土地回归利用模型(Land Use Regression,LUR模型)是近年来环境科学领域的一个研究热点,该模型具有适用范围广、模拟准确及空间高分辨率等优点,已被证实可用于研究大气污染物空间分布及流行病学研究等方面。但在具体应用的过程中,存在缺乏对建模特征变量的空间尺度把握、样本数据采集不够精确、模型精度评价体系不够完善等问题。本文以长沙市中心城区为研究区域,基于常见的地理要素特征变量,并特别加入风向这一因素,考虑到风速对大气污染物空间传播可能会产生严重影响,针对不同监测点分风向不同,划分上风向、下风向缓冲区。以此为基础建立半圆形LUR模型(SCBB)。实验表明,本文提出的依风向划分缓冲区的SCBB模型相较于传统的圆形缓冲区CBB模型能更好的解释大气污染物的空间分布,其拟合回归度更好,具有优良的性能。在传统的LUR建模过程中,数据量的获取至关重要。本文对环境监测点的部署采取自组网络的方式,但考虑到人工布点存在不足,结合无线传感器网络(WSN)进行智能优化布点,使得监测点能够覆盖到监测区域的绝大部分区域。考虑在实际应用中WSN可能需要面临的复杂情况,提出一种基于信任度的结合粒子群优化算法(PSO)的WSN覆盖优化算法,使得在各种恶劣环境下,尽可能的保持网络最大覆盖率。实验表明,本文提出的算法,相对于传统的覆盖优化算法更安全可靠,能够更好的适应各种恶劣环境。