近几年中国经济快速发展,导致城市大气污染问题日渐严重。主要大气污染物为PM2.5,它会对大气环境造成重要影响,降低大气能见度,同时诱发各种疾病,对人体健康造成严重危害。研究表明,PM2.5浓度随昼夜周期变化会造成不同空间分布特征的大气污染,但目前卫星反演的气溶胶产品大部分只适用于日间PM2.5浓度研究,不能有效反映夜间PM2.5污染的空间格局。本研究利用NPP/VIIRS提供的VNP46A1逐日夜间灯光影像为数据源探索估算夜间PM2.5浓度的方法,为进一步监测和管理夜间大气环境质量提供数据基础和技术支撑。本文以淮安市2019年9-12月NPP/VIIRS提供的VNP46A1逐日夜间灯光影像、空气质量站点PM2.5观测数据和相对湿度数据为基础对江苏省淮安市夜间PM2.5浓度进行估算研究。通过夜间辐射传输方程探索了夜间灯光辐射与PM2.5浓度之间的关系,确定了可用于估算夜间PM2.5浓度的空间自变量,并基于站点观测PM2.5数据验证了周边地表灯光散射对夜间地表灯光传输的影响。运用多种机器学习方法和多元线性回归算法构建夜间PM2.5浓度遥感估算模型,对各个模型估算精度进行比较,交叉验证结果表明SVM模型的精度最高,将构建的SVM模型用于夜间灯光辐射亮度等空间自变量,得到2019年9-12月淮安市的平均夜间PM2.5浓度分布。论文的主要结论如下:（1）通过分析湿度订正后的夜间PM2.5浓度与遥感夜间灯光辐射的关系,可知PM2.5浓度和夜间灯光辐射的关系会随站点位置的不同发生改变。当站点位于城区时,夜间灯光亮度多数都比较高,城区站点PM2.5与夜间灯光辐射主要呈负相关关系,当站点靠近偏远郊区时,夜间地表亮度一般比较低,且靠近郊区站点的PM2.5含量与夜间灯光辐射主要呈正相关关系。（2）对不同模型估算精度随着背景像元空间范围的变化进行分析,发现背景像元范围取135×135时,模型精度最好,由此确定最优背景像元空间范围;进一步分析比较不同空间尺度下夜间灯光辐射亮度对各模型估算精度的影响,当像元范围取5×5时,PM2.5估算误差最小,选择该像元范围作为夜间灯光辐射亮度的空间尺度。（3）对随机森林（RF）、Cubist、极端梯度提升树（XGBoost）、神经网络（NNet）、支持向量机（SVM）及最近邻法（KNN）算法和多元线性方法构建的夜间PM2.5浓度模型进行比较,交叉验证结果表明,多元线性回归模型精度明显低于各个机器学习模型,所有模型中SVM模型精度最高,决定系数R~2为0.77,均方根误差（RMSE）为32.05μg/m~3,平均绝对误差（MAE）为20.83μg/m~3。（4）2019年9-12月,淮安市的夜间PM2.5均值主要分布在82-132μg/m~3左右,具有较为显著的空间差异。PM2.5浓度高值主要出现在淮安市主城区,一般在120μg/m~3以上,区县的PM2.5含量次之,通常在110μg/m~3以上,公路区域也会出现PM2.5含量较高的情况。PM2.5含量低值主要出现在偏远郊区,通常处于90μg/m~3以下。