绿水青山,就是金山银山,当今的人们已经深度认可了这句话。因为环境问题与每个人都息息相关,特别是现在我国大部分地区,尤其是北方城市的雾霾问题日益严重,直接影响到人们的出行乃至身体健康。现在,关心每天的空气质量情况是很多人的日常,但要认识到大众获得的天气质量是基于气象观测站的数据发布的,而这些站点稀少且分布不均匀,也一般不会设在人口密集的区域,同时市区跟周边的空气质量肯定有很大差别,这就导致获得的空气质量结果不是很精准。针对雾霾现象,数字图像领域的学者主要研究怎样去雾霾,气象观测领域有学者自行统计研究了空气质量和散射系数之间的相关性。本文结合了通过数字图像去雾领域中基于暗原色原理去雾得到的大气透射率和通过气象观测领域中得到的空气质量与散射系数间的相关性,并考量同一景深下大气透射率和散射系数之间的指数关系,利用BP神经网络模型学习空气质量和图片透射率间的隐性联系,做到通过图片来定性判定其空气质量,期望给雾霾地区人们的出行提供一个可靠的空气质量结果。实验结果显示,设计的方案对于优、良、轻度污染和重度污染四个类别的空气质量整体识别率为83.72%,优类和良类识别率达到了90%以上,已达到了定性判定空气质量类别的目的。