目的:虽然国家不断采取大气污染治理措施改善空气质量,但PM2.5目前仍为首要污染物。大量流行病学研究发现PM2.5会引发多种急性健康影响,因此,掌握PM2.5质量浓度的空间分布特征,尤其是PM2.5每日分布,可准确评估短期内环境空气污染暴露的健康影响和健康风险,更有效地保护人群健康。方法:本文以北京市为研究区域,选取35个环保监测站点2015-2017年PM2.5浓度小时数据,结合与之时空相应的4种气溶胶光学厚度数据、8类气象数据、10个不同缓冲区大小的路网密度、距道路距离密度、建筑密度和植被覆盖密度数据,通过数据处理、相关性分析、多元线性方程建立和残差克里金插值建立泛克里金插值模型对北京城六区内每日未知位置PM2.5浓度进行估算。结果:通过对PM2.5浓度影响因子进行相关性分析、筛选出与PM2.5在0.01水平(双侧)上显著相关因子和剔除各影响因子间共线性3个步骤,确定带入模型的影响因子共8个,分别为:深蓝算法反演的气溶胶10km空间分辨率数据、平均气压、平均相对湿度、平均气温、20-20时降水量、极大风速、500米缓冲区道路密度和1500米缓冲区建筑密度。结合以上影响因子与PM2.5实际监测值建立北京城区日均PM25泛克里金插值模型,通过验证该模型R2均值为0.946,RMSE均值为13.9μg/m3,MAE均值为8.63μg/m3,统计值通过F检验及t检验。结论:经验证,本研究中的模型计算效果较好,可以用于北京市城区PM2.5日均浓度计算。影响因子数据异常会影响泛克里金插值模型的准确性,对影响因子进行严格的质量控制在泛克里金插值模型建立过程中极为重要。