目前,空气污染已经成为一个世界性的环境问题。中国作为发展迅速的发展中国家,空气污染问题则更为突出。空气污染物暴露达到一定浓度和时间后,会给人体健康和生存环境造成巨大的威胁。因此,探究区域内的污染物浓度时空变化规律和评估污染物造成的疾病负担对环境治理和制定措施具有重要意义。本次研究选择了人口密集、空气污染现象频发的湖北省作为研究区,将研究区域内污染严重的PM_2.5作为目标污染物,探寻其时空分布规律及导致的慢阻肺、缺血性心脏病、肺癌和中风四类疾病的过早死亡人数。为获取PM_2.5浓度的空间格网数据,利用土地利用回归模拟其空间分布并验证数据精度,弥补了以往以点代面的空气监测站点数据的不足。结合年鉴数据,推算未知年份的人口格网数据并减少了原始人口格网数据的偏差。通过上述研究工作,保证了PM_2.5浓度空间分布的客观性和疾病负担评估结果的有效性。具体研究成果如下:（1）根据研究需要选择原始数据,数据进行预处理并分析数据特征。计算因变量PM_2.5浓度与各自变量因子间的相关性,根据各自变量因子对因变量的影响程度对自变量因子进行预筛选。通过双向选择逐步回归从更新后的自变量因子集中选取变量,构建因变量与自变量因子间的多元线性回归方程,即研究区域的土地利用回归模型（Land Use Regression,LUR）模型。基于得到的LUR模型,拟合研究区域内PM_2.5浓度的空间分布。（2）验证基于LUR模型的PM_2.5浓度空间分布数据和全球估计PM_2.5数据的拟合精度。实验结果表明:基于LUR模型的PM_2.5浓度的空间分布数据精度较高,2014-2016年数据的R方均在0.77以上,均方根误差均在18以下。基于全球估计PM_2.5数据的浓度数据三年的R方均在0.7以上,均方根误差均在25以下。（3）以2015年为例,利用LUR模型模拟湖北省四个季度的PM_2.5浓度空间分布并进行分析。模拟结果表明,湖北省PM_2.5浓度在不同季节里都呈现出东部高西部低的空间分布规律,空间中的高值区域主要集中在武汉城市圈。PM_2.5高浓度区域在冬季最多,秋季较高。而在春夏两季PM_2.5高浓度区域较少,其中夏季最少。基于全球估计PM_2.5数据分析其年际变化,实验结果表明PM_2.5浓度的空间分布规律与季节分析结果一致,东部高西部低。2014-2016,湖北省的PM_2.5浓度先增加后减少。（4）结合湖北省年鉴,推算湖北省未知年份的人口数据并重新计算了人口数据的格网单元值。利用IER（Integrated exposure-response）方法计算污染物过度暴露环境下的相对风险并与HIA（Health Impact Assessment,健康影响评估方法）结合,基于两类空间数据分别评估了2014年到2016年湖北省内因PM_2.5过度暴露引起的四类疾病过早死亡人数。研究结果表明,PM_2.5对中风疾病的健康影响最大,空气污染导致该类疾病的过早死亡人数三年的平均值为3.51万人。对缺血性心脏病的健康影响次之,因该类疾病过早死亡的人数三年平均值为1.91万人。PM_2.5导致慢阻肺的过早死亡人数的三年平均值为0.82万人。PM_2.5导致的肺癌疾病过早死亡人数最少,2014-2016的年均值为0.55万人。PM_2.5引起的四类疾病负担呈现出先增加后减少的年际变化规律。疾病负担的空间分布规律为东部高、西部低,且高值集中在武汉城市圈区域。（5）结合现有研究的结果,比较两种不同来源的浓度空间分布数据的评估结果。基于不同来源的PM_2.5浓度数据的评估结果在数量上有所偏差,但在空间上的分布规律和对四类疾病的健康影响规律是一致的,两者互为参照保证了评估结果的合理性。基于LUR模型的浓度数据评估结果与其他研究结果更相近,三年的过早死亡人数均值为6.7万人,基于全球估计PM_2.5数据的评估结果则相对较低,三年的过早死亡人数均值为6.3万人。