위성 원격 탐지 기술은 대기 수증기 함량 탐지의 주류 수단 중 하나로, 높은 공간 해상도의 뚜렷한 장점을 가지고 있습니다. 그러나 이 기술은 탐지 정밀도가 낮아 대기 수증기 변화 연구 요구를 충족시키기 어렵습니다. 기존 연구들은 고정밀 GNSS PWV "지점식" 데이터를 활용하여 "면식" 원격 탐지 수증기 데이터를 적절히 보정하고, 정확한 위성 원격 탐지 수증기 제품을 획득해 왔습니다. 그러나 기존 연구들은 대부분 GNSS 관측소와 원격 탐지 픽셀 간의 "점식" 공간 매칭 데이터를 기반으로 보정 모델을 구축하여, 대기 수증기의 국부적 강한 상관성이라는 중요한 영향을 간과하여 보정 능력이 제한적입니다. 이에 본 논문은 수증기 공간 인접 상관성을 출발점으로 하여, 머신 러닝 기술의 비선형 처리 장점을 활용하여 공간 인접 특성을 고려한 MODIS 수증기 제품 신경망 보정 모델을 구축하였습니다. 이 모델은 BP 신경망 알고리즘을 프레임워크로 하여, 규모 범위 내 MODIS 제품의 구름 정보, 지표 피복 유형, 센서 공간 자세 등 비선형 영향 요소들을 모델 입력 매개변수로 선정하였습니다. 미국 서부 지역의 GNSS 및 MODIS PWV 데이터를 기반으로 한 실험 결과, 본 논문에서 제안한 모델로 보정한 MODIS PWV의 평균 제곱근 오차(RMSE)는 2.13mm로, 널리 사용되는 선형 보정 모델에 비해 RMSE가 46.21% 감소했으며, 현재의 "점식" 매칭 모델 보정 결과와 비교할 때 RMSE가 12.35% 감소하였습니다. 시간 및 공간 차원에서의 비교 결과, 본 논문에서 제안한 모델 보정 제품의 RMSE는 2.0~3.0mm 사이에서 안정적으로 유지되어, 공간 인접 특성을 고려한 보정 모델이 원격 탐지 수증기 제품 보정에 있어 우수성을 입증하였으며, 수증기 분포의 정밀 시공간 정보를 반영할 수 있음을 나타냅니다.

MODIS PWV;GNSS PWV;PWV 보정;공간 상관성;BP 신경망