊完成签到,获得积分10
10秒前
CC完成签到,获得积分10
11秒前
新青年完成签到,获得积分0
11秒前
18°N天水色完成签到,获得积分10
12秒前
糊涂的凝冬完成签到,获得积分10
13秒前
13秒前
彪壮的幻丝完成签到 ,获得积分10
14秒前
科研肥料完成签到,获得积分10
14秒前
颇黎完成签到,获得积分10
15秒前
不配.应助鱿鱼炒黄瓜采纳,获得10
16秒前
机智的书竹完成签到,获得积分10
16秒前
16秒前
晓晨完成签到 ,获得积分10
16秒前
orixero应助luotuotuo采纳,获得10
17秒前
火星上的铃铛完成签到,获得积分10
17秒前
傻傻的仙人掌完成签到,获得积分10
18秒前
鱼柒完成签到 ,获得积分10
18秒前
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
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
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 3196879
求助须知:如何正确求助?哪些是违规求助? 2845545
关于积分的说明 8055097
捐赠科研通 2510269
什么是DOI,文献DOI怎么找? 1342444
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 608690