2019年12月末,新型冠状病毒出现并在世界范围内大肆传播,促使中国各级政府采取了应对重大突发公共卫生事件一级响应措施,各市进入“封城”状态,居民日常出行活动、车辆尾气排放、工厂生产排放等人为排放污染源的污染排放量得以显著下降,构成了研究控制人为排放对缓解污染作用的重要机遇。针对目前缺乏从日、小时和区域上等细时空粒度上分析限制人为排放对空气污染及居民暴露影响的问题,以及当前气溶胶光学厚度遥感产品缺失率极高,影响后续PM2.5完整反演的问题,本文利用葵花八号气溶胶光学厚度（H8 AOD）遥感产品,结合气象再分析数据、地貌数据和社会经济数据等辅助数据,实现了AOD缺失值的高精度填补,进而系统地研究“封城”措施对北京、上海和武汉的PM2.5污染水平及不同类型的居民暴露水平的影响,为未来控排政策的制定提供参考依据。研究成果不仅包括集AOD产品修复、PM2.5反演及居民动态暴露衡量为一体的整体研究方法,并且取得了一系列重要发现,具体内容如下。首先,本文结合长短期记忆人工神经网络（LSTM）和卷积神经网络（CNN）捕捉数据时空相关性的优势,构建了LSTM-CNN复合神经网络模型,通过考虑周边邻域在历史时刻的气象条件对缺失AOD的影响,间接实现了AOD时空相关性的引入。与广义加性模型、后向传播模型和CNN模型的精度对比结果表明,引入周边区域、历史时期的气象条件能够有效提升H8 AOD填补精度,LSTM-CNN模型的平均绝对误差最低（0.032）。通过与地面AOD监测值和PM2.5监测值进行对比发现,LSTM-CNN模型具备泛化能力,因此将其应用于估计北京、上海和武汉市的AOD全时空分布。通过分析三地的AOD时空分布特征发现,北京地区的AOD白日均值水平呈现从西北到东南逐渐增加的趋势,上海AOD空间分布均匀,武汉北部略高于其余地区;三地的AOD呈现白日10:00～17:00持续上升的趋势;而仅依赖有限的H8 AOD有效观测的时空分析结果会造成AOD水平被低估或高估,进而导致错误估计AOD的空间分布特征,突出了本文进行AOD填补工作的必要性和有效性。其次,本文构造了PM2.5反演模型——时空随机森林模型,并在此基础上构建了一套“封城”对PM2.5变化影响的分析框架,实现了在充分考虑污染空间异质性的影响、并排除“封城”前后气象条件变化造成的干扰下,从细时空粒度角度分析“封城”对PM2.5污染水平造成的微观时空影响,作为以往研究从月/年、城市水平分析的补充。结果表明时空随机森林模型解释度高于90%,具备可靠度。本文的PM2.5变化分析框架发现,“封城”措施分别使北京、上海、武汉的PM2.5浓度下降了1.52,15.81,8.832)/8)~3。受二次颗粒物污染、区域传输、住宅因素排放等因素影响,北京地区的PM2.5缓解效果并不明显,说明仅依靠极端的控制人类活动并不能使北京地区的污染得以显著控制,还需继续研究制定区域联防等政策。“封城”后北京市出现的静稳气象加重了污染物的聚集,抵消了因“封城”带来的污染缓解作用,导致“封城”后北京PM2.5观测结果相比于“封城”前出现超过292)/8)~3的意外上升。时空分析结果表明,“封城”对白日污染的缓解作用高于夜间,对武汉城镇用地的污染缓解效果高于其他土地利用类型区域。此外,“封城”对PM2.5污染的缓解作用随时间延长而增大,城市的污染水平完全下降需要有一定的延迟时间,对上海和武汉来说分别为24天和17天。以上结论说明控排措施的起效时间、区域具有明显的时空异质性,应纳入相关政策的制定考虑中。最后,本文构建了一种在缺乏调查数据的情形下居民动态出行轨迹的计算机模拟方法,并结合前文估计的高精度PM2.5反演结果,形成了集AOD修复、PM2.5反演、PM2.5暴露计算为一体的整体框架,并应用于分析“封城”带来的污染水平变化对武汉市居民正常生活活动过程中所受PM2.5暴露的影响。其应用的PM2.5数据精度更高,轨迹模拟实验对居民类型划分地更为细致,并创新性地将综合考虑就业机会、竞争程度、通勤距离的“相对工作可达性”引入工作地选择模拟中。结果显示,“封城”带来的污染变化使武汉市居民所受暴露平均减少了122)/8)~3,并且个体暴露减小幅度呈现由市中心向郊区逐渐递减的趋势,最低减小0.702)/8)~3,最高减小17.142)/8)~3。而横向对比四类主体所受暴露及其变化发现,上班主体所受暴露分布最为集中,大学生主体最为分散。上班主体“工作”期间和学生主体“学习”期间所受暴露的减轻作用较高,分别达到了15.69和13.502)/8)~3。与静态暴露计算结果对比发现,静态暴露在不同排放背景下对实际暴露的估计误差并不一致,使得静态暴露会错误估计“封城”措施对暴露影响大小。因此在研究污染对人体健康的影响时,必须细致区分居民主体类型,分别考虑不同类型居民的动态出行轨迹,与PM2.5高分辨率、高精度数据结合,计算居民所受动态暴露水平。