近日，京津冀生态文明发展研究院教师么嘉棋以第一作者身份，在遥感领域国际权威期刊《International Journal of Digital Earth》上发表题为“TECIS-CASNet: atmospheric hierarchy identification and application of the terrestrial ecosystem carbon inventory satellite”的研究论文，提出了一种融合陆地生态系统碳监测卫星（又称句芒号，TECIS）、CALIOP和深度学习Transformer模型的大气层识别与分类框架（TECIS-CASNet）。相较于传统算法，TECIS-CASNet对大气层识别的准确率提升了约15%，准确率高达95%。通过光学厚度反演，其绝对精度和总体精度分别达到0.01和98%，成功实现了对云、气溶胶等大气成分的高精度识别与参数反演，为全球气候变化研究、环境污染监测、灾害预警与防治等提供技术支撑。

图1 陆地生态系统碳监测卫星有效载荷

基于多维度、全覆盖和高分辨率的持续观测与反演，可显著提升应对极端天气事件的预测能力、环境监测精度以及响应速度。然而，传统的云、气溶胶识别算法在复杂的大气条件下经常出现误检、遗漏等问题，因此本研究成功构建了TECIS-CASNet分析框架。为验证其适用性，本研究以中国京津冀（BTH）地区为例，深入分析了云、气溶胶的时空分布特征及其驱动因素，并结合HYSPLIT模型预测沙尘传输路径，揭示沙尘对BTH地区空气质量的影响，为京津冀等重点区域的空气质量改善和生态环境保护提供科学依据。

图2 2023年3月京津冀沙尘侵袭事件动态监测与复盘

卢麾（清华大学，通讯作者），徐南（河海大学，共同通讯），李国元（自然资源部国土卫星遥感应用中心，共同一作），唐新明（自然资源部国土卫星遥感应用中心）等人也参与了本文的研究工作。

论文链接：https://doi.org/10.1080/17538947.2025.2541726