近40年来，中国快速经济发展引发较为严重的大气污染，PM2.5是主要的空气污染物之一，掌握其时空分布规律及影响因素是对其进行防治的重要前提。本研究基于遥感反演出的PM2.5浓度数据集，研究了中国2000-2015年PM2.5浓度的时空分布特征，并基于界定的1376个城镇城区及对应乡村的边界分析了每年PM2.5浓度值的城乡差异，并用线性趋势分析法计算了每个城镇PM2.5浓度的年际变化速率及显著性。此外，基于2010年城镇PM2.5浓度数据进行了影响因素分析及非线性建模。　　结果表明，2000-2015年，PM2.5浓度高于35μg/m3的面积比例由18.58％增加至32.03％，低于15μg/m3的面积从43.92％减少到25.12％。PM2.5污染最严重的地区分布在塔里木盆地、河北南部、河南北部和山东西部。中国PM2.5浓度分布存在非常显著的空间正相关，低低聚集常年分布在新疆北部、东北北部、青藏高原南部、四川省西南部、云南省、福建省及台湾;高高聚集主要分布在中东部的华北平原、长江中下游平原及汾渭盆地。　　从2000年到2015年，中国绝大多数城镇PM2.5浓度显著增加，尤其是在东北平原、太行山以东的河北省西南部、燕山以南的北京天津及河北唐山、鲁中南山地丘陵及周围平原地区、华北平原江苏省北部。PM2.5城乡差异在河北省、山西省两条东北—西南向S形条带区域、浙江省-福建省条带及天山北部绿洲区域较大。　　平均高程、年平均气温、年平均降水、年平均风速、平均NDVI、人均GDP、地均GDP、城镇面积、人口密度、人口规模和平均夜间灯光指数与PM2.5浓度综合关联度均为中度及强度，其中年平均风速、NDVI和DEM与PM2.5浓度的关联度为中度，其余为强度关联。以全国范围来看，对PM2.5浓度影响最大的三个因素为年均气温、夜间灯光强度和人口密度，不同地区影响因素的贡献不同。地形因素对华北地区的城镇PM2.5浓度分布影响最大，年平均气温和年平均降水量对华南地区城镇PM2.5浓度影响程度较小，年平均风速对各分区城镇PM2.5浓度均有较强的影响。生态因素对各区域城镇PM2.5浓度均有中度或强度影响。社会经济因素中城镇化因素对各区域城镇PM2.5浓度多为中度影响，经济因素对东北、华中、西南、西北地区影响程度较大。　　采用支持向量机和广义回归神经网络智能算法进行PM2.5浓度与影响因素的非线性建模，RMSE（Root Mean Squard Error，均方根误差）在8.62-8.79μg/m3之间，r在0.89-0.90之间，p均小于0.01，模型拟合精度较高，华东地区拟合精度最高，东北地区拟合精度最低，可以从自然环境因素和社会经济因素角度选取易获取的指标预测中国城镇的PM2.5年平均浓度值。　　本研究揭示了PM2.5浓度的空间分布特征、历史情况、现状、变化趋势及城乡差异，为政府相关部门针对高浓度区域及显著增加区域制定污染治理对策提供一定的科学依据，综合考虑自然环境因素和社会经济因素进行城镇PM2.5浓度影响因素的研究也为细颗粒物污染治理提供一定的参考。