目前,我国经济高速发展,随之带来的空气污染问题也愈发引起社会的关注。然而,在实际监测工作中,空气污染数据可能存在遗漏和冗余等现象,这些情况增加了准确分析空气质量指数的难度。面对大规模、复杂度高、信息量大的数据,传统的数据挖掘和研究方法面临着巨大挑战。从某种意义上来说证据理论和决策粗糙集都是处理不精确信息的有效工具。本文在不完备信息系统下对决策粗糙集进行改进,并且引入证据理论。将两者结合起来可以更好地适应新的需求,获得更准确的决策信息。为了解决证据理论中识别框架是不完整的情况,提出开放识别框架的概念,解决对未知命题的基本概率赋值问题。将Murphy平均法进行改进,并且扩展到开放识别框架中,有效合成冲突数据,进一步完善了开放识别框架下的证据理论模型。选用极大相容类代替经典粗糙集中的等价类,构造不完备信息系统下的决策粗糙集模型。对于属性约简问题,提出两种保正域不变的启发式属性约简算法。为了节约资源,降低约简中的属性个数,提高约简的效率。本文从局部的角度出发,只对单独的关键决策类进行属性约简,提出保正域不变的局部属性约简算法。在进行信息融合时首先需要应用决策粗糙集对信息系统进行属性约简,接着进行规则提取。在对信息表数据进行初步处理后,重新定义概率分配函数,从而确定类概率函数,得到最终的决策结果。结合遥感和站点观测到的实际数据,对比分析属性拟合预测、决策粗糙集理论的预测、决策粗糙集与证据理论结合的预测结果,通过实验结果验证本文方法具有合理性与有效性。