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
852发布了新的文献求助10
1秒前
3秒前
秀丽烨霖应助狸猫不礼貌采纳,获得10
3秒前
冉柒发布了新的文献求助10
4秒前
4秒前
夏侯卿发布了新的文献求助20
4秒前
8秒前
摆渡人发布了新的文献求助10
8秒前
记忆超群发布了新的文献求助10
9秒前
tsy完成签到 ,获得积分10
10秒前
隐形曼青应助sisiguai采纳,获得10
11秒前
ZOEY发布了新的文献求助10
12秒前
CL完成签到,获得积分10
16秒前
勤恳的文涛完成签到,获得积分10
16秒前
17秒前
小霞完成签到 ,获得积分10
17秒前
ccm应助zhendema采纳,获得10
20秒前
8R60d8完成签到,获得积分0
22秒前
23秒前
23秒前
YY完成签到,获得积分10
23秒前
24秒前
酷波er应助科研通管家采纳,获得10
24秒前
痴痴的噜完成签到,获得积分10
25秒前
科研通AI2S应助科研通管家采纳,获得10
25秒前
英俊的铭应助科研通管家采纳,获得10
25秒前
科研通AI2S应助科研通管家采纳,获得10
25秒前
orixero应助科研通管家采纳,获得10
25秒前
星辰大海应助科研通管家采纳,获得10
25秒前
科研通AI2S应助科研通管家采纳,获得10
25秒前
jyy应助留你在此处采纳,获得10
25秒前
斯文败类应助赵成龙采纳,获得10
26秒前
YY发布了新的文献求助10
26秒前
善学以致用应助背后孤晴采纳,获得10
26秒前
28秒前
29秒前
haowu发布了新的文献求助10
32秒前
Minttt完成签到,获得积分10
32秒前
禾本科发布了新的文献求助10
32秒前
俭朴咖啡完成签到 ,获得积分10
34秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
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
Handbook on People's China (1957) 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 3188971
求助须知:如何正确求助?哪些是违规求助? 2838392
关于积分的说明 8019745
捐赠科研通 2501242
什么是DOI,文献DOI怎么找? 1335469
科研通“疑难数据库(出版商)”最低求助积分说明 637526
邀请新用户注册赠送积分活动 605656