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
3秒前
领导范儿应助huhuhu采纳,获得30
3秒前
小马甲应助相南相北采纳,获得10
3秒前
小柒发布了新的文献求助10
4秒前
小白发布了新的文献求助10
5秒前
爆米花应助lvsehx采纳,获得10
5秒前
Li完成签到 ,获得积分10
6秒前
烟花应助称心的访彤采纳,获得10
7秒前
刘畅发布了新的文献求助10
8秒前
8秒前
xujiejiuxi完成签到 ,获得积分10
8秒前
MG发布了新的文献求助20
9秒前
段祥发布了新的文献求助10
9秒前
Yuan.完成签到,获得积分20
9秒前
9秒前
桐桐应助obito采纳,获得20
9秒前
科研通AI2S应助李思采纳,获得10
10秒前
大模型应助相南相北采纳,获得10
11秒前
11秒前
斯文败类应助巽风采纳,获得10
12秒前
小柒完成签到,获得积分20
17秒前
p二发布了新的文献求助10
17秒前
白白白完成签到 ,获得积分10
19秒前
lxz3131发布了新的文献求助10
19秒前
huiliang发布了新的文献求助10
20秒前
爆米花应助晨铎采纳,获得10
20秒前
Zhangll发布了新的文献求助10
20秒前
十九完成签到,获得积分20
20秒前
謃河鷺起完成签到,获得积分10
21秒前
香蕉觅云应助李思采纳,获得10
21秒前
小马甲应助榴莲爱美丽采纳,获得10
22秒前
星辰大海应助相南相北采纳,获得30
22秒前
24秒前
小马甲应助简单的可愁采纳,获得10
25秒前
26秒前
26秒前
bkagyin应助科研通管家采纳,获得10
26秒前
思源应助科研通管家采纳,获得10
26秒前
Akim应助科研通管家采纳,获得10
26秒前
Jasper应助科研通管家采纳,获得10
27秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
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
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 3200261
求助须知:如何正确求助?哪些是违规求助? 2849985
关于积分的说明 8070689
捐赠科研通 2513800
什么是DOI,文献DOI怎么找? 1346666
科研通“疑难数据库(出版商)”最低求助积分说明 640252
邀请新用户注册赠送积分活动 610183