La technologie de télédétection par satellite est l'une des principales méthodes pour détecter la teneur en vapeur d'eau atmosphérique, offrant un avantage significatif de haute résolution spatiale. Cependant, cette technologie présente une faible précision de détection, ce qui limite la capacité à répondre aux besoins d'étude des variations de la vapeur d'eau atmosphérique. Les recherches existantes ont progressivement utilisé des données GNSS PWV haute précision de type "station ponctuelle" pour calibrer de manière appropriée les données de vapeur d'eau obtenues par télédétection de type "surface", afin d'obtenir des produits précis de vapeur d'eau par satellite. Toutefois, la plupart des études reposent sur la construction de modèles de calibration basés sur la correspondance spatiale "ponctuelle" entre les stations GNSS et les pixels de télédétection, négligeant l'importance de la forte corrélation locale de la vapeur d'eau atmosphérique, ce qui limite leur capacité de calibration. En réponse, cet article aborde la corrélation spatiale des voisinages de vapeur d'eau, en exploitant les avantages du traitement non linéaire des techniques d'apprentissage automatique, pour construire un modèle de calibration par réseau de neurones de produits MODIS prenant en compte les caractéristiques du voisinage spatial. Ce modèle est basé sur l'algorithme du réseau de neurones BP, sélectionnant comme paramètres d'entrée des facteurs non linéaires d'influence dans l'échelle des produits MODIS, tels que les informations sur la couverture nuageuse, les types de couverture terrestre, l'orientation spatiale du capteur, etc. Les résultats expérimentaux basés sur les données GNSS et MODIS PWV de l'ouest des États-Unis montrent que la racine quadratique moyenne de l'erreur du produit MODIS PWV calibré par le modèle proposé est de 2,13 mm, soit une réduction de 46,21 % par rapport au modèle linéaire largement utilisé ; elle est également réduite de 12,35 % par rapport aux résultats de calibration du modèle de correspondance "ponctuelle" actuel. La comparaison selon les dimensions temporelle et spatiale révèle que la racine quadratique moyenne de l'erreur des produits calibrés par le modèle proposé se stabilise entre 2,0 et 3,0 mm, démontrant la supériorité du modèle de calibration prenant en compte les caractéristiques du voisinage spatial pour la correction des produits de vapeur d'eau par télédétection, et reflète des informations spatiotemporelles fines sur la distribution de la vapeur d'eau.

MODIS PWV;GNSS PWV;calibration PWV;corrélation spatiale;réseau de neurones BP