近年来,大气污染问题已成为影响人类身体健康和可持续发展的重要因素,细颗粒物(PM2.5,空气动力学直径≤2.5μm)是衡量空气环境质量的重要指标,已被大量流行病学研究证明和有害健康的疾病息息相关。但目前由于地面监测站点数量较少、分布不均,且建立的站点成本较高以及后期维护耗时费力,所以很难获取大面积PM2.5浓度的空间分布情况。卫星遥感具有覆盖范围广、获取成本低等优势,利用卫星遥感观测的气溶胶光学厚度（Aerosol Optical Depth,AOD）辅助大范围的PM2.5浓度监测已成为国内外研究热点。本文以四川省为研究对象,利用MODIS卫星遥感数据、6S辐射传输模型和陆地气溶胶暗像元法相结合反演研究区2014-2017年4年来的气溶胶光学厚度,并利用MODIS气溶胶产品对反演的AOD进行精度验证,结果表明利用反演得到的AOD精度较好。在此基础上分析了影响AOD大小分布的因素和研究区4年来气溶胶浓度的时空变化规律。根据卫星遥感监测的AOD与地面监测的PM2.5特征的不同,利用边界层高度和相对湿度对AOD分别进行垂直订正和湿度订正,并分析经垂直-湿度订正的AOD与PM2.5之间的关系,建立两者间的拟合关系。由于气象、人口密度等数据会对PM2.5浓度变化产生影响,因此,将这些因子加入AOD与PM2.5拟合关系中来提高模型的拟合精度。通过AOD估算的PM2.5浓度,分析研究区4年来PM2.5浓度的时空变化特征。最后分析PM2.5浓度与自然因素（2米处气温、总降水、风速、气压、高程）和人为要素(PM10、SO2、NO2、CO、O3、人口密度)之间的相关性和关联度,为相关部门今后的大气污染治理提供科学依据,本文主要结论如下。（1）从气溶胶浓度时空变化上分析发现,在时间变化上,AOD均值呈逐年下降的变化趋势,2014年AOD均值最高,为0.468,2017年AOD均值最低,为0.379;在空间分布上,AOD分布呈东高西低的分布特征,这与研究区的地形分布呈负相关关系,即地势高的地方AOD较低,地势低的地方AOD较高。季节上,AOD均值大小关系:春季>夏季>冬季>秋季,其值依次为0.636、0.546、0.324、0.296。从月份上,4月AOD均值最高,为0.619,12月AOD均值最低,为0.209。（2）在对气溶胶浓度大小影响因素分析时发现,AOD与气压之间呈正相关性;AOD与总降水量之间呈负相关性;AOD与高程之间呈负相关性;AOD与NDVI之间呈负相关性;AOD与人口密度之间呈正相关性;AOD与地区生产总值之间呈正相关性。（3）在得到研究区2014-2017年日均AOD分布后,对AOD进行垂直订正和湿度订正,将垂直-湿度订正后的AOD与当日过境时的PM2.5进行匹配,按各市州建立AOD与PM2.5模型。由于PM2.5浓度受气象因子、人口密度、高程等因子的影响,因此本文将气温、相对湿度、边界层高度、总降雨量、风速、气压、人口密度、高程共8个因子加入AOD与PM2.5关系模型中,分布构建各市州的多元回归模型、地理加权回归模型和线性混合效应模型。对比各个模型发现,线性混合效应模型拟合的精度最高,其中成都、自贡、泸州、德阳、绵阳、遂宁、乐山、南充、眉山、宜宾、达州、巴中、资阳的拟合精度R都在0.950以上;广元、内江、广安、雅安、凉山的拟合精度R在0.900-0.950之间;攀枝花、阿坝、甘孜的拟合精度R在0.800-0.900之间。（4）研究区2014-2017年PM2.5浓度年度季度分布特征与地区差异性为:PM2.5浓度逐年整体呈下降趋势,其中2017年年均PM2.5浓度在2016年的基础上有略微的上升;冬季PM2.5浓度最高,夏季PM2.5浓度最低;PM2.5浓度空间大小分布与AOD的分布类似,高值区主要分布在胡焕线以东,低值区主要分布在胡焕线以西。（5）2014-2017年PM2.5与自然因子间的关联度大小为:2米处气温>总降水量>相对湿度>气压>风速>高程>边界层高度;PM2.5与人为因子间的关联度大小为:PM10>NO2>SO2>CO>人口密度>O3。PM2.5浓度大小及分布主要受人为要素的影响。人类的生产活动会燃烧大量的化石燃料导致PM2.5排放量增大。本文分析的自然要素中,气温对PM2.5浓度大小的分布影响最大,因为气温越高,空气流动速度就越快,从而导致颗粒物的扩散速度就越快,PM2.5浓度就越低。