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
benmao_mogu完成签到,获得积分10
1秒前
暴躁de晶完成签到,获得积分10
1秒前
无私映萱完成签到 ,获得积分10
2秒前
5秒前
暴躁de晶发布了新的文献求助10
6秒前
卡萨卡萨完成签到,获得积分10
6秒前
cccc发布了新的文献求助10
6秒前
pengenb完成签到,获得积分10
6秒前
CodeCraft应助彭于晏采纳,获得20
7秒前
8秒前
9秒前
9秒前
sunsunsun完成签到,获得积分10
10秒前
一叶知秋完成签到,获得积分20
11秒前
星空之下ssr完成签到,获得积分10
11秒前
Sunshine发布了新的文献求助10
11秒前
12秒前
堪冷之发布了新的文献求助10
12秒前
情怀应助滚蛋居居采纳,获得10
12秒前
13秒前
聪明邪欢发布了新的文献求助20
13秒前
落雨声发布了新的文献求助10
13秒前
13秒前
Billy应助kaka7采纳,获得30
13秒前
祁煜骑鱼吃小鱼完成签到,获得积分10
14秒前
左嘉欣发布了新的文献求助10
15秒前
LEON发布了新的文献求助10
16秒前
16秒前
大个应助c123采纳,获得10
17秒前
wanci应助苹果向露采纳,获得30
17秒前
充电宝应助LEON采纳,获得10
20秒前
生动谷蓝完成签到,获得积分10
20秒前
23秒前
虚幻代桃发布了新的文献求助10
23秒前
24秒前
lulu发布了新的文献求助10
25秒前
26秒前
星辰大海应助pengenb采纳,获得10
27秒前
27秒前
cccc完成签到,获得积分10
28秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mixed-anion Compounds 600
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
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
Management of cardiopulmonary bypass 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 3199243
求助须知:如何正确求助?哪些是违规求助? 2848054
关于积分的说明 8066241
捐赠科研通 2512857
什么是DOI,文献DOI怎么找? 1344964
科研通“疑难数据库(出版商)”最低求助积分说明 639961
邀请新用户注册赠送积分活动 609663