行星气溶胶（沙尘）的昼夜演变对理解大气辐射平衡和动力过程至关重要。在火星探测中，沙尘不仅会造成太阳能阵列衰减，更直接威胁探测器进入、下降和着陆过程的操作安全 。因此，高精度的沙尘光学厚度（DOD）定量监测是约束火星大气环流模型（GCMs）的核心，对于实现准确的沙尘传输模拟与天气预报、保障我国“天问三号”等未来深空探测任务的规划具有不可替代的意义。然而，无论在火星还是地球，夜间气溶胶的高精度遥感反演均存在显著的观测空白，严重制约了对夜间边界层演变、污染/沙尘昼夜循环等完整物理过程的认识。本报告立足于“行星大气”的跨环境共性科学问题，探讨从火星极端环境到地球复杂地表条件下的气溶胶连续反演技术。针对火星大气，本研究提出了一种基于热红外光谱的快速自适应机器学习反演框架（FAMdust）。依托阿联酋希望号（HOPE）EMIRS光谱仪的全天时观测能力，该框架采用分区联合回归策略，成功实现了火星全球沙尘光学厚度（DOD）的快速定量反演。在独立测试集上，算法决定系数（R²）达0.96，超96%的样本落在预期误差范围内。FAMdust不仅精准捕捉了火星全球沙尘的时空演变，更通过连续夜间数据弥补了传统可见光观测的盲区，实现了向火星第37年的全球沙尘连续监测。借鉴在处理夜间/弱信号辐射及多源特征融合方面的核心算法思想，进一步将其拓展至地球夜间微光（Low-light）气溶胶反演。结合VIIRS日夜波段（DNB）的月光辐射，构建了融合LightGBM与FT-Transformer的混合集成深度学习模型（LGB-FTStack）。通过引入大气层顶辐射及其空间异质性等物理先验特征，有效提取了极微弱的夜间气溶胶信号。结合地面光度计与香河站地基激光雷达的交叉验证，该模型在华北平原乃至中国全域的夜间AOD反演中展现出高度的准确性（交叉验证R=0.79）与优异的空间泛化能力。

行星气溶胶,夜间遥感反演,机器学习,HOPE/EMIRS,VIIRS/DNB