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
赘婿应助科研通管家采纳,获得10
4秒前
小马甲应助科研通管家采纳,获得10
4秒前
哭泣恋风完成签到 ,获得积分10
5秒前
研友_LMg3PZ完成签到,获得积分10
8秒前
cherry bomb完成签到,获得积分10
8秒前
rice0601完成签到,获得积分10
9秒前
姚美阁完成签到 ,获得积分10
10秒前
HonestLiang完成签到,获得积分10
10秒前
爱因斯坦那个和我一样的科学家完成签到,获得积分10
13秒前
朴实问筠完成签到 ,获得积分10
13秒前
酷波er应助小鱼儿飞飞采纳,获得10
14秒前
NeoWu完成签到,获得积分10
14秒前
鲁滨逊完成签到 ,获得积分10
15秒前
mads完成签到 ,获得积分10
17秒前
风信子deon01完成签到,获得积分10
17秒前
大东东发布了新的文献求助10
20秒前
昵称吧完成签到 ,获得积分10
20秒前
科研临床两手抓完成签到 ,获得积分10
20秒前
852应助狄绮采纳,获得10
21秒前
dsi发布了新的文献求助10
21秒前
lllwww完成签到 ,获得积分10
23秒前
26秒前
拓跋傲薇完成签到,获得积分10
28秒前
Lisztan完成签到,获得积分10
29秒前
狄绮发布了新的文献求助10
31秒前
小丑岩完成签到,获得积分10
31秒前
ZX0501完成签到,获得积分10
32秒前
Owen应助willa采纳,获得10
32秒前
HCLonely应助dsi采纳,获得10
32秒前
jkaaa完成签到,获得积分10
34秒前
37秒前
云猫完成签到 ,获得积分10
38秒前
zcydbttj2011完成签到 ,获得积分10
39秒前
40秒前
wbscz完成签到 ,获得积分10
43秒前
涨芝士完成签到 ,获得积分10
44秒前
ciiiv完成签到 ,获得积分10
46秒前
研友_LMBAXn完成签到,获得积分20
46秒前
Simpson完成签到 ,获得积分10
48秒前
dsi完成签到,获得积分10
48秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Write Like a Chemist: A Guide and Resource (第二版) 600
Mixed-anion Compounds 600
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Earth System Geophysics 500
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Geochemistry, 2nd Edition 地球化学经典教科书第二版 401
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 3200810
求助须知:如何正确求助?哪些是违规求助? 2850571
关于积分的说明 8072470
捐赠科研通 2514308
什么是DOI,文献DOI怎么找? 1347060
科研通“疑难数据库(出版商)”最低求助积分说明 640332
邀请新用户注册赠送积分活动 610520