近几年,空气污染问题日益严重。尤其在以北京、天津为代表的城市,频繁的大范围雾霾受到了政府与群众的高度重视。环境监测是环境防护治理的前提和基础。我国从九十年代开始建设的自动化大气监测网络已初成规模,但部署点位仍较为稀疏,而且造价和运维成本高昂,需要专门人员维护。现有网络的监测数据只能用作环境评价,功能相对单一,无法对空气污染的分析和管控提供有力的数据支撑。随着新监测技术的出现,涌现出来一大批通过大密度部署小型监测传感器的方式来进行空气质量监测的企业。本文依托于笔者实习公司在北京部署的近千台小型监测设备,设计实现了一个基于大密度部署传感器的空气质量监测系统。使用大密度部署监测设备的新思路解决当前环保监测存在的问题。监测设备使用GPRS网络上传采集数据,并结合爬取的国控站点数据和气象数据,利用Tornado、Celery开源框架和Mongo DB构建了一个高性能、高可靠的基础数据服务平台。并在该平台之上,结合环保部门和执法部门的具体需求,使用SSM(Spring,Spring MVC,Mybatis)框架设计实现了一个集展示和分析为一体的监测分析系统。本文利用大密度部署传感器采集的PM2.5数据,给出了一种PM2.5传播路径还原方法。并通过生成的污染传播有向图,分析了该段时间内产生的疑似污染源点位。同时,在传统单点PM2.5预测基础上,我们给出了基于大密度部署传感器的区域预测方法,并通过实际数据对多种预测推断方法进行了比较。通过高斯过程绘制动态热图,给出了详尽的区域预测分析。经过一系列的功能、性能测试,系统自上线以来,运行稳定。系统真实有效的为相关部门大气环境治理提供数据支撑,达到了预期效果。