A tecnologia de sensoriamento remoto por satélite é um dos principais métodos para detectar o conteúdo de vapor d'água atmosférico, apresentando a vantagem significativa de alta resolução espacial. No entanto, essa tecnologia possui baixa precisão de detecção, o que dificulta atender às demandas de estudo sobre as variações do vapor d'água atmosférico. Pesquisas anteriores têm utilizado progressivamente dados GNSS PWV de alta precisão do tipo "ponto" para calibração apropriada dos dados de vapor d'água obtidos por sensoriamento remoto do tipo "superfície", obtendo produtos precisos de vapor d'água via satélite. Contudo, a maioria das pesquisas existentes baseia-se na construção de modelos de calibração com dados de correspondência espacial "pontual" entre estações GNSS e pixels de sensoriamento remoto, negligenciando a importante influência da forte correlação local do vapor d'água atmosférico, o que limita a capacidade de calibração. Diante disso, este artigo aborda a correlação espacial do vizinho do vapor d'água, aproveitando as vantagens do processamento não linear das técnicas de aprendizado de máquina, para construir um modelo de calibração de rede neural para produtos MODIS de vapor d'água que considera características do vizinho espacial. O modelo é baseado no algoritmo de rede neural BP, selecionando como parâmetros de entrada fatores não lineares como informações de nuvens, tipos de cobertura do solo, atitude espacial do sensor dentro da escala dos produtos MODIS. Resultados experimentais baseados em dados GNSS e MODIS PWV da região oeste dos EUA mostram que o erro quadrático médio da correção do MODIS PWV pelo modelo proposto é de 2,13 mm, o que representa uma redução de 46,21% em relação ao modelo linear amplamente utilizado; e uma redução de 12,35% em comparação com os resultados de calibração do modelo de correspondência "pontual" atual. As comparações nas dimensões temporal e espacial indicam que o erro quadrático médio dos produtos calibrados pelo modelo proposto se estabiliza entre 2,0 e 3,0 mm, demonstrando a superioridade do modelo de calibração que considera as características do vizinho espacial na correção de produtos de vapor d'água de sensoriamento remoto, podendo refletir informações espaço-temporais detalhadas na distribuição do vapor d'água.

MODIS PWV;GNSS PWV;calibração PWV;correlação espacial;rede neural BP