作为最大的发展中国家,中国拥有世界上较差的空气质量,PM_2.5已经成为中国大部分城市环境空气质量的首要污染物。本研究基于国控监测网络的PM_2.5实测数据、MODIS AOD数据以及气象参数（温度、风速、风向、边界层高度、相对湿度）,综合考虑AOD与PM_2.5关系的季节性和区域性差异,构建了一个基于支持向量回归机（?-SVR/Epsilon-SVR）与思维进化算法优化后的BP神经网络（MEC-BP）的二阶段PM_2.5浓度组合估算模型。在此基础上,分析了2000-2017年中国PM_2.5浓度的时空变化过程。研究结果表明,本研究提出的二阶段组合估算模型提供了中国2000-2017年内空间分辨率为1°×1°的月度近地面PM_2.5浓度的可靠估算,有效的弥补了中国地面监测网络在时间和空间上的空白（模型的决定系数R²为0.838,均方根误差RMSE为11.512μg/m³,平均绝对百分比误差MAPE为14.905%,均方百分比误差MSPE为0.243%,绝对误差MAE为6.476%,均方误差MSE为132.519μg/m³）。时空变化过程分析结果表明,（1）在全国和区域尺度,中国PM_2.5浓度的月均值从1月到12月呈明显的”U”型变化特征,从6月到次年6月呈明显的倒”U”型变化特征,冬季PM_2.5污染最严重,夏季最轻,在秋季和春季较轻;（2）研究时间范围内,高浓度的PM_2.5主要分布在人口密集、经济发达、工业化水平较高（如北部沿海、东部沿海、长江中游地区）以及戈壁沙漠分布密集的区域（如大西北地区、黄河中游地区）。较低浓度的PM_2.5主要分布在南部沿海和西南地区;（3）2014年是2000-2017年内中国PM_2.5浓度从持续缓慢上升到快速下降的关键转折点,主要原因是从2014年开始,PM_2.5浓度较高的北部沿海、东部沿海和长江中游地区的PM_2.5污染先后开始得到显著改善。该研究结果与中国国情一致,表明从2013年开始在各项空气污染治理政策的实施下,中国PM_2.5的污染情况得到一定程度的缓解。（4）然而,在研究时间范围内,全国仍有超过60%的区域PM_2.5年均浓度超过了二级限值（35μg/m³/a）,虽然全国PM_2.5污染情况有一定程度的改善,但是空气污染形势依然严峻。