高质量的大气气溶胶观测数据对地球辐射平衡、气候变化和空气质量等研究领域至关重要。AGRI是风云四号静止气象卫星的主要载荷之一，能以5分钟时间分辨率针对中国区域进行扫描，为捕捉气溶胶时空变化提供了重要数据。迄今为止，气溶胶光学厚度（AOD）的定量反演一直具有挑战性。传统物理反演算法缺乏灵活性，太阳光度计站点数量则无法支撑机器学习所需海量样本需求。

　　本研究引入了一种结合深度学习和迁移学习的AOD反演算法。该算法融合了暗目标和深蓝算法的核心思想，以支持机器学习算法的特征选择。整个算法包含两个主要步骤：①利用葵花AOD的10分钟分辨率数据作为目标变量，开发了一个基于残差网络的深度神经网络（DNN）；②利用来自89个地面站的太阳光度计AOD数据对DNN参数进行微调。独立验证表明，提出的算法能够以高准确性进行AGRI AOD的反演，决定系数达到0.70，平均偏差为0.03，有70.7%的数据落在期望误差范围内。敏感性分析显示，650和470nm的大气顶部反射率以及650nm的地表反射率是两个最大的不确定性来源。在监测极端气溶胶事件的案例中，本算法成功捕捉了事件的时间演变。

　　研究成果发表在《Engineering》，傅迪松博士作为第一作者，通讯作者为中国科学院大气物理研究所夏祥鳌研究员和中国气象科学研究院车慧正研究员，合作者包括来自中国科学院大气物理研究所、中国气象局国家卫星气象中心、哈尔滨工业大学、美国Solar Consulting Services、应急管理部国家自然灾害防治研究院学者。该工作得到国家自然科学基金项目（41852011、42030608、42105128、42075079）和中国气象局大气探测重点实验室开放基金（U2021Z03）资助。

　　引用: D. Fu, H. Shi, C.A. Gueymard, D. Yang, Y. Zheng, H. Che, X. Fan, X. Han, L. Gao, J. Bian, M. Duan, X. Xia, A Deep-Learning and Transfer-Learning Hybrid Aerosol Retrieval Algorithm for FY4-AGRI: Development and Verification over Asia, Engineering (2024), DOI: 10.1016/j.eng.2023.09.023.

　　数据链接：Disong Fu, Hongrong Shi, Christian A. Gueymard, et al. FY-4A REGC AGRI AOD[DS/OL]. V2. Science Data Bank, 2024[2024-01-11]. DOI:10.57760/sciencedb.12395.

图1. （a）AGRI AOD反演算法流程，（b）模型框架。

图2. （a）DNN在90个AHI测试点的表现，（b）DNN在9个太阳光度计测试站的表现，以及（c）参数微调后的DNN在9个太阳光度计站点的表现。

图3. 上图FY-4A AGRI AOD在2018年11月1日的空间分布，红色三角形表示AERONET北京站。下图为该日北京站上空AERONET AOD（红）、AGRI AOD（蓝）和MAIAC AOD（绿）的时间变化。