② 为了去除FY-4A遥感影像中的条带噪声，采用滤波先验与生成对抗网络相结合的方法构建WFD-GAN模型。通过滤波生成伪参考影像并进行对抗网络训练，实现遥感影像去噪建模。得到了条带噪声去除模型，为后续影像质量提升提供方法基础。
基于WFD-GAN的FY-4A/AGRI 条带噪声去除方法
③ 为了提高模型对条带噪声的识别能力，采用波形滤波器先验信息引导网络训练。通过先验信息约束网络学习条带噪声特征，实现噪声与真实影像结构的区分。得到高质量去噪影像，为后续AOD反演提供高质量输入数据。
② 为了分析气溶胶时间变化特征，采用时间序列统计方法研究AOD月际、季节和年际变化规律。通过统计分析提取不同时间尺度的变化特征，得到区域AOD时间变化特征。
① 为了开展油田区域气溶胶变化研究，采用FY-4A AOD反演模型构建2020—2024年长时间序列数据集。通过连续遥感反演与时间序列组织方法获取区域AOD数据。得到油田区域AOD时间序列数据，为时空变化分析提供数据基础。
油田典型区域气溶胶光学厚度时空分布特征分析
③ 为了实现FY-4A AOD反演精度评估，采用AERONET地基观测数据和MAIAC产品进行验证分析。通过多指标评价模型反演能力，验证模型的可靠性和有效性。
基于机器学习的FY-4A/AGRI气溶胶光学厚度反演方法
③ 为了研究油田区域气溶胶空间分布特征，采用空间统计分析方法对AOD数据进行区域分析。通过空间分布特征提取和区域比较研究气溶胶差异，得到AOD空间分布特征及其区域差异。
① 为了分析FY-4A/AGRI 蓝光波段条带噪声的形成机理及其对AOD反演的影响，采用遥感影像统计分析和噪声特征分析方法。通过对条带噪声来源及其空间分布特征进行研究，明确条带噪声对遥感影像质量的影响。
② 为了建立遥感观测特征与AOD之间的关系，采用CatBoost、LightGBM和XGBoost构建机器学习反演模型。通过多模型训练与参数优化建立AOD反演模型。得到机器学习反演模型，为后续AOD反演计算提供方法基础。
① 为了构建AOD机器学习反演所需数据集，采用辐射定标、云检测、几何参数提取和空间重采样等预处理步骤。通过统一多源遥感数据的空间网格与特征变量，构建标准化样本数据。得到统一空间网格数据集，为机器学习反演模型训练提供数据基础。
