近日，应急管理学院通导遥一体化应急管理团队博士研究生孙晓虎与团队负责人，国际欧亚科学院院士、国际宇航科学院院士薛勇教授在中科院一区期刊《International Journal of Applied Earth Observation and Geoinformation》（IF=7.6）上发表了一篇关于气溶胶光学厚度定量反演的研究论文。
气溶胶光学厚度（Aerosol Optical Depth, AOD）是衡量气溶胶多少的重要指标，它是描述大气气溶胶含量和消光特性的重要参数。卫星遥感技术可提供连续的气溶胶空间观测，但在不同区域具有较大的不确定性。迁移学习为模型泛化性提供了手段，但当前对其应用方式研究有限。在研究中，团队开发了一种创新的框架，用于全球气溶胶光学厚度反演，名气溶胶领域自适应深度学习网络（Aerosol domain-Adaptive Network, AAdaN）。该框架考虑了空间尺度上的样本分布偏移，利用神经网络实现高维连续随机变量之间互信息的估计，并通过迁移正则项对齐了输入的源域数据和目标域数据。随后探索了模型在未知场景反演的潜力，在全球的独立验证表明与站点测量结果吻合良好。此外，针对不同地表特性、气溶胶种类等方面中，本文提出的AAdaN模型在各情况下均能实现稳定且具有较高精度的气溶胶反演结果，可生成连续气溶胶分布。总体而言，这项研究有效地增强了空间泛化性能，它提供了对模型的深刻见解，为未来的模型开发提供了重要的意义。
论文信息：
Sun X, Xue Y *, Sun L. Enhancing global aerosol retrieval from satellite data via deep learning with mutual information estimation. International Journal of Applied Earth Observation and Geoinformation, 2025, 139:104534. (https://doi.org/10.1016/j.jag.2025.104534)
