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
Oct完成签到 ,获得积分10
刚刚
无情的子骞完成签到,获得积分10
1秒前
缓慢芙完成签到,获得积分10
2秒前
绵绵面面喵呜酱完成签到,获得积分10
3秒前
3秒前
呆头完成签到,获得积分10
7秒前
hzauhzau完成签到,获得积分10
7秒前
恐龙完成签到 ,获得积分10
8秒前
青桔完成签到,获得积分10
10秒前
柒月完成签到 ,获得积分10
10秒前
scarlet完成签到 ,获得积分10
12秒前
老四完成签到,获得积分10
13秒前
进退须臾完成签到,获得积分10
13秒前
干净傲霜完成签到 ,获得积分10
14秒前
呆萌的雁荷完成签到,获得积分20
18秒前
心有猛虎完成签到,获得积分10
18秒前
daisy完成签到 ,获得积分10
20秒前
23秒前
蓝天完成签到,获得积分10
25秒前
Elytra完成签到,获得积分10
25秒前
wuludie应助oscar采纳,获得10
27秒前
Liziqi823完成签到,获得积分10
28秒前
arosy发布了新的文献求助10
30秒前
DE2022完成签到,获得积分10
31秒前
31秒前
吃吃货完成签到 ,获得积分10
32秒前
咯咯咯完成签到 ,获得积分10
33秒前
sje完成签到 ,获得积分10
34秒前
贾舒涵发布了新的文献求助10
35秒前
刘刘完成签到,获得积分10
37秒前
脑洞疼应助科研通管家采纳,获得10
40秒前
平常的仙人掌完成签到,获得积分10
41秒前
小蘑菇应助呆萌的雁荷采纳,获得10
43秒前
三国杀校老弟应助anyuanli采纳,获得10
46秒前
Shaynin完成签到,获得积分10
48秒前
杰行天下完成签到,获得积分10
48秒前
Accept完成签到,获得积分10
52秒前
sagapo完成签到 ,获得积分10
53秒前
xxxxam完成签到,获得积分10
53秒前
火星上的泡芙完成签到,获得积分10
54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
安全防范技术与工程 500
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
2024 Medicinal Chemistry Reviews 400
Актуализированная стратиграфическая схема триасовых отложений Прикаспийского региона. Объяснительная записка 360
Dictionary of socialism 350
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 3192710
求助须知:如何正确求助?哪些是违规求助? 2841781
关于积分的说明 8034694
捐赠科研通 2505466
什么是DOI,文献DOI怎么找? 1338603
科研通“疑难数据库(出版商)”最低求助积分说明 638372
邀请新用户注册赠送积分活动 606929