Los aerosoles de polvo afectan significativamente el clima y la calidad del aire en el noroeste de China (30-50 grados N, 70-110 grados E), donde las frecuentes tormentas de polvo complican la clasificación precisa de aerosoles al utilizar datos del satélite CALIPSO. Este estudio presenta un modelo mejorado de U-Net 1D para mejorar la recuperación de aerosoles de polvo, incorporando módulos Inception para la extracción de características a múltiples escalas, bloques Transformer para el modelado contextual global, mecanismos de atención CBAM para una mejor selección de características y conexiones residuales para la estabilidad del entrenamiento. Utilizando datos de CALIPSO de Nivel 1B y Nivel 2 de Máscara de Características Verticales (VFM) desde 2015 hasta 2020, el modelo procesó coeficientes de retrodispersión, características de polarización y relaciones de color a 532 nm y 1064 nm para clasificar tipos de aerosoles. El modelo logró una precisión del 94.11%, un recall del 99.88% y una puntuación F1 del 96.91% para aerosoles de polvo, superando a los modelos de referencia. Los aerosoles de polvo se detectaron predominantemente entre 0.44 y 4 km, consistente con las observaciones de CALIPSO. Estos resultados destacan el potencial del modelo para mejorar la modelización climática y el monitoreo de la calidad del aire, proporcionando un marco escalable para futuras investigaciones atmosféricas.