1. 研究背景
作为最活跃的大气成分之一，水汽在水循环中占据着核心地位。它在维持陆地与大气之间的能量平衡方面至关重要。水汽是云和降水形成的基本驱动力，在大气过程中发挥着关键作用。大气中的可降水水汽（PWV）表示从地表到大气最顶层的水汽含量的垂直积分，其在不同时间和空间尺度上表现出显著的变化，从低纬度地区约8厘米到极地地区低于0.1厘米。这些变化可能导致局部天气模式的突然改变。因此，以最高精度监测水汽对于开发准确的天气预测模型和可靠的全球气候模型至关重要。
2.创新之处
本研究提出了一种基于物理过程引导的算法，通过协同利用MODIS的近红外和热红外测量数据，精确估算大气中的可降水水汽量（PWV）。在比率法基础上进行了优化，该算法主要通过多波段的反射率与辐射传输模型结合，提出了适用于复杂大气条件下（如云层影响或气溶胶存在时）的改进算法。此外，还针对不同地表类型（如陆地、海洋及带日辉的海洋区域）设计了相应的水汽提取方法。
3. 关键图表
图1 在Suominet网络站点对MYD05（a）、MYD07（b）以及NIR-TIR联合反演（c）的PWV验证结果。
图2 太阳光度计年平均PWV的空间分布（a）以及不同遥感反演的RMSE空间分布。（b）MYD05，（c）MYD07，（d）NIR-TIR联合反演。
4. 主要结论
研究结果显示：精细的水汽剖面经过积分以获取PWV。使用了来自北美473个GPS站点和122个太阳光度计的三年原位观测数据用于PWV验证。此外，MODIS的MYD05和MYD07 PWV产品也使用相同的原位观测数据进行了验证。验证结果表明，使用NIR-TIR联合反演算法反演的PWV的均方根误差（RMSE）在夏季为2.40 mm，冬季为1.67 mm，平均偏差和RMSE分别为−0.55 mm和2.08 mm，优于MODIS的PWV产品。MYD05的偏差和RMSE分别为3.84 mm和4.86 mm，MYD07的偏差和RMSE为0.41 mm和4.60 mm。总体而言，NIR-TIR联合反演算法为生成全面、长期、高分辨率的PWV数据提供了一种有效的方法。
5. 发表信息
Zhou S, Cheng J. A physics-based atmospheric precipitable water vapor retrieval algorithm by synchronizing MODIS near-infrared and thermal infrared measurements[J]. Remote Sensing of Environment, 2025, 317: 114523.
6．声明
（1）小编水平有限，文章分析和理解均是个人见解，强烈推荐通过合理渠道获取原文，直接进行阅读。
（2）文稿涉及的材料仅为交流学习，如涉及版权和其他问题，请联系删除，小编对此表示歉意，邮箱：xu_xibo@126.com。
