Les aérosols atmosphériques, en tant que facteur clé influençant l'environnement atmosphérique, le changement climatique et la santé humaine, ont suscité une attention considérable au cours des cinquante dernières années. Avec le développement des technologies de télédétection, l'observation par satellite est devenue un moyen important d'acquérir des caractéristiques mondiales des aérosols. Les méthodes traditionnelles de recherche par tableaux ont simplifié dans une certaine mesure le processus de télédétection des aérosols par satellite, mais elles ne peuvent toujours pas satisfaire aux exigences en termes de précision des données et de traitement des informations en temps réel. Ces dernières années, le développement de l'intelligence artificielle a apporté des changements majeurs dans le domaine de la télédétection des aérosols, car les algorithmes d'apprentissage automatique peuvent non seulement améliorer considérablement l'efficacité de la télédétection, mais aussi ont le potentiel de résoudre les problèmes difficiles de télédétection qui ont longtemps préoccupé les chercheurs (par exemple, le problème du désaccouplement terre-atmosphère), aidant ainsi à faire entrer le processus de télédétection des aérosols par satellite dans une phase de développement intelligent. Dans cet article, nous avons examiné l'évolution des méthodes de télédétection des aérosols par satellite, analysé les principaux avantages et inconvénients des méthodes traditionnelles d'apprentissage automatique dans le domaine des aérosols et leurs limitations, et discuté des orientations futures du développement de l'intelligence artificielle dans le domaine de la télédétection des aérosols, afin de fournir des indications aux chercheurs en télédétection des aérosols.

Aérosols; télédétection atmosphérique; apprentissage automatique; intelligence artificielle; algorithmes de télédétection