La tecnología de teledetección satelital es uno de los principales métodos para detectar el contenido de vapor de agua atmosférico, con la ventaja significativa de alta resolución espacial. Sin embargo, esta tecnología presenta una precisión de detección relativamente baja, lo que dificulta satisfacer las demandas de estudio del cambio del vapor de agua atmosférico. Estudios previos han utilizado sucesivamente datos de PWV GNSS de alta precisión tipo "estación puntual" para una corrección adecuada de los datos de vapor de agua de teledetección tipo "superficie", obteniendo productos precisos de vapor de agua satelital. Sin embargo, la mayoría de los estudios existentes se basan en la construcción de modelos de corrección usando datos espaciales "puntuales" de estaciones GNSS y píxeles de teledetección, ignorando la importante influencia de la fuerte correlación local del vapor de agua atmosférico, lo que limita su capacidad de corrección. En vista de esto, este artículo toma la correlación espacial vecinal del vapor de agua como punto de entrada, y aprovecha las ventajas del procesamiento no lineal de técnicas de aprendizaje automático para construir un modelo de corrección de red neuronal para productos MODIS que considera características del vecindario espacial. El modelo está basado en el algoritmo de red neuronal BP, seleccionando como parámetros de entrada factores no lineales como información de nubes, tipo de cobertura terrestre y orientación espacial del sensor de productos MODIS a diferentes escalas. Los resultados experimentales basados en datos PWV GNSS y MODIS de la región occidental de EE.UU. muestran que el error cuadrático medio de la corrección del PWV MODIS con el modelo propuesto es de 2.13 mm, lo que representa una reducción del 46.21% en comparación con el modelo lineal ampliamente utilizado; y una reducción del 12.35% en comparación con el resultado de corrección del modelo de concordancia "puntual" actual. Las comparaciones en dimensiones temporales y espaciales muestran que el error cuadrático medio de los productos calibrados con el modelo propuesto se estabiliza entre 2.0 y 3.0 mm, demostrando la superioridad del modelo de corrección que considera las características del vecindario espacial en la corrección de productos de vapor de agua de teledetección, pudiendo reflejar información espacio-temporal detallada en la distribución del vapor de agua.

MODIS PWV;GNSS PWV;corrección PWV;correlación espacial;red neuronal BP