衛星リモートセンシング技術は、大気中の水蒸気含有量を探知する主要な手段の一つであり、高い空間解像度という顕著な利点を有します。しかしながら、この技術の探知精度は低く、大気中の水蒸気変化の研究ニーズを満たすことが困難です。既存の研究では、高精度GNSS PWVの「点検型」データを用いて「面検型」リモートセンシング水蒸気データの適正な補正を行い、精度の高い衛星リモートセンシング水蒸気製品を取得しています。しかしながら、既存研究の多くはGNSS観測局とリモートセンシングピクセル点の「点補正」空間マッチングデータに基づいた補正モデルを構築しており、大気水蒸気の局所的な強い相関性という重要な影響を無視しているため、補正能力に限界があります。これを踏まえ、本稿では水蒸気の空間隣接相関を切り口に、機械学習技術の非線形処理の利点を活かし、空間隣接特徴を考慮したMODIS水蒸気製品のニューラルネットワーク補正モデルを構築しました。本モデルはBPニューラルネットワークアルゴリズムを枠組みとし、スケール範囲内のMODIS製品の雲情報、地表被覆タイプ、センサー空間姿勢などの非線形影響要素をモデル入力パラメータに選定しています。米国西部地域のGNSSおよびMODIS PWVデータに基づく実験結果から、本稿で提案したモデルによる補正後のMODIS PWVの二乗平均平方根誤差は2.13mmであり、広く用いられている線形補正モデルと比較して二乗平均平方根誤差が46.21%低減、現在の「点補正」マッチングモデルの補正結果と比べても12.35%低減しています。時間および空間次元での比較結果は、本モデル補正製品の二乗平均平方根誤差が2.0～3.0mmに安定していることを示し、空間隣接特徴を考慮した補正モデルの衛星リモートセンシング水蒸気製品補正における優位性を証明し、水蒸気分布の精緻な時空間情報を反映しています。

MODIS PWV;GNSS PWV;PWV補正;空間相関;BPニューラルネットワーク