气溶胶类型是气溶胶物理化学特性的体现。不同类型的气溶胶辐射特性差异显著，准确快速识别和研究气溶胶类型分布特征对于量化区域气溶胶对气候变化的影响具有重要的意义，有助于追踪和控制气溶胶污染源，改善卫星反演气溶胶精度。然而，由于气溶胶成分具有异质性强、理化特征复杂的特性，现有的算法在识别气溶胶类型上存在较大的不确定性。

近日，我系张峰教授课题组联合上海气象局等单位基于机器学习开发了一种新的气溶胶类型识别混合算法，实现了不同类型气溶胶的快速准确识别。该算法集成了米散射物理理论模型、高斯核密度函数聚类分析算法和随机森林学习算法，有效的解决了地基AERONET站点观测数据缺失严重和机器学习打标签困难的问题，并通过引入复折射指数这一参数作为气溶胶分类的基准，弥补了气溶胶类型识别无统一的评估标准的不足。最终，课题组基于气溶胶类型识别混合算法绘制出了五大洲气溶胶类型分布图（图2-6）和全球主导型气溶胶分布图（图7）。

该项研究成果发表在《Atmospheric Chemistry and Physics》期刊上（IF：7.2），研究论文题目为“Global aerosol-type classification using a new hybrid algorithm and Aerosol Robotic Network data”。

论文信息：

Wei, X., Cui, Q., Ma, L., Zhang, F.*, Li, W., & Liu, P. (2024). Global aerosol-type classification using a new hybrid algorithm and Aerosol Robotic Network data. Atmospheric Chemistry and Physics, 24(8), 5025–5045. https://doi.org/10.5194/acp-24-5025-2024

图 2. 亚洲地区AERONET站点气溶胶类型分布图。

图 3. 北美洲地区AERONET站点气溶胶类型分布图。

图 4. 南美洲地区AERONET站点气溶胶类型分布图。

图 5. 欧洲地区AERONET站点气溶胶类型分布图。

图 6. 非洲地区AERONET站点气溶胶类型分布图。

图 7. 全球AERONET站点气溶胶类型分布图。