目的:近些年空气污染及全球变暖已成为影响健康的主要问题之一,本研究为更好地理解大气污染物（SO₂,NO₂）浓度变化和温度变化对合肥市居民非意外死亡风险的影响,评价合肥市SO₂、NO₂污染对居民非意外死亡的影响;探讨日平均气温及昼夜温差（DTR）与非意外死亡之间的关系;并对合肥市2018年各月非意外死亡数据进行预测。方法:收集了2014至2017年合肥市非意外死亡数据、空气污染物资料、气象资料,采用泊松广义相加模型控制混杂因素后分析空气污染物与非意外死亡的关系,同时采用分层分析鉴别易感人群。采用泊松线性相加回归模型（PGLM）结合分布式滞后非线性模型（DLNM）,在调整了相对湿度和主要空气污染物水平后,评估合肥市2014年至2017年间日平均温度及DTR对非意外死亡风险的影响。选用了2014年1月至2017年12月合肥市区的每月非意外死亡均数构成了时间序列,用2014年1月至2017年12月的月非意外死亡均数构建了自回归求和滑动平均模型（ARIMA）,用2017年1月至2017年12月的月非意外死亡均数对构建的模型进行验证,用最优模型预测2018年各月非意外死亡月均数。结果:研究期间非意外死亡人数为42116例,平均每日28.83例;SO₂、NO₂平均浓度分别为16.08μg/m³、39.10μg/m³,单污染物模型中SO₂、NO₂浓度每增加10μg/m³对非意外死亡的影响均存在统计学关联且有较为明显的滞后效应,SO₂在lag0-3时可使非意外死亡风险增加4.93%（95%CI:1.94%⁸.00%）,且男性、老年人、非老年人、低教育程度者更易受SO₂的影响（P<0.05）,NO₂在lag0-1时可使非意外死亡风险增加2.11%（95%CI:1.18%³.05%）,对不同特征人群均具有影响（P<0.05）,双污染物模型显示SO₂、NO₂每增加10μg/m³,非意外死亡风险分别增加3.34%（95%CI:0.29%⁶.50%）、1.82%（95%CI:0.85%².79%）,效应减弱。日平均温度同非意外死亡发生风险呈现U型关系,24.4℃与20℃相比,非意外死亡风险增加1.9%（95%CI:0.8%³.1%）,此外DTR存在非线性关系,11.3℃与7℃相比,在滞后第1天,非意外死亡风险增加1.4%（95%CI:0.1%².8%）,≥65岁人群在两者中均易感,而且女性比男性更容易受到高DTR效应影响。结合AIC和BIC值最小原则,最终ARIMA（0,1,1）（1,1,0）₁₂为合肥市非意外死亡数据拟合的最优模型,预测值与实际数据基本一致,平均相对误差为9.24%。结论:本研究提示SO₂、NO₂与非意外死亡有关,且存在滞后效应,应加强环境治理,针对不同人群开展健康防护教育。时间序列分析显示日平均温度及DTR与每日死亡人数显著相关,控制和预防非意外死亡应考虑温度及其变化并主要针对弱势群体开展。用ARIMA（0,1,1）（1,1,0）₁₂对合肥市区非意外死亡情况的拟合较为一致,预测效果良好,该模型可对合肥市区的非意外死亡数据的变动预测,为非意外死亡的防控措施提供依据。