空气质量的好坏直接影响着人们的日常生活,近些年空气质量严重下降,雾霾天气时有发生,冬春季节由于空气严重污染导致的民众出行困难及疾病突发已经引起国家的高度重视,分析空气质量的空间分布特征及影响因素,能够为制定治理措施提供参考。当前对空气质量的播报均以实时检测数据为主,且全国范围内并没有统一的空气质量预报系统。本文以西安及周边城市为例,利用空间统计学的方法对空气质量指数及主要污染物空间分布特征进行分析,发现其具有正的空间相关性。由于传统回归模型忽略了研究对象的空间相关性,所以引入考虑时间及空间效应的空间计量模型。为全面地分析空气质量影响因素,尽可能多地引入变量,但为使结果更具有解释性,将多种影响因素通过主成分分析法降维后再作为影响指标引入计量模型中。本文以PM10和PM2.5为被解释变量,公共交通、城市发展水平、环保、大气污染、燃料燃烧五类影响因素为解释变量,以空间反距离权重矩阵为空间加权矩阵建立空间计量模型。针对PM2.5建立的空间计量模型中,时空双固定效应空间杜宾模型误差最小,且社会经济发展、公共交通、环保对PM2.5的影响均为负,说明随着经济的发展,一定时期内有助于减轻环境污染;发展公共交通和加大环保力度都有助于缓解空气污染;燃料燃烧和大气污染与PM2.5正相关,所以应加大力度控制排污,开发新能源。针对PM10建立无固定效应的空间杜宾模型拟合优度高于其他模型,且公共交通和环保指标与PM10负相关,说明完善的公共交通系统有助于减少私家车的使用量,从而降低空气污染;环保力度的加大也有助于减轻空气污染。通过研究现有的空气质量预测方法,发现其局限性,并在空气质量指数具有空间相关性的前提下,以西安市为例,在同时考虑时间及空间效应的基础上,将传统克里格插值预测法与时间序列模型相结合提出两阶段时空插值预测法,并将预测结果与一般时间序列模型和时空克里格预测结果进行比较。结果发现,两阶段时空插值预测误差更小,时空克里格次之,并进一步分析了每种预测方法的使用条件及局限性。