Спутниковая дистанционная зондирование является одним из основных методов обнаружения содержания водяного пара в атмосфере и обладает значительным преимуществом высокой пространственной разрешающей способности. Однако точность данной технологии относительно низка и трудно удовлетворить потребности исследований изменений атмосферного водяного пара. Ранее исследования последовательно использовали высокоточные данные GNSS PWV типа «точечная станция» для адекватной калибровки «плоскостных» данных дистанционного зондирования водяного пара с целью получения точных спутниковых продуктов водяного пара. Тем не менее, большинство существующих исследований основываются на построении калибровочных моделей на основе пространственного сопоставления типа «точка-точка» между GNSS станциями и пикселями данных дистанционного зондирования, игнорируя важное влияние локальной сильной корреляции атмосферного водяного пара, что ограничивает возможности калибровки. В связи с этим в данной работе в качестве отправной точки взята пространственная соседская корреляция водяного пара, с использованием преимуществ нелинейной обработки машинного обучения построена модель нейронной сети для коррекции продуктов MODIS PWV, учитывающая пространственные соседские характеристики. Модель построена на основе алгоритма нейронной сети BP, где в качестве входных параметров выбраны нелинейные факторы влияния, такие как информация о облачности продуктов MODIS, типы покрытия поверхности и пространственное положение датчика в выбранном масштабном диапазоне. Экспериментальные результаты на данных GNSS и MODIS PWV для западного региона США показывают, что среднеквадратичная ошибка модели после коррекции составляет 2.13 мм, что на 46.21% меньше по сравнению с широко используемой линейной моделью коррекции, и на 12.35% меньше по сравнению с результатами коррекции текущих моделей с «точечным» сопоставлением. Сравнение по временным и пространственным измерениям показало, что среднеквадратичная ошибка скорректированных продуктов модели стабильна в пределах 2.0—3.0 мм, что подтверждает превосходство модели коррекции с учетом пространственных соседских характеристик в коррекции продуктов дистанционного зондирования водяного пара и отражает детальную пространственно-временную информацию распределения водяного пара.

MODIS PWV;GNSS PWV;коррекция PWV;пространственная корреляция;нейронная сеть BP