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
1秒前
1秒前
害羞傲薇发布了新的文献求助10
2秒前
起起发布了新的文献求助10
2秒前
良辰应助犹豫怜南采纳,获得10
2秒前
Jasper应助女巫Q采纳,获得10
3秒前
chen发布了新的文献求助10
3秒前
4秒前
hjc641发布了新的文献求助10
4秒前
丘比特应助复杂的迎荷采纳,获得10
4秒前
良辰应助代码小白采纳,获得10
5秒前
PaidaC完成签到,获得积分10
5秒前
6秒前
obsession发布了新的文献求助10
6秒前
周shang完成签到,获得积分10
7秒前
7秒前
冰柠橙夏完成签到,获得积分10
7秒前
Owen应助tianruiyi采纳,获得10
7秒前
10秒前
林小目发布了新的文献求助10
11秒前
11秒前
塞尔达发布了新的文献求助10
12秒前
LAN0528完成签到,获得积分10
13秒前
13秒前
13秒前
13秒前
JamesPei应助黑暗精灵采纳,获得10
13秒前
14秒前
15秒前
宇宙无敌完成签到 ,获得积分10
16秒前
crazy完成签到,获得积分10
16秒前
酷波er应助kak采纳,获得10
16秒前
123发布了新的文献求助10
16秒前
木光发布了新的文献求助10
18秒前
18秒前
Hover发布了新的文献求助10
18秒前
传奇3应助山与草宣采纳,获得10
18秒前
曲爽完成签到 ,获得积分10
19秒前
Escanor应助Parotodus采纳,获得10
20秒前
天天科研发布了新的文献求助10
20秒前
高分求助中
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
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 3182596
求助须知:如何正确求助?哪些是违规求助? 2832947
关于积分的说明 7991223
捐赠科研通 2495031
什么是DOI,文献DOI怎么找? 1331187
科研通“疑难数据库(出版商)”最低求助积分说明 636238
邀请新用户注册赠送积分活动 603216