يعتبر الغلاف الجوي للأيروسولات عاملاً رئيسياً يؤثر على البيئة الجوية وتغير المناخ وصحة الإنسان، وقد نال اهتماماً واسعاً خلال الخمسين عامًا الماضية. مع تطور تقنيات الاستشعار عن بعد، أصبحت المراقبة عبر الأقمار الصناعية وسيلة هامة لاكتساب الخصائص العالمية للأيروسولات. في بعض الدرجات، قامت الطرق التقليدية لجدول البيانات بتبسيط عملية استشعار الأيروسولات عبر الأقمار الصناعية، ولكنها ما زالت غير قادرة على تلبية الاحتياجات من حيث دقة الاسترجاع ومعالجة المعلومات الفضائية في الوقت الحقيقي. في السنوات الأخيرة، أحدث تطور في مجال الذكاء الاصطناعي جلب تغييرات جذرية لمجال استشعار الأيروسولات، حيث إن خوارزميات تعلم الآلة ليست قادرة فقط على تعزيز كفاءة الاسترجاع، بل لديها أيضًا القدرة على حل مشاكل استرجاع الأقمار الصناعية بالأساليب الفيزيائية التقليدية (مثل مشكلة انفصال الأرض والجو التي عانى منها الباحثون لفترة طويلة) ، مما يساعد في دفع عملية استرجاع الأيروسولات عبر الأقمار الصناعية إلى مرحلة التطوير الذكي. في هذه الورقة، قمنا بتفحص رواسب تطور تقنيات استرجاع الأيروسولات عبر الأقمار الصناعية، وتحليل الفوائد والعيوب الرئيسية للطرق التقليدية لتعلم الآلة في مجال الأيروسولات وقيودها، ومناقشة تطور الاتجاهات المستقبلية للذكاء الاصطناعي في مجال استشعار الأيروسولات، لتقديم إشارات للباحثين في مجال استشعار الأيروسولات.

الأيروسولات؛ استشعار الغاز الجوي؛ تعلم الآلة؛ الذكاء الاصطناعي؛ خوارزميات الاسترجاع