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
nanostu完成签到,获得积分10
刚刚
离子电池完成签到,获得积分10
刚刚
Brief完成签到,获得积分10
刚刚
刚刚
fantexi113完成签到,获得积分10
1秒前
风中一叶完成签到 ,获得积分10
1秒前
Singularity应助科研通管家采纳,获得10
2秒前
Singularity应助科研通管家采纳,获得10
2秒前
Singularity应助科研通管家采纳,获得10
2秒前
Singularity应助科研通管家采纳,获得10
2秒前
科研通AI2S应助科研通管家采纳,获得10
2秒前
Jason完成签到 ,获得积分10
2秒前
不驯完成签到 ,获得积分10
4秒前
5秒前
光亮萤完成签到,获得积分10
5秒前
xin_you完成签到,获得积分10
5秒前
Hhhhh完成签到 ,获得积分10
6秒前
圆圈儿应助小班采纳,获得80
6秒前
huahuayang发布了新的文献求助10
6秒前
是我不得开心妍完成签到 ,获得积分10
7秒前
Panini完成签到 ,获得积分10
10秒前
阝火火完成签到,获得积分10
11秒前
x7完成签到 ,获得积分10
19秒前
落后的皮卡丘完成签到,获得积分10
22秒前
abc完成签到 ,获得积分10
25秒前
小蘑菇应助小黑爱搞科研采纳,获得10
30秒前
cyw完成签到,获得积分10
30秒前
yuzhou完成签到 ,获得积分10
31秒前
小k医生完成签到 ,获得积分10
31秒前
抹茶拿铁加奶砖完成签到 ,获得积分10
37秒前
林巧完成签到 ,获得积分10
38秒前
zsrrrrrr完成签到 ,获得积分10
40秒前
Zhai完成签到 ,获得积分10
43秒前
slzhao发布了新的文献求助150
45秒前
洋洋爱吃枣完成签到 ,获得积分10
48秒前
shimenwanzhao完成签到 ,获得积分0
50秒前
53秒前
57秒前
橘子小西完成签到 ,获得积分10
58秒前
kokodayour完成签到,获得积分10
58秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Aspects of Babylonian celestial divination: the lunar eclipse tablets of Enūma Anu Enlil 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
Dictionary of socialism 350
Mixed-anion Compounds 300
Geochemistry, 2nd Edition 地球化学经典教科书第二版 300
Idoxuridine 260
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 3196862
求助须知:如何正确求助?哪些是违规求助? 2845525
关于积分的说明 8054432
捐赠科研通 2510220
什么是DOI,文献DOI怎么找? 1342330
科研通“疑难数据库(出版商)”最低求助积分说明 639355
邀请新用户注册赠送积分活动 608669