随着我国整体经济的加速发展和城市化的逐步推进,大气中污染物的数量越来越多,空气质量问题日益严峻。近年来,大连市大气PM2.5的年均浓度已超过50μg/m3,远远超过了世界卫生组织建议的10μg/m3的标准值,对人体健康有一定影响。目前大连市有10个地基监测站点,大气监测基站覆盖范围非常有限。通过利用气溶胶光学厚度AOD与大气PM2.5的相关关系,能够及时预测大连市大气PM2.5的总体分布,降低大连市环境保护局对大连地区PM2.5污染的管理成本,有效解决研究区域大气监测基站建设和分配不足的问题。本文对2015～2018年夏秋两季的大连市AOD数据与PM2.5质量浓度数据筛选匹配并对其变化特征进行简要分析后建立一元回归拟合模型,通过回归分析,证明了AOD数据与PM2.5质量浓度数据存在相关关系,可以进行回归分析并建立统计模型,为利用遥感数据在大范围内监测大连市大气污染物质量浓度提供依据,为大气气溶胶治理提供基础数据。利用MODIS卫星遥感数据基于ENVI软件平台反演大连地区的AOD数据,利用PM2.5监测网获取PM2.5小时质量浓度数据,对数据进行整理、筛选与匹配后得到有效数据。利用线性、一元二次、一元三次、对数、乘幂及指数六种常用函数建立一元回归拟合模型,通过相关性评价参数建立并优选大连市AOD-PM2.5一元回归拟合模型。结果分析表明:在满足P小于0.05的前提下,六种常用函数中指数函数的R2值最大,分别为0.063,0.059,0.067,0.064,确定指数模型为2015年、2016年、2017年、2018年的最优拟合模型,模型的估计标准误差分别为3.601,2.365,2.731,1.721。本文对PM2.5质量浓度数据与其他大气污染物质量浓度数据建立多元回归拟合模型,分析PM10,NO₂,SO₂,O3等大气污染物对PM2.5质量浓度数据的影响,探究PM2.5来源的主要影响因素,预测PM2.5的分布情况。针对2015年6月～2019年5月季节尺度上进行PM2.5与其他大气污染物相关性分析,并建立PM2.5的多元回归拟合模型。结果分析表明:PM2.5和PM10之间存在较为明显的线性趋势,相关系数为0.80;PM2.5和NO₂、SO₂之间有一定的线性趋势,相关系数分别为0.62和0.52;PM2.5和O3之间的散点图较为分散,其相关系数为-0.18,O3与PM2.5呈负相关。采用拟合优度检验、方程显著性检验、参数显著性检验对模型进行检验和评价,所构建的多元线性回归模型可以在一定程度上较好的预测PM2.5,利用2018年6月～2019年5月332个预测点进行验证,相对误差为6.96%。PM2.5与其他大气污染物的多元回归拟合模型为PM2.5的有效治理提供依据。