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
李爱国应助英俊的背包采纳,获得10
刚刚
1秒前
Frounhofer完成签到 ,获得积分20
2秒前
Ton汤发布了新的文献求助10
2秒前
2秒前
科研通AI2S应助老人儿K采纳,获得10
3秒前
芯止谭轩完成签到,获得积分10
3秒前
慕辰完成签到,获得积分10
4秒前
JQKing完成签到,获得积分10
4秒前
海绵徐完成签到,获得积分10
4秒前
陈棋清完成签到,获得积分10
4秒前
今天也要学习完成签到,获得积分10
5秒前
zzzz应助Dew采纳,获得10
5秒前
是小袁呀发布了新的文献求助10
6秒前
小周完成签到,获得积分20
6秒前
ovoclive发布了新的文献求助30
7秒前
Bluesky完成签到,获得积分10
7秒前
NING给NING的求助进行了留言
7秒前
7秒前
栗子718098完成签到 ,获得积分10
8秒前
8秒前
冯成风发布了新的文献求助10
8秒前
拔丝芫荽完成签到,获得积分10
8秒前
小蘑菇应助CJN采纳,获得10
8秒前
GgXxx完成签到,获得积分10
8秒前
皮皮球发布了新的文献求助10
8秒前
9秒前
ding应助心随以动采纳,获得10
10秒前
arrebol完成签到,获得积分10
10秒前
杜彦君发布了新的文献求助10
11秒前
李健应助bbk采纳,获得30
11秒前
12秒前
李健应助聪儿爱吃肉采纳,获得10
12秒前
酷波er应助ES采纳,获得10
12秒前
Akim应助科研通管家采纳,获得10
14秒前
15秒前
今后应助科研通管家采纳,获得10
15秒前
15秒前
小蘑菇应助科研通管家采纳,获得30
15秒前
不配.应助科研通管家采纳,获得20
15秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
ALA生合成不全マウスでの糖代謝異常の分子機構解析 520
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Dictionary of socialism 350
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 3194659
求助须知:如何正确求助?哪些是违规求助? 2843497
关于积分的说明 8045521
捐赠科研通 2507954
什么是DOI,文献DOI怎么找? 1340337
科研通“疑难数据库(出版商)”最低求助积分说明 638929
邀请新用户注册赠送积分活动 607820