空气污染是当前全球的主要环境问题之一。在我国,近些年随着―雾霾‖在华北地区频繁出现,该地区的空气质量成为了政府与社会广泛关注和研究的热点问题。所以对华北地区近几年空气质量的时空分布特征成因及模拟研究有着重要的现实意义。本文重点就华北地区空气质量的四大模块进行了探讨,分别是空气质量表面模拟、空气质量的时空分布与变化特征、空气质量的影响因素以及空气质量的预测。文章首先以华北地区2014—2016年71个主要城市的AQI监测数据为基础,通过GIS中确定性插值法和地统计法的交叉验证对不同模型的插值精度进行评价,并根据空间变异理论利用克里金法模拟空气质量表面;然后采取点面结合的方式,利用空间插值数据与MODIS气溶胶数据分析了华北地区空气质量的时空变化特征,并利用Morlet小波对空气质量的多时间尺度变化进行了探讨;在影响因素上,重点讨论了气象要素中的降水、相对湿度、风向、风速对AQI的影响,同时结合ESDA-GWR模型,分析AQI与社会经济因子之间的空间相关性特征。最后以北京为例,考虑气象因素与污染源的影响下,结合BP神经网络与遗传算法,设计了一个基于GA-BP的空气质量预测模型,用于对AQI的动态预测与更新。本文的主要研究结果如下:(1)地统计法因考虑AQI数据的空间自相关关系,模拟效果优于确定性插值方法,具备空间各向异性的克里金模型的模拟结果优于全向稳定半变异函数模型。克里金法中的各半变异函数因时段差异而有不同的适用效果,整体上高斯函数的交叉验证参数较优,拥有较好的模拟结果。(2)在空间特征上,华北地区的空气污染在全国居首并远高于其余地区,并集中在北京、天津、河南北部、河北南部与山东西部地区,而山西西部、河北北部和山东半岛地区空气质量相对较好。三年间空气污染有逐年下降的趋势。MODIS的AOD数据与AQI在空间分布上趋于一致,差异主要集中在高原山地和海湾沿岸。华北地区空气污染核心区主要位于燕山山脉以南、太行山脉以西及山东半岛以东区域。在时间特征上,华北地区冬季AQI明显高于其他季节,春季AQI为高值主导,秋季和冬季AQI为低值主导,夏季城市AQI呈均衡分布。AOD与AQI在季节的空间变化上具有相对一致性,但浓度值差异较大,AOD的高值出现在夏季。根据Morlet小波分析,华北地区空气质量具有不同的时间尺度结构,主要周期是280天左右。(3)降水、相对湿度、风向、风速等气象因素与空气质量的关系密切。相对湿度与AQI之间主要呈现逆向相关关系;在日降水达到10 mm以上时,对污染物的冲刷效果明显;在年际尺度上,风速与AQI及参与AQI评价的污染物之间呈现显著的负相关,同时风向对空气质量的空间分布产生影响,污染物在盛行风向的作用下动态传输,会造成空气污染的空间移动。根据ESDA-GWR模型分析结果,社会经济因子中的汽车拥有量、人口集聚和工业生产都与空气污染呈正相关性,而地区生产总值和森林覆盖率的提高有利于抑制空气污染。(4)利用逐日的气象因子和污染物因子与AQI构建BP神经网络,训练后的神经网络拟合系数为0.75。通过遗传算法对构建的BP神经网络进行优化筛选,GA-BP拟合系数达到0.85,预报准确率从60.01%提升到75.87%,证明GA-BP神经网络能够达到对AQI预报与更新的要求。