环境污染尤其是空气污染为人类生存敲响了警钟,为环境的可持续发展带来了挑战。为了有效地防治空气污染,防范措施的建立应因地制宜,因此需要根据空气污染的不同时空分布特征,建立不同的防范措施。空气污染的时空模拟为其变化特征分析、趋势分析提供科学依据,进而为空气污染的防治提供有效的决策支持。目前空气污染的时空模拟侧重于利用已有数据进行时空特征分析,或进行时序预测,或侧重于空间化模拟。已有的时空模拟多采用静态的影响因素进行模拟分析,降低了空气污染时空模拟的有效性。文中提出了使用空气污染影响因素的动态地理过程作为预测自变量进行空气污染时空过程的模拟,有效解决了空气污染时空模拟预测自变量的单一性、单时序性等缺点。同时有效结合空气污染的时序预测分析与空间化模拟,形成空气污染时空过程模拟的一体化方法,从而为其他地理事件时空模拟提供方法参考。本文围绕“空气污染影响因素评价与分析—多影响因素地理过程模拟--空气污染时空模拟”这条主线,构建了多地理过程协同作用的空气污染时空模拟方法。模拟方法考虑了多种地理过程影响因素,构建了不同影响因素的地理过程模型,从而为空气污染时空模拟建立基础。然后具体介绍了多地理过程协同作用的空气污染模拟方法。具体而言本文的主要工作可以总结为以下几个方面：采用时间与空间相结合的分析方法以北京市为例,对空气污染的主要影响因素进行了评价与分析。其中时间角度采用灰色关联分析方法分析不同影响因素的影响作用排序；空间角度使用地理加权回归分析方法分析空间上不同影响因素的作用程度以及作用程度的空间差异性。时间角度分析结果显示,其中经济、土地利用要素中的草地、水域面积、气象因素中的降水量等对空气污染的影响排在前列。空间角度分析结果显示,地形、降水、林地与空气污染负相关,而气温、城镇用地、人口与空气污染正相关,空间上的主要影响要素包括人口、林地、地形、气温、城镇用地、降水等。最后结合时间与空分析结果确定影响因素主要包括了自然、经济、人文三大方面,气象、地形、土地利用、经济要素、人口要素、交通要素六大指标。研究空气污染不同影响因素的地理过程模拟方法。其中由于地形要素变化周期较慢,文中视作静态影响变量,而交通要素采用Open Street Map的多期开源数据。因此主要构建了气象、土地利用、人口、经济四大地理过程要素的时空模拟方法。气象要素变化过程采用最优时序与最优空间插值结合方法实现；土地利用使用Markov元胞自动机模拟实现；人口与经济变化过程使用本文提出的基于自适应空间尺度的人口、经济空间化模型(Adaptive Population/Economic Spatial Model,AP(E)SM)实现。基于AP(E)SM的人口与经济模拟方法可输出自适应尺度的空间化模型,有效解决了空间尺度约束性问题。研究多影响要素地理过程协同作用的空气污染过程模拟方法。结合最优时序模拟与空气污染空间化模型形成时空模型。根据监测的空气污染物是否具有空间自相关性,提出两种解决方案,包括针对空气污染物不具有空间自相关性的自适应变量修正的土地利用回归模型(Self-adaptive Revised Land Use Regression Model, SALUR)模型,解决了传统空气污染在样点区解释率低的问题；针对空气污染物具有空间自相关性的基于Voronoi图分割的地理加权土地利用回归模型(Voronoibased Geographic Weighted Land Use Regression, Voronoi-GWLUR),有效解决了空气污染物的预测模型的空间差异性模拟。其中使用SALUR模型提高了传统LUR模型精度,以北京市冬季PM2.5污染为例,其均方根误差从20.643μg/m3降低到17.443μg/m3。利用Voronoi-GWLUR的模型精度在最后的实验分析中最高达到了均方根误差为4.35μg/m3。多地理过程协同的空气污染时空模拟方法的实例分析。文中通过以北京市2014年至2016年PM2.5污染时空过程为实例,对本文方法进行了验证分析与评价。验证分析主要从精度分析、模型评价与多地理过程协同作用分析三方面展开。其中精度分析结果显示平均误差绝对值均在0.2gg/m3以内,均方根误差在9gg/m3以内,误差率均在8%以内,验证了模型的可靠性。同时通过误差空间变异分析发现,北京市市中心PM2.5浓度预测精度高于北京周边区域,这与北京市中心监测点分布密集相关,表现了本文模型的正确合理性。而时空分析结果显示北京市PM2.5浓度在2014年至2016年具有：北部尤其西北部浓度分布较低,而南部尤其是东南部PM25浓度较高的空间分布特点；以及自2014年至2016年逐年降低的时间变异特点。南北空间变异较大的特点反映了北京西北部山区居住人口少,交通污染少,因此PM2.5浓度小的实际情况。而污染逐年降低的特点也与政府日益加强空气污染防护相符合。最后文中通过对不同影响因素地理过程的协同作用分析,为不同时间、不同空间空气污染防治提供了决策支持。