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
WLL关闭了WLL文献求助
1秒前
丰富梦容发布了新的文献求助10
2秒前
槐序发布了新的文献求助10
3秒前
3秒前
风趣小小发布了新的文献求助10
4秒前
山贼发布了新的文献求助30
4秒前
思源应助惠JUI采纳,获得10
5秒前
6秒前
Rebeccaiscute完成签到 ,获得积分10
8秒前
9秒前
难过的高跟鞋完成签到 ,获得积分10
11秒前
Lalali发布了新的文献求助10
12秒前
微义完成签到,获得积分10
12秒前
14秒前
任白993发布了新的文献求助20
15秒前
16秒前
汉堡包应助诚心的金毛采纳,获得10
16秒前
Tabby发布了新的文献求助10
17秒前
小和完成签到,获得积分10
17秒前
ceci发布了新的文献求助20
18秒前
无花果应助冯哒哒采纳,获得10
18秒前
啥也不会的生科实验人完成签到,获得积分10
18秒前
19秒前
惠JUI发布了新的文献求助10
20秒前
WLL完成签到,获得积分20
22秒前
领导范儿应助动听的乐瑶采纳,获得10
23秒前
23秒前
23秒前
陆陆源圆发布了新的文献求助10
24秒前
酷波er应助漂亮的战斗机采纳,获得10
24秒前
谷捣猫宁发布了新的文献求助10
24秒前
26秒前
27秒前
无心的昊强完成签到,获得积分10
27秒前
28秒前
清风明月完成签到,获得积分10
28秒前
ccm应助陆陆源圆采纳,获得10
28秒前
牛安荷完成签到,获得积分10
29秒前
30秒前
冯哒哒发布了新的文献求助10
31秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Evolution 3rd edition 1500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 700
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 700
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
A new species of Coccus (Homoptera: Coccoidea) from Malawi 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 3188568
求助须知:如何正确求助?哪些是违规求助? 2838018
关于积分的说明 8018485
捐赠科研通 2500765
什么是DOI,文献DOI怎么找? 1335198
科研通“疑难数据库(出版商)”最低求助积分说明 637477
邀请新用户注册赠送积分活动 605536