Спутниковые технологии дистанционного зондирования являются одним из основных методов обнаружения содержания водяного пара в атмосфере и имеют значительное преимущество в виде высокого пространственного разрешения. Однако точность этих технологий относительно невысока и не всегда удовлетворяет потребности исследований изменений атмосферного водяного пара. В существующих исследованиях высокоточные данные GNSS PWV «станционного» типа постепенно используются для соответствующей калибровки «площадных» данных дистанционного зондирования водяного пара с целью получения точных спутниковых продуктов водяного пара. При этом большинство имеющихся исследований строят модели калибровки на основе «точечного» пространственного сопоставления между GNSS-станциями и пикселями дистанционного зондирования, игнорируя важное влияние локальной сильной пространственной корреляции атмосферного водяного пара, что ограничивает возможности калибровки. Исходя из этого, в данной работе взят за основу аспект пространственной соседней корреляции водяного пара, и с использованием преимуществ нелинейной обработки машинного обучения построена модель нейронной сети для калибровки продуктов MODIS с учётом пространственных соседних характеристик. Модель построена на основе алгоритма обратного распространения ошибки (BP), где в качестве входных параметров выбраны нелинейные влияющие факторы: облачность, тип наземного покрова, пространственная ориентация сенсора MODIS в выбранном масштабе. Экспериментальные результаты на данных GNSS и MODIS PWV для западного региона США показывают, что среднеквадратичная ошибка после калибровки модели составила 2.13 мм, что на 46.21% ниже по сравнению с широко используемой линейной моделью калибровки, и на 12.35% ниже по сравнению с результатами калибровки «точечной» модели сопоставления. Сравнение по временным и пространственным измерениям показывает, что среднеквадратичная ошибка калиброванного продукта стабильна в пределах 2.0–3.0 мм, что подтверждает превосходство модели калибровки с учётом пространственных соседних характеристик для корректировки продуктов дистанционного зондирования водяного пара и позволяет отражать детализированную пространственно-временную информацию о распределении водяного пара.

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