据全球疾病负担报告统计，PM2.5是2015年全球排名第五的死亡风险因素，高浓度的PM2.5污染天气对人体健康具有极大的危害。目前中国PM2.5的监测主要是依靠地面监测站，该方式虽然可以提供精确的测量结果，但是空间覆盖度低且分布不均，不足以支撑中国精细尺度的PM2.5大气污染健康效应研究。相比之下，基于卫星的监测方式可以提供更高空间分辨率和连续空间覆盖的产品，通过建立PM2.5-AOD的关系可以精细量化PM2.5的分布。然而基于该方法的模拟中，很少考虑AOD数据的缺失情况（由于卫星轨道间隔、云的遮挡以及暗目标反演算法的局限性导致的）。利用存在缺失值的AOD产品进行PM2.5的反演，其区域代表性会大大降低。本研究先融合Terra和Aqua两颗卫星反演的AOD来初步插补数据上的缺失，然后选择最优的时空变异模型，实现对AOD的时空分布的估计，得到高覆盖度的AOD产品。对比空间插值的结果，本文认为时空克里金插值可以在一定程度上实现对缺失像元的补充，同时也能够保证精度的要求(RMSE=0.054)。将上述高时空覆盖度的AOD数据结合气象数据、社会数据，采用相关性分析、异质性分析等分析方法进行探索性分析，为构建PM2.5-AOD模型筛选合适的变量。最后通过对比空间与时空统计建模的交叉验证精度，选择稳定且考虑时空特征的GAM模型(CV R2=0.773)对PM2.5进行时空估计，从而得到了京津冀地区高覆盖度的PM2.5浓度分布。文章总结了京津冀地区2014-2016年PM2.5的污染特征，揭示了区域PM2.5时空分布规律，为减排措施效果、环境质量评价与健康影响评价提供科学依据，有利于促进中国大气环境健康领域的科学研究发展。