雾霾,已经彻底成为了人们日常生活中不可分离的一部分,其中首要的污染物成分就是PM2.5。由于PM2.5不仅会对人体的健康、空气质量和能见度造成不良的影响,甚至还能影响到整体气候,所以希望能够找到更有效的监测与管控PM2.5的手段。自2003年起,我国重点地区共74个城市已经开始对空气主要污染物进行监测和评价。我国建设的国家空气质量监测站点截至到2016年11月月底数量已经达到1436个,建设的这些站点全部都是由国家进行统一的运营和维护,监测得到的数据也对外公开,看似对空气质量的管控已经很有效了。但是事实上,全国大量的监测站点数据质量都难以保证。有的监测站也因为维护不善所以存在着大量数据缺失、数据质量参差不齐等现象,造假的事件更是被屡屡曝光。所以有理由认为,空气质量的管控或许不如想象中那么有效。在这种情况下,本文试图找到一个更简便且有效的途径来观测PM2.5的浓度情况。建模的启发来自图像分析。通过日常经验,空气质量的好坏是有可能通过图片表达出来的,也许这种表达无法达到专业站点的精度,但是这种方法成本低,不受设备的限制,因此可以鼓励更多人记录追踪,并且难以造假。本文利用自己的设备连续一段时间内在同一地点自主采集图像数据,同时记录拍摄图片时附近监测站点公布的实时数据,提取以下的四个图像特征:图像的清晰度,平均饱和度,灰度差分值的方差和空间频率,分析每一个图像特征的值与空气中PM2.5浓度值之间的关系,再加入环境特征:天气,尝试建立合理的统计学回归分析模型并进行改进,用于描述图像特征与PM2.5浓度之间的相关关系。最后再通过机器学习,预测PM2.5的值,并将预测值与实际值进行拟合,看拟合效果是否能达到预期。实现通过图片日志对空气中PM2.5的浓度情况进行分析和预测。最后对整篇论文的工作进行了总结,并分析了论文中的不足之处与改进方向。