近期，中国科学院安徽光机所光学遥感中心遥感信息表征技术研究室在星载多波段偏振遥感气溶胶光学厚度（AOD）反演研究中取得新进展。相关成果以《基于注意力增强Kolmogorov－Arnold网络的高分五号B星POSP气溶胶光学厚度反演》“Aerosol　Optical　Depth　Retrieval　from　Gaofen－5B　POSP　Using　Attention－Enhanced　Kolmogorov–Arnold　Networks”为题，发表在《IEEE地球科学与遥感汇刊》IEEE　Transactions　on　Geoscience　and　Remote　Sensing　上。

气溶胶光学厚度（AOD）是表征大气气溶胶柱总量和光学特性的重要参数，对空气质量监测、气候变化研究和地气辐射收支评估具有重要意义。一直以来，传统的气溶胶光学厚度反演方法存在明显短板，不仅过于依赖地表参考数据，通用性不强，而且常规机器学习方法对星载多波段偏振信息利用不足，难以精准捕捉复杂大气环境下的气溶胶特征，限制了大气监测的精准度。因此，研究团队通过创新攻关，提出了注意力增强的Kolmogorov－Arnold网络（AKAN）气溶胶光学厚度反演方法。该方法融合了Kolmogorov－Arnold网络的非线性表达能力与残差注意力机制的智能特征筛选优势，提升了模型对星载多光谱偏振特征、卫星观测几何信息与气溶胶光学厚度（AOD）之间复杂关系的表征能力。

研究过程中，安光所团队基于高分五号B星（GF－5B）星载高精度偏振扫描仪（安光所研制，POSP）获取的观测数据，结合全球气溶胶观测网络（AERONET）地基实测资料，经过数据筛选、匹配，构建了24万余个匹配样本数据集，为新算法的训练、优化和性能验证筑牢了数据基础。测试结果表明，全新的AKAN模型具备优异的全球气溶胶光学厚度（AOD）反演能力，监测精度表现突出，算法的决定系数（R²）达到0.9336，均方根误差（RMSE）为0.0492，94.25％的反演结果都在预期的合理误差范围内。

为验证新算法的科学性与可靠性，研究团队引入SHAP可解释性分析开展深度验证，分析证实：AKAN算法自主识别提取的气溶胶敏感波段、散射角特征与辐射传输物理规律具有较好一致性，这意味着该方法不仅是具有较高反演精度的数据运算拟合，也贴合大气物理原理建模，摆脱了传统智能算法“只出结果、不明原理”的缺陷，具备一定的物理可解释性。

此外，多场景测试进一步印证了算法的综合优势。在全球不同区域的跨区域评估、与国际主流MODIS气溶胶监测产品对比测试，以及京津冀重污染过程监测中，AKAN算法均表现出高精度、空间连续性和复杂地表适应能力强等特点，适配各类大气气溶胶场景的监测需求。

此次研究成果充分挖掘了国产星载偏振遥感卫星的应用价值，补齐了传统气溶胶监测技术的短板。不仅为基于国产星载偏振遥感数据开展高精度、全球尺度气溶胶时空监测提供了新的智能化技术路径，也为国产遥感卫星数据在大气环境领域的常态化、产业化应用提供了的技术方法。

硕士研究生刘卓驰为论文第一作者，黄红莲副研究员为论文通讯作者。论文链接：　https：／／doi．org／10.1109／TGRS．2026.3706811

图1 AKAN模型结构示意图：

（a）整体架构；（b）混合输入单元；（c）双分支残差注意力块。

图2 不同AOD范围反演结果散点图：

（a）全部样本；（b）低AOD（0.0—0.3）；（c）中等AOD（0.3—1.0）；（d）高AOD（>1.0）

图3 京津冀及周边地区重污染过程AOD时空演变（2023年10月23日至11月7日），

展示气溶胶载荷的形成、区域传输、峰值增强和消散过程

图4  全球气溶胶季节分布：

（a）2月；（b）5月；（c）8月；（d）11月。