地面监测得到的近地面细颗粒物PM_2.5浓度较为精确,但数据覆盖范围相对较小,卫星遥感反演的气溶胶光学厚度（AOD）数据可以反映污染物浓度分布,具有范围大且速度快的特点,因此,大多数学者通过建立PM_2.5-AOD模型来实现卫星遥感监测PM_2.5浓度,并通过引入气象要素来优化模型.然而,气象要素的选择与引入往往对模型的精度有较大的影响,如何有效地选择对PM_2.5浓度影响较大的气象要素一直是PM_2.5-AOD模型中的关键问题.因此,本文基于华东地区2014—2015年的MODIS AOD和地面监测站的PM_2.5浓度数据,结合再分析气象资料,利用多元逐步线性回归方法建立PM_2.5-AOD模型,从由特定时刻、高度上的气象要素与随时间、高度变化的气象要素组成的气象要素集中,筛选出对因变量PM_2.5浓度有显著影响的关键气象要素.结果表明:在地域与季节双重尺度下的PM_2.5-AOD模型精度更高;相较于特定时刻高度的气象要素,随时间和高度变化的气象要素对PM_2.5-AOD模型的影响更为显著;在地域与季节双重尺度下,1000～850 hPa经向风速差、世界时0:00—6:00近地面温度差、850～600 hPa温度差、6:00边界层高度、12:00—18:00近地面压强差、1000～850 hPa温度差对模型影响较大,但应依据不同季节和不同地区的具体影响程度作为选择标准.