近日，京津冀生态文明发展研究院教师么嘉棋以共同第一作者，在遥感领域国际权威期刊《GIScience & Remote Sensing》上发表题为“Dynamic atmospheric transmission monitoring of Australian bushfires based on WAD-SNet, a SpaceBorne LiDAR hierarchical classification network”的研究论文，提出了一种基于CALIPSO卫星数据，结合Transformer和U-Net结构的森林野火烟尘三维动态监测框架（WAD-SNet）。该框架在复杂大气条件下，对云-气溶胶的分类准确率达到了93.18%，在低信噪比环境中表现出较强的鲁棒性。同时，其能够将烟雾气溶胶作为独立子类别进行提取，显著提升了识别精确性和检测特异性。本研究实现了对于CALIPSO卫星数据的精准分类，可有效追踪烟雾气溶胶，为激光雷达数据处理和野火监测提供科学依据。

图1 本稿件所涉及的澳大利亚研究区域概况

深度学习模型在卫星遥感气溶胶监测中应用已成为当前研究的重要手段。然而，传统基于卫星的大气激光雷达数据分类算法通常依赖预定义阈值和规则，难以有效捕捉气溶胶在垂直和水平方向上的精细空间信息。因此本研究成功构建了深度学习框架WAD-SNet，用于厘清森林野火气溶胶的动态变化与传输路径。将该框架应用于2022年澳大利亚典型野火事件分析，揭示了烟尘气溶胶的三维空间中的输送特征，其结果与MERRA-2卫星监测的黑碳浓度分布模式高度一致，表明WAD-SNet在实际野火气溶胶监测中具备良好适用性与可靠性。

图2 多模型监测结果对比

卢庆锴（天津师范大学，共同一作），武建军（天津师范大学，共同一作），徐南（河海大学，通讯作者），夏皓斌（天津师范大学），莫凡（自然资源部国土卫星遥感应用中心），张寒苏（南京中医药大学），卢麾（清华大学，共同通讯）等人也参与了本文的研究工作。

论文链接：https://doi.org/10.1080/15481603.2025.2548070