马里兰大学韦晶博士与山东科技大学王志辉硕士共同一作发Remote Sensing of Environment！

主要观点总结

文章描述了一项由大气环境遥感团队在遥感领域顶级期刊RSE上发表的合作研究。该研究利用Transformer深度学习模型、Landsat长时间数据记录和Google Earth Engine云计算平台，开发了AeroTrans-Landsat气溶胶反演框架。该框架整合多种数据，实现了全球AOD的高分辨率反演，并使用XAI方法解析了气溶胶反演驱动因素。研究首次以30米分辨率绘制全球陆地气溶胶光学厚度的空间分布，为大气环境监测和空气质量评估提供了重要参考和应用价值。

关键观点总结

关键观点1: 研究背景与目的

介绍大气环境遥感团队在遥感领域的最新合作研究，旨在解决大气气溶胶的全球监测问题。

关键观点2: 技术方法与框架开发

研究利用Transformer深度学习模型、Landsat数据记录和Google Earth Engine云计算平台等技术手段，开发新的AeroTrans-Landsat气溶胶反演框架。

关键观点3: 全球陆地气溶胶光学厚度的空间分布

首次以高分辨率绘制全球陆地气溶胶光学厚度的空间分布图，提供局部尺度AOD空间变化细节。

关键观点4: 模型的优越性能与验证

研究使用多种时空独立验证结果证明模型的优越性能，这对于大气环境监测和空气质量评估提供了重要参考和应用价值。

关键观点5: 研究团队与资助情况

介绍研究团队的主要成员，包括第一作者和通讯作者等，并说明该研究得到了国家自然科学基金重点和面上项目的资助。

文章预览

近日，大气环境遥感团队在遥感领域顶级期刊RSE上发表了一项合作研究，利用Transformer深度学习模型和Landsat长时间数据记录，结合Google Earth Engine云计算平台，开发了全新AeroTrans-Landsat气溶胶反演框架，通过整合多通道光谱信息、观测几何、吸收性气体以及地表覆盖和高程等输入数据，实现了全球 AOD 的 高分辨率反演。同时，文中使用XAI方法解析了气溶胶反演驱动因素，解决了深度学习方法“黑匣子”问题。首次以30米分辨率绘制了全球陆地气溶胶光学厚度的空间分布，提供了局部尺度AOD空间变化细节，同时利用多种时空独立验证结果证明了模型的优越性能，这对于大气环境监测和空气质量评估提供了重要参考和应用价值。 图1.AeroTrans-Landsat气溶胶遥感反演框架 马里兰大学韦晶博士与山东科技大学王志辉硕士为本文共同第一作者，马里兰大学韦晶博 ………………………………