散射矩阵是描述介质散射特性的重要参数，该参数对介质的理化特性敏感。为研究利用该参数对气溶胶进行识别及理化特性获取的可行性，设计并实验测量了聚α烯烃和氯化钠两种气溶胶样品的散射矩阵，讨论了二者矩阵元素的角度分布规律，并基于Mie散射理论，采用模板匹配的方法利用测量结果对聚α烯烃气溶胶的粒径分布进行了反演。结果表明通过矩阵元素的角度分布规律可以对两种气溶胶进行有效识别与区分，结合相关散射模型与反演方法还可以获得气溶胶的理化特性。该研究为气溶胶识别及其理化特性的获取提供了方法参考。

利用大气本底站监测数据验证了大气红外探测仪 (AIRS) 反演数据 (2003年3月―2021年2月)，在此基础上基于AIRS数据分析了南极臭氧柱总量时空分布以及变化特性，并进而利用线性回归、相关性分析、小波分析等方法，结合平流层温度和海冰数据，分析了南极臭氧柱总量变化特征的影响因素。结果表明：AIRS反演数据与大气本底站监测数据的相关系数均在0.945以上，具有较高的准确度和平稳性。南极臭氧柱总量的时间变化具有很强的周期性，谷值与谷值交替约为12个月。通过小波时-频结合分析发现，南极臭氧柱总量明显存在时间尺度为2、4、6、8～10、13年的周期，其中震荡最剧烈的第一主周期13年又以10年为周期变化，第二主周期6年又以4年为周期变化，2003―2021年内第一主周期经历了2次高-低变化期，第二主周期经历了4次高-低变化期。臭氧柱总量随季节变化明显，春季是南极臭氧柱总量最高的季节，冬季、夏季、秋季依次次之。南极臭氧的空间分布特征差异较大，总体来看纬度越高，臭氧柱总量越低，并在85° S附近达到最低值。南极洲大部分区域平流层温度与臭氧柱总量呈显著正相关，统计结果显示当平流层温度小于189 K时会出现臭氧洞；南极海冰范围与南极臭氧柱总量变化基本一致，两者皆存在2、6～8、12～14年的变化周期，但海冰范围变化要早一个月。

“五基”协同天空地一体化生态环境立体遥感监测体系，是一种综合天基卫星、空基遥感、航空无人机、移动巡护监测车和地面观测五种技术手段为一体的监测体系。“五基”协同大气环境立体遥感监测系统是该体系的重要组成部分，其核心是运用协同联动机制和技术方法，构建数据协同融合的核心算法模型，以期弥补常规遥感手段在监测时效、精度、周期等方面的短板。以棋盘井工业园区为示范区域，重点介绍了“五基”协同监测体系中五种不同技术手段的组成架构，展示了多技术手段协同监测以及应用分析成效，并讨论了该协同监测体系在解决大气污染防治工作关键技术问题上的效果。通过“五基”协同联动、多源数据融合，获得了本地污染排放特征及区域污染物传输的定量化贡献，实现精准溯源及执法，最终形成针对性的大气污染全面治理方案建议，有效支撑了当地大气污染防治工作。

提出了一种基于多维高斯贝叶斯分类算法的复杂系统影响因素的分析方法，并利用大数据方法建立了不同PM_2.5范围的分类模型，结合马氏距离开展了影响因素的关键性分析。以合肥市2013―2018年间的天气与空气质量数据为基础，筛选了PM₁₀、SO₂、NO₂、CO、O₃等8个大气污染的关键影响因素，采用散点矩阵对PM_2.5与这些影响因素的相关性进行了分析。利用高斯贝叶斯分类器建立了基于8个主要参量的PM_2.5大气污染分析模型，研究发现，PM_2.5与CO浓度具有较强的正相关性，对NO₂具有选择性，与O₃具有负相关性，而CO与SO₂对PM_2.5的产生存在某种竞争机制。

鉴于目前场地双向反射分布函数测量的非便携性和低效性，开展了基于多旋翼无人机的场地双向反射分布函数测量系统的研制。该系统主要由多旋翼无人机和可见-短波红外光谱仪组成，其中光谱仪的观测镜头由高精度无人机云台控制。光谱仪采用两个波段探测单元，整体光谱覆盖范围为400～1700 nm，两个探测单元均以平场凹面光栅分光、线阵探测器探测信号，两个探测单元的光谱分辨率分别优于3 nm和12 nm。为验证基于多旋翼无人机的场地双向反射分布函数测量系统的综合性能，利用该测量系统对敦煌辐射校正场进行了地表方向特性测量。试验结果表明，该便携式测量系统可以大大提高场地双向反射分布函数的测量效率，为场地双向反射分布函数测量的未来发展提供了有益参考。

基于2018年中国逐日PM_2.5数据，选用随机森林方法构建了高精度PM_2.5浓度估算模型，并在季节和区域尺度上验证了其时空适用性，进一步利用特征重要性方法系统阐释了各影响因子对PM_2.5浓度变化的重要程度，最后利用偏依赖技术探究了不同影响因素的交互作用对PM_2.5浓度变化产生的综合影响。结果表明：(1) 相比于多元线性回归与极端梯度提升树模型，利用多源数据构建的随机森林模型精度最高，可准确模拟出PM_2.5的浓度，且在季节和区域尺度上也有良好的适用性；(2) PM_2.5浓度估算模型的特征重要性排序分析发现，对2018年全国日均PM_2.5浓度影响显著的因子主要是时空、大气边界层高度等全局性因素，表明大气污染防治应把握PM_2.5传输机制，强化区域联防联控；(3) 偏依赖交互效应研究发现温度和相对湿度以及年积日、纬度、温度和大气边界层高度的组合对PM_2.5浓度变化会产生显著影响，说明提升空气质量要从多因子协同治理的角度出发。

NO₂是损害健康和破坏生态的主要大气污染物。本文基于NASA提供的Aura OMI遥感反演NO₂浓度，利用采样点8 km内的经济、人口、路网和坡度数据，以及气象、植被和高程的点值数据，采用随机森林算法、地理加权回归 (GWR) 和多尺度GWR方法提高NO₂浓度的预测精度。NASA原浓度R²为0.48，以上三种模型把交叉验证R²分别提高到0.74、0.71和0.70，其中随机森林算法的精度最高，该算法的均方根误差 (RMSE) 和平均绝对误差 (MAE) 分别只有6.4 μg/m³和4.98 μg/m³，且其速度远快于多尺度GWR，预测精度也高于大部分现有的同等范围研究。在浓度修正方面，局部化经济人口路网因子对预测精度提高的贡献至少为11.24%。此外，基于随机森林算法还给出全国县级城市NO₂浓度估计值的分布图。

为合理评估水汽资源，利用大气红外探测仪 (AIRS) 和先进微波探测器 (AMSU) 联合反演的2006―2015年AIRS L2标准反演产品AIRX2RET V006，研究了安徽淮北地区水汽分布和变化特征，重点分析了该地区整层大气可降水量和若干层累积水汽月均值、季均值的年际变化，以及水汽和温度的关系。研究发现：从2006年到2015年这10年间，淮北地区月平均整层大气可降水量呈现逐年减小的趋势。1000～850、850～500和500～100 hPa层累积水汽和整层大气可降水量四季分布一致，呈现夏季 > 秋季 > 春季 > 冬季。四季整层大气可降水量与三层累积水汽年际变化也呈现出较高的一致性，表现为夏季逐年变化相对较大，呈线性减小趋势；秋季次之，除500～100 hPa 层外，在2006至2011年期间呈现逐年线性增大趋势；春、冬两季年际变化相对较小，且无明显的线性关系。