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検出する主流の手段の一つであり、高い空間分解能という顕著な利点を持っています。しかし、この技術の検出精度は低く、大気中の水蒸気変動の研究要求を満たすことが困難です。既存の研究では、高精度GNSS PWV「点型」データを利用して「面型」リモートセンシング水蒸気データの適切な補正を行い、正確な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、既存の研究の多くはGNSS測定局とリモートセンシング画素点の「点型」空間マッチングデータに基づく補正モデルを構築しており、大気水蒸気の局所的な強相関の重要な影響を無視しているため、補正能力が限られています。これを踏まえ、本論文では水蒸気の空間近傍相関性を切り口とし、機械学習技術の非線形処理の利点を借りて、空間近傍特性を考慮した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フレームワークとし、スケール範囲内のMODIS製品の雲情報、地表被覆タイプ、センサーの空間姿勢などの非線形影響要素をモデルの入力パラメータとして選定しています。米国西部地域のGNSSおよびMODIS PWVデータに基づく実験結果により、本論文で提案したモデル補正後のMODIS PWVの二乗平均平方根誤差は2.13 mm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%低減し、現在の「点型」マッチングモデルの補正結果と比べても12.35%低減しました。時間的および空間的な次元での比較結果は、本論文で提案したモデル補正製品の二乗平均平方根誤差が2.0～3.0 mmに安定しており、空間近傍特性を考慮した補正モデルがリモートセンシング水蒸気製品の補正において優れていることを示し、水蒸気分布の精細な時空間情報を反映できることを証明しています。

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