近年来,空气质量问题成为人们关注的焦点,PM_2.5以其粒径小、吸附能力强、滞留时间长、能够远距离传输等特点给人类健康带来严重危害。近地面空气质量监测站布设时间较晚且数量有限,只能提供一定时空尺度下的PM_2.5浓度,因此对PM_2.5大范围的动态监测成为大气环境领域研究的热点问题。目前的研究主要集中于利用极轨卫星提供的气溶胶光学厚度（Aerosol Optical Depth,AOD）数据估算近地面PM_2.5浓度,但是极轨卫星一天只能对同一地区进行1-2次的观测,不能够满足人们掌握实时信息的需求。因此,本研究利用日本新一代的地球静止卫星Himawari-8高时间分辨率的突出优势,利用其AOD数据结合欧洲中期天气预报中心气象数据（包括边界层高度、相对湿度、气温、经向风速、纬向风速、反照率、气压、降水量）,首先分析了研究区域PM_2.5时空分布特征及其与气象因素的相关性,在此基础上,依次采用线性模型（多元线性回归）和非线性（随机森林、梯度提升回归树、支持向量机）分地域构建长三角地区PM_2.5浓度估算模型,最后使用小波分解和机器学习完成长三角地区混合模型的构建,并对模型精度进行评价。本文主要结论如下:（1）长三角地区PM_2.5浓度分布呈现显著的日、月、季节以及空间变化特征。2016年、2017年日均值范围分别是8.22μg/m³～149.47μg/m³、12.10μg/m³～191.27μg/m³,超标率为12.56%、12.05%,舟山市PM_2.5浓度污染最轻,滁州大气污染最严重。各城市PM_2.5月均值在在8月份普遍达到PM_2.5浓度最低值25μg/m³,在12月份达到峰值。PM_2.5浓度呈现出夏季高、冬季低的变化特征,季节污染程度排序依次为冬季（66.41μg/m³）>春季（44.62μg/m³）>秋季（41.59μg/m³）>夏季（30.35μg/m³）。PM_2.5空间分布呈现西部内陆地区高、东部沿海地区低的特点,湖州PM_2.5值都比同时期其他区域高。（2）PM_2.5与气象因素存在显著的线性相关性。从整体上看,温度、边界层高度、相对湿度、反照率、水平风速和降水量与PM_2.5浓度呈负相关,垂直风速、气压呈正相关。（3）为了揭示线性回归和非线性PM_2.5浓度估算方法在长三角地区的优劣,对比分析了两种由估算方法得到的PM_2.5浓度。结果表明,长三角地区基于非线性模型的PM_2.5质量浓度估算模型优于多元线性回归模型,上海、杭州、南京地区最优模型均是梯度提升回归树,RMSE分别是13.511、12.686、14.079。合肥地区最优模型（随机森林）的RMSE是24.529。（4）利用小波函数对长三角主要城市PM_2.5时间序列进行分解,构建了长三角地区PM_2.5浓度估算混合模型,对比分析多种估算方法得到的PM_2.5浓度。结果表明,上海市和合肥市WT-GBRT模型表现最好,杭州市和南京市WT-RF模型精度最高。提出的融合小波分解的混合估算模型比单一模型的RMSE和MAE平均下降了大约23.17%、25.96%。