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
K. G.发布了新的文献求助10
刚刚
哒哒张发布了新的文献求助10
1秒前
1秒前
yi蔚发布了新的文献求助10
2秒前
2秒前
4秒前
SciGPT应助寂寞的向真采纳,获得10
4秒前
4秒前
hxw发布了新的文献求助10
8秒前
满意芷珍发布了新的文献求助10
9秒前
超级涔完成签到 ,获得积分10
10秒前
10秒前
11秒前
欢喜的元灵完成签到,获得积分10
11秒前
11秒前
快乐123发布了新的文献求助10
11秒前
乐观的香氛完成签到 ,获得积分10
12秒前
HY发布了新的文献求助10
15秒前
15秒前
roger应助woods采纳,获得10
15秒前
15秒前
内向的小霸王完成签到,获得积分10
15秒前
16秒前
16秒前
17秒前
田小姐发布了新的文献求助20
17秒前
18秒前
thenafly应助今我来思采纳,获得10
18秒前
旧巷子里的猫完成签到,获得积分20
18秒前
18秒前
18秒前
20秒前
啦啦啦发布了新的文献求助10
20秒前
感性的蜜蜂完成签到,获得积分10
20秒前
豆豆发布了新的文献求助10
20秒前
桂花酒酿发布了新的文献求助10
21秒前
Ava应助杜兰特工队采纳,获得10
21秒前
22秒前
22秒前
执着采波发布了新的文献求助10
22秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
保险藏宝图 1000
Lire en communiste 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
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 3185860
求助须知:如何正确求助?哪些是违规求助? 2836182
关于积分的说明 8008180
捐赠科研通 2498578
什么是DOI,文献DOI怎么找? 1333656
科研通“疑难数据库(出版商)”最低求助积分说明 636907
邀请新用户注册赠送积分活动 604738