Los aerosoles atmosféricos, como factor clave que afecta el medio ambiente atmosférico, el cambio climático y 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 las características de los aerosoles atmosféricos a escala mundial. Los métodos tradicionales de búsqueda de tablas han simplificado en cierta medida el proceso de teledetección por satélite de aerosoles, pero aún no son capaces de satisfacer la precisión inversa y el procesamiento de la información espacial en tiempo real. En los últimos años, el desarrollo de la inteligencia artificial ha traído un cambio importante en el campo de la teledetección inversa de aerosoles atmosféricos, los algoritmos de aprendizaje automático no solo pueden mejorar significativamente la eficiencia de la inversión, sino que también tienen el potencial de resolver los problemas de inversión inherentes a los métodos físicos tradicionales (por ejemplo, el problema de desacoplamiento tierra-aire que ha preocupado a los investigadores durante mucho tiempo), lo que ayuda a llevar la inversión espacial por satélite de aerosoles atmosféricos a una etapa de desarrollo inteligente. Este artículo revisa esta tendencia, traza la historia de la inversión por satélite de aerosoles atmosféricos, analiza las principales ventajas y desventajas de los métodos existentes de aprendizaje automático en el campo de los aerosoles, y explora further las perspectivas de desarrollo de la inteligencia artificial en el campo de la teledetección inversa de aerosoles atmosféricos, para proporcionar un marco de referencia para los investigadores en teledetección de aerosoles.

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