卫星遥感气溶胶产品有效地弥补了PM_2.5地面监测站点分布不均、覆盖范围较小以及受地形地貌条件限制等不足,被应用于评估PM_2.5对大气环境和人类健康的影响。在遥感估计PM_2.5的研究中,由于AOD数据存在缺失且对PM_2.5时空变化的考虑不足,导致相关估算精度降低。在PM_2.5浓度影响因素研究中,PM_2.5数据多为站点数据或粗分辨率,综合区域分析会存在较大误差。此外,京津冀及周边地区“2+26”城市为我国人口密集且污染物排放最大区域。针对以上问题,本文在对2015-2018年京津冀及周边地区“2+26”城市MODIS AOD数据进行数据缺失重建基础上,利用PM_2.5地面观测站点与AOD以及其他辅助数据（如:相对湿度、风速等）间的空间异质关系构建PM_2.5月时间尺度的估计模型,进而根据估计结果分析了研究区内PM_2.5的时空变化特征。此外,考虑我国经济发展、城镇化、工业化多方面因素,基于本研究估计的高分辨率PM_2.5数据采用空间计量模型探究了社会经济影响因子对研究区PM_2.5的影响及其空间溢出效应。主要结果如下:（1）PM_2.5月估计模型在研究区内具有较好的适用性和可靠性基于PM_2.5与辅助变量的空间异质关系构建的估计模型构建精度有较大提高,估计结果很好的反映了研究区PM_2.5的时空分布特征。基于PM_2.5和AOD与其他辅助变量的空间异质关系构建的估计模型（平均R²=0.77,平均RMSE=8.15）优于均一化关系模型（平均R²=0.45,平均RMSE=12.65）和仅使用AOD数据作为唯一自变量的空间变化模型（平均R²=0.68,平均RMSE=9.53）。PM_2.5月估计模型可靠。研究区研究时段内月PM_2.5总体精度检验结果为R=0.93,MAE=8.41,RMSE=12.07,BIAS=0.01,且估计后PM_2.5与站点监测PM_2.5变化趋势基本一致。月PM_2.5精度验证中,估计PM_2.5浓度值与用于检验的站点观测PM_2.5浓度值之间拟合较好,整体二者相关性较强,精度较高。因冬季PM_2.5浓度值较高,体量较大,所以MAE与RMSE在冬季出现波峰,其他时段较平稳。PM_2.5估计估计值整体低于用于检验的站点监测的PM_2.5值,这与估计结果相符。年PM_2.5精度验证中,PM_2.5估计误差逐年减小,精度逐年提高。2015-2016年整体存在低估情况,2017-2018年PM_2.5估计估计偏高,表明2015-2018年PM_2.5浓度值实际下降更加明显。（2）研究区PM_2.5存在显著的时空变化特征研究区PM_2.5浓度整体空间分布以石家庄市、保定市、衡水市、邢台市4市为中心向周边递减,同时存在中部平原区为PM_2.5浓度分布高值区及次高区、东北部临海区为PM_2.5浓度分布次低区、西北部山地区为PM_2.5浓度分布较低区等复杂的空间分布特征。时间变化上,京津冀及周边地区“2+26”城市2015年到2018年PM_2.5浓度明显下降,但各地区年均PM_2.5浓度值基本均超过国家PM_2.5最低标准（35μg/m³）,我国PM_2.5污染治理形势依然严峻。研究区PM_2.5浓度季节差异明显,冬季PM_2.5浓度最为严重,夏季PM_2.5浓度值最小,春秋季处中间水平。PM_2.5月尺度时空分布中,12月份为PM_2.5浓度最严重月份,其次较严重的月份为1月、11月、2月,此外9月、6月为PM_2.5浓度较低月份,8月为PM_2.5浓度最低月。（3）研究区社会经济因素对PM_2.5浓度分布有显著的空间依赖性与空间溢出效应第二产业占地区生产总值比重、人均地区生产总值、工业烟（粉）尘排放量是影响京津冀及周边地区“2+26”城市PM_2.5浓度时空格局的主要因素,且具有较显著的空间依赖性性与空间溢出效应。其中,第二产业占地区生产总值比重对京津冀及周边地区“2+26”城市PM_2.5时空格局影响较大,人均地区生产总值、工业烟（粉）尘排放量则影响较小。第二产业占地区生产总值比重、人均地区生产总值会提高本城市PM_2.5浓度值,且可通过空间传导增大相邻城市的PM_2.5浓度值;工业烟（粉）尘排放量的升高会使本城市PM_2.5浓度值有所下降,但会增大相邻城市的PM_2.5浓度值。