近些年，大气环境污染问题成为政府和公众关注的热点。基于大气化学传输模型和基于遥感、气象、污染排放和土地利用等多参数和统计模型的PM_2.5浓度时空模拟研究大量涌现，也大量应用于大气污染的人群健康影响研究。但目前针对多类模型的模拟结果和模拟效能的比对研究还很少，在健康影响研究中也大都基于单一模型的PM_2.5浓度模拟结果来开展，缺乏对不同时空模型健康效应研究的适用性的评估。
    为了对各种PM_2.5浓度时空模型的模拟效能和在健康研究中的适用性进行评估，本研究收集了国内外已发表的8套模型模拟的PM_2.5浓度数据产品和全国空气质量监测站点数据，比对多套产品的PM_2.5浓度时空分布的一致性和差异性，并采用拟合优度（R²）和各类误差指标，对比站点监测数据，进行各模型模拟效能的评价。收集了全国多中心的多病种死因监测数据，采用上述9套数据分别开展PM_2.5逐日暴露的健康效应评估，基于健康效应估计值（暴露-反应关系）和置信区间等多项指标，评估各类模型在PM_2.5短期暴露健康效应研究中的适用性。
    基于不同模型模拟得到的全国PM_2.5浓度时空分布特征基本一致，仅在局部地区呈现一定的差异性。8个不同模型模拟的结果以及基于站点监测数据的空间插值结果中，PM_2.5浓度均呈现中东部高、西部偏低的空间分布趋势；2013年以来，PM_2.5浓度整体呈降低趋势，季节上表现为冬季最高夏季最低。在模拟效能方面，非线性机器学习模型的模拟效能优于大气化学模型和线性回归模型。其中，随机森林模型模拟效能最佳（R²=0.76），且具有较低的误差（RMSE=21.96）。在健康效应研究方面，基于非线性算法、时空分辨率高、覆盖范围全的模型在健康效应研究中占优势。PM_2.5浓度每升高10μg/m³，全死因和非意外总死亡、循环系统疾病、呼吸系统疾病的死亡风险在全国各地区分别升高0.08%~0.11%，0.08%~0.11%，0.07%~0.11%，0.04%~0.08%。其中，基于模型模拟的PM_2.5浓度在不同地区、不同疾病上观察到的健康效应估计值大于站点监测值分析得到的效应估计值。不同模型在不同地区和不同疾病的健康效应分析具有一定的差异，其中，随机森林模型和时空-极端随机树模型在大部分疾病中表现出较好的适用性。

PM2.5，时空模型，模拟效能，健康效应