Como factor clave que afecta al medio ambiente atmosférico, al cambio climático y a la salud humana, los aerosoles atmosféricos han suscitado un gran interés en los últimos cincuenta años. Con el desarrollo de las tecnologías de teledetección, la observación satelital se ha convertido en un medio importante para obtener las características de los aerosoles a escala global. El método tradicional basado en tablas ha simplificado en parte el proceso de teledetección espacial de aerosoles, pero todavía es difícil satisfacer los requisitos de precisión de la retrodispersión y el procesamiento de la información espacial en tiempo real. En los últimos años, el desarrollo de la inteligencia artificial ha traído cambios significativos al campo de la teledetección de aerosoles, los algoritmos de aprendizaje automático no solo pueden mejorar considerablemente la eficiencia de la retrodispersión, sino que también tienen el potencial de solucionar los problemas conocidos de los métodos físicos tradicionales de teledetección (por ejemplo, el problema de desacoplamiento tierra-aire, etc.), lo que contribuye a impulsar la retrodispersión espacial de aerosoles hacia una fase de desarrollo inteligente. Este artículo examina esta tendencia, analiza las principales ventajas, desventajas y limitaciones de los métodos actuales de aprendizaje automático en el campo de los aerosoles, y explora las futuras direcciones de la inteligencia artificial en el ámbito de la teledetección de aerosoles, para proporcionar una referencia a los investigadores en el campo de la teledetección de aerosoles.

aerosoles atmosféricos; teledetección atmosférica; aprendizaje automático; inteligencia artificial; algoritmo de retrodispersión