对地面细颗粒物（PM_2.5）浓度进行实时监测是评估短期 PM_2.5 暴露并对污染事件做出快速响应的基础。当前，静止卫星遥感和地面监测站能够测量每小时的 PM_2.5 浓度，但它们各自具有优缺点：前者具有广泛的空间覆盖，但由于云覆盖以及卫星反演算法的局限，导致观测数据存在大量缺失，时间线呈不连续状态；而后者可进行时间连续监测，但对空间范围的表征能力十分有限。因此，仍亟需开发新的算法，以实现全天时的时空无缝PM_2.5图谱绘制。在本研究中，我们首先利用机器学习算法，以静止卫星观测到的反射和红外亮温信息为主要输入，并联合气象等辅助资料，开发白天和全天时的近地表PM_2.5反演模型，获取小时级卫星反演数据。然后以PM_2.5的时空自相关性为物理约束，耦合高斯平差和离散余弦变换，建立卫星反演与地面观测的数据融合框架，通过整合两种不同数据源的互补优势，生成全天时无缝PM_2.5数据集。上述方法在填补空隙的同时，可对存在较大偏差的卫星反演结果进行有效纠正。基于站点的独立验证结果表明，模型表现优异，全天时R²超过0.8，其中白天精度稍高于夜间。该工作有望基于遥感技术，真正实现近地表气溶胶污染的实时连续监测。
 

气溶胶,时空连续,多源数据融合