近年来,我国城市大气污染问题日益严重,其中对人类身体具有严重危害的PM2.5已经成为许多城市的首要污染物,城市PM2.5污染治理刻不容缓。已有研究表明,PM2.5不但受气候气象条件的影响,也与城市土地利用紧密相关,探究PM2.5与土地利用之间的关系对于促进城市PM2.5治理、保障人类身体健康具有重要意义。本文以江西省省会南昌市为例,基于空气质量监测站点2013～2016年的PM2.5数据,首先分析了南昌市中心城区的PM2.5时空分布特征,以及气象因素、前体物等对PM2.5浓度的影响;其次利用土地利用回归（land use regression,LUR）模型实现了南昌市中心城区PM2.5浓度高分辨率空间分布模拟;然后根据土地利用主导方式的不同,在研究区划分并随机选择商业功能区、工业功能区、居住功能区、教育功能区、特别功能区和生态服务区6类功能区样本各15个,从土地利用功能区类型、功能区土地利用水平和功能区景观格局三个方面探索了土地利用对PM2.5浓度的影响;最后以PM2.5浓度表征PM2.5污染物对空间单元人口的“影响程度”,以人口密度表征空间单元人口对PM2.5污染物的“敏感度”,构建“暴露风险=影响程度+敏感度”耦合模型,表达城市内部空间的PM2.5暴露风险,进行PM2.5暴露风险评价与空间区划。该研究探索了城市土地利用与大气污染耦合的新思路,研究结果为优化城市土地利用、缓解大气污染提供参考。主要研究结论如下:（1）南昌市中心城区PM2.5浓度存在明显的时空变化规律。从时间维度看,2013～2016年的PM2.5浓度显著下降,污染情况得到有效控制。分季节看,PM2.5浓度值呈明显的冬季高、夏季低的特点;分月份看,PM2.5浓度呈波浪形变化,1月出现最高值,8月出现最低值,10月出现一个小峰值。在空间维度上,南昌市中心城区PM2.5浓度总体上呈现出东南高西北低、由市中心向郊区递减的特征。（2）气象要素对PM2.5浓度影响复杂,进行气象要素与PM2.5浓度相关性分析时,研究地域、时间尺度、数据尺度三者任一不同,都可能导致研究结果不同。本文月平均数据分析结果显示,在全年尺度上,南昌市中心城区PM2.5浓度与降水、气温和相对湿度表现出显著的负相关关系;与气压呈显著的正相关关系;与风速呈负相关关系。日平均数据分析结果显示,在季节尺度上,南昌市中心城区PM2.5浓度与降水、风速和相对湿度一年四季均呈显著的负相关关系,而与气压和气温四季呈不同的相关关系。（3）SO2、NO2是与PM2.5浓度具有显著相关关系的两种气态污染物,SO2和NO2均与PM2.5浓度呈显著的正相关关系;且相关性均受季节影响明显,表现出夏季最低、秋冬季节高的特点。CO与PM2.5浓度在一定程度上相关,O3与PM2.5浓度相关性不大。（4）综合气象、土地利用等因子进行PM2.5浓度LUR建模是可行的,可以实现南昌市中心城区PM2.5浓度高分辨率空间分布模拟。建模结果说明不同季节影响南昌市中心城区PM2.5浓度的气象因子不同,降水是一年四季都对PM2.5浓度有重要影响的因子;交通排放和工业排放是南昌市中心城区PM2.5污染物的主要来源。（5）土地利用是影响PM2.5浓度的重要因素,土地利用功能区类型、功能区土地利用水平、功能区景观格局三者均与PM2.5浓度存在一定的关系。城市土地利用显著影响PM2.5浓度,不同土地利用功能区类型对应的PM2.5浓度具有显著差异。工业功能区、商业功能区、教育功能区、居住功能区、特别功能区和生态服务区6类功能区根据PM2.5浓度高低可分为3组,组间功能区PM2.5浓度具有显著差异,即商业功能区、工业功能区＞居住功能区、教育功能区、特别功能区＞生态服务区。功能区土地利用水平与PM2.5浓度存在一定程度的相关关系。土地利用水平的正向相关指标往往与PM2.5浓度也呈正相关关系,土地利用水平的负向相关指标则与PM2.5浓度呈负相关关系。功能区景观格局在一定程度上反映了PM2.5的空间分布情况。在类型水平上,建设用地斑块占景观面积比例越高、生态用地斑块占景观面积比例越低、平均生态用地面积越小,PM2.5浓度越高;在景观水平上,斑块密度和边界密度指数值越高、聚合度指数越低的区域,景观破碎化程度越高,PM2.5浓度往往越高。（6）将GIS空间分析技术、人口空间化方法和大气污染物模拟模型结合起来可以较好实现城市区域的人口大气污染暴露风险空间区划。构建的“暴露风险=影响程度+敏感度”耦合模型,克服了污染物浓度法忽视人口分布因子的缺陷,以及人口暴露法对人口因子响应过于敏感的特点,可以用于我国城市大气污染暴露风险空间区划,识别出关键的风险区。研究结果表明,昌南大道以北的京川村胡家村片区、阳明东路以北洪都北大道以西的东湖片区和南昌火车站片区是南昌市中心城区范围内亟待治理的PM2.5暴露高风险区。