近年来,我国经济的迅速发展与环境质量呈现出严重的不协调发展趋势。根据我国每日发布的环境空气质量监测数据,我国空气质量整体较差,尤其是人口密度较大、产业结构偏重的京津冀地区,已经成为我国乃至世界灰霾污染最为严重的区域之一。这一环境问题引起社会及公众的广泛关注,对于灰霾污染的区域治理也迫在眉睫。细颗粒物PM_2.5是灰霾主要成因之一,也是京津冀地区冬季的首要污染物。因此,获得PM_2.5准确全面的时空分布特征可以为进一步认识京津冀区域大气污染成因及变化规律提供科学依据,也可以为区域大气污染治理提供科学支撑。相关研究表明,利用卫星遥感监测大气污染可以获得比地面监测站点覆盖面积更广的环境监测数据,这一优势弥补了地面环境监测站点分布稀疏或者山区等无站点分布地区的数据获取渠道。卫星遥感获取的气溶胶光学厚度（AOD）是气溶胶的重要参数之一,它可以反映大气污染状况。建立基于气溶胶光学厚度与近地面PM_2.5浓度之间的统计学模型,可以反演得到近地面区域PM_2.5在时间和空间两方面的变化,弥补了地面站点监测无法获得地理空间全覆盖PM_2.5浓度数据的不足,为认识京津冀区域PM_2.5浓度时空分布特征提供科学参考。本研究以2013²016年4年作为研究时段,基础数据使用京津冀地区国家空气质量监测站点的PM_2.5浓度小时监测数据和来自Aqua、Terra两颗卫星的10km MODIS AOD数据。利用经过融合处理后的AOD和PM_2.5浓度日均值数据构建了反映PM_2.5-AOD之间关系时间变化的线性混合效应模型和反映两者关系空间变化的地理加权回归模型的两阶段嵌套模型。融合后的MODIS AOD数据较单一数据源而言可以提高京津冀地区的AOD覆盖率,但是遥感获取的AOD数据仍在时间和空间上不满足连续分布,不能完整反映区域整体的PM_2.5浓度分布情况。对于模型在时间和空间上缺失AOD数据的栅格使用广义加和混合模型进一步插补PM_2.5浓度。以上模型的过拟合现象和拟合精度由十折交叉验证法和决定系数、均方根预测误差、相对预测误差等统计指标来评估。最后,根据所建立的模型对京津冀区域的PM_2.5浓度进行预测,得到2013²016四年PM_2.5浓度时空分布特征。研究结果表明:（1）仅使用LME对PM_2.5-AOD之间的关系进行十折交叉验证拟合的R²和斜率较低,使用LME+GWR两阶段模型的十折交叉验证结果在建模时间段拟合的决定系数R²均值为0.82,斜率均值为0.84,说明模型拟合结果良好且过度拟合现象较轻,利用两阶段模型可以更精确地对研究区近地面PM_2.5浓度进行预测。（2）经过增加地面反演信息处理后,PM_2.5浓度栅格基本可以覆盖整个研究区且时间序列更为完整,且用于PM_2.5浓度信息补充的广义加和混合模型的CV R²均值为0.66,过度拟合现象较轻,模型结果可靠。（3）基于模型反演和补充得到2013²016年京津冀地区PM_2.5浓度时空变化分布信息,从时间分布来看,研究时段该地区冬季PM_2.5污染最为严重,夏季较轻;从空间分布来看,中南部平原地区PM_2.5浓度较高,北部山区污染较轻。2013²016年均PM_2.5浓度分别为81.65μg/m³、72.13μg/m³、61.42μg/m³和59.50μg/m³,呈逐年递减趋势,说明京津冀地区大气污染治理成效明显。本研究创新性地使用两阶段模型和广义加和混合模型对京津冀近地面PM_2.5进行模拟,在前人基础上进一步提高了研究区细颗粒物浓度时空变化的模拟精度。