大气气溶胶是指以大气气体介质为载体，与分散虚浮于大气中的固液态的小微粒所共同组成的胶体分散体系。它对人类身体健康、大气环境和全球气候变化均有着重要影响。气溶胶光学厚度（Aerosol Optical Thickness）作为一个无量纲量，描述的是气溶胶介质对光的衰减作用，其主要用于表征大气中气溶胶含量，也是确定气描述溶胶气候效应的一个关键因子。中国区域辽阔，地表状况复杂，生态类型多样，由于中国区域对气溶胶进行长期观测的地面站点资料较少，卫星遥感气溶胶已经成为获取气溶胶区域分布的重要补充手段，如何快速获得气溶胶区域分布，提高气溶胶光学厚度的反演精度一直是国际上研究的难点与热点。本论文基于Landsat-7卫星的ETM+数据来进行气溶胶光学厚度反演方法的研究。陆地上空气溶胶光学厚度反演的重点在于如何从卫星接收的信号中去除地表的贡献项，本文利用近红外的表观反射率确定暗目标，然后利用暗像元法中所提出的近红外2.1μm波段和可见光蓝红波段地面反射率的线性关系来确定地表反射率。利用OpenMp对6S辐射传输模型源码进行改写，实现6S模型的并行运算，通过输入不同的参数到模型中，快速完成查找表的构建，再利用MATLAB神经网络工具箱，对查找表进行训练，完成神经网络的构建，最后分别利用查找表和神经网络进行气溶胶光学厚度反演。上述两种算法的反演精度和效率也分别进行了比较与验证。反演精度方面，MODIS气溶胶光学厚度产品和气溶胶自动观测网AERONET所提供的地基实测太阳光度计数据分别被用来对上述两种算法进行比较验证。由于ETM+数据反演结果与MODIS气溶胶光学厚度产品的空间分辨率差异较大，为了方便进行比较，本文将上述两种反演算法的结果均重采样到10km空间分辨率，再与MODIS气溶胶光学厚度产品进行空间上的对比验证，对过上述比较，结果表明神经网络算法在反演精度方面要优于查找表法，利用神经网络可有效提高气溶胶光学厚度的反演精度。反演效率方面，通过选取不同像元个数，分别利用两种算法进行反演，记录各自反演所需时间并进行对比，结果表明利用神经网络反演气溶胶可以提高反演精度，缩短反演所需要的时间，提高反演效率。