随着我国经济发展进入新常态,城市空气污染日益严重,大气环境质量成为我国社会经济协调发展的重要制约因素,空气质量越来越受到人们的重视。近些年,为了更好地贯彻可持续发展的国策,江西省继续出台了很多关于环境保护方面的政策,开始建设国家生态文明试验区,努力改善江西省的环境情况。本文从环境质量出发,结合气象和经济领域,利用江西省11个设区市的空气质量方面、气象方面和经济方面的数据,从函数型数据的角度,对江西省的环境质量问题进行研究。首先,分析江西省2018年度PM2.5指标的时空特征和主要变异模式,将观测的离散数据曲线化,研究发现江西省PM2.5浓度有显著的时空和区域特征,省内全年当中污染最严重的时间段是冬季以及主要的污染区域为萍乡市和九江市,这与当地的气候状况和经济发展密切相关。其次,利用函数型主成分分析方法,检测南昌市2015年—2018年分季度的空气污染源,识别各个季度的主要污染物,分季度分析可以更明确不同季度的污染源,有利于更好地改善空气质量,结果为南昌市夏季空气质量最佳,主要污染物是O3和CO,以及春季和冬季的污染相对严重,污染物主要为PM2.5和PM10;进一步采用函数型数据的均值检验方法,使用统计量₍,（9）,比较近些年江西省的空气质量变化情况,经过近几年各项环保政策和禁令的实施以及南昌市广大群众不断支持和努力,南昌市在环境改善方面获得显著成效。最后,本文分析多个自变量的函数型数据的线性回归分析模型,在求解参数函数时加入惩罚项,采用这一新的方法来估计函数型多元线性模型的参数函数。利用这个新方法,综合考虑空气质量方面、气象环境方面和经济方面的数据,拟合函数型线性回归模型来研究江西省的空气质量,同时考虑一般线性回归模型和一般函数型线性回归模型,然后对不同方法得到的结果进行比较,结果表示带惩罚项的函数型模型预测误差最小,而且研究发现江西省的空气污染存在着交叉污染的现象,PM2.5的浓度与PM10、O3和NO2等有显著相关性,经济指标对其也存在影响。本文采用函数型数据分析方法,通过分析江西省PM2.5数据的时空特征、识别空气污染源、对比江西省环境质量改善情况、研究江西省主要污染物PM2.5的主要影响因素,客观地把握当前江西省的空气质量情况,分析不同因素的关系,提出相应的政策和建议,对今后江西省的环境治理有一定的参考意义,同时研究发现函数型数据分析方法在实际问题解决中有一定优势,值得进一步深入研究。