大气气溶胶可以通过直接辐射强迫和间接辐射强迫两种方式影响全球气候,也可以引起诸如大气颗粒物浓度增加、能见度下降等一系列的环境问题。此外,气溶胶还会对传感器定标和定量遥感的精度产生消极影响。气溶胶光学厚度（Aerosol Optical Depth,AOD）是可以用来表示气溶胶含量的参数,它是气溶胶消光系数从地面到大气顶部的垂直积分。为了准确的评估气溶胶对气候、大气环境和定量遥感的影响,必须首先获得准确的气溶胶分布。本研究的目标就是通过开发基于多颗静止卫星的全球覆盖的小时尺度的遥感AOD数据集和多源遥感AOD数据集的融合产品来获得更完整和准确的气溶胶数据集,从而为气候变化,大气校正和环境监测等研究提供更为完整和准确的数据支持。在开发基于静止卫星的全球每小时AOD数据集的工作中,本研究提出了两种陆地气溶胶反演算法,包括面向SEVIRI的双通道算法和面向ABI和AHI的最优估计算法。随后通过整合从四颗静止气象卫星（GOES-16,MSG-1,MSG-4和Himawari-8）反演得到的AOD数据集,获得了2018年4月至2018年8月的全球每小时的AOD数据集。利用AERONET数据对集成数据集进行验证的结果为:平均绝对误差（Mean Absolute Error,MAE）为0.07,平均偏差（Mean Bias Error,MBE）为0.01,相对误差（Relative Mean Bias,RMB）为1.08,均方根误差（Root Mean Square Error,RMSE）为0.11,误差在±(0.05+0.2AOD_AERONET)范围内的比例为69%。此外,作为极轨卫星的代表,本研究还对NASA发布的MODIS C61 AOD产品的精度和空间覆盖度进行了分析。分析结果表明,集成的静止卫星AOD数据集具有与MODIS AOD数据集相似的精度,但它的时间分辨率和空间覆盖度要远优于MODIS AOD数据集。在开发融合AOD数据集的工作中,本研究提出了一套可以充分考虑AOD数据集像元尺度的系统误差和不确定性的融合算法。融合算法由三部分组成:第一部分是计算系统误差并予以消除;第二部分是建立不确定性数据集并依据构建的不确定性数据集对AOD数据集进行融合;第三部分是通过掩膜剔除异常数据（本研究中采用的掩膜阈值为0.12）。该算法已经成功的应用于ATSR-2/ATSR dual-view aerosol retrieval algorithm（ADV）,Oxford-RAL Retrieval of Aerosol and Cloud algorithm（ORAC）和Swansea algorithm（SU）三种AOD数据集的融合。其中,以0.12为阈值掩膜后的融合AOD数据集的空间覆盖率分别比ADV,ORAC和SU高148%,13%,181%。利用AERONET数据对2009年的融合数据进行验证的验证结果为:MBE,MAE,RMB和RMSE分别为-0.00,0.05,0.97和0.07,精度要优于三个参与融合的源数据集。因此可以得出结论,本研究提出的融合方法可以有效地提高AOD数据集的空间覆盖率和精度。