随着我国农业机械化水平的持续提高,农业机械保有量快速增长,进而拖拉机等非道路移动源污染物排放对大气环境的影响越来越引起人们的重视,有效控制拖拉机污染物的排放已成为迫在眉睫的重要课题。近年来随着数据挖掘领域中神经网络算法模型的持续优化、新的排放清单建立指南的发布为面向特定区域的排放预测以及排放清单的建立提供了方法和途径。准确预测拖拉机等柴油机械实际工况污染物排放并构建排放清单在分析农业机械化生产排放趋势、制定治理措施以及区域污染物排放控制方面具有重要意义。鉴于此,本文的研究包括以下5个方面:（1）基于车载排放测试系统（portable emission measurement system,PEMS）进行拖拉机实际工况排放试验,并测度基于油耗的排放因子和不同运行状态下发动机转速、油耗、燃烧比、CO、HC、NOX和PM等实测数据,进而建立深度极限学习机（deep extreme learning machine,DELM）的预测模型,并对拖拉机怠速、行走和旋耕等基本工况下的污染物排放进行预测。结果发现,DELM模型在预测排放时间序列方面具有一定优势,其预测拖拉机在怠速、行走和旋耕3种状态下的NOX、HC、CO和PM排放均方根误差均值分别为5.269×10-~5、5.195×10-~5、5.135×10-~5和2.795×10-~5。（2）为进一步评估DELM预测模型的适应性,将其与支持向量机（support vector machine,SVM）和前馈神经网络（back propagation neural network,BPNN）模型进行对比分析。DELM模型与SVM和BP对比发现,DELM模型在鲁棒性以及适应性方面的优势显著。（3）基于实测的排放因子,结合《非道路移动源排放清单估算方法》建立2008～2019年新疆66个县域非道路移动农用拖拉机排放PM、HC、NOX和CO等污染物清单并对其演变趋势进行分析,结果表明:2008～2019年县域拖拉机污染物排放总量年均增长率为2.60%,经历了大幅上升—稳步上升—波动下降的3个变化态势。（4）以排放清单为聚类样本,应用K-means聚类法对66个县进行区划。空间维度上,新疆66个县域被划分为轻度、中度和重度排放控制区域,其中2019年各排放控制区域污染物排放量占比分别为19.87%、39.92%和40.21%。应用Arc GIS软件绘制县域污染物排放空间分布图,其中重度排放控制区分布格局为较为分散,轻度和中度排放控制区空间分布呈现较为聚集的特征。（5）基于蒙特卡罗法（Monte Carlo）对2019年新疆县域拖拉机排放清单的不确定性进行分析,其中,NOx的排放量不确定性最大,不确定性范围在-34.1%和168.4%之间,HC的不确定性范围最小,为-41.9%～89.3%,在一定程度上表明本研究所建立的新疆县域排放清单的结果较可靠,可为新疆县域拖拉机等农业机械污染控制政策的制定提供参考。本研究为县域拖拉机排放清单估算、农业机械化生产排放控制区划分、后续制定差异化的污染物排放治理措施以及为基于发动机状态数据预测移动源尾气排放提供方法和思路。