Los aerosoles atmosféricos, como factor clave que afecta al medio ambiente atmosférico, al cambio climático y a la salud humana, han sido objeto de una amplia atención en los últimos cincuenta años. Con el desarrollo de las tecnologías de teledetección, la observación por satélite se ha convertido en un medio importante para obtener características globales de los aerosoles. Los métodos tradicionales de búsqueda en tablas han simplificado en cierta medida el proceso de teledetección de aerosoles por satélite, pero aún no pueden satisfacer los requisitos de precisión de recuperación y procesamiento de información espacial en tiempo real. En los últimos años, el desarrollo de la inteligencia artificial ha traído cambios radicales al campo de la teledetección de aerosoles, ya que los algoritmos de aprendizaje automático no solo pueden mejorar significativamente la eficiencia de la recuperación, sino que también tienen el potencial para resolver los problemas difíciles de teledetección que han preocupado a los investigadores durante mucho tiempo (por ejemplo, el problema del desacoplamiento tierra-atmósfera), ayudando así a llevar el proceso de teledetección de aerosoles por satélite a una etapa de desarrollo inteligente. En este artículo, hemos examinado la evolución de los métodos de teledetección de aerosoles por satélite, analizado las principales ventajas y desventajas de los métodos tradicionales de aprendizaje automático en el campo de los aerosoles y sus limitaciones, y discutido las futuras direcciones del desarrollo de la inteligencia artificial en el campo de la teledetección de aerosoles, para proporcionar pautas a los investigadores en el campo de la teledetección de aerosoles.

Aerosoles; teledetección atmosférica; aprendizaje automático; inteligencia artificial; algoritmos de recuperación