海洋占全球面积的71%,也是地球最大的碳库,海洋上空的气溶胶遥感将有助于提高水色遥感的定量化精度,对量化海洋生物量、估算海洋初级生产力,乃至全球气候变化的研究都具有重大的意义。随着遥感探测技术的发展,美国NASA即将发射的PACE卫星搭载的SPEXone传感器、中国GF5（02）卫星搭载的DPC传感器都是多角度偏振载荷,将为海洋上空高精度气溶胶特性反演提供丰富的卫星观测数据。然而基于矢量辐射传输模型的最优化实时反演算法、传统的查找表算法都存在一定的局限性,不利于卫星业务化运行的数据处理,本研究发展了一套基于神经网络模型的海洋上空气溶胶反演算法,并应用于不同区域,星载、机载、模拟与实测数据的反演,实现了在多角度偏振载荷海洋上空气溶胶反演方面的人工智能与物理模型的结合,在保证反演精度的前提下,极大地提高了卫星遥感业务化计算的效率。具体而言,本文进行了以下内容的研究:1)介绍了目前国内外用于气溶胶研究的偏振载荷的发展历程以及海洋上空气溶胶偏振反演的主流算法。基于辐射传输模型的方法虽然计算准确但十分耗时,无法满足业务化的需求;基于查找表的方法,虽然能在一定程度上提高计算效率,但随着偏振传感器朝着高光谱多角度的方向发展,对查找表的计算和存储也提出了新的挑战。人工智能在海量数据处理方面具有极大优势,有利于海洋上空气溶胶的卫星遥感及其业务化数据处理。因此,本研究提出了多角度偏振载荷海洋上空气溶胶人工智能与物理模型相结合的研究思路。2)发展了一套基于神经网络模型的海洋上空气溶胶反演算法。本研究分析了大气海洋耦合系统的辐射传输物理过程,大气考虑多模态粗细粒子混合的气溶胶模型,海洋方面,针对海洋一类水体,在叶绿素浓度单一参数的海洋光学物理模型的基础上,进行神经网络拓扑结构的设计和模型训练,确定输入参数为叶绿素浓度、入射角和出射角,输出参数为经过主成分分析处理后,能够重构海洋光学特性的前100个分量。通过大量的对比验证最终确定神经网络拓扑结构为3,20,30,20,100,模型的验证精度能够满足气溶胶反演的实际需要。3)本研究采用线性化的矢量辐射传输模型LINTRAN,基于PhillipsTikhonov正则化的Gauss-Newton迭代算法来进行辐射传输方程的求解,并进行了星载、机载、模拟和实测数据的反演和验证。针对SPEXone星载模拟数据,气溶胶特性参数反演基本能满足传感器设计精度;针对ACEPOL飞行试验中SPEX airborne机载实测数据的反演,结果已与激光雷达HSRL数据和地基AERONEAT站点数据进行对比验证具有很高的一致性;针对国产高分五号DPC星载实测数据,进行了整月的反演并与全球分布的海洋地基站点进行了验证,气溶胶光学厚度的均方根误差为0.16,平均相对误差为0.115。综上所述,本研究实现了海洋上空气溶胶反演人工智能与物理模型的结合,开发了一套基于神经网络的海洋上空气溶胶反演算法,并针对不同区域、不同类型的数据进行了反演及验证,结果表明该算法具有较高的反演精度、较强的普适性、极大地提高了卫星海洋遥感的反演效率,为今后将要发射的多波段、多角度偏振载荷如SPEXone、DPC等,在海洋上空气溶胶特性业务化计算方面提供了有利的支持和保障。