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
经过完成签到,获得积分10
刚刚
2秒前
经过发布了新的文献求助10
4秒前
善学以致用应助peggy采纳,获得10
5秒前
小白发布了新的文献求助10
6秒前
个性南烟应助零加采纳,获得10
7秒前
飘逸的威完成签到,获得积分10
7秒前
Owen应助LY020201采纳,获得10
7秒前
temp发布了新的文献求助10
8秒前
9秒前
李健的小迷弟应助Melody采纳,获得10
12秒前
aaron完成签到,获得积分10
13秒前
大學朝陽完成签到 ,获得积分10
13秒前
领导范儿应助英勇的香之采纳,获得20
14秒前
思源应助窦窦采纳,获得10
15秒前
小新应助李健采纳,获得10
17秒前
17秒前
19秒前
19秒前
秋秋发布了新的文献求助10
22秒前
零加发布了新的文献求助10
23秒前
wanci应助清颜采纳,获得10
24秒前
pengrui0911完成签到 ,获得积分10
24秒前
temp完成签到,获得积分10
25秒前
26秒前
29秒前
潇潇雨歇发布了新的文献求助10
30秒前
知性的菠萝完成签到,获得积分10
30秒前
复杂念梦完成签到 ,获得积分10
31秒前
33秒前
nnn完成签到,获得积分20
34秒前
34秒前
34秒前
三号完成签到,获得积分20
35秒前
Orange应助沧海一笑采纳,获得10
36秒前
秋秋完成签到,获得积分10
36秒前
馋馋发布了新的文献求助10
37秒前
香菜完成签到,获得积分10
37秒前
123456789发布了新的文献求助10
39秒前
39秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
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
A real-time energy management strategy based on fuzzy control and ECMS for PHEVs 400
Handbook on People's China (1957) 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 3189479
求助须知:如何正确求助?哪些是违规求助? 2838806
关于积分的说明 8021756
捐赠科研通 2501710
什么是DOI,文献DOI怎么找? 1335931
科研通“疑难数据库(出版商)”最低求助积分说明 637750
邀请新用户注册赠送积分活动 605810