随着城市化地区的快速发展,城市交通基础设施的完善和交通量的增长是引起大气颗粒物浓度增加而导致城市环境空气质量恶化的主要原因。而植被在生态系统自我调节功能中扮演着重要角色,利用遥感技术对植被滞尘情况进行监测和分析,可以从城市绿色空间配置的角度快速、大范围地有效度量区域环境空气质量的优劣。本文在上海市徐汇区和闵行区范围内,选择5种常见城市植被作为研究对象,监测植被叶片的滞尘参数和地面高光谱信息,结合高分辨率多光谱成像卫星哨兵二号数据,基于植被指数,探索植被地面滞尘与卫星遥感光谱信息之间的相关关系,采用偏最小二乘回归和BP神经网络回归分别构建区域植被滞尘量的反演模型,并以此为依据估算研究区内植被滞尘的空间分布情况,同时使用时空干沉积模型评价区域的总体植被滞尘量。主要结论如下:（1）NDVI、EVI、OSAVI和SAVI对植被滞尘作用较为敏感,可用于植被滞尘量反演模型的构建。在植被滞尘量和遥感卫星光谱植被指数的相关矩阵中观察到:植被指数与单位叶面积滞尘量之间的相关系数（r）表现基本较好,NDVI（0.86）和EVI（0.85）较高,其次是OSAVI（0.76）和SAVI（0.69）,NLI（0.36）最低。（2）基于BP神经网络回归构建的多元反演模型对区域植被滞尘量有较好的预测能力。将遥感卫星光谱的敏感植被指数SAVI、OSAVI、EVI和NDVI共同作为自变量所构建的多元模型精度高于仅以NDVI作为单一自变量构建的一元模型,基于BP神经网络回归法构建的反演模型相较于偏最小二乘回归法效果更好,以50个验证样本对模型拟合精度验证的结果显示决定系数（R²）在两种多元回归模型中均达到了显著水平,且拟合精度差别不大,但使用BP神经网络回归方式构建的模型验证R²更高,达到了0.8632。（3）区域植被滞尘情况的空间分布与地面绿色空间面积及其连续性正向关联。基于哨兵二号遥感卫星数据和所构建的最优反演模型,采用克里格插值法以像元为单位量化输出研究区内植被滞尘量的空间分布,结果表明在2017年8月17日,研究区范围内植被滞尘量总体上处于中心城区高,城郊区域低的趋势。其中,上海市徐汇区南部滞尘含量偏高,最高平均值达到41 gm^-2,闵行区沿黄浦江东岸区域和西南角滞尘含量偏高,最高平均值分别达到49 gm^-2和43 gm^-2,结合Google Earth和提取的植被信息分析发现,这些区域均有连续绿色空间分布。（4）根据时空干沉积模型估算了2017年8月份研究区植被的PM_2.5去除量。上海市徐汇区和闵行区于2017年8月城市绿地覆盖总面积约为89.3357 km²,植被去除的PM_2.5总量约为345.4902 t,每单位叶片面积的平均去除量为3.8673gm^-2mo^-1。植被滞尘率在徐汇区的南部和闵行区沿黄浦江东岸区域显示较高,分别出现了最高值4.6270 gm^-2mo^-1和6.2183 gm^-2mo^-1。此外,中心城区由于商业用地集中导致植被滞尘效应被弱化,建议合理配置这些区域的绿色空间。