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
Ldq完成签到 ,获得积分10
2秒前
郑尚珏完成签到,获得积分10
2秒前
3秒前
无铆钉连接完成签到,获得积分10
3秒前
FashionBoy应助意外的月饼采纳,获得10
3秒前
玛珂巴巴珂完成签到,获得积分10
3秒前
Carol完成签到,获得积分10
3秒前
QLy完成签到,获得积分10
4秒前
汉堡包应助PEI采纳,获得10
4秒前
zy完成签到,获得积分20
6秒前
CodeCraft应助zjkzh采纳,获得10
7秒前
7秒前
小墩墩完成签到,获得积分10
7秒前
zhk完成签到,获得积分10
7秒前
危机的碧菡完成签到,获得积分10
8秒前
超级冰薇发布了新的文献求助10
8秒前
8秒前
荼蘼完成签到,获得积分10
8秒前
开心火龙果完成签到,获得积分20
9秒前
9秒前
10秒前
11秒前
共享精神应助科研通管家采纳,获得10
11秒前
芝士球球应助科研通管家采纳,获得20
11秒前
赘婿应助科研通管家采纳,获得10
11秒前
12秒前
12秒前
zzy1109发布了新的文献求助20
12秒前
ding应助科研通管家采纳,获得10
12秒前
杳鸢应助科研通管家采纳,获得20
12秒前
bear应助科研通管家采纳,获得50
12秒前
FRED应助科研通管家采纳,获得10
12秒前
共享精神应助科研通管家采纳,获得10
12秒前
NexusExplorer应助科研通管家采纳,获得30
12秒前
汉堡包应助科研通管家采纳,获得10
12秒前
日月同错应助科研通管家采纳,获得200
12秒前
三wu十五应助科研通管家采纳,获得10
12秒前
华仔应助科研通管家采纳,获得10
12秒前
12秒前
CipherSage应助科研通管家采纳,获得10
13秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
A real-time energy management strategy based on fuzzy control and ECMS for PHEVs 400
2024 Medicinal Chemistry Reviews 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 3191143
求助须知:如何正确求助?哪些是违规求助? 2840488
关于积分的说明 8028774
捐赠科研通 2503831
什么是DOI,文献DOI怎么找? 1337224
科研通“疑难数据库(出版商)”最低求助积分说明 638034
邀请新用户注册赠送积分活动 606497